基于背景噪聲經驗格林函數的地震準確定位精度分析
——以2008年甘肅武都地震為例

王爍帆， 倪四道*， 王偉濤， 曾祥方， 謝軍， 韓宏博

1 中國科學院精密測量科學與技術創新研究院， 大地測量與地球動力學國家重點實驗室， 武漢 430077 2 中國科學院大學 地球與行星科學學院， 北京 100049 3 中國地震局地球物理研究所， 北京 100081 4 中國科學技術大學 地球與空間科學學院， 合肥 230026

0 引言

地震定位是地震學研究的基本問題之一.準確的震源位置具有重要意義，例如，它能夠為抗震減災工作提供關鍵信息，它奠定了研究地球內部速度結構的重要基礎.常規的地震定位方法使用一維速度結構模型，通過擬合多個臺站P波、S波的到時反演震源位置.為了得到準確的位置，該方法需要滿足震中附近有近臺，臺站方位角覆蓋良好，以及使用可靠的速度結構模型等條件(Bondár et al., 2004；王未來等，2014；Wang et al., 2018; 易桂喜等, 2019).但是，一些地震發生在臺網稀疏且三維速度結構復雜的地區，近年來國內外學者發展了一種基于背景噪聲經驗格林函數進行路徑校正的地震定位方法，為稀疏臺網情形下地震準確定位研究提供了新思路(Zhan et al., 2011; Barmin et al., 2011; Xie et al., 2011, 2020; Levshin et al., 2012; Zeng et al., 2015).

通過兩個地震臺站長時間的背景噪聲波形記錄進行互相關，可以得到包含兩個臺站之間真實速度結構信息的經驗格林函數，該思路已被成熟地應用于內部結構成像研究中(Shapiro and Campillo, 2004; Yao et al., 2006; 齊誠等, 2007; Lin et al., 2008; 王偉濤等, 2011; 魯來玉等, 2014; 徐義賢和羅銀河, 2015; Xie et al., 2021).近年來，國內外學者將背景噪聲經驗格林函數(empirical Green′s functions，EGFs)用于地震重定位研究，利用包含地下速度結構信息的噪聲EGFs，對地震波進行路徑校正，有效地壓制路徑上速度結構異常引起的誤差，進而提高地震定位精度(圖1).其中Barmin等(2011)將震源區附近密集流動臺網與遠臺的噪聲EGFs，進行插值疊加合成震源附近網格點的理論地震圖，再通過擬合波形包絡搜索震源位置.同年Zhan等(2011)提出基于稀疏臺網的定位方法，即利用震源區附近參考臺與遠臺的噪聲EGFs和理論格林函數的時移，對地震波形擬合的時移量進行校正，得到地震位置.然而影響波形偏移的因素，除了速度結構差異，還有震源機制解的偏差.理論研究表明，兩個臺站之間的噪聲EGFs可以近似為單力源激發產生的波形，而大多數情況下地震波形則由雙力偶源激發產生.二者震源機制解不同，會在波形擬合過程中造成一些時間上的偏差，從而引起一部分定位誤差.

圖1 基于背景噪聲經驗格林函數(EGFs)地震定位方法示意圖藍色實心箭頭表示遠處噪聲源，正三角形表示固定臺，倒三角形表示流動臺(參考臺).雙力偶表示地震的震源模型，而虛線箭頭表示虛擬事件的單力源.灰色區域表示速度異常體.紅色實線波形表示地震面波，黑色波形表示基于區域1D速度結構計算的理論面波波形，而藍色波形表示噪聲EGFs.Fig.1 Schematic diagram of the relocation method based on ambient noise empirical Green′s function (EGFs)The blue solid arrows represent the distant noise sources. The regular triangles represent the permanent stations, and the inverted triangle represents the portable station (reference station). The beach ball represents the earthquake source, and the dashed arrow represents the single force source of the virtual event. The gray area represents the velocity anomaly region. The red solid waveforms represent the seismic surface waveforms. The black waveforms represent the theoretical waveforms calculated based on the regional 1D velocity model, and the blue waveforms represent the noise EGFs.

震源機制解對于面波群速度影響小(Levshin et al., 1999), 而且觀測數據顯示地震波形和噪聲EGFs的頻散曲線有較好一致性(Bao et al., 2014).Xie等(2011)以1998年中國北部張北MW5.7地震為例，比較了基于波形偏移(Zhan et al., 2011)和走時校正兩種方法的定位結果精度，發現依據走時校正的定位結果偏差小于基于波形偏移定位結果偏差.Zeng等(2015)通過理論測試發現在不同的震源機制解情況下，基于噪聲EGFs面波群走時定位方法能夠得到穩定和準確的震源位置.在2017年格陵蘭島的滑坡事件定位研究中，使用噪聲EGFs面波群走時方法得到的定位結果與衛星遙感影像觀測的位置相差2.5 km，明顯優于傳統方法得到的結果(偏差10 km以上)，再次驗證了該方法的可靠性(Xie et al., 2020).

基于背景噪聲經驗格林函數面波群走時的定位方法，為稀疏臺網中的地震準確定位研究提供了新思路.由于參考臺的絕對位置已知，理論上這種方法在稀疏臺網情況下，也可以得到高精度的震中位置結果.關于該方法精度分析，已有的研究限于所用臺站較少，對于參考臺震中距、震源區附近速度結構不均勻性以及遠臺分布稀疏程度等因素還缺少系統測試.本文選擇了中國西部一個已經準確測定位置的中等淺源地震作為研究案例，分析基于噪聲EGFs定位結果精度的影響因素，并討論該方法的穩定性和適用情況.

1 方法原理

基于該方法進行地震定位主要步驟如下：首先使用震中附近的流動臺作為參考臺，將參考臺與遠處固定臺的垂向連續波形記錄進行互相關并疊加得到EGFs；之后測量噪聲EGFs和地震波形中的Rayleigh面波群走時；然后利用噪聲EGFs面波群走時對地震波形進行路徑校正.根據誤差函數公式(1)，在震中區附近網格搜索最佳震中位置(Xie et al., 2011, 2020).為了減少搜索時間，我們先根據最小二乘算法公式(2)估計發震時間的偏差t0，再代入公式(1)中搜索得到震中位置.公式(1)—(2)中，d為網格點(可能的震源位置)與固定臺的震中距，u和v分別為某個臺站地震波形記錄和噪聲EGFs中某個周期的Rayleigh面波群速度，D為參考臺與固定臺的臺間距.

(1)

(2)

2 震例選擇

2008年武都MS5.5地震發生在甘肅、四川、陜西三省交界地區，地質構造單元屬于青藏高原和四川盆地交界，三維結構變化劇烈，可用于測試噪聲EGFs地震定位方法精度.此外本文選取該地震作為案例分析，還進一步考慮了三個方面的因素：(1)武都地震的震中位置已經準確測定.InSAR觀測到武都地震所引起的明顯地表形變，能夠確定準確的震中位置，這為我們評估地震定位結果精度提供了關鍵基礎(Weston et al., 2011).Luo等(2019)將震前2008年7月16日和震后2009年7月19日兩景ALOS SAR影像數據進行處理，經過相位解纏，得到沿衛星視向線地表形變場(如圖2c).在北緯32.98°，東經105.57°附近區域約2 km×2 km范圍內有明顯的形變，最大達7 cm.我們將這一位置作為2008年武都地震的震中位置，并為接下來的定位結果精度測試提供標準值(表1).(2)該地震的震級合適.根據地震標度律估算(Wells and Coppersmith, 1994)，該地震震源破裂尺度約為3 km，其矩心震中和起始震中相差小于1.5 km，該地震可以視為點源，有利于對定位結果的精度進行分析.此外，此次地震能量強，遠臺能夠清晰地記錄到這次地震事件的波形.(3)數據充足.除了國家地震臺網提供的固定臺地震波形數據，震中附近在2009—2012年期間布設了5個流動臺(參考臺)，其中S426位于震中西北方向相距62 km，S522位于震中東部相距49 km，S615位于震中北部相距26 km，S616位于震中西部相距8 km，S617位于震中西南方向相距23 km.接下來，本文將這5個流動臺分別作為參考臺，對武都地震震中進行重定位.

圖2 2008年武都地震位置和臺站分布圖(a) 震中距500～1000 km范圍內固定臺的分布情況，實心三角形表示定位使用的臺站，空心三角形表示未使用的臺站.紅色五角星表示2008年武都地震的InSAR震中位置； (b) 5個流動臺(參考臺站)的空間分布位置； (c) 2008年武都地震InSAR觀測的沿視線向地表形變場，和中國地震臺網中心(CENC)，美國國家地震信息中心(NEIC)以及美國哥倫比亞大學的Global CMT(GCMT)地震目錄提供的武都地震震中位置.Fig.2 The 2008 Wudu earthquake and distribution of the seismic stations(a) The permanent stations with the epicentral distance in the range of 500～1000 km. Solid triangles represent the stations used in this study, and hollow triangles represent the unused stations. The red star represents the 2008 Wudu earthquake. (b) The distribution of five portable stations (reference stations). (c) Line-of-sight surface deformation field observed by InSAR during the 2008 Wudu earthquake, and the epicenter locations from different catalogs, including the China Seismic Network Center (CENC), the US National Earthquake Information Center (NEIC), and the Global CMT (GCMT).

表1 不同目錄提供的2008年武都地震震中位置Table 1 The epicenter locations of the 2008 Wudu earthquake from different catalogs

3 數據處理

計算參考臺和固定臺之間的背景噪聲格林函數時，本文選取了國家地震臺網震中距500～1000 km范圍內169個固定臺.臺站間距大于5倍的面波波長，滿足經驗格林函數中面波可近似為行波的條件(Zhan and Ni, 2010).接下來對固定臺和參考臺2009—2012年期間的連續波形記錄進行預處理，將垂向連續波形記錄以天為單位進行截取，以1 Hz的頻率進行重采樣，去除均值和線性趨勢，去除儀器響應得到表示質點運動速度的波形.我們將波形數據按照每段時長7200 s，重疊時長3600 s的格式截取.為了壓制連續波形記錄中地震事件信號和固定噪聲源信號，我們采用滑動平均方法進行時間域的歸一化，然后進行譜白化處理(Bensen et al., 2007).

完成以上數據預處理的操作步驟后，分別計算了震源區附近5個參考臺S426、S522、S615、S616、S617和遠處169個固定臺之間垂向-垂向分量(ZZ)的互相關函數.波形信噪比以疊加時長的根號倍增加(Bensen et al., 2007)，為了保證信噪比最佳，對所有臺站將連續1～2年的全部記錄進行疊加，作為背景噪聲經驗格林函數EGFs，其物理含義為假設參考臺作為虛擬單力源，固定臺所接收到的波形.但實際噪聲源空間分布不均勻，會導致噪聲EGFs正負支振幅不同(Lin et al., 2008).Bao等(2014)比較了地震波形、噪聲EGFs振幅強的半支波形以及噪聲EGFs正負支疊加后波形的頻散曲線，3種頻散曲線趨勢一致，其中噪聲EGFs正負支波形疊加后提取的頻散與地震波形頻散的形態和趨勢更為接近.于是，本文取噪聲EGFs正負兩支相加的對稱波形作為研究對象.另外，將地震波形數據進行去均值、去趨勢，去除儀器響應的預處理，并對垂向分量數據進行降采樣得到頻率為1 Hz的波形數據，接下來測量地震波形數據和噪聲EGFs中Rayleigh面波的頻散曲線(圖3).

圖3 地震波形(a)與參考臺和固定臺的噪聲EGFs(b—f)Fig.3 Seismic waveforms (a) and the noise EGFs between reference stations and permanent stations (b—f)

提取頻散曲線有多種方法(如, Levshin et al., 1992; Herrmann, 2013)，例如多重濾波法(Computer Program in Seismology, CPS330中的do_mft方法)和時頻分析法(Frequency-Time Analysis, FTAN).本研究以S616與固定臺之間的背景噪聲格林函數為例，使用3種不同的方法，多重濾波法do_mft、時頻分析法FTAN、以及將波形使用相位匹配濾波技術校正后再用時頻分析法FTAN分別提取頻散曲線.經過比較發現3種方法得到的頻散曲線基本相似，考慮到為了方便對頻散曲線進行質量控制，本研究使用人工交互界面的do_mft方法測量頻散.參照CPS的使用軟件說明(Herrmann, 2013)，對不同震中距的臺站選取不同濾波器寬度α，對于震中距500～750 km的臺站，α=25；震中距750～1000 km，α=50.

本研究主要提取了地震波形和噪聲EGFs 能量集中的共同波段10～30 s面波頻散數據(圖4).為了定量化描述地震波形和噪聲EGFs頻散曲線的相似性，本研究根據公式(3)計算了10～30 s周期內兩條面波頻散曲線差異的均方根E.該公式描述了某段周期內地震事件波形和噪聲EGFs頻散曲線的差值均方根.其中，Veq和VEGFs分別表示所測量的地震波形和噪聲EGFs中某一周期Rayleigh面波的速度.n為頻散曲線在計算波段內的周期個數，周期間隔為1 s.差異度的單位為km·s-1，數值越小，則意味著地震波形和噪聲EGFs的頻散曲線越相似.

(3)

4 重定位結果與分析

本文分別以5個流動臺作為參考臺，使用背景噪聲EGFs和地震波形10～30 s波段的頻散數據進行地震重定位.刪除了一些地震事件波形記錄有問題的臺站，使用135個數據良好的固定臺進行了對比分析.統計了噪聲EGFs和事件波形的頻散數據，大部分頻散曲線差異度在0.2 km·s-1以內(圖5)，這說明同一固定臺所記錄的地震波形和噪聲EGFs的頻散數據普遍比較接近.臺站方位角覆蓋較好，除了方位角150°～180°區域，其他方位上每30°均有數據約束.我們以CENC目錄提供的震中位置(105.67°，32.92°)作為初始位置，并在震中附近1°范圍內，進行步長間隔為0.01°的網格搜索，得到五組地震重定位結果(表2).基于參考臺S426的定位結果位于震源區北部，與InSAR觀測最大形變區域相距3 km；基于參考臺S522的定位結果位于震中東側2 km處；基于參考臺S615、S616、S617定位結果，均分布在地表形變增加的區域，與最大形變區域偏差在1 km左右(如圖6a).

表2 基于5個不同參考臺2008年武都地震重定位結果Table 2 The relocation results of 2008 Wudu earthquake based on the five reference stations

考慮到頻散曲線測量過程中可能存在人為誤差，我們使用統計方法中的卡方分布以及誤差橢圓的方法對重定位結果進行誤差分析.假設已有n個觀測量，反演模型m所包含的3個隨機變量即發震時刻和震中經緯度位置，滿足高斯分布且獨立同分布，那么模型m滿足自由度ndf=n-3的卡方分布2.我們通過網格搜索得到最小誤差點作為模型的最優解mbest，計算所有觀測走時和基于mbest計算的理論到時之間的方差，作為偏差統計量σ2(公式(4)).通過查表得到80%置信區間的卡方閾值(http:∥www.fourmilab.ch/rpkp/experiments/analysis/chiCalc.html)，計算得到其對應的誤差范圍(公式(5)). 以上五組重定位實驗中的80%置信區間的誤差橢圓(如圖6b)長軸為北西-南東方向約5～8 km；短軸為北東-南西方向約3～5 km.這可能是由于方位角150°～180°區域缺少數據覆蓋，定位結果在北西-南東方向存在相對較大不準確性.

圖6 地震重定位結果及統計誤差(a) 分別以S426、S522、S615、S616、S617作為參考臺進行地震重定位的結果，不同參考臺對應圖中橙色五角星、紫色五角星、藍色五角星、綠色五角星，粉色五角星. (b) 中用相同顏色的曲線描繪了五組定位測試中的80%置信區間.Fig.6 The relocation results of the earthquake and the statistical error(a) The relocation results (star) by different reference stations S426 (orange), S522 (purple), S615 (blue), S616 (green) and S617 (pink). (b) The corresponding 80% confidence ellipses for results in (a).

(4)

(5)

5 討論

與InSAR觀測的武都地震位置相比，CENC目錄定位結果向東南方向偏11 km，NEIC目錄向東南方向偏9 km，而Global CMT目錄向東偏7 km.從震源物理意義而言，利用中長周期波形擬合方法的Global CMT目錄得到矩心震中的位置，而利用震相走時定位的CENC和NEIC目錄得到起始震中位置.但根據地震標度律，五級地震破裂通常為3 km，起始震中和矩心震中相對距離不超過1.5 km.因此，此次地震Global CMT位置和CENC位置或者NEIC位置之間的差異，顯著超過了起始震中和矩心震中的相對距離.不同地震目錄對于武都地震定位誤差的原因主要有兩個方面：(1)三維速度結構的復雜性.(2)震中附近缺少近臺約束.距離震中最近的固定臺是四川省青川臺(QCH)，位于武都地震的西南方向，震中距大于50 km，這導致使用國家地震固定臺網定位的CENC目錄結果有較大的不準確性.而對比本文的結果，基于噪聲EGFs面波群走時路徑校正的方法可以有效地壓制傳播路徑上速度異常體帶來的影響，在地震發生缺少近臺的情況下，根據震中附近其他時間架設的參考臺得到高精度的地震矩心震中位置.

(6)

S616的定位結果如圖7所示，其中基于S426的定位結果位于S616真實位置的北側偏約3 km，利用S522和S615定位結果位于S616真實位置的北側偏約1 km，而利用S617定位結果位于S616真實位置西南側偏約1 km.可知武都地震震中30 km以內速度結構造成的定位偏差約1 km，震中60 km速度結構造成的定位偏差約3 km.可以看出基于武都地震重定位結果和S616虛擬震源的重定位結果位置空間分布基本接近，由此推測武都地震重定位結果偏差主要是由于震中區速度結構變化造成的，震源項對于定位結果影響較小.這也說明隨著參考臺震中距的增加，震源區速度結構差異帶來的定位結果不準確度也會增加.

圖7 震中附近區域速度結構對定位結果影響圓點表示S616的真實位置，五角星表示基于不同參考臺S426(橙色)，S522(紫色)，S615(綠色)和S617(粉色)得到的S616重定位位置.圖中用對應顏色的曲線描繪了80%置信區間.Fig.7 The influence of velocity structure near the source area on the relocation results The dot represents the true location of S616, and the stars represent the relocation of S616 based on stations S426 (orange), S522 (purple), S615 (green) and S617 (pink). The curves represent corresponding 80% confidence ellipses.

本研究進一步分析了使用不同頻段進行定位以及噪聲疊加時長對于定位精度的影響.單獨使用10～20 s、20～30 s頻段進行定位測試，定位結果偏差在5 km以內，但普遍比使用10～30 s得到的定位結果偏差大.所以在定位過程中使用頻段盡可能的寬可以增加射線覆蓋，能夠有效提高地震定位精度.另外，互相關疊加時長是能否提取可靠噪聲EGFs的關鍵，一般來說疊加時長越長，信噪比越好，定位結果可靠.而在實際定位研究過程中連續噪聲記錄時長有限，那么利用不同時長的噪聲對應事件定位精度如何呢？本研究進行了以下測試，當疊加時長為1年的時候，可以消除季節性變化的背景噪聲信號影響，得到穩定、可靠的定位結果.使用震中距30 km參考臺站，得到定位結果偏差2 km以內，震中距50～60 km參考臺的定位結果偏差3 km以內.而當疊加時長為半年180天的測試結果，顯示使用震中距30 km以內臺站定位結果偏差3～5 km.而使用震中距50～60 km參考臺的偏差在3 km以內，推測這可能是由于震源區和臺站之間明顯的速度結構差異，與季節性變化噪聲信號共同作用影響.使用震中距30 km以內參考臺，當疊加時長為1季度時，定位結果偏差在3 km以內，當噪聲疊加時長1個月，一般也可以得到定位精度在5 km以內的結果.

為了進一步測試該方法在臺網特別稀疏環境下的適用性，本研究在震中距500～1000 km范圍內取10個左右的固定臺站重新測定震中位置.先按照方位角每60°一個間隔，將頻散曲線差異度0.1 km·s-1以內和0.05 km·s-1以內的固定臺按照方位角60°一個間隔，劃分在6個分區域內.接下來在每個分區域內隨機抽取1～2個臺站的頻散數據，一次重采樣的樣本容量為6～12個固定臺，本研究分別以5個流動臺為參考臺站，進行了1000次重定位.

結果顯示當噪聲EGFs與地震波形頻散曲線相似程度高時，重定位結果集中在InSAR震中附近.基于震中距8 km的S616參考臺，使用6～12個震中距500～1000 km臺站，當使用的頻散數據差異度小于0.1 km·s-1，有80%的重定位結果在震中5 km以內，45%的結果在3 km以內(圖8).當使用差異度小于0.05 km·s-1的頻散數據時，99%的重定位結果分布在震中5 km范圍內，78%的結果在震中3 km以內(圖9).基于不同震中距參考臺重定位測試結果顯示，利用較少固定臺，且方位角覆蓋不全的情況下，參考臺震中距越近，定位結果越可靠.隨著參考臺震中距增加，震源區不同方位的結構差異，以及遠臺方位角分布等因素會耦合影響定位精度(表3).

表3 利用不同差異度頻散數據重定位測試結果Table 3 The relocation results were obtained using the dispersion data with diverse root mean square differences

圖8 基于稀疏臺網利用頻散曲線差異度0.1 km·s-1的重定位測試(a) 頻散曲線差異度隨方位角分布； (b) 1000次測試中抽樣臺站個數； (c) 重采樣定位結果分布.底圖為InSAR觀測的沿視線向地表形變量，方框的大小表示該位置在結果中出現的頻次，方框越大，出現的頻次越高.紫色圈表示震中(InSAR最大形變點) 5 km范圍內，橙色圈表示震中3 km范圍內.Fig.8 The relocation test with the dispersion curve difference of 0.1 km·s-1 for sparse network(a) The azimuthal distribution of the dispersion curve difference; (b) The number of resampled stations at 1000 tests; (c) The results of 1000 relocation tests. The base map shows the line-of-sight (LOS) surface deformation observed by InSAR. The box size represents the number of relocation results appearing in the same grid, with the box more significant, the number bigger. The purple circle indicates the epicenter (the maximum deformation of InSAR) region within 5 km, and the orange circle indicates the epicenter within 3 km.

圖9 基于稀疏臺網利用頻散曲線差異度0.05 km·s-1的重定位測試(詳情見圖8)Fig.9 The relocation test with the dispersion difference of 0.05 km·s-1 for sparse network (See also Fig.8 for details)

本研究繼續測試了臺網更加稀疏的情況，分別以S426、S522、S615、S616、S617作為參考臺，利用4個方位角分布均勻的固定臺進行重定位.這4個固定臺分別是位于北側的NM.BYT，東側的HA.ZMD，南側的YN.MAL以及西側的QH.YUS(圖10).利用互相關函數疊加時間超過1年數據，提取10～30 s頻段噪聲EGFs面波頻散數據，且與地震面波頻散差異度小于0.1 km·s-1，相對定位的結果顯示當參考臺在震中距30 km以內，定位精度小于3 km.

圖10 利用不同參考臺基于4個固定臺地震重定位測試(a) 重定位結果； (b) 本次實驗所用噪聲和地震波形的頻散曲線對比. Fig.10 The relocation test with different reference stations used by 4 permanent stations(a) The relocation results; (b) The dispersion curve of the noise EGFs and seismic waveforms used in this test.

目前在很多地區，臺站較為密集，三維結構也有比較可靠的模型，傳統的P、S波到時定位方法效果應該很好.本文測試的方法可以適應于3種情況：(1)歷史地震重定位研究.可以在歷史地震發生的大致位置附近架設流動臺站，對比EGFs與歷史地震圖；但是這有可能受到歷史臺站時鐘偏差的影響，需要進一步發展歷史地震臺站時鐘準確度估計方法.(2)近期發生在稀疏臺網地區的地震重定位研究.例如發生在非洲大陸或澳大利亞大陸內部的地震，還有發生在海域的地震，如1996年長江口海域地震等，可以通過事后架設流動臺或海底地震儀(Ocean Bottom Seismograph, OBS).而對于大洋海岸附近的地震，噪聲EGFs與地震圖可能存在較大差異，且地震臺方位分布不理想，定位誤差可能較大，這還需要進一步的案例分析研究.(3)未來地震快速準確定位研究.在地震危險性高的斷層附近，架設流動臺站觀測，建立背景噪聲格林函數庫，以期能夠對未來發生的地震進行快速、準確的定位.

6 結論

本文基于背景噪聲格林函數面波群走時校正的地震重定位方法，通過2008年武都地震重定位震例研究發現，利用震中距30 km以內的參考臺，重定位結果與InSAR震中位置偏差在1 km以內，震中距超過30 km的參考臺得到重定位結果偏差約3 km.這些誤差主要源于武都震中區速度結構變化，隨著使用參考臺震中距的增加，震源區速度結構差異帶來的定位結果不準確度也會增加.之后本文進一步測試了噪聲疊加時長，波形頻段，以及稀疏臺網等因素.結果顯示使用震中距30 km以內參考臺，使用較寬頻段頻散數據，在噪聲疊加時長1個月的情況下，也可以得到誤差在5 km以內的定位結果，當噪聲疊加時長超過1年，定位結果更穩定可靠，位置偏差可縮小到1 km以內.稀疏臺網測試結果顯示使用10個左右固定臺進行重定位，在頻散數據良好的情況下，定位結果精度可達3 km.

本文對基于背景噪聲格林函數準確震中位置測定方法的參數組合方案進行了系統分析，給出了該方法的高精度地震定位所需的固定臺網及參考臺站的觀測指標體系.然而本文只利用了噪聲記錄的垂向-垂向(ZZ)分量進行互相關提取Rayleigh面波，未來可以進一步嘗試使用背景噪聲徑向-徑向(RR)，垂向-徑向(ZR或RZ)分量提取Rayleigh面波或者切向-切向(TT)分量互相關提取Love面波(Lin et al., 2008; Levshin et al., 2012; Hu et al., 2020)和地震波形對比，用于地震重定位研究.另外隨著高性能計算和地球模型研究的進步，可以結合背景噪聲格林函數和理論三維格林函數，并結合地震學、大地測量學、構造地質學等多種數據，進一步發展高精度地震震源參數測定方法.

致謝感謝編輯、編委與評審專家對完善本文提出的具有建設性的意見.本文InSAR觀測處理結果由中國科學院精密測量科學與技術創新研究院沈強副研究員提供.中國地質大學(武漢)羅銀河教授、南方科技大學楊英杰教授、中國地質大學(北京)李紅誼教授、中國地震局地球物理研究所韓立波研究員對文章提出了寶貴意見，在此一并致以衷心感謝.