Analysis of the Earthquake Early Warning of the Luding M6.8 Earthquake on September 5, 2022
-
摘要: 2022年9月5日，四川省泸定县发生M6.8地震。针对四川地震预警台网部署的EEW和JEEW地震预警处理软件产出的地震预警信息进行分析，从观测数据质量、预警参数测定、减灾效能等方面对地震预警处理过程进行系统性分析，检验预警软件处理结果的可靠性。结果表明，EEW和JEEW分别在震后 4.4、8.2 s产出了首报预警信息，震级偏差分别为−1.6、−0.8，震中位置偏差分别为11.2、0.8 km，随着时间的延长和触发台站的增多，预警处理结果最终与正式目录结果趋于一致；本次地震预警盲区半径为14.7 km，预警盲区以外，烈度Ⅵ度以上区域的预警时间为0～21 s，预警有效获益区内减灾效能显著。Abstract: On September 5, 2022, a M6.8 earthquake struck Luding county, Sichuan province. This paper examines earthquake early warning information generated by two sets of earthquake early warning processing software, EEW and JEEW, deployed within the Sichuan earthquake early warning network. EEW and JEEW issued their initial warning alerts 4.4 seconds and 8.2 seconds after the earthquake, respectively. The magnitude deviations were −1.6 and −0.8, while the epicenter location deviations were 11.2 km and 0.8 km, respectively. Over time and with increased data from additional monitoring stations, the early warning processing results eventually aligned with the findings of the official earthquake catalog. The earthquake early warning information had a blind area radius of 14.7 km. Outside this blind area, regions experiencing intensity level VI or higher were provided with warning times ranging from 0 to 21 seconds. The effectiveness of disaster mitigation was evident within the operational scope of the early warning system.
-
引言
地震预警技术利用电磁波与地震波的传输速度差、地震P波和S波的速度差，提前对地震波尚未到达的地区发出警报（马强，2008；王勇胜等，2018；金星，2021；张晁军等，2022）。地震预警不仅可以减轻人员伤亡、降低次生地震灾害风险，而且可为震后紧急救援和应急抢修提供第一手信息，具有重要的社会效益（李山有等，2004）。因此，地震预警被称为“复杂社会工程”。
地震预警一般有现地预警、异地预警和混合预警模式（李佳威，2017；王澜等，2019；杜航等，2021；王俊等，2021）。现地预警是利用已获取的少量P波信息对区域内即将到达的地震S波破坏程度进行估算。异地预警是利用距离预警目标区一定距离外的潜在震源区布设的高密度地震监测台站，在震源区发生地震后，向预警目标区发出警报。混合预警是采用现地和异地预警混合模式，既能充分利用现有预警台网资源，又可充分发挥2种预警模式的优势。
目前，多个国家和地区建成了地震预警系统，并投入使用，取得了一定减灾实效（Wu等，2002；Erdik等，2003；Hsiao等，2009；Kamigaichi等，2009；Suárez 等，2018）。2008年汶川M8.0地震发生后，我国开始进行地震预警系统可行性研究和示范系统验证。2018年6月，国家地震烈度速报与预警工程正式启动实施。该工程设定了5个地震预警重点区域，分别为华北地区、南北地震带、东南沿海地区、新疆天山中段和拉萨周边，总面积超过200万km2（Peng等，2022）。当前，我国地震预警系统正在进行人工智能地震预警功能的研发与测试（宋晋东等，2021；Song等，2022，2023），如基于人工智能领域的机器学习方法-最小二乘支持向量机模型（LSSVM）、震级估算网络模型（MEANet）等，其可为“国家地震烈度速报与预警工程”项目建设提供重要参考依据。
四川省作为“国家地震烈度速报与预警工程”的先行先试区，于2021年提前进行了地震烈度速报与预警系统试运行，并逐步向公众提供预警信息服务。四川省地震局预警中心目前部署EEW和JEEW地震预警处理软件（黄文辉等，2016；金星，2021）。 EEW地震预警处理软件（以下简称“EEW”）利用波形交换管理平台共享的地震波信号，结合信号仿真技术和传统震相识别方法，使用“着未着”算法和连续定位方法确定地震震中位置。其中，“着未着”算法（Horiuchi等，2005）是对2个以上触发台站的P波到时进行快速分析，过滤错误触发信息，以进行震中定位；连续定位方法是震后单台触发后进行震中定位，从单台不断增至四台连续定位，不断判定震中定位误差直至满足震中定位精度要求，最终确定地震震中位置。上述方法在定位过程中，未触发台站同样也约束了地震震中位置，保障地震定位精度。EEW使用连续测定震级技术进行震级估算，基于不同台站已获取的P波、S波地震信号，连续测定Pd震级和烈度震级，联合确定震级参数，通过预警时间和预测烈度等多个指标对地震信息的可靠度进行判定，达到可靠度要求后发布地震预警信息。JEEW地震预警处理软件（以下简称“JEEW”）利用接收到的地震波信号，采用STA/LTA算法检查震相触发，AIC算法精确拾取震相到时，利用“着未着”算法快速分析2个以上触发台震相到时数据，从而确定地震发生时刻和位置，采用Pd方法结合传统ML震级计算方法联合估算地震震级。通过计算系统产出地震预警基本参数，向地震波尚未到达的地区发出地震预警信息（李同林等，2021）。
2022年9月5日12时52分，四川省甘孜州泸定县发生M6.8地震，震源深度16 km，震中位于青藏高原东部的鲜水河断裂带（29.59°N，102.08°E），该断裂带是我国动力作用环境和地壳运动变形强烈的断裂带之一，地震活动性较强，自1900年以来，震中200 km范围内发生M≥6.0地震20次，时间最近的是2022年雅安市芦山县M6.1地震。至2022年9月18日，共记录到3 690次泸定M6.8地震余震，其中M3.0及以上余震16次。本次地震造成93人死亡，400余人受伤，11万余人受灾，5万余间房屋损坏，诱发多处滑坡、崩塌、堰塞湖等次生灾害。甘孜州、阿坝州、雅安市等多地强烈有感，成都市区震感明显，四川地震预警台网通过预警终端、手机APP、第三方平台等渠道，为甘孜州和成都市等地区在地震横波到达前发送了地震预警信息。本文从观测数据质量、预警参数测定、减灾效能等方面，通过数据连续性、数据延时、初动识别等参数及预警用时、震级、震中位置、盲区半径等指标进行针对性分析，检验软件处理结果的优劣和可靠性，为开展地震预警技术研究和系统开发提供参考依据，对于进一步完善地震预警系统和评估台网观测能力有重要参考意义。
1. 地震观测台网
1.1 台站布局
预警台站重点布设在活动断裂和地震活动性较高的区域。对于存在较大随机性的地震发生地点，台站布局须有一定的均匀性，减小潜在震中与台站之间的距离，提升首台获取地震信息的能力。四川已建设各类地震预警观测台站1 669个，台站平均台间距14 km，南北地震带和部分地震多发区域台间距达到10 km（李同林等，2021；李萍萍等，2022）。台站分布情况如图1所示，其中基准站269个、基本站317个、一般站1 083个。
图 1 四川地震预警台网台站分布Figure 1. Distribution of seismic stations of Sichuan earthquake early warning network1.2 台站仪器参数特征
基准站作为地震预警骨干台站，安装宽频带地震计、加速度计和数据采集器。基本站作为地震预警和地震烈度速报骨干台站，安装力平衡式加速度计和数据采集器。一般站作为基准站和基本站的补充，安装使用MEMS芯片传感器的烈度仪。3类台站配置的设备和性能参数有一定差异，但观测数据均参与地震预警计算，主要仪器参数如表1所示。
表 1 台站主要安装仪器参数特征Table 1. The specific parameter characteristics of the main instruments installed in the stations台站类型 仪器名称 仪器型号 安装方式 量程 噪声 频带范围 基准站 宽频带地震计 GL-CS60 摆坑 0.01 m/s −170 dB@10 Hz
−180 dB@0.01 Hz0.016 7～80 Hz GL-CS120 摆坑 0.01 m/s −170 dB@10 Hz
−180 dB@0.01 Hz0.008 3～80 Hz 力平衡式加速度计 JS-A2 地面 2 g −130 dB DC～100 Hz 三分向加速度计 GL-A4 地面 2 g −130 dB DC～250 Hz（−3 dB） DC～150 Hz
（加速度响应平坦）基本站 力平衡式加速度计 JS-A2 地面 2 g −130 dB DC～100 Hz 一般站 MEMS加速度计 MEMS 地表 2 g −60～−110 dB DC～200 Hz以上 1.3 台站观测数据连续性
地震预警信息准确性的重要基础是台站观测数据，而台站观测数据连续性作为考核数据质量最直观的体现，可作为评估地震预警能力的重要指标。泸定M6.8地震震中附近台站分布情况如图2所示，震中距 50 km范围内台站29个，其中包含基准站7个、基本站6个、一般站16个；震中距100 km范围内台站129个，其中包含基准站25个、基本站20个、一般站84个。通过分析每个台站地震波形数据，震中距50 km内数据缺失台站8个，包括基准站2个、基本站1个、一般站5个；震中距100 km内数据缺失台站10个，包括基准站3个、基本站1个、一般站6个（表2）。
图 2 泸定M6.8地震震中距100 km内台站分布Figure 2. Distribution of stations within 100 km from the epicenter of the Luding M6.8 earthquake表 2 震中距100 km内数据缺失台站Table 2. The stations with data missing within 100 km from the epicenter震中距范围/km 台站总数 数据缺失台站 台站数 基准站 基本站 一般站 0～50 29 8 2 1 5 0～100 129 10 3 1 6 1.4 台间距
台网密度是影响地震预警效果的重要因素之一，通常以平均台间距
$ \bar {D} $ 对台网密度进行计算（Kuyuk等，2013）。平均台间距$ \bar {D} $ 由距离选定台站最近的3个台站平均台间距获取，选定台站为震中距最近台站V2204（一般站），平均台间距计算公式为：$$ \bar {{D}}=\frac{{D}_{\text{min}}^{\text{1st}}\text+{D}_{\text{min}}^{\text{2nd}}\text+{D}_{\text{min}}^{\text{3rd}}}{\text{3}} $$ (1) 式中，
$ {{D}}_{\text{min}}^{\text{1st}} $ 为距最近台站LDXX（基准站）距离，台间距为6.8 km；$ {D}_{\text{min}}^{\text{2nd}} $ 为距次近台站V2201（一般站）距离，台间距为8.5 km；$ {{D}}_{\text{min}}^{\text{3rd}} $ 为距第三近台站V2271（一般站）距离，台间距为13.2 km。计算得到平均台间距$ \bar {{D}} $ 为9.5 km。为分析台间距对地震预警盲区的影响，综合已有研究成果（杨陈等，2015；杜航等，2021），提出预警盲区半径
$ {{R}}_{{{\mathrm{BZ}}}} $ 与台间距$ {D} $ 的对应关系为：$$ {{R}}_{{{\mathrm{BZ}}}}=\sqrt{{{{{V}}_{{\mathrm{S}}}^{{2}}}{(}{\Delta }{{t}}_{{{\mathrm{f}}}}+{\Delta }{t}{)}}^{{2}}-{{H}}^{{2}}}=\sqrt{{{{{V}}_{{{\mathrm{S}}}}^{{2}}}\left(\frac{\sqrt{{\dfrac{{D}}{{2}}}^{{2}}+{{H}}^{{2}}}}{{{V}}_{{{\mathrm{p}}}}}+{\Delta }{t}\right)}^{{2}}-{{H}}^{{2}}} $$ (2) 式中，
$ {\Delta }{{t}}_{{{\mathrm{f}}}} $ 为P波初至走时；$ {\Delta }{t} $ 包括台站数据打包时间、数据传输延迟时间、中心数据处理时间和所用地震数据P波窗窗长；$ {{V}}_{\text{p}} $ 为P波波速，取值6.0 km/s；$ {{V}}_{\text{S}} $ 为S波波速，取值3.5 km/s；$ D $ 为台间距；$ H $ 为震源深度，取值16 km。由图3 可知，当台间距
$ {D} $ ＞10 km时，盲区半径$ {{R}}_{{{\mathrm{BZ}}}} $ 与台间距$ {D} $ 的关系呈线性增长；当台间距$ {D} $ ≤10 km时，盲区半径$ {{R}}_{{{\mathrm{BZ}}}} $ 随台间距$ D $ 减小而减小的趋势并不明显，盲区半径趋向于收敛，在此台间距区间，继续加密地震预警台站对减小预警盲区成效甚微。本次泸定地震计算得到的平均台间距$ \bar {{D}} $ 为9.5 km，在台站布局上，四川地震预警台网基本达到最大限度减小预警盲区的效果。
图 3 盲区半径$ {{R}}_{{{\mathrm{BZ}}}} $ 与台间距$ {D} $ 的关系Figure 3. Relationship between blind-zone radius$ {{R}}_{{{\mathrm{BZ}}}} $ and interstation distance$ {D} $ 1.5 台站延时
地震预警全链条处于秒级时间序列，观测数据的数据延时在地震预警处理时序中占比较大。DB/T 60—2015《地震台站建设规范 地震烈度速报与预警台站》要求台站观测数据的延时小于2.5 s。四川地震预警台网数据包为256 Byte，数据打包时间为0.5 s，本文数据延时统计已扣除打包时间。震中距100 km内触发的129个台站延时情况如表3所示。
表 3 震中距100 km内触发台站延时Table 3. Statistical delay triggering times for stations within 100 km from the epicenter类别 延时/s ≤1.0 1.0～2.0 1.51～2.00 2.01～2.5 ≥2.5 三类台站数量 124 0 2 0 3 基准站数量 23 0 2 0 0 基本站数量 18 0 0 0 2 一般站数量 83 0 0 0 1 延时在2.5 s以内的台站126个，2.5 s以上的台站3个，台站数据合格率为97.7%。按照台站类型分类，基准站平均延时0.48 s，25个基准站延时均在2.5 s以内，台站数据合格率为100%；基本站平均延时0.54 s，延时在2.5 s以内的基本站18个，2.5 s以上的台站2个，台站数据合格率为90%；一般站平均延时0.45 s，延时在2.5 s以内的一般站83个，2.5 s以上的台站1个，台站数据合格率为98.8%，满足地震预警对于时效性的要求。
2. 泸定M6.8地震预警参数
泸定地震发生后，EEW和JEEW均在震后数秒内产出预警信息，随着时间的延长和触发台站数量不断增加，EEW和JEEW产出结果偏差均越来越小，逐渐趋于稳定。EEW和JEEW对于泸定M6.8地震分别产出了32次和42次预警处理结果，考虑地震预警的时效性，本文针对EEW和JEEW产出的1～30次预警处理结果进行分析，如表4所示。以中国地震正式目录结果为准，震后4.4 s ，EEW产出第1报，震级偏差−1.6，定位偏差11.2 km；震后8.2 s，JEEW产出第1报，震级偏差−0.8，定位偏差0.8 km。
表 4 泸定M6.8地震EEW和JEEW预警处理结果（1～30次）Table 4. EEW and JEEW early warning processing results of Luding M6.8 earthquake （1～30 times）EEW地震预警产出 JEEW地震预警产出 处理
序号用时/s 触发
台站数纬度/(°N) 经度/(°E) 预警
震级定位
偏差/km处理
序号用时/s 触发
台站数纬度/(°N) 经度/(°E) 预警
震级定位
偏差/km1 3.9 3 29.64 102.18 4.1 10.7 第1报 8.2 19 29.59 102.09 6.0 0.8 第1报 4.4 5 29.64 102.18 5.2 11.2 2 9.3 23 29.59 102.09 6.0 0.5 3 4.9 5 29.64 102.18 5.4 11.2 3 10.1 27 29.59 102.07 6.5 0.6 4 5.5 7 29.57 102.07 5.9 2.0 4 10.7 34 29.59 102.08 6.4 0.2 5 6.0 10 29.58 102.08 5.7 1.1 5 11.4 39 29.59 102.08 6.3 0.4 6 6.5 10 29.58 102.08 6.1 1.1 6 11.6 40 29.59 102.07 6.3 0.6 7 7.0 12 29.58 102.08 6.0 1.1 7 12.3 50 29.59 102.09 6.3 0.9 8 7.6 13 29.59 102.09 6.2 1.1 8 13.2 53 29.60 102.09 6.3 1.1 9 8.1 14 29.59 102.09 6.6 1.1 9 13.5 56 29.59 102.09 6.4 1.2 10 8.5 16 29.59 102.09 6.5 1.1 10 14.2 59 29.59 102.09 6.3 1.1 11 9.1 18 29.59 102.09 6.3 1.1 11 14.6 65 29.60 102.09 6.3 1.5 12 9.6 19 29.59 102.08 5.9 0.4 12 15.3 71 29.60 102.09 6.3 1.4 13 10.2 24 29.59 102.09 6.7 1.1 13 16.3 82 29.60 102.09 6.3 1.5 14 10.7 28 29.59 102.09 6.7 1.1 14 17.3 91 29.60 102.10 6.3 1.6 15 11.2 34 29.60 102.09 6.7 1.2 15 19.4 114 29.60 102.09 6.3 1.3 16 11.7 39 29.59 102.08 6.8 0.4 16 20.5 132 29.60 102.09 6.4 1.5 17 12.2 44 29.60 102.08 6.5 0.7 17 20.9 133 29.60 102.09 6.4 1.5 18 12.9 49 29.60 102.09 6.8 1.2 18 21.8 144 29.60 102.09 6.4 1.4 19 13.7 56 29.60 102.10 6.7 1.8 19 22.7 156 29.60 102.09 6.4 1.5 20 14.6 65 29.60 102.10 6.8 1.8 20 23.6 168 29.60 102.09 6.4 1.5 21 15.2 71 29.60 102.10 6.8 1.8 21 24.3 170 29.60 102.09 6.4 1.5 22 15.9 76 29.60 102.10 6.7 1.8 22 25.1 184 29.59 102.09 6.4 1.4 23 16.9 84 29.60 102.10 6.8 1.8 23 25.6 190 29.60 102.09 6.4 1.4 24 17.4 86 29.60 102.10 6.8 1.8 24 26.6 211 29.59 102.09 6.4 1.4 25 18.1 91 29.60 102.10 6.8 1.8 25 27.1 218 29.59 102.09 6.4 1.4 26 19.2 100 29.60 102.10 6.8 1.8 26 28.2 229 29.59 102.09 6.4 1.3 27 20.7 112 29.60 102.10 6.8 1.8 27 28.8 240 29.59 102.09 6.3 1.3 28 23.4 130 29.60 102.10 6.8 1.8 28 29.7 251 29.59 102.09 6.3 1.2 29 31.9 165 29.60 102.10 6.8 1.8 29 30.5 262 29.59 102.09 6.3 1.2 30 31.6 273 29.60 102.10 6.8 1.8 30 31.2 283 29.59 102.09 6.3 1.1 2.1 地震波初动时间
为分析预警触发台站初动时间拾取的准确性，本文拟合了100 km内触发预警台站的震源距与走时关系，与人工识别的Pg震相数据进行对比分析，如图4所示。由图4可知，地震预警处理软件自动识别的P震相与理论拟合结果一致性较好，与人工编目Pg震相结果的吻合度较高，平均偏差均为0.04 s。EEW和JEEW均仅有2个触发台站P震相明显偏离人工编目Pg震相，初动时间偏差大于±0.5 s，其余台站自动识别与人工识别震相基本一致，可以认为地震预警处理软件拾取的震相较可靠。
图 4 预警触发台站震源距与走时拟合结果Figure 4. The fitting results of hypocentral distance and travel time of early warning-triggered stations2.2 预警用时
根据国内外相关研究成果，地震预警系统理论处理时间可由下式计算：
$$ {\Delta }{{t}}_{{{\mathrm{a}}}}{=\min}({\Delta }{{t}}_{{{\mathrm{s}}}}+\Delta {{t}}_{{{\mathrm{pa}}}}) + {\Delta }{{t}}_{{{\mathrm{d}}}} + {\Delta }{{t}}_{{{\mathrm{h}}}} + {\Delta }{{t}}_{{{\mathrm{p}}}} $$ (3) 式中，
$ {\Delta }{{t}}_{{{\mathrm{a}}}} $ 为预警系统理论处理时间；$ {\min}({\Delta }{{t}}_{{{\mathrm{s}}}}+\Delta {{t}}_{{{\mathrm{pa}}}}{)} $ 为P波到达台站时间$ {\Delta }{{t}}_{{{\mathrm{s}}}} $ 与台站数据打包时间$ {\Delta }{{t}}_{{{\mathrm{pa}}}} $ 之和的最小值，$ {\Delta }{{t}}_{{{\mathrm{s}}}} $ 取值2.9 s（P波到达首台V2204的理论时间），$ {\Delta }{{t}}_{{{\mathrm{pa}}}} $ 取值0.5 s；$ {\Delta }{{t}}_{{{\mathrm{d}}}} $ 为数据传输延迟时间，取值0.4 s；$ {\Delta }{{t}}_{{{\mathrm{h}}}} $ 为中心数据处理时间，取为0.1 s；$ {\Delta }{{t}}_{{{\mathrm{p}}}} $ 为所用数据的P波窗窗长，第1报采用1 s长度P波数据。根据四川地震预警台网布局信息，泸定地震预警首报理论最小用时$ {\Delta }{{t}}_{{{\mathrm{a}}}} $ 为4.9 s。理论处理时间参数含义如表5所示。表 5 地震预警系统理论处理时间参数含义Table 5. The parameter explanation of theoretical processing time of earthquake early warning system影响参数 下标含义 解释说明 影响因素 $ {\Delta }{{t}}_{{{\mathrm{a}}}} $ alert 地震预警理论处理时间 $ {\Delta }{{t}}_{{{\mathrm{s}}}}{、}{\Delta }{{t}}_{{{\mathrm{pa}}}}{、}{\Delta }{{t}}_{{{\mathrm{d}}}}{、}{\Delta }{{t}}_{{{\mathrm{h}}}}{、}{\Delta }{{t}}_{{{\mathrm{p}}}} $ $ {\Delta }{{t}}_{{{\mathrm{s}}}} $ station P波到达台站理论时间 台站密度 $ {}{\Delta }{{t}}_{{{\mathrm{pa}}}} $ pack 台站数据打包时间 地震监测仪器运行状态 $ {\Delta }{{t}}_{{{\mathrm{d}}}} $ delay 数据传输延迟时间 网络传输情况 $ {\Delta }{{t}}_{{{\mathrm{h}}}} $ handle 中心数据处理时间 预警软件及硬件平台性能 $ {\Delta }{{t}}_{{{\mathrm{p}}}} $ p-wave 所用数据的P波窗窗长 时钟准确度及波形记录质量 EEW 1～5次预警处理结果产出用时分别为3.9、4.4、4.9、5.5、6.0 s，1～12次预警处理结果用时均小于10 s。JEEW 1～5次预警处理结果产出用时分别为8.2、9.3、10.1、10.7、11.4 s，1～12次预警处理结果用时均小于16 s。由图5（a）、（b）可知，地震预警结果参与计算台站数量与产出用时呈明显正相关关系，产出用时随着参与计算台站数量的增加而增加。JEEW每次预警处理结果参与计算台站数量均较EEW多，且在1～12次预警处理结果中，JEEW参与计算台站数量是EEW的3倍以上，因此相较于EEW，JEEW产出用时较长。但2套地震预警处理软件第1、2次预警处理结果产出用时均达到秒级的功能要求。
图 5 EEW和JEEW产出第1～30次预警结果参与计算台站数量及用时Figure 5. The number of stations and time taken for the 1st to 30th warning results produced by EEW and JEEW相比预警首报理论最小用时（4.9 s），EEW第1报发布用时（4.4 s）略小于首报理论最小用时，JEEW第1报发布用时（8.2 s）偏差为3.3 s，这主要是因为JEEW第1报触发和参与计算台站数分别达到19、16个，参与计算台站数量较多，因而计算时间相对有所增加，但与首报理论最小用时相差较小，满足地震预警系统设计要求。
2.3 震中定位
JEEW产出第1次预警处理结果的震中位置偏差为0.8 km（图6），偏差小，后续预警处理结果偏差较稳定，均较小（控制在1.5 km内）。EEW产出第1次预警处理结果的震中位置偏差为10.7 km，随着参与计算的台站数量不断增加和时间的延长，从第4次预警处理结果开始，震中位置偏差明显变小，后续趋势较稳定。总体上，EEW和JEEW产出的第4～30次预警处理结果的震中位置偏差均控制在2 km以内，2套地震预警处理软件对于本次地震的定位精度较高。
图 6 EEW 和JEEW产出第1～30次预警处理结果的震中位置偏差Figure 6. The epicenter position deviation of the 1 st to 30 th early warning processing results produced by EEW and JEEWEEW第3～5次预警处理结果的震中位置偏差分别为11.2、2.0、1.1 km（图6）。为详细分析EEW震中位置偏差下降的原因，本文对EEW第3～5次预警处理结果参与计算台站数量、最大空隙角、定位方法等进行进一步研究。由图7可知，EEW第3～5次预警处理结果参与计算台站数量分别为4、6、9个，最大空隙角分别为237.79°、195.32°、188.57°。随着参与计算台站数量的增加，最大空隙角有所减小，但减小程度不明显，最大空隙角均＞90°。按照传统定位方法，EEW第3～5次预警处理结果中最大空隙角均较大，台站包络性较差，影响定位结果。但事实证明，EEW从第4次预警处理结果开始，震中位置偏差控制在2 km以内，偏差较小，这主要是因为EEW使用的连续定位方法、“着未着”算法采用的网格搜索方法的算法精准度高，并且在定位过程中，均考虑了未触发台站对地震定位结果的约束，保证了地震定位结果的可靠性。上述说明了现有地震预警定位方法比传统方法更有优势。
图 7 EEW产出第3～5次预警处理结果的参与计算台站分布Figure 7. Distribution of participating stations for the processing results of the 3 rd to 5 th EEW early warning output2.4 预警震级
JEEW产出的第1次预警处理结果的震级为M6.0，震级偏差为−0.8，偏差较小。随着地震动时程变长，JEEW后续29次预警处理结果震级偏差较稳定，偏差控制在−0.8～−0.4，整体偏差较小。EEW产出的第1次预警处理结果的震级为M4.1，震级偏差为−2.7，随着地震动时程变长和参与计算台站数量的增加，EEW预警处理结果的震级偏差逐渐降低，第13～30次预警处理结果的震级偏差控制在−0.1以内（除第17次预警处理结果出现小范围波动）。
为对比基准站、基本站、一般站等不同类型台站震级估算特点，统计了EEW和JEEW 产出的第1～10次预警处理结果中参与计算的基准站、基本站和一般站平均震级，并与预警震级和正式目录结果震级M6.8对比，结果如图8所示。由图8可知，各次结果中基准站和基本站平均震级较稳定，一般站平均震级差异较大。
EEW和JEEW产出的第1～10次预警处理结果中，不同类型台站（基准站、基本站和一般站）测得的震级有所不同，这主要是因为地球介质具有不均匀性，导致地震波在传播过程中在不同方位的能量损耗有很大差异，而且不同类型台站所处的台基不同，对地震波存在不同程度的衰减或者放大效应，加之进行不同类型台站震级计算时，使用量规函数的修正值不同。由于一般站建成的时间较短，成熟稳定的量规函数还未建立，造成了一般站平均震级差异较大。
总体上，与预警震级和正式目录结果震级相比，EEW和JEEW产出的第1～10次预警处理结果中的一般站平均震级偏差最小，基准站平均震级偏差最大，这主要是因为参与计算基准站出现波形限幅，导致低估震级。值得一提的是，EEW和JEEW产出的第1～10次预警震级几乎呈现出比三类台站平均震级偏大或相等的趋势，预警震级更收敛于正式目录结果震级，说明2套预警处理软件产出预警震级，会根据不同类型台站震级的可靠度加权计算，以保证预警震级的计算准确。
3. 预警效能
3.1 预警盲区
地震预警盲区是客观存在的，只能尽可能地减小而不能消除预警盲区。预警盲区是由于检测到地震P波信息而尚未发出地震预警，但破坏性S波已经到达地面一定范围，因而无法利用P波信息对后续S波的破坏进行地震预警（Kuyuk等，2013；杨陈等，2015；梁艳等，2017）。向社会发布的第1报预警信息时间越短，地震预警盲区越小，地震预警时效性越强。本文利用盲区计算公式对泸定M6.8地震预警盲区半径进行计算：
$$ {{R}}_{{{\mathrm{BZ}}}}=\sqrt{{{T}}^{{2}}{{{V}}_{{{\mathrm{S}}}}^{{2}}}-{{H}}^{{2}}} $$ (4) 式中，
$ {{R}}_{{{\mathrm{BZ}}}} $ 为盲区半径； T为预警用时；$ {H} $ 为震源深度。四川省地震局部署的融合决策平台系统将多套地震预警处理软件产出的预警处理结果进行融合选优后，对外发布地震预警信息。融合决策平台融合原则主要为：①综合考虑空隙角等因素后，进行震中参数选优；②综合考虑最大震级与最小震级偏差等因素后，进行震级选优；③震中预测烈度按照选优震中参数与震级进行重新估算。融合决策平台系统在震后 6.2 s向社会发布第1报地震预警信息（预警震级M5.9，震中位置偏差3.5 km，震级偏差−0.9）。式（4）中
$ T $ 为震后向社会发布第1报地震预警信息用时，$ {{V}}_{{{\mathrm{S}}}} $ 取值3.5 km/s，根据地震正式目录结果，$ {H} $ 取值16 km。计算得出泸定M6.8地震预警盲区半径为14.7 km。第1报地震预警信息产出和对外发布后，随着时间的延长和后续参与计算台站的增加，地震参数不断修正，使地震参数的测定精度不断提高（第2～3报），但第1报的用时是最重要的参数，因为其决定了地震预警系统的性能和处理能力。因此依据地震预警信息第1报用时6.2 s，以震中为圆心，以第1报预警信息发出时S波传播距离14.7 km为半径，绘制本次地震预警盲区，如图9紫色圆环内区域所示（应急管理部，2022），预警盲区内涵盖绝大部分极震区（地震烈度Ⅸ、Ⅷ度区）。根据GB/T
17742 —2020《中国地震烈度表》，地震烈度为Ⅵ的区域会出现房屋轻微和中等破坏，造成一定程度的地震灾害风险，因此设定盲区以外、地震烈度Ⅵ度以上的区域为本次地震预警的有效获益区，如图9蓝色线内、紫色圆环外区域所示（应急管理部，2022）。预警有效获益区包括大部分次极震区（地震烈度Ⅶ度区）、全部地震烈度Ⅵ度区。
图 9 泸定M6.8地震预警减灾效能Figure 9. Map showing earthquake early warning disaster mitigation efficacy of Luding M6.83.2 减灾效能
地震发生后，从极震区到地震烈度Ⅵ度区，地震S波会造成较大灾害风险，导致一定程度的人员伤亡和对生命线设施的破坏。由于地震预警信息无法对预警盲区内发挥作用，因此地震预警的减灾效能主要体现在预警有效获益区内（盲区以外，地震烈度Ⅵ度以上的区域）。
四川地震预警台网在震后通过地震预警终端、手机APP、村村响应急广播、第三方平台等渠道发布地震预警信息，向预警盲区以外，烈度Ⅵ度以上区域提供了0～21 s的预警时间。在上述预警有效获益区（面积达到18 410 m2），地震预警信息使人员有一定时间采取紧急避险措施，对生命线工程予以紧急暂停或保护措施，最大程度地减少了人员伤亡并减低次生灾害造成的危害。此外，预警台网向成都市提前56 s发布了地震预警信息，虽然地震S波对成都市不造成灾害风险，但作为强烈有感地震，地震预警信息起到了减少民众恐慌和维护社会稳定的作用，社会效益显著。
4. 讨论与结论
四川地震预警台网在泸定M6.8地震中产出地震预警信息高效准确，达到了产出速度“快”和产出结果“准”的要求。EEW和JEEW产出的预警信息第1报用时分别为4.4、8.2 s，均实现了秒级预警。EEW和JEEW产出的预警信息第1报预警震级分别为M5.2、M6.0，震级偏差分别为−1.6、−0.8，震级偏差相对较小。而随着地震动时程的变长和参与计算台站的增多，EEW和JEEW后续产出的预警信息震级偏差逐渐降低，收敛于正式目录结果震级。EEW和JEEW产出的预警信息第1报震中位置偏差分别为11.2、0.8 km，随着参与计算台站的增多和时间的延长，震中位置偏差迅速降低，EEW和JEEW第4～30次预警处理结果的震中位置偏差控制在2 km以内，震中定位准确。通过对预警结果的分析可得到以下结论：
（1）地震预警信息快速产出的主要原因在于：①四川建成了高密度的地震预警台网，本次泸定地震震中距100 km内的台站数量超过100个，平均台间距达到了9.5 km；②低延时的台站观测数据，震中距100 km内的129个台站数据延时合格率达到97.7%，124个台站数据延时＜1 s；③EEW和JEEW地震预警处理软件的数据处理能力较强，产出结果较可靠。
（2）EEW和JEEW产出的预警信息第1报预警震级均较正式目录结果震级M6.8级小，主要原因是泸定地震震级较大，断层破裂持续时间16 s，破裂时间长，而使用地震波初至信号进行震级估算，只能获取有限的断层破裂滑动信号，并不能捕获最大能量释放信息，因此造成了一定程度的低估震级。
（3）四川地震预警台网对于本次泸定地震的减灾效能显著。由于预警台网第1报产出用时（6.2 s）较快，因此泸定地震预警盲区半径（14.7 km）较小，地震预警有效获益区（盲区以外，地震烈度Ⅵ度以上区域）范围较大，面积达到18 410 m2。本次地震预警向地震烈度Ⅵ度以上区域提供了0～21 s的预警时间，充分体现了地震预警的减灾效能。
此外，可进一步打通地震预警的“最前一公里”和“最后一公里”，以达到地震预警减灾效能的最大化：
（1）在现有技术水平下，可基于地震初期的数据实时反演破裂过程，实现进一步缩小预警盲区的目标。在地震破裂过程中，断层的滑动会使地壳质量进行重新分布，学界对出现的重力干扰提出了瞬态弹性重力信号的理论公式（Vallée等，2017）。由于重力扰动信号以光速传播，因此可对地震仪在地震初至波之前的重力扰动信号进行研究，将检测地震信号的时间提前，进一步缩短地震预警产出用时。
（2）地震预警提供给有效获益区范围内人员的反应时间一般不超过30 s，时间的紧迫性要求人员迅速做出反应，立即采取科学有效的紧急避险行动。因此需要在社会面加大对民众应急知识培训和应急避险演练，使民众在收到预警信息后能够以最短时间完成紧急避险，将人员伤亡降到最低，减灾效能发挥到最大。
致谢 感谢四川省地震局应急服务中心提供的泸定地震现场调查烈度数据。
-
图 1 四川地震预警台网台站分布
Figure 1. Distribution of seismic stations of Sichuan earthquake early warning network
图 2 泸定M6.8地震震中距100 km内台站分布
Figure 2. Distribution of stations within 100 km from the epicenter of the Luding M6.8 earthquake
图 3 盲区半径
$ {{R}}_{{{\mathrm{BZ}}}} $ 与台间距$ {D} $ 的关系Figure 3. Relationship between blind-zone radius
$ {{R}}_{{{\mathrm{BZ}}}} $ and interstation distance$ {D} $ 
图 4 预警触发台站震源距与走时拟合结果
Figure 4. The fitting results of hypocentral distance and travel time of early warning-triggered stations
图 5 EEW和JEEW产出第1～30次预警结果参与计算台站数量及用时
Figure 5. The number of stations and time taken for the 1st to 30th warning results produced by EEW and JEEW
图 6 EEW 和JEEW产出第1～30次预警处理结果的震中位置偏差
Figure 6. The epicenter position deviation of the 1 st to 30 th early warning processing results produced by EEW and JEEW
图 7 EEW产出第3～5次预警处理结果的参与计算台站分布
Figure 7. Distribution of participating stations for the processing results of the 3 rd to 5 th EEW early warning output
图 9 泸定M6.8地震预警减灾效能
Figure 9. Map showing earthquake early warning disaster mitigation efficacy of Luding M6.8
表 1 台站主要安装仪器参数特征
Table 1. The specific parameter characteristics of the main instruments installed in the stations
台站类型 仪器名称 仪器型号 安装方式 量程 噪声 频带范围 基准站 宽频带地震计 GL-CS60 摆坑 0.01 m/s −170 dB@10 Hz
−180 dB@0.01 Hz0.016 7～80 Hz GL-CS120 摆坑 0.01 m/s −170 dB@10 Hz
−180 dB@0.01 Hz0.008 3～80 Hz 力平衡式加速度计 JS-A2 地面 2 g −130 dB DC～100 Hz 三分向加速度计 GL-A4 地面 2 g −130 dB DC～250 Hz（−3 dB） DC～150 Hz
（加速度响应平坦）基本站 力平衡式加速度计 JS-A2 地面 2 g −130 dB DC～100 Hz 一般站 MEMS加速度计 MEMS 地表 2 g −60～−110 dB DC～200 Hz以上 
下载: 导出CSV
表 2 震中距100 km内数据缺失台站
Table 2. The stations with data missing within 100 km from the epicenter
震中距范围/km 台站总数 数据缺失台站 台站数 基准站 基本站 一般站 0～50 29 8 2 1 5 0～100 129 10 3 1 6
下载: 导出CSV
表 3 震中距100 km内触发台站延时
Table 3. Statistical delay triggering times for stations within 100 km from the epicenter
类别 延时/s ≤1.0 1.0～2.0 1.51～2.00 2.01～2.5 ≥2.5 三类台站数量 124 0 2 0 3 基准站数量 23 0 2 0 0 基本站数量 18 0 0 0 2 一般站数量 83 0 0 0 1
下载: 导出CSV
表 4 泸定M6.8地震EEW和JEEW预警处理结果（1～30次）
Table 4. EEW and JEEW early warning processing results of Luding M6.8 earthquake （1～30 times）
EEW地震预警产出 JEEW地震预警产出 处理
序号用时/s 触发
台站数纬度/(°N) 经度/(°E) 预警
震级定位
偏差/km处理
序号用时/s 触发
台站数纬度/(°N) 经度/(°E) 预警
震级定位
偏差/km1 3.9 3 29.64 102.18 4.1 10.7 第1报 8.2 19 29.59 102.09 6.0 0.8 第1报 4.4 5 29.64 102.18 5.2 11.2 2 9.3 23 29.59 102.09 6.0 0.5 3 4.9 5 29.64 102.18 5.4 11.2 3 10.1 27 29.59 102.07 6.5 0.6 4 5.5 7 29.57 102.07 5.9 2.0 4 10.7 34 29.59 102.08 6.4 0.2 5 6.0 10 29.58 102.08 5.7 1.1 5 11.4 39 29.59 102.08 6.3 0.4 6 6.5 10 29.58 102.08 6.1 1.1 6 11.6 40 29.59 102.07 6.3 0.6 7 7.0 12 29.58 102.08 6.0 1.1 7 12.3 50 29.59 102.09 6.3 0.9 8 7.6 13 29.59 102.09 6.2 1.1 8 13.2 53 29.60 102.09 6.3 1.1 9 8.1 14 29.59 102.09 6.6 1.1 9 13.5 56 29.59 102.09 6.4 1.2 10 8.5 16 29.59 102.09 6.5 1.1 10 14.2 59 29.59 102.09 6.3 1.1 11 9.1 18 29.59 102.09 6.3 1.1 11 14.6 65 29.60 102.09 6.3 1.5 12 9.6 19 29.59 102.08 5.9 0.4 12 15.3 71 29.60 102.09 6.3 1.4 13 10.2 24 29.59 102.09 6.7 1.1 13 16.3 82 29.60 102.09 6.3 1.5 14 10.7 28 29.59 102.09 6.7 1.1 14 17.3 91 29.60 102.10 6.3 1.6 15 11.2 34 29.60 102.09 6.7 1.2 15 19.4 114 29.60 102.09 6.3 1.3 16 11.7 39 29.59 102.08 6.8 0.4 16 20.5 132 29.60 102.09 6.4 1.5 17 12.2 44 29.60 102.08 6.5 0.7 17 20.9 133 29.60 102.09 6.4 1.5 18 12.9 49 29.60 102.09 6.8 1.2 18 21.8 144 29.60 102.09 6.4 1.4 19 13.7 56 29.60 102.10 6.7 1.8 19 22.7 156 29.60 102.09 6.4 1.5 20 14.6 65 29.60 102.10 6.8 1.8 20 23.6 168 29.60 102.09 6.4 1.5 21 15.2 71 29.60 102.10 6.8 1.8 21 24.3 170 29.60 102.09 6.4 1.5 22 15.9 76 29.60 102.10 6.7 1.8 22 25.1 184 29.59 102.09 6.4 1.4 23 16.9 84 29.60 102.10 6.8 1.8 23 25.6 190 29.60 102.09 6.4 1.4 24 17.4 86 29.60 102.10 6.8 1.8 24 26.6 211 29.59 102.09 6.4 1.4 25 18.1 91 29.60 102.10 6.8 1.8 25 27.1 218 29.59 102.09 6.4 1.4 26 19.2 100 29.60 102.10 6.8 1.8 26 28.2 229 29.59 102.09 6.4 1.3 27 20.7 112 29.60 102.10 6.8 1.8 27 28.8 240 29.59 102.09 6.3 1.3 28 23.4 130 29.60 102.10 6.8 1.8 28 29.7 251 29.59 102.09 6.3 1.2 29 31.9 165 29.60 102.10 6.8 1.8 29 30.5 262 29.59 102.09 6.3 1.2 30 31.6 273 29.60 102.10 6.8 1.8 30 31.2 283 29.59 102.09 6.3 1.1
下载: 导出CSV
表 5 地震预警系统理论处理时间参数含义
Table 5. The parameter explanation of theoretical processing time of earthquake early warning system
影响参数 下标含义 解释说明 影响因素 $ {\Delta }{{t}}_{{{\mathrm{a}}}} $ alert 地震预警理论处理时间 $ {\Delta }{{t}}_{{{\mathrm{s}}}}{、}{\Delta }{{t}}_{{{\mathrm{pa}}}}{、}{\Delta }{{t}}_{{{\mathrm{d}}}}{、}{\Delta }{{t}}_{{{\mathrm{h}}}}{、}{\Delta }{{t}}_{{{\mathrm{p}}}} $ $ {\Delta }{{t}}_{{{\mathrm{s}}}} $ station P波到达台站理论时间 台站密度 $ {}{\Delta }{{t}}_{{{\mathrm{pa}}}} $ pack 台站数据打包时间 地震监测仪器运行状态 $ {\Delta }{{t}}_{{{\mathrm{d}}}} $ delay 数据传输延迟时间 网络传输情况 $ {\Delta }{{t}}_{{{\mathrm{h}}}} $ handle 中心数据处理时间 预警软件及硬件平台性能 $ {\Delta }{{t}}_{{{\mathrm{p}}}} $ p-wave 所用数据的P波窗窗长 时钟准确度及波形记录质量
下载: 导出CSV
-
杜航,王俊,江昊琳等,2021. 中国地震预警延迟时间算法及其对预警盲区的影响研究. 中国地震,37(1):216−226.Du H., Wang J., Jiang H. L., et al., 2021. Research on the delay time algorithm of earthquake early warning and its influence on the early warning blind area in China. Earthquake Research in China, 37(1): 216−226. (in Chinese) 黄文辉,沈玉松,吕作勇等,2016. 地震超快速报系统试运行结果评估. 华南地震,36(4):1−7.Huang W. H., Shen Y. S., Lyu Z. Y., et al., 2016. Evaluating the results of the earthquake very fast report system. South China Journal of Seismology, 36(4): 1−7. (in Chinese) 金星,2021. 地震预警与烈度速报−−理论与实践. 北京:科学出版社.Jin X. ,2021. Earthquake early warning and rapid intensity reporting:theory and practice. Beijing:Science Press. (in Chinese) 李佳威,2017. 地震早期预警系统(EEWS)“盲区”控制的若干问题. 北京:中国地震局地球物理研究所. Li J. W. ,2017. ‘Blind zone control’ of earthquake early warning system (EEWS). Beijing:Institute of Geophysics,China Earthquake Administration. (in Chinese). 李萍萍,江鹏,李同林等,2022. 2021年9月16日四川泸县 M S6.0地震强地面运动特征分析. 地震学报,44(2):260−270.Li P. P., Jiang P., Li T. L., et al., 2022. The strong ground motion characteristics of M S6.0 Luxian, Sichuan, earthquake on 16 September 2021. Acta Seismologica Sinica, 44(2): 260−270. (in Chinese) 李山有,金星,马强等,2004. 地震预警系统与智能应急控制系统研究. 世界地震工程,20(4):21−26.Li S. Y., Jin X., Ma Q., et al., 2004. Study on earthquake early warning system and intellegent emergency controling system. World Earthquake Engineering, 20(4): 21−26. (in Chinese) 李同林,彭朝勇,李萍萍等,2021. 四川地震预警网外玛多7.4级地震预警分析研究. 中国地震,37(3):551−563.Li T. L., Peng C. Y., Li P. P., et al., 2021. Early warning processing results for 22 May 2021 Maduo, Qinghai M 7.4 earthquake from outside the Sichuan earthquake early warning network. Earthquake Research in China, 37(3): 551−563. (in Chinese) 梁艳,吕芳,李丽,2017. 山西地震台网地震预警时间及盲区半径分析. 地震地磁观测与研究,38(4):65−69.Liang Y., Lv F., Li L., 2017. The warning times and blind-zone radius of Shanxi seismic network. Seismological and Geomagnetic Observation and Research, 38(4): 65−69. (in Chinese) 马强,2008. 地震预警技术研究及应用. 哈尔滨:中国地震局工程力学研究所. 宋晋东,余聪,李山有,2021. 地震预警现地PGV连续预测的最小二乘支持向量机模型. 地球物理学报,64(2):555−568.Song J. D., Yu C., Li S. Y., 2021. Continuous prediction of onsite PGV for earthquake early warning based on least squares support vector machine. Chinese Journal of Geophysics, 64(2): 555−568. (in Chinese) 王俊,刘红桂,周昱辰,2021. 地震预警技术的应用与展望. 防灾减灾工程学报,41(4):874−882.Wang J., Liu H. G., Zhou Y. C., 2021. Application and prospect of earthquake early warning technology. Journal of Disaster Prevention and Mitigation Engineering, 41(4): 874−882. (in Chinese) 王澜,戴贤春,习年生等,2019. 高速铁路地震预警及紧急处置时效性研究. 中国铁道科学,40(5):118−127.Wang L., Dai X. C., Xi N. S., et al., 2019. Study on time effectiveness of earthquake early warning and emergency disposal for high speed railway. China Railway Science, 40(5): 118−127. (in Chinese) 王勇胜,韦永祥,2018. 地震预警技术研究现状及展望. 科学技术创新,(14):22−24. 杨陈,郭凯,张素灵等,2015. 中国地震台网现状及其预警能力分析. 地震学报,37(3):508−515.Yang C., Guo K., Zhang S. L., et al., 2015. Status quo of China earthquake networks and analyses on its early warning capacity. Acta Seismologica Sinica, 37(3): 508−515. (in Chinese) 应急管理部,2022. 应急管理部发布四川泸定6.8级地震烈度图. (2022-09-11). https://www.mem.gov.cn/xw/yjglbgzdt/202209/t20220911_422190.shtml. 张晁军,陈会忠,沈萍等,2022. 地震预警实质的探讨. 地震科学进展,52(4):154−160.Zhang C. J., Chen H. Z., Shen P., et al., 2022. Discussion on the essence of earthquake early warning. Progress in Earthquake Sciences, 52(4): 154−160. (in Chinese) Erdik M., Fahjan Y., Ozel O., et al., 2003. Istanbul earthquake rapid response and the early warning system. Bulletin of Earthquake Engineering, 1(1): 157−163. doi: 10.1023/A:1024813612271 Horiuchi S., Negishi H., Abe K., et al., 2005. An automatic processing system for broadcasting earthquake alarms. Bulletin of the Seismological Society of America, 95(2): 708−718. doi: 10.1785/0120030133 Hsiao N. C., Wu Y. M., Shin T. C., et al., 2009. Development of earthquake early warning system in Taiwan. Geophysical Research Letters, 36(5): L00B02. Kamigaichi O. , Saito M. , Doi K., et al., 2009. Earthquake early warning in Japan: warning the general public and future prospects. Seismological Research Letters, 80 (5): 717−726. Kuyuk H. S., Allen R. M., 2013. Optimal seismic network density for earthquake early warning: a case study from California. Seismological Research Letters, 84(6): 946−954. doi: 10.1785/0220130043 Peng C. Y., Jiang P., Ma Q., et al., 2022. Chinese nationwide earthquake early warning system and its performance in the 2022 Lushan M6.1 earthquake. Remote Sensing, 14(17): 4269. doi: 10.3390/rs14174269 Song J. D., Zhu J. B., Wang Y., et al., 2022. On-site alert-level earthquake early warning using machine-learning-based prediction equations. Geophysical Journal International, 231(2): 786−800. doi: 10.1093/gji/ggac220 Song J. D., Zhu J. B., Li S. Y., 2023. MEANet: magnitude estimation via physics-based features time series, an attention mechanism, and neural networks. Geophysics, 88(1): V33−V43. doi: 10.1190/geo2022-0196.1 Suárez G., Espinosa-Aranda J. M., Cuéllar A., et al., 2018. A dedicated seismic early warning network: the Mexican seismic alert system (SASMEX). Seismological Research Letters, 89(2A): 382−391. doi: 10.1785/0220170184 Vallée M., Ampuero J. P., Juhel K., et al., 2017. Observations and modeling of the elastogravity signals preceding direct seismic waves. Science, 358(6367): 1164−1168. doi: 10.1126/science.aao0746 Wu Y. M., Teng T. L., 2002. A virtual subnetwork approach to earthquake early warning. Bulletin of the Seismological Society of America, 92(5): 2008−2018. doi: 10.1785/0120010217 -
下载:
点击查看大图
计量
- 文章访问数: 110
- HTML全文浏览量: 78
- PDF下载量: 20
- 被引次数: 0
