地震發生率指數對川滇地區強震的預報效能研究

摘要：應用地震發生率指數方法對2014年1月1日—2023年12月31日川滇地區發生的11次強震開展了震例回溯研究，發現地震前兆主要表現為在強震前不到半年內震中附近小震活動出現顯著增強。不同時空預測參數下的預報效能評價結果顯示，地震發生率指數對川滇地區的強震具有短期預報能力。當預測半徑為90 km、預測時長為80 d時，地震發生率指數的預報效能最佳，R值評分約為0.60，顯著性水平α約為0.000 06。

關鍵詞：地震發生率指數；地震增強；地震平靜；地震預測；預報效能；川滇地區

中圖分類號：P315.72 文獻標識碼：A 文章編號：1000-0666（2025）02-0253-11

doi：10.20015/j.cnki.ISSN1000-0666.2025.0027

0 引言

地震預測是世界性科學難題，其研究具有很大的挑戰性。雖然地震能否被預測曾經出現過較大爭議，但關于地震預測的研究和地震前兆的尋找卻從未停止（Gulia et al，2020；Katsumata，Zhuang，2020；Savran et al，2020；Zhang et al，2021；Yu et al，2022a）。其中的典型代表是“地震可預測性合作研究”（Collaboratory for the Study of Earthquake Predictability，CSEP）計劃，鼓勵全球研究人員定義和發展多種地震預測模型，采用向前地震預測試驗、可對比的數據、統一規范的計算標準和嚴格科學的統計檢驗方法評估等方式開展國際合作研究，通過對模型的嚴格統計檢驗與評估，提高對地震可預測性的認識（Schorlemmer et al，2018）。中國于2009年加入了CSEP計劃，2018年成立的中國地震科學實驗場成為CSEP 2.0階段在中國的新測試區（張盛峰，張永仙，2021）。

在各種地震前兆中，地震活動性變化一直扮演著重要角色。其中，地震活動平靜和增強作為典型的地震活動性異常受到廣泛關注。長期以來，我國主要是基于地震活動圖像進行經驗預報（呼楠等，2024；Yu et al，2022b）。國外研究者更偏重于使用一些參數來定量分析地震活動性的變化，先后提出了3種比較有代表性的方法分別是ZMAP（Wiemer，Malone，2001）、RTL（Sobolev，Tyupkin，1999）和PI（Rundle et al，2002）。基于這些方法，不少強震前的中小地震平靜或增強現象得以被識別和研究（Zhang et al，2017），如2008年汶川MS8.0地震（Huang，2008）、2004年蘇門答臘MW9.1地震（Katsumata，2015）和2011年日本東北M9.0地震（Katsumata，2017）前出現的中小地震顯著平靜。由于地震前兆活動圖像往往難以在不同地震前重現，我國的經驗預報在半個多世紀的實踐中并沒有取得顯著性突破（石耀霖等，2018），嚴格定量化的統計預報將是一個發展方向。

為了定量分析小震活動的增強和平靜，姜祥華于2019年提出地震發生率指數方法（姜祥華，2020），并將該方法應用到中國地震臺網中心日常的震情跟蹤工作當中，在不少中強地震前識別到了地震活動顯著增強異常，如2020年1月19日新疆伽師MS6.4地震（孟令媛等，2020）、2020年7月23日西藏尼瑪MS6.6地震（姜祥華等，2021）和2021年3月19日西藏比如MS6.1地震（田雷等，2021）。本文將詳細介紹地震發生率指數方法的原理和算法，然后使用該方法對2014年1月1日—2023年12月31日川滇地區的11次強震開展震例回溯研究，分析總結前兆異常的主要特征，最后對不同時空預測參數下的預報效能進行定量評價，進而認識地震發生率指數異常對強震時間和地點的指示能力。

1 數據和方法

1.1 數據

川滇地區位于青藏高原東南隅，受高原物質側向擠出的影響，區內構造變形強烈、強震頻發。中國地震科學實驗場就位于上述區域內部。本文計算所用的ML≥3.0小震目錄來自中國地震臺網中心國家地震科學數據中心，起始時間選為2009年1月1日。中國地震局于2007年底建成了新一代中國數字地震觀測系統，并于2008年10月1日正式提供地震觀測報告等數據產品，臺網檢測能力大幅提升。因此選取2009年1月1日以來的地震目錄可確保在數據質量上的統一。2014年1月1日—2023年12月31日，川滇地區先后發生了11次MS≥6.0地震，將這些地震作為預測研究的目標地震。目標地震的起始時間選擇為2014年1月1日是因為計算需要選取5年時長作為背景，預報只能從該時間開始。小震和目標地震的震中分布如圖1所示。

一次較大地震的發生，通常在短時間內會觸發大量余震。為了消除強烈余震活動造成地震活動增強的假象，在數據預處理階段運用陳凌等（1998）提出的G—C法對地震目錄進行余震刪除。目錄的完備性對計算結果的準確性也有重要影響。本文采用最大曲率法（MAXC）（Wiemer，Wyss， 2000）來估計研究區域內的最小完備震級MC分布。將區域剖分為0.25°×0.25°的網格。對每個網格，挑選距離網格中心50 km內的地震事件用于計算MC。上述網格間距和空間窗口半徑與下文計算所用參數一致。圓形窗口內的最小樣本數規定為200，小于200則不進行計算。每個樣本進行Bootstrap重采樣1 000次，從而獲得關于MC的誤差估計。2009年1月1日—2023年12月31日，川滇地區的最小完備震級和誤差如圖2所示。MC的最大值為ML2.5，標準差大都小于0.4。本文選擇ML3.0作為計算的震級下限，以確保地震的完備性。

1.2 地震發生率指數方法

將計算區域按一定間距劃分為網格。以每個網格中心為圓心，取半徑為r的圓作為采樣窗口。對于t時刻，往回取長度為Tb的時間窗t0～t作為背景時段，其中t0=t-Tb，取長度為Tw的時間窗t1～t作為異常探測時段，其中t1=t-Tw。為了定量分析每個網格的地震活動性變化，選取泊松分布作為參考模型。假設在背景時段內發生的地震個數為N，如果地震在時間上均勻發生，則Tw時間內的平均地震發生率λ為：

根據泊松分布，Tw時間內發生k次地震的概率p（k）為：

記異常探測時段t1～t內實際發生的地震次數為n，定義地震發生率指數SRI（seismicity rate index）為：

式（3）將t1～t內實際發生的地震數映射為0～1的累積概率值，從而實現對地震活動水平的度量。將t在時間上按照一定步長進行滑動就可算出每個網格在不同時刻的SRI值。n越大，SRI值將越大；n越小，SRI值將越小；SRI值接近0或1的程度表征了t1～t時間內地震活動偏離泊松分布預期的程度，刻畫了異常探測時段地震發生率與背景地震發生率的差異程度；SRI值越接近1代表地震活動增強越顯著，越接近0代表地震活動平靜越顯著。從假設檢驗的角度理解，零假設為H0：地震活動在時間上是均勻泊松過程；備擇假設為H1：地震活動在時間上不是均勻泊松過程。SRI值接近0或1的程度表征了對零假設的拒絕程度，揭示了地震活動在時間上非均勻的程度。

本文的計算中，將空間采樣窗口半徑r設置為50 km，將背景時長Tb設置為1 825 d（5年），將異常探測時長Tw設置為90 d。上述參數設置基于震例回溯經過多次試算后確立，帶有一定經驗性。計算區域采用0.25°×0.25°的網格進行劃分，時間步長設置為5 d，這兩個參數主要決定空間上和時間上的分辨率。計算的震級下限為ML3.0。在異常的識別上，分別取0.975和0.025作為地震活動顯著增強和顯著平靜的閾值，即SRI≥0.975的網格為顯著增強，SRI≤0.025的網格為顯著平靜。將由4個以上連續異常網格形成的區域識別為異常區域。

2 震例回溯分析

對11次強震開展震例回溯分析，包括2次示例強震的異常演化回溯和11次強震前的異常概況。對于地震前兆出現的時間和空間范圍，學術界沒有統一的認識，時間上從地震前幾小時到幾年不等，異常震中距從幾千米到幾百千米甚至上千千米不等（Cicerone et al，2009）。在地震前兆異常的認定上，本文約定如下準則：①異常區域需含有4個以上連續異常網格。②異常區域到震中的距離需在200 km以內，如果存在多個異常區域滿足條件，將距震中最近者作為前兆異常。③異常與地震的間隔時間需在180 d以內，如果滿足條件的異常區域不止一個，則將間隔時間最小者作為前兆異常。

以上3條準則按次序執行，將用于震例的前兆異常分析。準則①要求異常在空間上有一定的聚集規模，這可在一定程度上避免異常的偶然性，排除一些虛假異常。按照0.25°×0.25°的網格大小，即要求異常面積需達到0.25平方度以上。在前兆的物理機制尚不十分明確的情況下，一種常見的做法是根據異常與地震的時空距離來判斷其是否為前兆，準則②和③分別限定了前兆異常與地震的最大震中距和最大間隔時間。震例研究顯示震中距200 km內和震前180 d內足以搜尋到地震的前兆異常，也足以覆蓋各個震例前兆異常時空分布的特征范圍。本文中，異常震中距為地震與異常區域內網格的最小歐氏距離。在異常和地震的關聯性上，一種合理的傾向是認為時空距離越小者與地震的關聯越緊密。因此，準則②和③在前兆異常的認定上附加了就近原則，當有多個符合時空范圍要求的異常區域時，優先選取空間距離和時間距離最近者作為前兆異常。就近原則使得每個震例最多只有一個異常能被視為前兆，這樣可極大簡化對前兆異常的統計分析，突顯出最緊密異常的時空分布特征。就近原則還能在很大程度上消除準則②和③中參數設置改變給震例前兆異常分析帶來的不確定性，確保前兆異常認定結果的穩定性。

2.1 2022年6月10日馬爾康MS6.0地震

圖3顯示了2022年6月10日馬爾康MS6.0地震前的地震發生率指數分布演化。圖中共出現過5個異常滿足準則①，即空間上含有4個以上連續異常網格，分別標記為A（圖3b～e）、B（圖3a、b）、C（圖3a、b）、D（圖3d～f）和E（圖3d～f），這5個異常的震中距分別為23、176、210、218 和258 km。其中異常C、D、E不滿足準則②中震中距在200 km以內的要求，不作為馬爾康MS6.0地震的前兆異常。異常A和B滿足震中距要求，其中異常A離震中更近且出現在震前180 d內，根據準則②附加的就近原則，把異常A視為馬爾康MS6.0地震的前兆異常。

前兆異常A始于震前155 d，此時11個增強網格出現于緊鄰震中的西南側。在震前120 d，異常網格數增加到13個，異常強度升高，這種異常特征延續至震前55 d；在震前50 d，異常強度降低，異常網格數減少至12個；在震前45 d，異常消失。綜上可知，前兆異常A出現于震前155～50 d，異常網格數達11個以上，異常類型為顯著增強，震中距為23 km。

除了前兆異常A外，異常B和E也具有較大的面積和較高的強度。異常B出現于震前200～115 d，位于青海省甘德、久治一帶，緊鄰東昆侖斷裂帶的瑪沁—瑪曲段。筆者查看了該區域的小震活動，發現在2021年5月22日瑪多MS7.4地震后，該地區的小震活動開始明顯增加。岳沖等（2021）計算了瑪多MS7.4地震引起的周邊斷層庫侖應力變化，結果顯示東昆侖斷裂帶的瑪沁—瑪曲段庫侖應力變化較大。筆者據此推測該區域的小震增強活動可能為瑪多MS7.4地震引起的應力觸發所致，異常D的出現應該也是此原因。異常E出現于震前85 d至發震，位于四川省理塘地區，其由2022年3月15—16日理塘地區的小震群活動引起。該小震群共出現了4次ML≥3.0地震，時間上集中在2 d內，空間上集中在半徑不超過3 km的圓內。根據筆者的分析經驗，這種在時間和空間上高度集中的小震群活動，通常并不會在其附近對應強震。

2.2 2019年6月17日長寧MS6.0地震

圖4顯示了2019年6月17日長寧MS6.0地震前的地震發生率指數分布演化。圖中顯示，包含4個以上連續網格的異常共出現過3個，分別標記為大寫字母A（圖4a～d）、B（圖4b）和C（圖4d～f），這3個異常的震中距分別為87、0 和103 km。

異常A、B、C均滿足震中距在200 km內的要求，其中異常B距離震中最近，根據就近原則把B視為長寧MS6.0地震前兆異常，其出現于震前80 d，異常網格數為8個，異常類型為顯著平靜。

異常A位于四川省榮縣、威遠一帶，該地區的小震活動從2017年下半年開始急劇增加，主要表現為榮縣和威遠兩處震群活動，異常A正是由這兩處震群的增強活動引起。該地區為頁巖氣開采區，上述兩處震群活動可能和頁巖氣平臺的水壓致裂作業存在關聯（Lei et al，2020）。此外，前兆異常B所在區域也存在著頁巖氣開采和長期注水采鹽活動，Lei等（2020）認為長寧MS6.0地震可能和附近深鹽井的長期注水采鹽有關，因此，前兆異常B的形成可能還包含了非構造因素。異常C位于四川省雷波縣和云南省永善縣一帶，由永善地區2019年3—5月的多次小震活動引起，這些小震在空間上集中在半徑不超過3 km的圓內，為單點地震活動，與強震發生的關聯可能并不緊密。

2.3 11次強震的前兆異常概況

表1為11次強震前的地震發生率指數異常的基本信息。除了2014年10月7日景谷MS6.6地震外，其余10次強震前均出現了地震發生率指數異常。10次強震的異常震中距均小于90 km，計算方法為取異常區域內各網格中心點到震中距離的最小值。異常開始時間為震前155 d至震前5 d，異常結束時間最早是震前80 d，部分震例的異常一直持續至發震時刻?？偨Y上述統計信息可知，10次強震在震中90 km內和震前80 d內均有異常。

表1的統計結果是基于前兆認定準則得到的。準則②中的最大震中距和準則③中的最大間隔時間這兩個參數限定了認定前兆異常的空間和時間范圍。需要說明的是，只要這兩個參數取值不是太小，它們的改變對認定結果影響并不大，這是由于準則②和③都附加了就近原則。由表1可見，歷次震例的前兆異常最大震中距為86 km，只要最大震中距大于86 km，不論其取值是否發生變化，由于只挑選距離震中最近的異常，前兆異常的認定結果將保持不變。但當最大震中距小于86 km時，前兆異常的認定結果將依賴于最大震中距，其取值越小，就有越多震例搜尋不到前兆異常。各震例的前兆異常最早開始于震前155 d，最早結束于震前80 d。只要最大間隔時間大于155 d，就能確保完整地統計到前兆異常的展布時間，但當最大間隔時間小于155 d時，一些震例的前兆異常的開始時間將無法被準確統計。當最大間隔時間小于80 d時，前兆異常的認定結果將依賴于最大間隔時間，其取值越小，就有越多震例搜尋不到前兆異常。綜上所述，只要最大震中距大于86 km，最大間隔時間大于155 d，這兩個參數取值的改變將不影響表1的統計結果。

在異常類型上，只有2019年6月17日長寧MS6.0地震前為地震活動顯著平靜，其余9次強震前均為地震活動顯著增強。侯金欣等（2020）在巖石斷層黏滑失穩實驗中的聲發射觀測結果顯示，臨近失穩，聲發射率呈現出增加的特征。本文在絕大多數強震前觀察到震中附近短期內地震活動增強，與上述實驗室結果較為相似。

圖3中除了在震中附近出現異常，在距離震中較遠的位置也出現異常。按照前文約定的前兆認定準則，這些異常并非某個強震的前兆。也就是說并不是每個異常區域出現后都會對應發生地震，即存在異常虛報地震的現象，這與地震預報的現狀相符（Yu et al，2022b）。在這種情況下，進行預報效能評價就顯得尤為重要。

3 預報效能分析

3.1 時空R值評分算法

采用R值評分進行預報效能評估（許紹燮，1989），與時空預報相應的計算公式如下：

式中：H為擊中率；τ為預報的時空占有率；n為目標地震數；k為擊中地震數；T為預報研究總時長；S為預報研究總面積；Ti為第i次預報的時間長度；Si為第i次預報的面積；m為預報的總次數；符號∪表示將各次預報時空體積取并集。R值評分與國際上常用的Molchan圖表法（Molchan，1991）類似，后者更習慣使用漏報率ν和時空占有率τ的曲線來反映預報效能，擊中率H=1-ν。R值的含義為真實擊中率與隨機預報擊中概率的差值，取值范圍為-1～1，R越大表示預報效能越高，Rgt;0意指優于隨機預報。優于隨機預報的程度可通過顯著性水平來反映，n次地震有k次以上擊中的顯著性水平α為：

式中：α越小意味著預報效能越高。

基于公式（4）和（7）對不同預測參數下的預報效能進行評估。預測參數有預測半徑和預測時長。首先計算時空占有率τ，為此需要先確定預測區域邊界。本文先通過簡單的聚類識別出異常網格簇，再根據預測半徑自動求取預測區域邊界，算法細節這里不做展開。作為示例，圖5展示了預測半徑為90 km時2014年5月16日和2014年9月28日的預測區域邊界。在預測時長為80 d時，2014年5月30日盈江MS6.1地震、2014年8月3日魯甸MS6.5地震和2014年11月22日康定MS6.3地震均為命中地震，2014年10月7日景谷MS6.6地震為漏報地震。

3.2 不同預測參數下的預報效能

預測半徑以10 km為間隔，在70～100 km取值，有4個不同取值；預測時長以10 d為間隔，在40～110 d取值，有8個不同取值，組合起來共計32對取值。分別計算不同參數組合預測下的R值評分和顯著性水平α，結果見表2、3，其中顯著性水平結果以常用對數顯示。當預測半徑為90 km，預測時長為80 d時，預報效能最佳，R值評分取得最大值0.602 1，同時lg α取得最小值-4.229 3，對應顯著性水平α為0.000 059。上述結果表明地震發生率指數異常對川滇地區強震具有較好的短期預報效能。

如果將α為0.025作為在統計學上具有預報意義的閾值，則lg α低于-1.6的預報參數組合具有預測效力。表3中低于-1.6的參數組合和高于-1.6的參數組合存在明顯分界，高于-1.6的參數組合大致形成了一個頂點在左下角的倒三角形，這表明預報時空范圍過小時預報效能將變差。當預測時長小于60 d時，地震發生率指數的預報效能將變差，將不再具有統計學意義上的顯著性。以上分析表明，地震發生率指數在時間和空間上的預測精度存在著一定的極限。

3.3 計算參數對預報效能的影響

地震發生率指數的計算涉及3個重要參數，分別是空間采樣窗口半徑r，背景時長Tb和異常探測時長Tw。通過震例回溯進行多次試算后得出這3個參數的取值分別為50 km、5 a和90 d。采用控制變量法，分別討論這3個參數對預報效能的影響，每次只考察1個參數的改變對預報效能的影響，其余2個參數在計算中保持不變。計算效能時，預測參數統一采用3.2節中獲得的最優解，即預測半徑為90 km，預測時長為80 d。

（1）考察r的影響，r依次取值為40、45、50、55 和60 km，Tb=5 a和Tw=90 d保持不變，預報效能如圖6a所示。r=50 km時，R值最大，同時α最小，預報效能為最佳。相對于最佳效能，當rlt;50 km時，預報效能大幅降低，當rgt;50 km時，預報效能有小幅降低。r越小，采樣窗口就越小，就越能反映地震活動的局部信息，但是小的r也會導致采樣到的地震數量少，這將不利于探測地震發生率的變化。較大的r有利于保證計算的樣本量，但對局部信息的反映較差，在一定程度上也不利于探測異常。從預報效能看，r=50 km是一個較好的折中值。而rlt;50 km時預報效能較低，原因可能是因為計算樣本少導致能被探測到的異常減少，在一些震例前無法探測到異常，這也表明r的取值不能太小。

（2）考察Tb的影響，Tb依次取值為3、4、5、6和7 a，r=50 km和Tw=90 d保持不變，預報效能如圖6b所示。在Tb=5 a時，R值最大，α最小，預報效能最佳。相對于最佳效能，當Tblt;5 a時，預報效能有所降低，而當Tbgt;5 a時，預報效能降低較多。這表明作為背景時長，Tb的取值并非越大越好，而5 a是一個較為理想的取值。

（3）考察Tw的影響，Tw依次取值為70、80、90、100和110 d，r=50 km和Tb=5 a保持不變，預報效能如圖6c所示。在Tw=90 d時，R值最大，α最小，預報效能最佳。相對于最佳效能，當Twlt;90 d時，預報效能大幅降低，當Twgt;90 d時，預報效能也有一定幅度的降低。這表明作為異常探測時間窗口長度，Tw的取值既不能太小也不能太大，90 d是一個較為合適的取值。

以上分析表明，計算參數r、Tb和Tw較為優良的一組取值分別為50 km、5 a和90 d。

4 結論

本文基于地震發生率指數方法開展了對川滇地區強震預測的研究和預報效能評價，主要結論如下：

（1）川滇地區11次震例的研究結果顯示，在強震前不到半年內，在震中附近可觀察到小震活動的顯著變化，主要表現為小震活動顯著增強。

（2）預報效能評價結果顯示，當預測半徑為90 km、預測時長為80 d時，地震發生率指數方法的預報效能最佳，R值評分約為0.60，顯著性水平α約為0.000 06，表明地震發生率指數異常應該包含了一定的短期地震前兆信息。

（3）分別考察了3個計算參數對預報效能的影響，結果表明，計算參數r、Tb和Tw較為優良的一組取值分別為50 km、5 a和90 d。

參考文獻：

陳凌，劉杰，陳颙，等.1998.地震活動性分析中余震的刪除［J］.地球物理學報，41（S1）：244-252.Chen L，Liu J，Chen Y，et al.1998.Aftershock deletion in seismicity analysis［J］.Chinese Journal of Geophysics，41（S1）：244-252.（in Chinese）

侯金欣，謝凡，任雅瓊，等.2020.利用模板匹配技術檢測米尺度巖石斷層黏滑實驗中的聲發射事件［J］.地球物理學報，63（4）：1630-1641. Hou J X，Xie F，Ren Y Q，et al.2020.Detection of acoustic emissions associated with the stick-slips of a meter-scale fault in laboratory by using the matched filter technique［J］.Chinese Journal of Geophysics，63（4）：1630-1641.（in Chinese）

呼楠，石富強，季靈運，等.2024.中國大陸強震發生前地震活動增強統計特征分析［J］.地震學報，46（2）：226-241.Hu N，Shi F Q，Ji L Y，et al.2024.Statistical characteristics of enhanced seismicity before strong earthquakes based on earthquake cases in Chinese mainland［J］.Acta Seismologica Sinica，46（2）：226-241.（in Chinese）

姜祥華，解孟雨，馬未宇，等.2021.2020年7月23日西藏尼瑪MS6.6地震總結［J］.地震地磁觀測與研究，42（2）：32-41.Jiang X H，Xie M Y，Ma W Y，et al.2021.Summary of the Nyima MS6.6 earthquake，Tibet on July 23，2020［J］.Seismological and Geomagnetic Observation and Research，42（2）：32-41.（in Chinese）

姜祥華.2020.基于概率測量的地震發生率異常時空掃描，2020年度中國地震趨勢研究報告［M］.北京：地震出版社.Jiang X H.2020.Spatio-temporal scan of seismicity rate anomalies based on probabilistic measurements，2020 Annual Earthquake Trend Report for China［M］.Beijing：Seismological Press.（in Chinese）

孟令媛，苑爭一，宋治平，等.2020.2020年1月19日新疆伽師MS6.4地震總結［J］.地震地磁觀測與研究，41（2）：63-89.Meng L Y，Yuan Z Y，Song Z P，et al.2020.About Jiashi MS6.4 earthquake in Xinjiang on Jan.19，2020［J］.Seismological and Geomagnetic Observation and Research，41（2）：63-89.（in Chinese）

石耀霖，孫云強，羅綱，等.2018.關于我國地震數值預報路線圖的設想——汶川地震十周年反思［J］.科學通報，63（19）：1865-1881. Shi Y L，Sun Y Q，Luo G，et al.2018.Roadmap for earthquake numerical forecasting in China—Reflection on the tenth anniversary of Wenchuan earthquake［J］.Chinese Science Bulletin，63（19）：1865-1881.（in Chinese）

田雷，張小濤，解孟雨，等.2021.2021年3月19日西藏比如MS6.1地震總結［J］.地震地磁觀測與研究，42（2）：42-57.Tian L，Zhang X T，Xie M Y，et al.2021.Summary of the Biru MS6.1 earthquake in Tibet on March 19，2021［J］.Seismological and Geomagnetic Observation and Research，42（2）：42-57.（in Chinese）

許紹燮.1989.地震預報能力評分，地震預報方法實用化研究文集地震學專輯［M］.北京：地震出版社.Xu S X.1989.Earthquake prediction ability score，The corpus of practical research on earthquake prediction methods［M］.Beijing：Seismological Press.（in Chinese）

岳沖，屈春燕，牛安福，等.2021.瑪多MS7.4地震對周邊斷層的應力影響分析［J］.地震地質，43（5）：1041-1059.Yue C，Qu C Y，Niu A F，et al.2021.Analysis of stress influence of Qinghai Maduo MS7.4 earthquake on surrounding faults［J］.Seismology and Geology，43（5）：1041-1059.（in Chinese）

張盛峰，張永仙.2021.“地震可預測性國際合作研究”—1.0階段工作理念及成果［J］.地震，41（4）：203-217.Zhang S F，Zhang Y X.2021.Collaboratory for the study of earthquake predictability—working philosophy and achievements of CSEP 1.0［J］.Earthquake，41（4）：203-217.（in Chinese）

Cicerone R D，Ebel J E，Britton J.2009.A systematic compilation of earthquake precursors［J］.Tectonophysics，476（3-4）：371-396.

Gulia L，Wiemer S，Vannucci G.2020.Pseudoprospective evaluation of the foreshock traffic-light system in Ridgecrest and implications for aftershock hazard assessment［J］.Seismological Research Letters，91（5）：2828-2842.

Huang Q.2008.Seismicity changes prior to the MS8.0 Wenchuan earthquake in Sichuan，China［J］.Geophysical Research Letters，35：L23308.

Katsumata K，Zhuang J.2020.A New Method for imaging seismic quiescence and its application to the MW=8.3 Kurile islands earthquake on 15 November 2006［J］.Pure and Applied Geophysics，177（8）：3619-3630.

Katsumata K.2015.A long-term seismic quiescence before the 2004 sumatra（MW9.1）earthquake［J］.Bulletin of the Seismological Society of America，105（1）：167-176.

Katsumata K.2017.Long-term seismic quiescences and great earthquakes in and around the Japan subduction zone between 1975 and 2012［J］.Pure and Applied Geophysics，174（6）：2427-2442.

Lei X，Su J，Wang Z.2020.Growing seismicity in the Sichuan Basin and its association with industrial activities［J］.Science China Earth Sciences，63（11）：1633-1660.

Molchan G M.1991.Structure of optimal strategies in earthquake prediction［J］.Tectonophysics，193：267-276.

Rundle J B，Tiampo K F，Klein W，et al.2002.Self-organization in leaky threshold systems：The influence of near-mean field dynamics and its implications for earthquakes，neurobiology，and forecasting［J］.Proceedings of the National Academy of Sciences，99（S1）：2514-2521.

Savran W H，Werner M J，Marzocchi W，et al.2020.Pseudoprospective evaluation of UCERF3-ETAS forecasts during the 2019 ridgecrest sequence［J］.Bulletin of the Seismological Society of America，110（4）：1799-1817.

Schorlemmer D，Werner M J，Marzocchi W，et al.2018.The collaboratory for the study of earthquake predictability：achievements and priorities［J］.Seismological Research Letters，89（4）：1305-1313.

Sobolev G A，Tyupkin Y S.1999.Precursory phases，seismicity precursors，and earthquake prediction in Kamchatka［J］.Volcanology amp; Seismology，20：615-627.

Wiemer S，Malone S.2001.A software package to analyze seismicity：ZMAP［J］.Seismological Research Letters，72（3）：373-382.

Wiemer S，Wyss M.2000.Minimum magnitude of completeness in earthquake catalogs：Examples from Alaska，the western United States，and Japan［J］.Bulletin of the Seismological Society of America，90（4）：859-869.

Yu C，Wang S Y，Yu H Z.2022a.Study of the electromechanical coupling process before the 2020 MS6.4 Yutian，China earthquake［J］.Scientific Reports，12：17622.

Yu H，Yuan Z，Yu C，et al.2022b.The medium-to-short-term earthquake predictions in China and their evaluations based on the R-score［J］.Seismological Research Letters，93：840-852.

Zhang Y，Meng Q，Ouillon G，et al.2021.Spatially variable model for extracting TIR anomalies before earthquakes：application to Chinese mainland［J］.Remote Sensing of Environment，267：112720.

Zhang Y，Xia C，Song C，et al.2017.Test of the predictability of the PI method for recent large earthquakes in and near Tibetan plateau［J］.Pure and Applied Geophysics，174（3）：2411-2426.

Assessing Earthquake Prediction Performance Based on SeismicityRate Index in Sichuan-Yunnan Region

JIANG Xianghua1，LIU Jie1，MENG Lingyuan1，HAN Yanyan1，CHEN Jiawei2

（1.China Earthquake Networks Center，Beijing 100045，China）

（2.National Institute of Natural Hazards，Ministry of Emergency Managementof the People＇s Republic of China，Beijing 100085，China）

Abstract This paper presents a new method referred to as the seismicity rate index（SRI）for quantitatively analyzing seismic quiescence and activity，which is based on Poisson distribution.We applied this method to a retrospective case study of 11 strong earthquakes which occurred in Sichuan-Yunnan region from January 1，2014 to December 31，2023.We found that the precursor mainly manifested as a significant increase in seismicity rate near the epicenter less than half a year before the main shock.The SRI＇s prediction performance was assessed based on different spatiotemporal prediction parameters.Results show that SRI has good performance on short-term prediction of strong earthquakes in the study region.On the condition that the prediction radius is 90 km and the prediction duration is 80 days，SRI would have the best prediction performance，with the R score of about 0.60 and a significance level of about 0.00006.

Keywords：seismicity rate index；seismic activation；seismic quiescence；earthquake prediction；prediction performance；Sichuan-Yunnan region

收稿日期：2024-06-30.

基金項目：國家重點研發計劃（2021YFC3000705）；中央級公益性科研院所基本科研業務專項（ZDJ2018-04）.

第一作者簡介：姜祥華（1987-），博士，高級工程師，主要從事地震預測研究.E-mail：jiangxh@seis.ac.cn.

姜祥華，劉杰，孟令媛，等.2025.地震發生率指數對川滇地區強震的預報效能研究［J］.地震研究，48（2）：253-263，doi：10.20015/j.cnki.ISSN1000-0666.2025.0027.

Jiang X H，Liu J，Meng L Y，et al.2025.Assessing earthquake prediction performance based on seismicity rate index in Sichuan-Yunnan region［J］.Journal of Seismological Research，48（2）：253-263，doi：10.20015/j.cnki.ISSN1000-0666.2025.0027.