珊瑚岛礁环境噪声成像

夏少红 , 张昌榕 , 曹敬贺

工程（英文） ›› 2023, Vol. 25 ›› Issue (6) : 182 -193.

PDF (6606KB)
工程（英文） ›› 2023, Vol. 25 ›› Issue (6) : 182 -193. DOI: 10.1016/j.eng.2021.09.022

珊瑚岛礁环境噪声成像

作者信息 +

Ambient Noise Tomography for Coral Islands

Author information +
文章历史 +
PDF (6764K)

摘要

珊瑚岛礁作为海洋中宝贵的陆地资源，不仅是海洋资源开发和海洋权益保护的重要基地，也是研究地质构造演化与地球环境变迁等科学问题的重要载体。如何经济、高效地获取岛礁地下结构已成为珊瑚岛礁工程地质学领域的一个重要研究方向。传统海洋地球物理探测技术和钻井都无法提供珊瑚岛礁陆域本体全面的三维地质结构影像，因此需发展一种适合珊瑚岛礁特殊环境的三维成像技术。基于密集台阵的环境噪声成像技术已经在大陆地区得到了广泛应用，但对其在珊瑚岛礁的适用性一直缺乏系统研究。本文利用布设于南海岛礁上的密集地震台站，开展了海洋中孤立珊瑚岛礁的环境噪声信号特征分析和浅表三维地质结构噪声成像研究。研究发现：①海洋中孤立岛礁的环境噪声信号大致可分为1 Hz 以下、1~5 Hz和5 Hz以上三部分，其中，5 Hz以下噪声频谱特征在不同台站均具有很好的一致性，5 Hz以上却差异显著；②对于珊瑚岛礁5 Hz以下噪声信号，仅需24 h 时长的连续波形即可获取高信噪比且对称性良好的互相关函数，而5 Hz 以上信号难以提取高质量互相关函数；③珊瑚岛礁浅表地质结构具有明显的分区性，岛体S波速度总体表现为向海侧高、向潟湖侧低的特征，这与岛礁向海侧的外礁坪地层胶结程度较高一致；④珊瑚岛礁在25~75 m和200~300 m处存在两个低速层位，这与岩芯样品揭示的高孔隙层位具有很好的一致性，反映了岛礁形成过程中经历了多次地层暴露、强烈风化的地质事件。研究结果表明，环境噪声成像能够经济高效、环境友好地获取珊瑚岛礁浅表精细结构，是未来岛礁工程地质探测的优选方案之一。

Abstract

As valuable land in the ocean, coral islands are not only important bases for making use of marine resources and protecting marine rights and interests, but also important for breakthrough research in many fields of earth science. Hence, the economical and efficient determination of the underground structure of coral islands has become significant in coral island engineering geology, but remains challenging for traditional marine geophysical prospecting and drilling methods. While ambient noise tomography with dense arrays has been widely used in continental regions, its applicability to coral islands remains undetermined. In this study, based on the data recorded by a dense array on an isolated coral island in the South China Sea, we analyzed the ambient noise characteristics and obtained a 3D subsurface structure of the coral island using ambient noise tomography. We made the following findings: ① The ambient noise frequencies can be roughly categorized into three levels: < 1, 1–5, and > 5 Hz. The spectral characteristics of the noise below 5 Hz were consistent at different stations, but there were significant differences in the characteristics of the noise above 5 Hz. ② For ambient noise frequencies below 5 Hz, cross-correlation functions with high quality could be obtained with only 24 h of waveform data. However, it was difficult to extract meaningful cross-correlation functions for ambient noise frequencies above 5 Hz. ③ The S-wave velocity in the coral island was higher toward the sea and lower toward the lagoon, which was consistent with the high degree of cementation of the outer reef flat stratum on the seaward side. ④ There were two low-velocity horizons at 25–75 and 200–300 m, which were in good agreement with the high-porosity horizons that were revealed by drilling core samples, reflecting the weathering history of the reef. Our research demonstrates that ambient noise tomography is a potentially economical, efficient, and environmentally friendly method for the geological prospecting of coral reefs.

关键词

珊瑚岛礁 / 环境噪声成像 / 工程地质 / 中国南海

Key words

Coral island / Ambient noise tomography / Engineering geology / South China Sea

引用本文

引用格式 ▾
夏少红,张昌榕,曹敬贺. 珊瑚岛礁环境噪声成像[J]. 工程（英文）, 2023, 25(6): 182-193 DOI:10.1016/j.eng.2021.09.022

登录浏览全文

4963

注册一个新账户 忘记密码

1、 引言

珊瑚岛礁被誉为“海洋沙漠中的绿洲”，一方面作为海上极其宝贵的陆地资源，是海洋资源开发和海洋权益保护的前沿阵地[1‒2]；另一方面作为海洋生物与地质构造共同作用所形成的一种独特的构造单元，是衔接岩石圈、水圈和海洋生物圈的重要支点[3‒4]，也是区域构造及全球环境变化的信息载体[5]。随着海洋石油天然气资源、渔业资源的开发和工程基础设施建设的需要，岛礁工程建设的规模愈来愈大，面临着突出的工程地质问题，迫切需要对珊瑚礁地层精细结构进行详细研究，以适应岛礁工程建设的需要[6]。然而，与陆地地区不同的是，珊瑚岛礁的地层主要由生物碎屑砂砾层、礁灰岩层组成，其中，生物碎屑砂砾层是由原生或次生珊瑚礁岩、贝壳、珊瑚等经生物、水动力作用形成的未胶结、弱胶结的松散沉积层[2,7]；礁灰岩层主要由珊瑚群死亡后骨架经地质作用形成的石灰岩组成，层中普遍夹杂松散砂砾层、空洞及溶洞等[8‒9]。这种地层与成岩特性决定了珊瑚岛礁的地质结构复杂多变，横向差异性显著，存在地下溶洞、断裂活动、滑坡、地震等地质灾害隐患[10‒11]。因此，如何对珊瑚岛礁地下结构进行有效探测和成像，已成为工程地质学领域的一个重要研究方向[6,12]。

多年来，传统海洋地球物理探测技术，如反射地震、多波束探测、声学浅剖探测等，已被大量用于珊瑚岛礁边坡海域的地下结构探测，这些方法在揭示岛礁边缘的海底地形[13‒14]、沉积特征[15‒17]、碳酸盐岩油气成藏和演化模式[18‒19]、断裂分布[20]、海底滑坡[21‒22]等方面效果良好。然而这些方法的探测范围局限于水深大于20 m的区域，无法对潟湖浅水区及出露海面的陆域本体进行有效成像，目前主要依靠有限的钻井资料提供点状信息[23‒25]，难以形成珊瑚岛礁本体地下空间一体化的三维透视影像。另外，钻井和人工源地震探测经济成本昂贵且野外作业工序烦琐。因此，我们急需发展一种适合珊瑚岛礁特殊环境的三维探测手段，能够经济高效地获取岛礁地下结构并确定其内部薄弱构造的位置。

环境噪声成像利用噪声信号而不是地震信号来研究地下S波速度结构，这一特性使其拥有很好的经济性，得到了大量地球物理学家的关注[26‒29]。近年来，随着密集台阵观测技术的发展，人们逐渐认识到使用环境噪声成像可获取高精度的地下结构[30‒32]，并成功应用于断裂成像[33‒34]、地热探测[35‒36]、地下水研究[37‒38]和地质灾害防治[39]等工程学领域。在海洋中，人们也已成功利用台间距数十至数百公里的海底地震仪，提取出周期一至几百秒的互相关函数，并依此获得了地壳和上地幔顶部的速度结构[40‒42]。环境噪声成像方法需要通过噪声信号提取面波互相关函数，其成功应用与研究区的噪声特性密切相关。珊瑚岛礁孤立于海洋之中，与大陆和海底的环境噪声源存在显著差异，在珊瑚岛礁上记录到的噪声特性如何？是否可以开展环境噪声成像研究？如果可以，适合成像的频带范围是多少？需要连续记录多长时间的波形才能提取高信噪比互相关函数？珊瑚岛礁S波速度结构具有怎样的特征？S波速度结构能提供哪些构造信息？这些问题还有待深入研究。

本研究通过在南海某珊瑚岛礁上布设密集地震台阵[图1（a）]，开展了环境噪声信号特征和地质结构成像研究。利用连续5天观测记录的噪声波形数据，我们提取了高信噪比的互相关函数，对比分析了不同时长噪声互相关函数的信噪比，揭示了珊瑚岛礁的三维S波速度结构。结合岩芯样品，我们对岛礁内部低速层的发育特征和成因机制进行了探讨。本研究有效评估了环境噪声成像技术在珊瑚岛礁工程地质结构探测中的适用性和经济性。

图1 地震台站布设与分布。（a）布设在岛礁上的地震台站（三角形）分布图，图中红色三角为故障台站，该岛礁位于中国南海；（b）野外台站布设照片。

2、 数据与噪声分析

2.1 数据

我们于2019年1月5—9日在南海某孤立珊瑚岛礁上布设了43台短周期地震仪[图1（a）]，台站沿岛体呈弧形分布，覆盖区域南北宽约300 m，东西长约2000 m，北侧为外海，南侧为潟湖，台间距约为100 m，仪器采样率为100 Hz。为保证数据质量和台站的安全性，我们将所有地震仪都埋藏于地下约10 cm [图1（b）]。所有台站连续记录时间为5天，仪器布设时间为冬季，南沙海域盛行东北季风，风力和海浪都较大。最终有41个台站记录到了完整的数据，且数据质量很好，另外两台地震仪因故障没有记录到有效的数据。

2.2 岛礁环境噪声频谱

在获取野外连续波形后，我们首先计算了41个台站每天垂直分量的噪声频谱[图2（a）~（e）]。研究结果显示：①频带上，珊瑚礁噪声信号可大体分为三段：1 Hz以下、1~5 Hz和5 Hz以上，其中，1 Hz以下的信号振幅最大，5 Hz以上次之，1~5 Hz最小；②时间上，在台阵观测期间，珊瑚岛礁噪声信号具有较好的稳定性，不同天的信号频谱特征一致；③空间上，不同台站5 Hz以下噪声振幅谱形态上具有很好的一致性，而5 Hz以上不同台站的频谱差别较大。这些特性说明，珊瑚岛礁5 Hz以下噪声信号的噪声源表现为明显的区域性特征，信号较为稳定一致；而5 Hz以上噪声信号复杂多变，明显受局部声源影响。

图2 噪声频谱与互相关函数。（a）~（e）分别为2019年1月5—9日41个台站的噪声频谱；（f）~（h）分别为利用2019年1月5日不同频带（0.2~1 Hz、1~5 Hz和5~10 Hz）垂直分量波形计算的互相关结果。（f）和（g）中台间距较小台站对的互相关函数存在正负轴信号干扰现象。Alp.：振幅；Dis.：距离。

2.3 岛礁噪声互相关函数

在进行环境噪声成像时，首先需要通过波形互相关计算获取台站间的噪声互相关函数。参考Bensen等[43]，我们将各台站记录到的垂直分量连续波形截取为1 h一段，首先对每段数据分别进行了去均值、去趋势、带通滤波、单位化及谱白化处理；接着计算每段波形的互相关函数，计算时长为-10~10 s；最后将每段互相关函数叠加，得到最终噪声互相关函数[44]。我们对2019年1月5日各台站记录到的垂向波形分别进行0.2~1 Hz、1~5 Hz和5~10 Hz互相关运算，获得对应频率范围内的互相关函数见图2（f）~（h）。研究结果显示，5 Hz以下信号的互相关函数质量很好，可以观测到一列清晰的震相；相反，5~10 Hz频率范围的互相关函数没有展现出明显的震相。需要注意的是，前人的研究发现当台间距过小或者信号频率较低时，互相关函数的正负轴信号会发生叠置干扰，进而影响所提取频散数据的可靠性[29]。如图2（f）所示，虽然0.2~1 Hz频率范围的互相关函数展现了清晰的面波信息，但因为低频和较小台间距的影响，导致很难获取高质量的频散信息。因此，在本研究中，我们主要使用1~5 Hz的互相关函数开展环境噪声成像研究。

2.4 观测时长对互相关函数的影响

台站在野外连续作业的时长直接决定探测的成本和效率。为了探究观测时长与噪声互相关函数的关系，我们对记录到的1~5 Hz信号分别进行1 h、12 h、1 d及5 d时长的噪声互相关计算。我们发现1 h时长的波形互相关函数[图3（a）]可观测到一列不太明显的震相；在12 h时长的波形互相关结果上[图3（b）]震相已较为清晰；随着连续波形时长的增加，1天和5天数据的互相关函数震相更加明显[图3（c）和（d）]。用互相关函数信号窗口（-4~4 s）内振幅的最大绝对值除以噪声窗口（-10~-4 s和4~10 s）内振幅绝对值的平均值来表示互相关函数的信噪比。我们计算了1 h、12 h、1 d及5 d时长的噪声互相关函数的信噪比（图4），其分别分布在4~13、10~30、13~40和20~60范围内，即随着互相关运算所用波形时长的增加，互相关函数的信噪比不断提高。同时，对于所有时长的互相关函数，信噪比都随着台间距的增加而减小（图4）。

图3 不同时长噪声互相关函数。（a）~（d）分别表示1 h、12 h、1 d和5 d时长的噪声互相关函数。图中红线表示1.3 km·s-1的传播速度。

图4 不同时长噪声互相关函数的信噪比。（a）~（d）分别表示1 h、12 h、1 d和5 d时长的噪声互相关函数信噪比。互相关函数信噪比整体随着台间距的增加而减小。

互相关函数的对称性可反映噪声源的方位特性，对称性越好，则噪声源分布越均匀，反之则越不均匀[45]。我们利用互相关函数正轴（0~10 s）与负轴（-10~0 s）振幅的最大绝对值比值来表征其对称性，振幅比越接近1，则对称性越好。如图5所示，互相关函数振幅比主要集中在0.5~1.5之间，且随着互相关时长的增加，振幅比向1聚集，5天时长的噪声互相关函数的对称性最好，即随着观测时长的增加，噪声源分布更加均匀。对称性分析结果表明，在台阵观测期间，该岛体1~5 Hz噪声源分布较均匀，没有明显的方向差异。

图5 噪声互相关函数正负轴信号振幅比。（a）~（d）分别表示1 h、12 h、1 d和5 d时长的噪声互相关函数正负轴振幅比。

3、 方法和结果

3.1 方法

在噪声成像过程中，我们采用了5天时长的连续波形，提取了1~5 Hz的噪声互相关函数，并通过正负轴平均进一步提高信噪比，共获取了189对互相关函数[图6（a）]。我们利用多重滤波方法从互相关函数中提取瑞利波群速度[46]，为保证频散曲线的可靠性，台间距小于1.5倍波长的数据被剔除。最终获得了0.2~0.5 s周期瑞利面波群速度频散曲线[图6（b）]，结果显示群速度主要分布在1.2~1.9 km·s-1，平均值约为1.4 km·s-1，数据个数范围为161~189。群速度频散曲线的强烈波动（1.2~1.9 km·s-1）可能表明珊瑚岛礁的速度在水平方向上具有显著的不均匀性。因此，我们根据频散曲线的射线路径将其分为三部分[图6（c）]：①在外礁坪上传播的射线（红色）；②在内礁坪上传播的射线（蓝色）；③同时在珊瑚礁内、外礁坪传播的射线（黑色）。可以发现，穿过外礁坪的射线的群速度大于平均群速度，而穿过内礁坪的射线群速度小于平均群速度[图6（b）]，这意味着外礁坪的S波速度大于内礁坪的S波速度。

图6 成像使用的互相关函数、群速度频散曲线和射线分布。（a）5 d时长、1~5 Hz波形的互相关函数正负轴平均结果，图中红线表示1.3 km·s-1的传播速度。（b）由图（a）互相关函数提取的0.2~0.5 s周期瑞利面波群速度频散曲线，红色、蓝色和黑色线分别表示在外礁坪、内礁坪和整个礁坪上传播的射线的频散曲线，红色圆圈为所有数据平均值，蓝色星形表示数据个数。（c）频散曲线对应的台站和射线分布；三角形表示台站，红线、蓝线和黑线分别是在外礁坪、内礁坪和整个礁坪上传播的射线。

在获取群速度频散曲线后，我们使用快速行进法进行射线追踪，使用子空间反演算法进行0.2~0.5 s周期瑞利波群速度的二维分布反演[47]。由于面波传播的直射线假设在水平非均匀介质中不再成立，而快速行进法考虑了射线路径的弯曲，可以改善成像结果[47]。在获得不同周期的群速度图像后，我们将每个水平格点处的一维S波速度模型划分为20 m每层，并使用线性反演方法[46]反演其速度结构，最终通过整合所有一维反演结果构建珊瑚岛礁的三维S波速度结构。

3.2 结果

在进行反演成像前，我们首先通过棋盘格测试以确定群速度数据的横向分辨率。我们在每个周期的平均群速度基础上，设置网格大小为150 m×200 m、速度异常为± 0.1 km·s-1 [图7（a）]的棋盘格模型；接着按实际数据的分布和数量[图7（b）]进行了理论模型的走时正演；最后利用这些正演数据进行反演，获取棋盘格恢复结果。虽然受台站分布的限制，数据射线方位角主要以NWW-SEE向为主[图6（c）、图7（b）]，棋盘格测试结果存在轻微的NWW-SEE向模糊现象，但我们的结果显示，0.2 s、0.3 s、0.4 s和0.5 s周期的群速度棋盘格模型在数据覆盖区均能得到很好恢复[图7（c）~（f）]，说明本研究中使用的数据能够揭示该岛体的横向变化特征。

图7 成像结果棋盘格分辨率测试。（a）棋盘格理论模型；（b）每个格点的射线方位分布情况；（c）~（f）分别为0.2 s、0.3 s、0.4 s和0.5 s周期的群速度棋盘格测试结果。图中三角表示所用台站。

我们获得的0.2 s、0.3 s、0.4 s和0.5 s周期的群速度反演结果见图8（a）~（d）。结果显示岛体地下结构在横向上存在明显不均一性，所有周期的群速度都表现为向海侧（东北侧）高、向潟湖侧（西南侧）低的特征。同时，西南侧低速异常还可分为北西、南东两部分。岛礁三维S波速度结构的反演结果见图9，根据不同周期群速度的深度敏感核[图9（d）]，我们认为本研究使用的数据对400 m以浅的结构约束较好，因此最终展示了珊瑚岛礁浅表0~40 m的反演结果[图9（a）]。三维S波速度结构整体上呈现了向海侧（东北侧）高、向潟湖侧（西南侧）低的特征，其速度主要分布在1.3~1.8 km·s-1左右，这与南海“南永一井”岩芯样品揭示的160 m深度以浅礁灰岩S波速度的变化范围（约1.2~2.3 km·s-1）很一致[48]，说明我们的反演结果是可信的。对比不同深度水平切片可以发现，200 m以浅高、低速的分区性明显，横向上具有强烈的结构非均质性；而随着深度的增加，岛体高低速差异逐渐减小，表明岛礁地层随深度横向差异性逐渐消失。

图8 0.2 s、0.3 s、0.4 s和0.5 s周期群速度反演结果，图中黑色星形表示所用台站。

图9 S波速度成像结果、钻井岩芯孔隙度以及群速度深度敏感核。（a）岛礁三维S波速度结构在不同深度（0~400 m）的切片图，黑色星形为地震台站，灰色柱状为钻井位置。（b）钻井位置处的S波速度随深度变化；根据钻探岩心样品的年龄信息，研究珊瑚礁400 m以上的地层可分为三个时期：第四纪、上新世和晚中新世。（c）钻井岩芯孔隙度随深度变化。（d）0.2 s、0.3 s、0.4 s和0.5 s不同周期群速度的深度敏感核。

我们研究的岛礁上也实施了钻井岩芯取样，通过对岩芯样品的孔隙度进行分析计算，发现不同深度地层的孔隙度存在明显差异，其中，在25~75 m和200~300 m深度处存在两个孔隙度高达约60%的相对较高的层位[图9（c）]。在相同深度层位上，我们的S波速度结构也表现为低速异常[图9（b）]，与岩芯孔隙度具有高度一致性。从棋盘格测试（图7）和敏感度分析结果[图9（d）]来看，我们所揭示的这两个低速层位是可信的。这一对比结果说明我们通过噪声信号获取的岛礁浅部结构很好地反映了地下物质组成的差异性，能够揭示出岛礁内部薄弱构造层的发育特征。

4、 讨论

4.1 噪声成像揭示的岛礁地质结构特征

珊瑚岛礁浅部地层是探究礁体工程地质的主要对象，由生物碎屑砂砾层和礁灰岩层组成。生物碎屑砂砾层是由原生或次生珊瑚礁岩、贝壳、珊瑚等经生物、水动力作用形成的未胶结、弱胶结的松散沉积层[2,7]，地层总体由礁坪向潟湖进积，外礁坪多为原生礁，胶结程度高，潟湖主要由珊瑚碎屑构成，呈欠固结状态[8,49]。礁灰岩是由原地生长的珊瑚群死亡后骨架经地质作用形成的石灰岩，其在形成过程中，受当时气候、海平面变化及岛体沉降与抬升等因素的影响，层中普遍发育松散砂砾层及不整合面，常出现孔洞及溶洞[8‒9]。生物碎屑层、礁灰岩的分布及其胶结、松散程度是制约礁体稳定性的关键因素。

我们获得的三维S波速度结构揭示了珊瑚岛礁不同部位浅表地层的物质状态与薄弱构造。横向上，岛体东北侧靠外海，西南侧靠近潟湖[图1（a）]，在速度结构上表现为东北高、西南低的特征[图8和图9（a）]，这与岛礁地层从外礁坪向潟湖的物质原生状态与胶结程度逐渐降低的发育模式极为吻合。纵向上，钻井岩芯样品揭示岛礁地层在25~75 m和200~300 m深度处存在两个孔隙度明显偏高的层位[图9（c）]，与我们获得的S波低速异常非常一致[图9（b）]。0~220 m岩芯样品的岩石学和地球化学资料表明，研究区珊瑚礁地层的发育主要受控于区域海平面变化，约0.23~0.9 Ma期间南海海平面降低造成珊瑚岛礁生长停滞、地层暴露并遭受风化[50]，这导致了25~75 m深度出现高孔隙度和低速异常（图10）。

图10 成像结果剖面图。（a）地表S波反演结果及剖面位置，图中黑色星形为地震台站，红色方形为钻井；（b）~（d）分别为三条剖面S波速度，图中Lv1和Lv2分别表示钻井在25~75 m和200~300 m深度处发现的两个高孔隙度层位；（c）中灰色柱状表示钻井。

与25~75 m深度的低速异常相比，虽然200~300 m深度低速异常在钻孔位置与岩芯高孔隙结构发育一致[图9（b）、（c）]，但三维成像结果揭示该异常并不是在整个岛礁内部普遍发育，仅在局部地区较为清晰（图10）。在外礁坪AA´剖面上[图10（b）]，S波速度在约200 m深度发生低速反转，75~200 m深度的速度值要高于200 m以深的地层速度。前人研究表明，外礁坪在生长发育过程中地层主要由原生礁组成，胶结程度随深度提高[8‒9,49]。如果没有外界地质事件的影响，其地层速度随深度应该不会发生明显的低速反转现象。因此，我们的研究结果所揭示的外礁坪200~300 m深度处地层的明显低速反转现象应该与某期地层暴露、遭受剥蚀风化事件有关。但由于200~300 m深度地层形成时间比25~75 m更早，因此在沉积后的压实过程中可能经历了更强烈的横向压力，造成该深度横向上地层结构的非均质性。

南海西沙、南沙岛礁岩芯样品研究结果表明，南海在早中新世以来发生过多期海平面变化事件[24‒26]，我们推测200~300 m地层低速反转现象可能是其中一次事件的地质印迹。当然，我们的数据敏感性在垂向上随深度增加而减小[图9（d）]，因此，200~300 m深度成像的结果比浅部要相对光滑，这是解释25~75 m低速异常与200~300 m低速异常之间差异时需要考虑的另一个因素。

总的来说，我们的研究结果表明，由密集台阵环境噪声成像获取的S波速度结构可以很好地反映出岛礁地层结构的非均质分布特征，成功刻画了岛礁内部地质薄弱区域（如低速、高孔隙度层位），这说明基于密集台阵环境噪声成像技术是探测珊瑚岛礁浅部结构的有效手段，能为珊瑚岛礁构造演化研究和工程建设提供重要参考。

4.2 岛礁噪声成像的优选频率范围

噪声成像利用地震环境噪声进行地下结构探测，因此成像的质量与噪声来源和特性密切相关。早期研究表明低频噪声（小于1 Hz）主要来自于自然活动，如海洋活动或者大尺度的气象条件等；中频噪声（1~5 Hz）有可能来自自然活动（局部气象条件），也有可能来自人工活动；高频噪声（大于5 Hz）主要来自人工活动[51‒53]。我们的分析结果表明，在海洋孤立珊瑚岛礁上，0.2~5 Hz频带的噪声频谱具有很好的相关性[图2（a）~（e）]，从中可获取高信噪比的互相关函数且正负轴对称性良好[图2（f）、（g）]，说明0.2~5 Hz的噪声源一致且均匀分布于岛体周边。结合珊瑚岛礁远离人类聚集区的特点，研究认为珊瑚岛礁5 Hz以下信号主要来自自然活动，可很好地应用于噪声成像。而对于5 Hz以上信号，不同台站的频谱差异显著[图2（a）~（e）]，互相关运算无法提取相应频段的有效互相关函数[图2（h）]。我们认为，这一频段信号主要来自人工活动，而岛礁区人口较少，人工活动引起的噪声难以满足噪声成像要求的声源均匀随机分布特性，进而限制了高频信号的应用。

需要注意的是，虽然我们的分析结果表明，珊瑚岛礁不同台站的低频信号段（0.2~5 Hz）具有很好的相关性[图2（a）~（e）]，且可获取高信噪比的互相关函数[图2（f）、（g）]，但并非所有低频信号都可用于珊瑚岛礁环境噪声成像工作。这是因为在进行基于射线理论的环境噪声成像过程中，需要从噪声互相关函数中提取频散曲线，为了保证频散数据的可靠性，通常要求台间距大于1.5倍波长[54‒55]；即所用信号的频率越低，则信号波长越长，需要的台间距越大。但与大陆区域动辄几百甚至几千公里的台阵孔径不同[27‒28,56]，对于典型的珊瑚岛礁，其陆域和潟湖宽度通常只介于几百米到几公里之间，密集台阵探测的孔径会受到岛礁面积大小的限制，进而限制低频信号的应用。

以本研究探测试验为例，我们只使用了1~5 Hz的信号[图6（b）]，对应的成像最大深度约400 m [图9（d）]，这是由于阵列孔径小于2 km [图6（a）]。因此，与具有较短周期的群速度数据相比，具有较长周期的群速度数据要少得多，进而限制了较长周期群速度数据的横向分辨率。假设岛礁瑞利面波群速度为1.4 km·s-1 [图6（b）]，则1 Hz信号的波长为1.4 km，对应最小台间距为2.1 km (1.4 km ×1.5)，接近我国南海大部分珊瑚岛礁陆域大小。因此，在珊瑚岛礁进行密集台阵噪声成像时，应重点关注1~5 Hz的噪声信号。根据成像结果（图9），建立如图11（a）的珊瑚岛礁浅部一维S波速度模型，1 Hz、2 Hz和5 Hz瑞利面波群速度深度敏感核如图11（b）所示。我们发现1~5 Hz信号主要反映珊瑚岛礁800 m以浅的速度结构。与珊瑚岛礁上主动源面波探测深度（约25 m）相比[12]，噪声成像可获取珊瑚岛礁更深的地层结构特征。但同时也要说明的是，由于噪声成像使用的频带低于主动源面波探测，其成像精度也略差。

图11 理论模型下岛礁1~5 Hz噪声群速度所能约束的S波速度结构深度。（a）珊瑚岛礁一维S波速度结构；（b）（a）中所示一维模型对应的1 Hz、2 Hz和5 Hz瑞利面波群速度的深度敏感核。

4.3 岛礁噪声成像所需波形记录时长

除台间距外，环境噪声成像还要求互相关函数的信噪比达到一定的阈值（如3.5、5、7和15等[29,55‒57]），以保证提取频散数据的可靠性。同时，成像所用信号的噪声源分布越随机和均匀，则其由互相关计算提取的经验格林函数越接近真实格林函数，成像结果误差越小[58‒60]。

在大陆地区进行噪声成像时，通常是通过提高仪器记录时长来提高互相关函数的信噪比和对称性[38]。然而，珊瑚岛礁孤悬大海，野外作业成本高昂，同时海岛潮湿环境容易对仪器造成腐蚀，夏季还可能受到台风等极端天气的影响，不利于大规模长期观测的实施。幸运的是，我们的探测实验表明，对于珊瑚岛礁区5 Hz以下噪声信号，仅需一天时长的观测波形即可提取出高信噪比互相关函数（图3和图4），且互相关函数的对称性良好（图5）。这可能是由于与大陆区域不同，珊瑚岛礁岛体面积狭小且四面环海，自然活动噪声源均匀分布于岛礁四周，且由信号源传播到台阵的距离很短，能量衰减有限。加上岛礁人工活动干扰很小，使得我们可以利用很短时间的波形记录，即可获取5 Hz以下高质量的互相关函数，极大地提高探测效率和降低作业成本。

环境噪声成像技术属于被动源探测技术，其在探测过程中，不需要主动源激发信号，这不仅省去了激发信号的工作量，还可避免主动源对岛体生态环境的破坏。因此，基于密集台阵观测的环境噪声成像技术能够经济高效、环境友好地开展珊瑚岛礁浅表地层结构的探测，是未来岛礁工程地质研究的优选手段之一。

5、 结论

本研究通过在南海岛礁上布设密集地震台站，利用连续5 d时长的环境噪声数据，开展了海洋中孤立珊瑚岛礁的噪声信号特征分析和浅表三维地质结构环境噪声成像研究。我们发现海洋中孤立岛礁的噪声信号大致可分为1 Hz以下、1~5 Hz和5 Hz以上三部分。

5 Hz以下噪声频谱特征在不同台站均具有很好的一致性，表明其主要来源于自然活动，且仅需1 d时长的连续波形即可获取高信噪比且对称性良好的互相关函数。相反，5 Hz以上信号难以提取高质量互相关函数。由于阵列孔径会受岛礁面积限制，研究认为在岛礁区开展密集台阵噪声成像时，应重点关注1~5 Hz噪声信号。

成像结果表明珊瑚岛礁浅表地质结构具有明显的分区性，岛体S波速度总体表现为向海侧高、向潟湖侧低的特征，这与岛礁向海侧的外礁坪地层胶结程度较高一致。我们发现岛礁在25~75 m和200~300 m处存在两个低速层位，这与岩芯样品揭示的高孔隙层位具有很好的一致性，反映了岛礁形成过程中经历了多次地层暴露、强烈风化的地质事件。我们的研究结果表明，环境噪声成像能够经济高效、环境友好地获取珊瑚岛礁浅表精细结构。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Zhao H, Wang L, Yuan J. Sustainable development of the coral reefs in the South China Sea Islands. Trop Geogr 2016;36(1):55‒65. Chinese.
[2]

An Z, Li G, Ma Y, Xu J, Ding D, Yang Z, et al. Research on coral reefal geological stability. Mark Sci 2018;42(3):113‒20. Chinese.
[3]

Bellwood DR, Hughes TP. Regional-scale assembly rules and biodiversity of coral reefs. Science 2001;292(5521):1532‒5.
[4]

Huang R, Yu K, Wang Y, Liu J, Zhang H. Progress of the study on coral reef remote sensing. Natl Remote Sens Bull 2019;23(6):1091‒112. Chinese.
[5]

Camoin GF, Webster JM. Coral reef response to Quaternary sea-level and environmental changes: state of the science. Sedimentology 2015;62(2):401‒28.
[6]

Sun Z, Zhao H. Coral reef engineering geology advancing of a new discipline. Hydrogeol Eng Geol 1998;42(1):1‒4. Chinese.
[7]

Kayanne H, Yamano H, Randall RH. Holocene sea-level changes and barrier reef formation on an oceanic island, Palau Islands, western Pacific. Sediment Geol 2002;150(1‒2):47‒60.
[8]

Gischler E, Hudson JH. Holocene development of the Belize Barrier Reef. Sediment Geol 2004;164(3‒4):223‒36.
[9]

Woodroffe CD, Webster JM. Coral reefs and sea-level change. Mar Geol 2014;352:248‒67.
[10]

Synolakis CE, Bardet JP, Borrero JC, Davies HL, Okal EA, Silver EA, et al. The slump origin of the 1998 Papua New Guinea Tsunami. P Roy Soc A-Math Phy 2002;458(2020):763‒89.
[11]

Mulia IE, Watada S, Ho TC, Satake K, Wang Y, Aditiya A. Simulation of the 2018 Tsunami due to the flank failure of Anak Krakatau Volcano and implication for future observing systems. Geophys Res Lett 2020;47(14). e2020GL087334.
[12]

Cui Y, Ma L, Liu H, Huang J. Discussion on geophysical methods applied to investigation of coral island and reef. Rock Soil Mech 2014;35(S2):683‒9.
[13]

Walter DJ, Lambert DN, Young DC. Sediment facies determination using acoustic techniques in a shallow-water carbonate environment, Dry Tortugas, Florida. Mar Geol 2002;182(1‒2):161‒77.
[14]

Somoza L, Ercilla G, Urgorri V, León R, Medialdea T, Paredes M, et al. Detection and mapping of cold-water coral mounds and living Lophelia reefs in the Galicia Bank. Atlantic NW Iberia margin. Mar Geol 2014;349:73‒90.
[15]

Saqab MM, Bourget J. Seismic geomorphology and evolution of early-mid Miocene isolated carbonate build-ups in the Timor Sea, North West Shelf of Australia. Mar Geol 2016;379:224‒45.
[16]

Van Tuyl J, Alves TM, Cherns L. Geometric and depositional responses of carbonate build-ups to Miocene sea level and regional tectonics offshore northwest Australia. Mar Pet Geol 2018;94:144‒65.
[17]

Huang X, Betzler C, Wu S, Bernhardt A, Eagles G, Han X, et al. First documentation of seismic stratigraphy and depositional signatures of Zhongsha atoll (Macclesfield Bank), South China Sea. Mar Pet Geol 2020;117:104349.
[18]

Grainge AM, Davies KG. Reef exploration in the east Sengkang Basin, Sulawesi. Indonesia Mar Pet Geol 1985;2(2):142‒55.
[19]

Wu S, Yu K, Li X, Zhang H, Chen W. The evolution of the carbonate platforms in the South China Sea. Sci Technol Rev 2020;38(18):68‒74. Chinese.
[20]

Leclerc F, Feuillet N, Cabioch G, Deplus C, Lebrun JF, Bazin S, et al. The Holocene drowned reef of Les Saintes plateau as witness of a long-term tectonic subsidence along the Lesser Antilles volcanic arc in Guadeloupe. Mar Geol 2014;355:115‒35.
[21]

Webster JM, George NPJ, Beaman RJ, Hill J, Puga-Bernabéu Á, Hinestrosa G, et al. Submarine landslides on the Great Barrier Reef shelf edge and upper slope: a mechanism for generating tsunamis on the north-east Australian coast? Mar Geol 2016;371:120‒9.
[22]

Puga-Bernabéu A, Beaman RJ, Webster JM, Thomas AL, Jacobsen G. Gloria Knolls Slide: A prominent submarine landslide complex on the Great Barrier Reef margin of north-eastern Australia. Mar Geol 2017;385:68‒83.
[23]

Xiu C, Zhang D, Zhai S, Liu X, Bi D. Zricon U-Pb age of granitic rocks from the basement beneath the Shi Island, Xisha Islands and its geological significance. Mar Geol Quat Geol 2016;36(3):115‒26. Chinese.
[24]

Wu F, Xie X, Betzler C, Zhu W, Zhu Y, Guo L, et al. The impact of eustatic sealevel fluctuations, temperature variations and nutrient-level changes since the Pliocene on tropical carbonate platform (Xisha Islands, South China Sea). Palaeogeogr Palaeoclimatol Palaeoecol 2019;514:373‒85.
[25]

Yi L, Deng C, Yan W, Wu H, Zhang C, Xu W, et al. Neogen‒quaternary magnetostratigraphy of the biogenic reef sequence of core NK-1 in Nansha Qundao. South China Sea Sci Bull 2021;66(3):200‒3.
[26]

Shapiro NM, Campillo M, Stehly L, Ritzwoller MH. High-resolution surfacewave tomography from ambient seismic noise. Science 2005;307(5715):1615‒8.
[27]

Yao H, van der Hilst RD, de Hoop MV. Surface wave array tomography in SE Tibet from ambient seismic noise and two-station analysis—I. phase velocity maps. Geophys J Int 2006;166(2):732‒44.
[28]

Yao H, Beghein C, van der Hilst RD. Surface wave array tomography in SE Tibet from ambient seismic noise and two-station analysis—II. crustal and uppermantle structure. Geophys J Int 2008;173(1):205‒19.
[29]

Lin FC, Ritzwoller MH, Townend J, Bannister S, Savage MK. Ambient noise Rayleigh wave tomography of New Zealand. Geophys J Int 2007;170(2):649‒66.
[30]

Lin FC, Li D, Clayton RW, Hollis D. High-resolution 3D shallow crustal structure in Long Beach, California: application of ambient noise tomography on a dense seismic array. Geophysics 2013;78(4):Q45‒56.
[31]

Roux P, Moreau L, Lecointre A, Hillers G, Campillo M, Ben-Zion Y, et al. A methodological approach towards high-resolution surface wave imaging of the San Jacinto Fault Zone using ambient-noise recordings at a spatially dense array. Geophys J Int 2016;206(2):980‒92.
[32]

Gu N, Wang K, Gao J, Ding N, Yao H, Zhang H. Shallow crustal structure of the Tanlu Fault Zone near Chao Lake in eastern China by direct surface wave tomography from local dense array ambient noise analysis. Pure Appl Geophys 2018;176(3):1193‒206.
[33]

Mordret A, Roux P, Boue P, Ben-Zion Y. Shallow three-dimensional structure of the San Jacinto fault zone revealed from ambient noise imaging with a dense seismic array. Geophys J Int 2019;216(2):896‒905.
[34]

Yang H, Duan Y, Song J, Jiang X, Tian X, Yang W, et al. Fine structure of the Chenghai fault zone, Yunnan, China constrained from teleseismic travel time and ambient noise tomography. J Geophys Res Solid Earth 2020;125(7): e2020JB019565.
[35]

Cheng F, Xia J, Ajo-Franklin JB, Behm M, Zhou C, Dai T, et al. High-resolution ambient noise imaging of geothermal reservoir using 3C dense seismic nodal array and ultra-short observation. J Geophys Res 2021;126(8). e2021JB021827.
[36]

Zhou C, Xia J, Pang J, Cheng F, Chen X, Xi C, et al. Near-surface geothermal reservoir imaging based on the customized dense seismic network. Surv Geophys 2021;42(3):673‒97.
[37]

Garambois S, Voisin C, Romero Guzman M, Brito D, Guillier B, Refloch A. Analysis of ballistic waves in seismic noise monitoring of water table variations in a water field site: added value from numerical modelling to data understanding. Geophys J Int 2019;219(3):1636‒47.
[38]

Grobbe N, Mordret A, Barde-Cabusson S, Ellison L, Lach M, Seo YH, et al. A multi-hydrogeophysical study of a watershed at Kaiwi Coast (O’ahu, Hawai’i), using seismic ambient noise surface wave tomography and self-potential data. Water Resour Res 2021;57(4):e2020WR029057.
[39]

Wang S, Sun X, Liu L, Zong J. Sub-surface structures and site effects extracted from ambient noise in metropolitan Guangzhou. China. Eng Geol 2020;268:105526.
[40]

Yang X, Gao H, Rathnayaka S, Li C. A comprehensive quality analysis of empirical green’s functions at ocean-bottom seismometers in Cascadia. Seismol Res Lett 2019;90(2A):744‒53.
[41]

Wolf FN, Lange D, Dannowski A, Thorwart M, Crawford W, Wiesenberg L, et al. 3D crustal structure of the Ligurian Sea revealed by ambient noise tomography using ocean bottom seismometer data. Solid Earth Discuss 2021;12:2597‒613.
[42]

Tian J, Lin J, Zhang F, Xu M, Zhang Y, Guo L, et al. Time correction of oceanbottom seismometers using improved ambient noise cross correlation of multicomponents and dual-frequency bands. Seismol Res Lett 2021;92(3):2004‒14.
[43]

Bensen GD, Ritzwoller MH, Barmin MP, Levshin AL, Lin F, Moschetti MP, et al. Processing seismic ambient noise data to obtain reliable broad-band surface wave dispersion measurements. Geophys J Int 2007;169(3):1239‒60.
[44]

Schimmel M, Stutzmann E, Gallart J. Using instantaneous phase coherence for signal extraction from ambient noise data at a local to a global scale. Geophys J Int 2011;184(1):494‒506.
[45]

Stehly L, Campillo M, Shapiro NM. A study of the seismic noise from its longrange correlation properties. J Geophys Res 2006;111(B10):B10306.
[46]

Herrmann RB. Computer programs in seismology: an evolving tool for instruction and research. Seismol Res Lett 2013;84(6):1081‒8.
[47]

Rawlinson N, Sambridge M. Wave front evolution in strongly heterogeneous layered media using the fast marching method. Geophys J Int 2004;156(3):631‒47.
[48]

Sun Z, Lu B. Elastic wave properties of coral reef rock in Nansha Islands. J Eng Geol 1999;7(2):175‒80. Chinese.
[49]

Zhao H, Wang L. Construction of artificial islands on coral reef in the South China Sea Islands. Trop Geogr 2017;37(5):681‒93. Chinese.
[50]

Luo Y, Li G, Xu W, Cheng J, Liu J, Yan W. Characteristics of Quaternary exposure surfaces in Well Nanke 1 and its relationship with sea level changes. J Trop Oceanogr 2022;41(1):15. Chinese.
[51]

Gutenberg B. Microseisms. Adv Geophys 1958;5:53‒92.
[52]

Asten MW. Geological control of the three-component spectra of Rayleighwave microseisms. Bull Seismol Soc Am 1978;68(6):1623‒36.
[53]

Bonnefoy-Claudet S, Cotton F, Bard PY. The nature of noise wavefield and its applications for site effects studies: a literature review. Earth Sci Rev 2006;79(3‒4):205‒27.
[54]

Li C, Yao H, Fang H, Huang X, Wan K, Zhang H, et al. 3D near-surface shearwave velocity structure from ambient-noise tomography and borehole data in the Hefei urban area. China Seismol Res Lett 2016;87(4):882‒92.
[55]

Li Z, Ni S, Zhang B, Bao F, Zhang S, Deng Y, et al. Shallow magma chamber under the Wudalianchi Volcanic Field unveiled by seismic imaging with dense array. Geophys Res Lett 2016;43(10):4954‒61.
[56]

Yang Y, Ritzwoller MH, Levshin AL, Shapiro NM. Ambient noise Rayleigh wave tomography across Europe. Geophys J Int 2007;168(1):259‒74.
[57]

Liu Y, Zhang H, Fang H, Yao H, Gao J. Ambient noise tomography of threedimensional near-surface shear-wave velocity structure around the hydraulic fracturing site using surface microseismic monitoring array. J Appl Geophys 2018;159:209‒17.
[58]

Yao H, van der Hilst RD. Analysis of ambient noise energy distribution and phase velocity bias in ambient noise tomography, with application to SE Tibet. Geophys J Int 2010;179:1113‒32.
[59]

Froment B, Campillo M, Roux P, Gouédard P, Verdel A, Weaver RL. Estimation of the effect of nonisotropically distributed energy on the apparent arrival time in correlations. Geophysics 2010;75(5):SA85‒93.
[60]

Delaney E, Ermert L, Sager K, Kritski A, Bussat S, Fichtner A. Passive seismic monitoring with nonstationary noise sources. Geophysics 2017;82(4): KS57‒70.

基金资助

()

AI Summary AI Mindmap
PDF (6606KB)

2169

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉