研究成果详情

研究摘要

不完整的地震目录，尤其是早期余震记录的缺失，会给准确的地震学分析带来挑战。本研究提出自动双尺度经验变换应用方法（Auto-Biscale Empirical Transformation Application，AutoBETA），这是一种全自动地震数据补全工具。该方法在已有半自动方法的基础上，将基于网格的密度分析与灵活的缺失区域识别方法相结合，实现地震目录的自动补全。此外，该工具还支持用户自定义多边形区域以及混合策略（并集或交集），从而能够将专家知识融入目录补全过程。我们将 AutoBETA 应用于一个合成的不完整地震目录以及四个真实地震序列，分别为 2008 年 M7.9 汶川地震、2024 年 M7.5 能登地震、2010 年 M 5.26 下加利福尼亚地震和 2016 年 M 6.06 诺尔恰地震序列。针对上述四个真实地震序列，分析采用的震级阈值分别为 M ≥ 3.0、M ≥ 2.0、M ≥ 1.0 和 M ≥ 2.0。经过 100 次全自动迭代后，该方法补充的地震事件数量分别占最终目录的 43.9%、40.0%、40.5% 和 44.8%。这些结果显著提高了地震目录的完整性，从而为更加稳健的余震建模和统计分析提供了数据基础。AutoBETA 采用 Python 实现，并已作为开源软件发布于 GitHub。