黃石市地震臺背景噪聲特征分析

摘要：

利用2018年1月—2020年3月湖北省黃石市三個地震臺的垂直分量連續地震波形數據，計算新冠肺炎疫情前（2018年1月—2019年12月）和疫情防控期間（2020年1—3月）三個地震臺的噪聲加速度功率譜密度和概率密度函數，重點分析高頻段（1～10 Hz）地震背景噪聲的時空變化特征。研究結果顯示：（1）疫情防控期間，高頻噪聲加速度功率譜密度整體明顯下降，特別是在春節期間。2018年和2019年春節期間短周期（～1 s）噪聲幅值下降明顯，而在假期結束后迅速恢復;2020年春節正值新冠疫情防控期間，噪聲幅值大幅下降，并且持續保持在較低水平。（2）日變化模式改變。疫情前，地震背景噪聲在白天（6：00—20：00）的功率譜密度明顯高于晚上（20：00—次日6：00），中午12：00左右功率譜密度出現短時下降，夜間2：00左右出現最低值，這種變化特征與人類的作息規律一致;而在新冠疫情防控期間，噪聲幅值下降且日變化不明顯，表明人類活動減弱，高頻噪聲幅值相應變化。（3）人口密度和經濟發展水平影響噪聲水平。人口密度和經濟發展水平較高的地區噪聲水平偏高，這表明城市的人類活動和經濟狀況與地震背景噪聲存在關聯。這些研究結果對城市規劃、公共管理和環境保護具有重要的參考價值，可為城市人類活動監測和公共治理提供有用信息。

關鍵詞：

地震背景噪聲; 黃石市; 功率譜密度; 概率密度函數; 人類活動

中圖分類號： P315.7""""" 文獻標志碼：A"" 文章編號： 1000-0844（2025）01-0152-08

DOI：10.20000/j.1000-0844.20230518002

Ambient noise characteristics at seismic

stations in Huangshi City

WU Lihui1，2， LIAO Wulin3， LI Jinling2， BAO Sarina4

（1. Public Policy Research Center， Hubei University of Education， Wuhan 430205， Hubei， China;

2. School of Economics and Management， Hubei University of Education， Wuhan 430205， Hubei， China;

3. Hubei Earthquake Agency， Wuhan 430071， Hubei， China;

4. Field Science Education and Research Center， Kyoto University， Wakayama 6492211， Japan）

Abstract：

Using continuous seismic waveform data from the vertical component collected at three seismic stations in Huangshi City， Hubei Province， from January 2018 to March 2020， the power spectral density and probability density function of noise acceleration were calculated for the three stations before the COVID-19 pandemic （from January 2018 to December 2019） and during the pandemic （from January to March 2020）. This study focused on the spatiotemporal variation of high-frequency （1-10 Hz） seismic ambient noise. Results are as follows： （1） During the COVID-19 pandemic prevention period， an overall decrease in the acceleration power spectral density of high-frequency noise was observed. Notably， during the Spring Festival in 2018 and 2019， the amplitudes of short-period （approximately 1 s） noises decreased， with a rapid recovery after the holiday. However， during the COVID-19 pandemic prevention in 2020， noise amplitudes substantially dropped and remained at low levels. （2） Changes in diurnal pattern were observed. Before the pandemic， the power spectral density of earthquake background noise in the daytime （6：00-20：00） was notably higher than that in the nighttime （20：00-6：00）. At approximately 12：00， the power spectral density decreased for a short time， and the lowest value appeared at approximately 2：00. This change is consistent with the pattern of human work and rest. However， during the COVID-19 epidemic prevention and control， the noise amplitudes decreased， and the diurnal variation became less pronounced， indicating a reduction in human activities， which in turn led to changes in the high-frequency noise amplitude. （3） Additionally， population density and economic development were found to affect the ambient noise level. Regions with higher population density and greater economic development exhibited higher noise levels， indicating a correlation between urban human activities and economic conditions with seismic ambient noise. These results offer substantial reference value for urban planning， public administration， and environmental protection， providing valuable insights for monitoring urban human activities and improving public governance.

Keywords：

seismic ambient noise; Huangshi City; power spectral density; probability density function; human activity

0 引言

地震臺站所記錄的連續波形信號不僅包含地震信號，還包含了非地震時刻的振動噪聲（地震噪聲），而且這些記錄中大部分為噪聲記錄。地球深部非震形式的物質運動、海浪和潮汐作用、氣象變化，及人類活動，是不同頻率段噪聲的主要源頭，認識和利用噪聲數據對地震學及交叉學科領域的研究十分重要。自20世紀50年代以來，地震學者們一直在關注并研究地震背景噪聲［1］。

Peterson［2］為了評估地震儀器的性能，對全球地震觀測臺（SRO）和簡易地震觀測臺（ASRO）在不同頻段的地震噪聲進行了計算和分析，先后提出了低噪聲模型和高噪聲模型。基于這些模型，Peterson［3］定量分析了全球75個地震臺站的地震背景噪聲數據，計算其噪聲功率譜密度（Power Spectral Density，PSD），從而得出全球新高噪聲模型（New High Noise Model，NHNM）和新低噪聲模型（New Low Noise Model，NLNM），也就是全球地震背景噪聲模型。這些模型被廣泛使用，并作為評估臺站噪聲水平的重要標準。Mcnamara［4］基于全球地震背景噪聲模型和噪聲功率譜密度方法，不僅未排除地震等重大環境變化，也未選擇特定時間段的噪聲數據，而是對所有記錄數據進行了計算和分析，提出了概率密度函數方法（Power Density Function，PDF），通過概率形式獲取臺站的噪聲變化特征和噪聲水平。這一方法的提出對于臺站的觀測水平和質量監控提供了重要參考，受到了廣泛認可，并被地震研究中心和地震臺（如IRIS、ANSS）所采用［5］。

地震噪聲模型主要研究遠離人類活動的地球本底背景噪聲，包括微震和長周期段的噪聲特征。這些研究有助于深入了解地球內部的物理過程，監測地震活動，并可提供地震學研究和地震監測的基礎。盡管地震臺站記錄了人類活動引起的噪聲，但在先前的噪聲概率密度函數圖中并沒有明確顯示。

經過多年的探索研究，學術界普遍認為不同頻段的噪聲具有不同的來源和產生機制，每個頻段的噪聲特征受到不同的物理過程和地球內部活動的影響。根據寬頻帶地震儀頻帶范圍（60 s～50 Hz），可以將噪聲分為四個頻段：高頻（0.025～0.2 s）、短周期（0.2～1 s）、微震（1～10 s）和長周期（10～20 s）［6-7］。

一般來說，周期小于1 s的短周期或高頻頻段的噪聲為人文噪聲（culture noise），其主要源頭是人類活動。這種噪聲是由人類在地球表面或附近的活動引起的，與交通運輸、工業活動、建筑施工等人類活動密切相關［7-9］。此外，它還表現出明顯的季節性變化和日變化特征［6，10-12］。同時，地震背景噪聲還具有區域差異，與交通、工業活動等人文活動的強度分布有關［12］。

新冠疫情防控措施的實施為研究人文噪聲和人類活動的相關性提供了科學機會，這一領域引起了地震學家們的興趣。相關研究人員分析了由于新冠疫情防控引起的人類活動減弱對地震噪聲強度變化的影響［13-15］。Lecocq等［13］研究發現，在全球抗擊新冠肺炎疫情的封鎖措施實施期間，高頻（4～14 Hz）地震噪聲整體水平下降，降幅達50%，在人口密度大的地區下降效果更為明顯。Wang等［16］通過計算和對比分析2019年和2020年不同臺站在平時、春節、疫情防控期間及恢復期的噪聲水平，發現春節和疫情防控期間的噪聲降低程度與沉積層的厚度和人口密度存在相關性。

黃石市位于中國湖北省東南部，是鄂東南地區的重要水陸交通樞紐，同時也是武漢都市圈的核心成員。黃石市轄區劃分為四個市轄區、一個縣級行政區（即陽新縣），以及一個縣級市（即大冶市）。在2019年底，新冠肺炎疫情在武漢爆發，接著迅速在黃石市蔓延。從2020年1月24日開始，感染人數急劇增加，到2月中旬疫情感染人數基本得到控制（圖1）。為了遏制疫情蔓延，從2020年1月24日起，黃石市采取了一系列措施，如停運城市道路客運。當天，黃石市內的城市軌道交通站和火車站通道暫時關閉，1月25日主要高速公路出口也暫時關閉，1月26日高速公路的進出通道暫時關閉。直到3月13日，開始有序分時、分類地推進工業企業的復工和復產。3月14日，黃石市逐步恢復了城區公交線路，3月23日，社區（村組）內的人員和車輛恢復了正常的出行。

本文選取黃石市三個地震臺，分別是HSH、DYE和YNX（圖2），收集了這些地震臺2018年1月1日—2020年3月25日期間的連續地震波形數據，并將這些數據分為兩個時間段，分別是疫情防控前和疫情防控期間。在這兩個時間段內，分別計算了這三個地震臺的加速度功率譜密度和概率密度函數，通過對比分析，研究黃石市高頻地震背景噪聲的特征。這三個地震臺的基本信息列于表1。

1 數據和方法

首先，收集黃石市三個地震監測臺站在2018年1月— 2020年3月期間的原始地震波形數據。接著，主要參照 Mcnamar［4］和吳麗慧等［11］所采用的方法，不對干擾數據進行篩選，對這些監測臺站的垂直分量原始數據進行了預處理。預處理的主要步驟包括：（1）獲取原始數據，其格式為MiniSeed，隨后使用Python Obspy軟件包將這些數據轉換為sac文件格式;（2）將連續波形數據按照每24 h（即每天）的時間單位進行切割;（3）對每天的數據進行去均值、去線性趨勢處理，并對數據兩端進行尖滅處理;（4）對數據進行去除儀器響應的處理;（5）將經過處理的數據文件轉化為以加速度為單位的sac文件。

接著，將經過處理的數據分為兩個時間階段：新冠疫情前和新冠疫情防控期間，分別計算噪聲的加速度功率譜PSD和概率密度函數PDF。方法和步驟如下：

（1） 以小時為單位，將每小時的樣本數據分成13個時間段，相鄰數據段的重復率設為75%，為盡量減少PSD估算的方差，每小時之間的重復率為50%，計算每小時的PSD。為了提高PSD結果的可視化效果和可比性，使其更適于與全球高低噪聲模型進行比較，將各臺站計算得到的功率譜密度（PSD）值轉換為以dB為單位的形式。此外，為了獲得在坐標上較為均勻分布的PSD，使用1/8倍頻程的頻率間隔對PSD曲線進行光滑處理。

（2） 計算概率密度函數PDF值，繪制PDF圖。PDF主要反映在所選取的觀測數據序列中，特定中心周期和特定功率值的出現概率。首先，計算整個周期范圍內特定周期處的平均功率譜密度。該周期位于短周期端和長周期端之間，其功率值通過幾何平均法計算，以覆蓋倍頻程范圍。隨后，使用1/8倍頻程的間隔逐步增加短周期，計算每個間隔內的平均功率譜密度。重復此過程，直到時間序列窗口達到最長有效周期。對于給定的中心周期，PDF的值表示該周期對應功率窗口內記錄段數與總記錄段數的比值。換而言之，它統計了在不同時間段內，周期的功率譜密度達到某一特定數值的概率［17］。本文使用IRIS 網站提供的具體計算程序來實現對PDF的計算和繪圖［18］。

2 高頻噪聲特征分析

本文基于黃石市三個地震臺2018年1月—2020年3月記錄的連續觀測數據，分別計算了新冠疫情防控前和防控期間各地震臺垂直向加速度功率譜密度和概率密度函數。

2.1 時變特征分析

圖3展示了2018年1月—2019年12月以及2020年1—3月黃石市三個觀測站概率密度函數分布圖。從圖中可以觀察到新冠疫情防控前和防控期間地震噪聲功率譜變化趨勢與全球高低噪聲模型（NHNM和NLNM）的總體趨勢基本一致。總體而言，按照噪聲水平從高到低的順序，三個臺站排列為HSH臺、DYE臺和YNX臺。表2列出了這三個臺站所在地的人口密度和人均GDP。這與王芳等［12］研究結果一致，即人口密度和經濟發展水平與噪聲水平呈正相關。

同時，還可以看出在1 s及更長周期上并未出現明顯變化，然而，在疫情防控期間，各地震臺的地震噪聲在周期小于1 s的范圍內，其功率譜值顯著下降，特別是在0.1 s左右，HSH臺的功率譜下降了7～10 dB，DYE臺下降了8～15 dB，YNX臺的功率譜下降了6～10 dB。這些高頻地震噪聲的顯著變化反映了“封城”期間人類活動以及相關工業設施運行明顯減少。

2.2 日變特征分析

為了更深入地探究環境噪聲的變化特征，對黃石市三個地震臺站每天相同時間的概率密度函數PDF中值進行計算。根據計算結果，繪制了各臺站在新冠疫情前和新冠疫情防控期間地震噪聲功率譜的日變化圖（圖4）。從圖4 （a）中可以看出，在2018—2019年間，黃石地區高頻段（～0.2 s）的地震噪聲表現出明顯的日變化規律特征。從6：00起噪聲逐漸升高，并在12：00左右達到峰值;在12：00—14：00間噪聲略有下降，出現間歇性低谷;在16：00左右再次達到峰值，20：00左右噪聲逐漸減弱。這種規律性的變化與人類的作息規律相一致，表明該地區高頻段噪聲主要受到人類活動的影響。人口密度大、經濟發展水平高的地區噪聲水平偏高，噪聲強度排序為HSH臺gt;DYE臺＞YNX臺。此外，HSH臺在周期0.2 s左右，功率譜密度總體上保持在較高水平，大致在-120 dB附近波動，但在5：00及12：00左右出現間歇性低谷，噪聲水平晝夜差異較小。這很大程度上與HSH臺周邊環境有關：HSH臺站位于江邊，距長江航運水道堤岸約300 m，距福銀高速公路直線距離約3 km，距離鄂州花湖機場10 km。

為了遏制疫情的蔓延和阻斷其傳播，黃石市自2020年1月24日10時起“封城”。從圖4（b）中可以看出，相較于疫情之前，高頻段噪聲功率譜密度整體下降，但仍存在區域差異，在人口密度大、經濟發展水平高的地區，噪聲水平略高。雖然整體噪聲水平下降，但仍保留了疫情防控前的日變化規律特征，具體而言，在6：00—20：00間高頻段噪聲的功率譜密度

高于20：00至 次日5：00的功率譜密度。然而，在此期間（12：00）沒有明顯的間歇性低谷。這客觀地說明了“封城”期間人類活動的減弱，導致背景噪聲功率譜密度出現了一致性變化。此外，由于公路、鐵路、碼頭的關閉，HSH臺在周期0.2 s功率譜密度下降最為顯著，降幅約10 dB，且無明顯間歇性低谷和高峰段。這表明背景噪聲功率譜密度變化能較好地反映出生活和生產活動情況。

同時，通過對三個地震臺記錄的新冠疫情防控前和防控期間

的噪聲功率譜密度進行比較，發現對于周期在1 s及以上的微震和長周期段噪聲功率譜密度并未出現明顯的變化（圖4）。這表明在這個頻帶范圍內，噪聲與人類活動之間的相關性較低。

由于2020年中國春節假期與疫情“封城”時間存在重疊，春節期間人類活動的減少對背景噪聲產生了一定的影響。為了更好地觀察和比較人類活動減弱與噪聲之間的關系，本研究選取了HSH地震臺，對比分析該臺站在2020年疫情防控期間與2018年及2019年農歷同期垂直向地震噪聲的加速度幅值。通過對比，能夠消除春節假期的影響，從而更準確地觀察和比較人類活動減弱對噪聲的影響程度（圖5）。

從圖5中可以觀察到：2018年和2019年春節前夕噪聲幅值開始下降，在春節假期期間，幅值達到最低值，下降約30%，隨著春節假期結束，噪聲幅值迅速回升至節前水平。2020年春節前夕，噪聲下降幅度同2018、2019年基本保持一致，但在除夕當日“封城”后，噪聲幅值一直保持在較低水平，隨著疫情防控的升級，噪聲幅值進一步降低。到了2020年3月中旬，疫情得到一定程度的控制，出行限制逐步解除，噪聲幅值逐漸回升，恢復到往年同期水平。

3 總結

本研究以黃石市三個地震臺站為研究對象，通過分析2018年1月—2020年3月的連續地震波形數據，深入研究了新冠疫情防控前和防控期間的地震背景噪聲變化情況。通過對加速度功率譜密度和概率密度函數的計算與分析，深入探討了疫情防控措施對地震噪聲的影響，并得出了以下結論：

（1） 研究發現新冠疫情防控期間，高頻地震噪聲在周期小于1 s的頻段中明顯下降。這一降幅在不同地震臺站之間有所差異，但總體上，噪聲水平呈現下降趨勢。這表明“封城”及其他疫情防控措施使得人類活動減弱，從而顯著影響了地震背景噪聲。

（2） 地震背景噪聲在春節期間表現出明顯的日變化規律，與人類活動的生活和工作規律相吻合，然而，在新冠疫情防控期間，這種日變化規律減弱，表明“封城”和疫情防控措施對地震噪聲的日變化規律產生了影響。這些變化直觀地反映出城市居民的生活和生產活動強度變化情況。

（3） 研究還發現人口密度和經濟發展水平與地震背景噪聲水平存在一定關聯。通常情況下，人口密度較大和經濟水平較高的地區，其噪聲水平也相對較高。這進一步證明了城市噪聲與人類活動之間的密切聯系。

需要強調的是，針對周期在1 s及以上的微震和長周期段噪聲，研究結果并未顯示出明顯的變化，這說明這些頻段的噪聲與人類活動的相關性相對較低，更可能受到地球內部物理過程的影響。

（4） 通過對不同年份春節期間的地震噪聲進行比較，進一步闡釋了新冠疫情期間噪聲的顯著下降。與以往的春節期間相比，2020年新冠疫情期間噪聲下降幅度更大，同時保持在相對較低的水平。這一變化反映了“封城”和疫情防控措施對背景噪聲的顯著減弱。

綜上所述，這項研究對新冠疫情期間人類活動和城市噪聲變化進行了深入分析，為城市規劃、公共管理和環境保護提供了有價值的洞察，同時也為地震學領域的研究和監測提供了重要參考，有助于更好地理解地球內部的物理過程和地震活動。

參考文獻（References）

［1］ BRUNE J，OLIVER J.The seismic noise of the earth's surface［J］.Seismological Research Letters，1959，30：16.

［2］ PETERSON J.Preliminary observations of noise spectra at the SRO and ASRO stations［R/OL］.United states department of inverior ceological survey，1980.［2023-05-18］https：//doi.org/10.3133/ofr80992.

［3］ PETERSON J.Observations andmodeling of seismic background noise［R/OL］.United states department of inverior ceological survey，1993.［2023-05-18］.https：//doi.org/10.3133/ofr93322.

［4］ MCNAMARA D E.Ambient noise levels in the continental United States［J］.Bulletin of the Seismological Society of America，2004，94（4）：1517-1527.

［5］ DAZ J，VILLASEOR A，MORALES J，et al.Background noise characteristics at the IberArray broadband seismic network［J］.Bulletin of the Seismological Society of America，2010，100（2）：618-628.

［6］ 蔡輝騰，陳颙，金星，等.福建地區環境噪聲特性研究［J］.地震研究，2019，42（1）：64-71.

CAI Huiteng，CHEN Yong，JIN Xing，et al.Study on ambient noise characteristics in the Fujian region［J］.Journal of Seismological Research，2019，42（1）：64-71.

［7］ 葛洪魁，陳海潮，歐陽飚，等.流動地震觀測背景噪聲的臺基響應［J］.地球物理學報，2013，56（3）：857-868.

GE Hongkui，CHEN Haichao，OUYANG Biao，et al.Transportable seismometer response to seismic noise in vault［J］.Chinese Journal of Geophysics，2013，56（3）：857-868.

［8］ WEBB S C.Broadband seismology and noise under the ocean［J］.Reviews of Geophysics，1998，36（1）：105-142.

［9］ WU L H，WANG D，LEI Z G，et al.Campus vibration in Nanwangshan campus，China University of Geosciences at Wuhan monitored by short-period seismometers［J］.Journal of Earth Science，2020，31（5）：950-956.

［10］ 謝江濤，林麗萍，趙敏，等.四川地區地震背景噪聲特征分析［J］.地震學報，2021，43（5）：533-550.

XIE Jiangtao，LIN Liping，ZHAO Min，et al.Characteristics of seismic ambient noise in Sichuan region［J］.Acta Seismologica Sinica，2021，43（5）：533-550.

［11］ 吳麗慧，廖武林，黎金玲，等.新冠疫情防控前后湖北恩施地震臺背景噪聲變化分析［J］.地震工程學報，2022，44（1）：145-151.

WU Lihui，LIAO Wulin，LI Jinling，et al.Analysis of seismic ambient noise before and after the prevention and control of COVID-19 pandemic at Enshi station，Hubei Province［J］.China Earthquake Engineering Journal，2022，44（1）：145-151.

［12］ 王芳，王偉濤，龍劍鋒，等.中國大陸地區寬頻帶地震臺網臺基噪聲特征［J］.地震學報，2019，41（5）：569-584.

WANG Fang，WANG Weitao，LONG Jianfeng，et al.Seismic noise characteristics of broad-band seismic networks in Chinese mainland［J］.Acta Seismologica Sinica，2019，41（5）：569-584.

［13］ LECOCQ T，HICKSS P，VAN NOTEN K，et al.Global quieting of high-frequency seismic noise due to COVID-19 pandemic lockdown measures［J］.Science，2020，369（6509）：1338-1343.

［14］ XIAO H，EILON Z C，JI C，et al.COVID-19 societal response captured by seismic noise in China and Italy［J］.Seismological Research Letters，2020，91（5）：2757-2768.

［15］ 安全，韓曉明，劉甜甜，等.西拉木倫斷裂帶東沿背景噪聲特征分析［J］.地震工程學報，2022，44（4）：936-944.

AN Quan，HAN Xiaoming，LIU Tiantian，et al.Characteristics of ambient noise along the east of Xar Moron fault zone［J］.China Earthquake Engineering Journal，2022，44（4）：936-944.

［16］ WANG W L，CAI G Y，LAI G J，et al.Ambient noise level in eastern North China from ChinArray and its response to COVID-19［J］.Seismological Research Letters，2021，92（6）：3586-3601.

［17］ 謝江濤，林麗萍，諶亮，等.地震臺站臺基噪聲功率譜概率密度函數Matlab實現［J］.地震地磁觀測與研究，2018，39（2）：84-89.

XIE Jiangtao，LIN Liping，CHEN Liang，et al.The program of probability density function of power spectral density curves from seismic noise of a station based on Matlab［J］.Seismological and Geomagnetic Observation and Research，2018，39（2）：84-89.

［18］ IRIS.Data Services Products：Noise Toolkit［EB/OL］.（2021-11-15）［2023-05-18］.https：//ds.iris.edu/ds/products/noise-toolkit/.

（本文編輯：張向紅）