天文学、地球科学青藏高原几次强烈地震前射出长波辐射异常

宫逸飞; 郭晓; 郭鼎楠; 许媛延; 覃秋林

doi:10.12404/j.issn.1671-1815.2503096

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (8) :3191-3201 DOI: 10.12404/j.issn.1671-1815.2503096

天文学、地球科学

天文学、地球科学青藏高原几次强烈地震前射出长波辐射异常

宫逸飞 ¹ ,
郭晓 ¹^,²^,^* ,
郭鼎楠 ¹ ,
许媛延 ³ ,
覃秋林 ¹

作者信息 +

OLR Anomalies before Several Strong Earthquakes on the Qinghai-Xizang Plateau

GONG Yi-fei ¹ ,
GUO Xiao ¹^,²^,^* ,
GUO Ding-nan ¹ ,
XU Yuan-yan ³ ,
QIN Qiu-lin ¹

Author information +

文章历史 +

摘要

随着卫星遥感技术的进步,热红外异常监测成为探寻地震前兆的关键技术方法。依据青藏高原2010—2023年6次M_S≥6.5震例,整合射出长波辐射(outgoing longwave radiation,OLR)、地表温度场、气压场及积雪覆盖率数据,通过小波变换和功率谱分析,揭示了震前热力学异常响应规律。结果表明:强震前3个月内OLR功率谱呈显著异常,异常幅度、范围与震级正相关,空间上有震中覆盖等三类模式,多数异常位于震中附近120 km内,部分存在前兆性双峰异常,为破裂方向预测提供物理依据;地表气温呈现“增温-降温-再增温”三阶段模式,与OLR时空变化一致,积雪覆盖率通过调控地表反照率间接影响OLR强度,可作为辅助判据,而气压场异常与地震前兆无显著相关性;岩石圈-大气圈-电离层(lithosphere-atmosphere-ionosphere, LAI)耦合理论等可解释该热力学异常成因,为建立震型与热异常判别模型、推动强震短期预测提供理论支撑。

Abstract

With the advancement of satellite remote sensing technology, thermal infrared anomaly monitoring has become a critical technique for identifying earthquake precursors. Outgoing longwave radiation (OLR), surface temperature field, pressure field, and snow cover rate data from six M_S ≥ 6.5 earthquakes on the Qinghai-Xizang Plateau (2010—2023) were integrated, and wavelet transform and power spectrum analysis were applied to reveal pre-earthquake thermodynamic anomaly patterns. The results show that the OLR power spectrum exhibits significant anomalies within three months prior to strong earthquakes. The amplitude and scope of these anomalies are positively correlated with the earthquake magnitude. Spatially, three patterns including epicenter-overlying are observed, with most anomalies occurring within 120 km around the epicenter. Some cases present precursory double-peak anomalies, which provide physical evidence for predicting the rupture direction. The surface air temperature follows a three-stage pattern of “warming-cooling-re-warming”, which is consistent with the spatiotemporal variations of OLR. The snow cover ratio indirectly affects the OLR intensity by regulating the surface albedo and thus can serve as an auxiliary criterion, while the pressure field anomalies show no significant correlation with earthquake precursors. The lithosphere-atmosphere-ionosphere (LAI) coupling theory and other related mechanisms can explain the physical causes of such thermodynamic anomalies, which lay a foundation for establishing discriminant models between earthquake types and thermal anomalies and provide theoretical support for promoting the short-term prediction of strong earthquakes.

Graphical abstract

关键词

地震预测 / 射出长波辐射(OLR) / 青藏高原 / 卫星热红外遥感

Key words

earthquake prediction / outgoing longwave radiation(OLR) / Qinghai-Xizang Plateau / satellite thermal infrared remote sensing

引用本文

引用格式 ▾

宫逸飞, 郭晓, 郭鼎楠, 许媛延, 覃秋林. 天文学、地球科学青藏高原几次强烈地震前射出长波辐射异常[J]. 科学技术与工程, 2026, 26(8): 3191-3201 DOI:10.12404/j.issn.1671-1815.2503096

GONG Yi-fei, GUO Xiao, GUO Ding-nan, XU Yuan-yan, QIN Qiu-lin. OLR Anomalies before Several Strong Earthquakes on the Qinghai-Xizang Plateau[J]. Science Technology and Engineering, 2026, 26(8): 3191-3201 DOI:10.12404/j.issn.1671-1815.2503096

登录浏览全文

4963

注册一个新账户忘记密码

据《全球地震目录》及中国地震台网中心数据综合统计,2010—2023年末,全球共记录到680余次震级M_S≥6.5的强震事件。地震活动呈现高频次特征,分布在环太平洋地震带、欧亚地震带及各大板块边界等构造活跃区,凸显了地震灾害的时空不确定性^[1]。在全球地震活动周期缩短、人口聚集区持续扩张的双重背景下,地震灾害造成的经济损失与人员伤亡呈现显著上升趋势,这使得通过前兆研究提升地震预测能力成为防灾减灾领域的重大科学命题。

地震前兆研究涵盖电磁、地温、形变等多领域,其中热红外遥感通过地表温度异常监测,成为探索地震前兆的新兴技术方向。1988年,Grony等^[2]通过分析中亚加兹利地震前的卫星热红外影像数据,首次记录到震前地表热辐射异常现象,开创了借助热红外遥感技术获取实时地震前兆信息的全新路径。孙洪斌等^[3]于1990年提出了地气系统射出长波辐射与构造活动的关系机制,推动了该技术在地震预测中的实际应用。近30年来,随着卫星遥感技术的快速发展,针对不同类型的卫星遥感数据,众多学者提出了多样化的地震热辐射异常提取方法。Ouzounov等^[4]提出了涡度背景场法,该方法通过对射出长波辐射(outgoing longwave radiation, OLR)经纬网格点位值进行涡度量化处理,系统计算OLR数据的涡度特征,借助量化涡度参数,能够有效捕捉震前OLR场信息的逐日动态演变规律。郭晓等^[5]以风云系列静止卫星获取的OLR数据为基础,提出“功率谱相对变化法”,该方法可实现对OLR数据功率谱的精准分析,并据此精确计算其相对变化量。Qin等^[6]基于GEOSS系统,提出了用于热异常识别的DTS-T(deviation-time-space-thermal)方法,该方法通过构建多维评估体系,从偏差显著性、时间准同步性、空间邻接性及热辐射异常方面,能够实现对地震热异常的量化分析。廖洪月等^[7]提出了适合大规模、大范围甚至全球热红外数据的同步或准同步快速分析处理的均线插值振幅增强比法。伊尔潘·艾尼瓦尔等^[8]针对定日M_S6.8地震提出了热红外加权平均法,该方法构建了地表温度、表面净太阳辐射等多变量数据集,能够针对不同变量上的异常信息进行可靠的提取。同时,震前热异常也在许多震例中得到验证。Chakraborty等^[9]以美国国家海洋和大气管理局(National Oceanic and Atmospheric Administration,NOAA)的红外辐射(infrared radiation,IR)逐日数据为基础,通过涡旋场计算均值法研究地震与OLR的关联。结果表明:2015年尼泊尔M_S7.3地震前3 d,震中周围OLR涡度场曲线出现奇异特征,震后该奇异点逐步消失,此现象被认为可能与地震的能量释放过程有关。Jeyaraman等^[10]针对印度尼西亚西穆卢地区2004—2014年M_S5.0以上地震,探讨了固体潮不规则性和OLR异常与强震的关系,并利用神经网络预测地震的发生,结果显示出OLR在短期地震预测方面的潜力。张桉赫等^[11]针对新疆及周边地区进行热红外异常总结与分析,结果表明:在该区域,各震级档的优势发震区域均为异常边缘至周边200 km内,且热红外异常在阿尔金地区的强震震前出现的次数最多。

综上所述,热红外遥感凭借其大范围、实时性等监测优势,已成为地震前兆研究的核心技术方向,中外学者针对射出长波辐射、地表温度等参数提出多种异常提取方法,且在尼泊尔M_S7.3地震等典型震例中验证了技术潜力,初步揭示了热红外异常的时空演化规律。但当前研究仍存在明显不足:异常与地震参数的关联较为单一,提取方法缺乏多源数据与通用框架。为弥补这些缺陷,构建“多源数据融合-干扰剔除-定性判断-总结验证”技术路线,整合风云系列多源热红外数据及2010—2023年青藏高原区域M_S≥6.5强震目录与辅助数据,通过小波变换、功率谱估计等关键方法,丰富地震前兆识别理论与技术体系,为精准预测提供新思路;在实践中提升青藏高原区域强震短期预测能力,为防灾减灾提供技术支撑,同时,其数据整合与干扰剔除技术具备跨领域交叉融合价值,长远来看将推动防灾减灾从被动应对向主动预警转变,为全球地震监测合作与灾害预警体系构建贡献力量。

1 研究区概况与数据处理

1.1 研究区概况

聚焦青藏高原中东部地区(图1),该构造单元发育昆仑-秦岭、祁连-龙门等多个断裂系统,形成由多期次走滑-逆冲复合断裂控制的构造地貌体系,区域平均海拔超过4 500 m,最大地形起伏度达3 000 m,孕震背景复杂^[12],最大历史地震为1950年察隅M_S8.6地震,揭示了其作为中国大陆强震能量释放核心地区的地位。该区域的气候特征呈现出显著的高原低压热力效应(平均海平面气压< 600 hPa)与积雪反照率-辐射反馈机制。夏半年受季风-西风过渡带控制,暖湿气流抬升形成降水峰值,同时气温增强,大气透明度良好,利于卫星遥感对OLR异常的检测,冬半年在干冷西风主导下,积雪覆盖率可达35%~60%^[13],气温降低,其积雪相变过程与地表辐射收支构成了独特的高寒地表热力学系统^[14],在一定程度上约束了强震前兆OLR异常的识别。

在深化地球系统科学研究范式转型背景下,Pulinets^[15]提出的岩石圈-大气圈-电离层(lithosphere-atmosphere-ionosphere, LAI)耦合理论具有里程碑意义。该理论阐释了孕震过程中多圈层相互作用引发的电磁-热力学前兆响应机制,为地震前兆异常的综合判别提供了物理基础。借助此理论框架,针对2010—2023年青藏高原区域M_S≥6.5的强烈地震,通过射出长波辐射、地表气温、气压以及积雪覆盖率数据,进行多参数协同分析,为发展基于多圈层耦合机制的地震前兆识别模型提供了新的理论支撑。

1.2 原始数据

射出长波辐射指地球通过红外波段向太空释放的热能(单位:W/m²),其强度受地表温度、云层及温室气体调控。通过中国风云系列静止卫星(FY2C\E\G、FY4A\B,星下点均为105°E)获取的2010—2023年青藏高原及邻区(73°E~104°E,28°N~38°N)OLR数据,空间分辨率为0.05°。同时,选取世界时15:00—21:00观测值以规避晨雾干扰,确保地气辐射平衡,数据覆盖广、时频高,适用于区域热力动态分析^[5]。

2010—2023年逐时气温、气压数据采用欧洲中期天气预报中心ERA5再分析数据集(0.25°×0.25°),含137层大气参数。积雪数据采用青藏高原逐日无云积雪数据集(HMRFS-TP,500 m分辨率),该数据集运用隐马尔可夫随机场模型融合MODIS光谱等信息,能消除云误差、提高复杂地形积雪识别精度^[16],为OLR异常分析提供可靠下垫面参数。

1.3 数据处理方法

针对OLR数据,主要使用小波变换和相对功率谱估计法。小波变换具有多尺度分解特性,采用Daubechies (db8)小波基对风云卫星OLR时序数据实施7层分解。通过重构低频分量剥离地球基础辐射场与年周期信号,结合2阶低通分量构建带通滤波器,有效消除地形辐射背景及云层或气团扰动。处理后数据呈震荡波形,并通过设定窗长n=64 d,滑动窗长m=1 d进行功率谱估计^[5]。

为揭示数据相对于同区域长期均值的偏差,更准确地分析气候变化的趋势和特征,针对逐日气温T、气压P进行30年(1991—2020年)气候态异常处理。

(1)

$\Delta T\left(t\right)=T\left(t\right)-\frac{1}{30}\sum _{t=1991}^{2020}T\left(t\right)$

(2)

$\Delta P\left(t\right)=P\left(t\right)-\frac{1}{30}\sum _{t=1991}^{2020}P\left(t\right)$

式中:T(t)和P(t)分别为在t时间的气温和气压观测值;

$\frac{1}{30}\sum _{t=1991}^{2020}T\left(t\right)$

和

$\frac{1}{30}\sum _{t=1991}^{2020}P\left(t\right)$

分别为在过去30年(1991—2020年)同区域气温和气压的平均值;ΔT(t)和ΔP(t)分别为气温和气压的气候态异常值,反映了日观测值与长期平均条件之间的偏离程度。

2 结果与分析

中国地震局震源目录显示,2010—2023青藏高原构造活跃带核心区共记录到M_S≥6.5强震事件6例(表1),这些地震分布广泛且破坏性强,对震中区域造成了难以估量的损失。针对这6次地震震前的功率谱异常及协同变化分别进行详细的分析。

2.1 玉树Ms7.1地震功率谱异常及协同分析

当地时间2010年4月14日,青海省玉树县发生M_S7.1地震,造成2 200人死亡。中国地震台网中心(CENS)测得这次地震震中位置为96.60°E,33.20°N,震源深度14 km。震源机制解显示该次地震发生在一条沿走向119°,近乎直立的左旋走滑型断层,地震破裂沿东南方向扩展,持续了约23 s^[17]。结合构造背景,有关学者判定玉树地震的发震断层为甘孜-玉树左旋走滑断裂^[18]。

为详细梳理玉树M_S7.1强震发生前射出长波辐射的时空变化过程与规律,利用FY系列静止卫星的OLR数据,以震中为中心,设定91°E~101°E,28°N~38°N的地理扫描分析范围,并借助相对功率谱的时空演化图,清晰地识别出了地震前的OLR异常现象(图2)。结果显示,玉树M_S7.1地震前的OLR异常演化呈现出典型的三阶段特征,具体如下。

(1)起始阶段(2010年3月24日)。震前约21 d,OLR功率谱值在震中区北部的东昆仑断裂带附近首现异常。

(2)发展阶段(3月25日—4月8日)。OLR异常的范围与强度逐渐扩大,震中的东南部开始显现异常,形成了围绕震源区的不规则包围状,且异常仍在不断加强。其中,4月6日,异常区域开始呈现出西北-东南向的延伸趋势,震源区东南部约100 km(甘孜-玉树断裂带南部)出现了一片小范围的异常区域,且震中区西北部的OLR功率谱信息也显著增强,并逐渐向震中区附近转移。4月8日,震中附近的OLR异常核心区域(95°E~99°E,31°N~35°N)峰值达到相对功率谱的2.89倍,已超过了该区域多年(2003—2023年)均值和3倍标准偏差,且异常围绕震中区分布广泛,表现出了极为明显的异常特征。

(3)衰减阶段(4月9—17日)。异常强度与空间范围同步快速衰减,直至震后3 d(4月17日)异常完全消失,OLR功率谱值恢复平静。本次玉树M_S7.1地震的功率谱周期为25 d。

为厘清OLR功率谱值与核心气象因子间的协同变化特征,对玉树M_S7.1地震的OLR异常核心区域(95°E~99°E,31°N~35°N)的气温、气压以及积雪覆盖率进行了详细的时序曲线比对分析,如图3、图4(a)所示。结果表明:在玉树M_S7.1地震的OLR异常阶段,气压峰值最早出现明显异常(约震前30 d),气温则呈现“正异常-负异常-再次正异常”的趋势,积雪在该过程中有一定的辅助佐证作用。

玉树M_S7.1地震OLR异常期间,气温变化情况如下:震前约30 d,该区域的气温显著高于同区域过去30年(1991—2020年)的平均气温,如图4(a)中②所示。这一趋势与徐俊波等^[19]的研究结果相一致,进一步证实了在大地震发生前约一个月,地表会出现明显的增温现象。针对这种现象,张元生等^[20]提出了震前“地球温室效应-大气耦合”的地震热红外成因机理,认为震前出现的热红外辐射异常与局部增温现象主要来源于区域应力累积快速增加和区域活动构造。但是在震前约21 d,尽管OLR功率谱值开始出现异常,当地气温均值却开始表现出负异常,至震前约6 d,气温开始恢复并再次出现明显正异常,如图3(a)所示。降温阶段的原因在于:随着局部应力累积,断裂带开始产生裂隙,在此期间地下富集的气体向外扩散,同时伴随着降雪的发生,如图3(b)所示,导致气压降低、气温在短时间内也稍有降低。而震前6 d(即4月8日)后,局部区域气温开始升高,并表现出正异常,此时断裂带向地表释放的气体达到相对阈值,气体分子在低空电场作用下发射出不同波长的光子,产生不能被辨别的红外光,在此过程中吸收太阳和地面辐射,导致温室效应从而使震中附近局部范围增温^[21]。同时,研究中注意到,在震前5 d[4月9日,图2(f)],震中区东南部100 km附近出现了明显OLR功率谱异常与局部气温正异常,这与张勇等^[22]的研究结果相一致,即地震多普勒效应导致破裂传播方向(震中东南方向30~40 km)上能量强烈聚焦。

在气温首次出现正异常时(震前约30 d),气压也表现出了正异常变化,其偏离同区域30年均值的幅度高达11 hPa,如图4(a)中②所示,相较于气温变化,玉树地震前气压的异常峰值更为提前且显著。而该区域的积雪覆盖率自4月初开始持续递增,在OLR功率谱异常峰值附近后(即4月8日),经历了一段持续的递减趋势,直至震前1 d降至一个极小值点(3%),如图4(a)中③所示。在此过程中,伴随着降雪的发生,地表积雪覆盖率增强。而积雪作为一种高效的太阳辐射反射体,其表面反射率高于地表,能够反射大量的太阳辐射,减少地表吸收的太阳辐射能,导致地表温度降低,进而会减少OLR的发射^[23]。但对比4月初,积雪覆盖率持续递增,而OLR功率谱值不降反升,这种异常情况更加说明了OLR的异常高值源于地壳构造活动与区域应力的累积,进一步印证了OLR可以作为地震前兆预测参数^[24]。

玉树M_S7.1级地震的多参量演变过程可分为四个阶段。第一阶段-显现(3月10—24日):随着地壳应力的迅速累积,活动构造区域变得活跃起来,OLR功率谱值开始显示出异常变化,同时,气压显著升高,气温也高于常年平均水平,导致积雪逐渐融化;第二阶段-增强(3月25日—4月8日):震中区域附近出现了降雪,积雪覆盖率因此增加,气温随之下降,气象变化在一定程度上减缓了OLR值的异常上升趋势,与此同时,断裂带开始产生裂隙,并向外界释放气体,这些现象导致OLR异常区域不断扩展,异常程度也进一步加深,最终在4月8日达到OLR功率谱值的异常峰值;第三阶段-衰减(4月9—20日):断裂带向地表释放的气体达到相对阈值,出现“地球温室效应-大气耦合”效应,加上地震破裂方向为NW-SE走向,能量强烈聚焦,局部气温增加,积雪逐步消融,OLR异常逐渐减弱;第四阶段-平稳(4月9日后):OLR区域均值恢复平静,地震前兆异常结束。这与吴立新^[25]所证实的整个地震过程辐射异常呈现出的“起始异常-异常加强-高峰-衰减-平稳”的特征阶段相互印证。

2.2 九寨沟Ms7.0地震分析

2017年8月8日四川省九寨沟县发生M_S7.0地震,震中位置为103.82°E,33.20°N,震源深度20 km^[26]。经OLR功率谱检测分析,异常首次出现于震前26 d(2017年7月13日)。7月18日OLR异常达到峰值,约为相对功率谱的2.5倍,超过同区域OLR多年功率谱值的3倍标准差,如图4(b)中①所示,并在震中区的西北部玛多-甘德断裂带附近表现出强烈的震前异常[图5(a)],该异常发展方向(NW-SE走向)与易桂喜等^[27]经过地震重定位后得到的断裂走向结论一致。随后,OLR功率谱异常逐渐减弱,于震前17 d(7月22日)消失不见,整体归于平稳期。九寨沟M_S7.0地震对应的功率谱周期为9 d。特殊的是,九寨沟地震在震前出现了OLR双峰异常值,除以上分析的首次OLR异常峰值外,在临震前约3 d又出现了较明显异常,如图4(b)中①所示。同年8月,OLR功率谱值也表现出明显的异常,分析可知,这源于同年11月份在本次震中区西南方向约1 400 km(西藏米林县)发生的6.9级地震。同时,通过气象因子异常曲线[图4(b)中②、③]可以看出:地震发生于8月份,此时积雪几乎完全消融,裸露的地表增强了其对太阳辐射的吸收、减少对太阳辐射的反射,在此过程中对大气有一定的加热作用,故地表温度会有所升高,大气OLR值会相应增强。但与同年6—9月对比(此阶段积雪均处于0值附近),7月中旬OLR功率谱表现出异常高值,说明积雪消融虽对大气OLR有一定的增强作用,但对于OLR值异常增强这一现象,地震因素仍占据主导地位。另外,此次九寨沟地震OLR异常发展期间,气压并没有表现出显著异常,与气温的对应关系仍呈现出明显的“增温-短暂降温-再次增温”这一现象,符合前文中的分析。

2.3 米林Ms6.9地震分析

2017年11月18日西藏米林县发生M_S6.9地震,震中位置为95.02°E,29.75°N。此次地震前,OLR功率谱异常首次出现于震前39 d(2017年10月10日),并于10月14日在震中区北部达到异常峰值[图5(b)],区域OLR值超过功率谱值的6倍,展现出广泛的异常覆盖范围和显著特征,最终于10月19日异常消失。其功率谱异常周期为9 d,与同年九寨沟地震的功率谱异常周期相一致。期间气象因子变化情况显示[图4(c)],尽管气温略有降低但整体高于往年,仍在震前表现出“正异常-短暂负异常-再次正异常”趋势,积雪覆盖率平稳上升对OLR影响有限,OLR上升趋势明显,表明该异常主要由地震因素引起,而气压变化平稳,影响可忽略不计。

2.4 尼玛Ms6.6地震分析

2020年7月23日西藏尼玛县发生M_S6.6地震,震中位置为86.81°E,33.19°N,震源深度10 km。本次地震于震前57 d(2020年5月27日)开始在震中区西北部出现异常现象,随后异常区域逐渐向震中区扩散,并于6月16日达到异常峰值,区域OLR值超过功率谱值的8倍[图4(d)中①,图5(c)]。此次异常范围广泛,主要涵盖震中区及其西部地区。随后异常现象逐渐减弱,于6月26日降至近期最低值后,又再次加强,7月3日达到震前的第二次峰值后迅速减弱,至7月12日趋于平稳。值得注意的是,本次尼玛M_S6.6地震的相对功率谱周期为47 d,呈现出双峰异常的特征。双峰异常的原因在于:西藏改则县(85.70°E,34.59°N)分别于2月21日和5月23日发生5.0级和4.7级地震。

这些短期内相同区域的多次OLR异常,在年初OLR异常首次出现(1—3月)时,伴随着气温变化呈现出“正异常-负异常-再次正异常”的阶段性特征,与强祖基等提出的“地球放气学说”相吻合^[21]。但是,在尼玛M_S6.6地震OLR功率谱异常阶段,气温出现了长期低于往年同区域均值的情况,直至地震发生后,气温迅速恢复至平稳状态,这一异常现象在地震预测方面应该受到重视。该区域气体释放已受同年短期内多次地震中板块活动的影响,并表现于本次地震OLR相对功率谱异常阶段,气温出现了长达4个多月的负异常变化。该区域气压则表现出了与以往相同的稳定变化[图4(d)中②]。在OLR异常增强的期间,积雪普遍存在[图4(d)中③],对气温降低起到一定推动作用,同时也对OLR的进一步增强产生了抑制作用,至6月中旬后,积雪覆盖率显著降低,气温开始出现上升趋势,这种变化为OLR值的增长创造了有利条件。在随后的两个月内,积雪几乎完全消融,气温与OLR值也逐渐恢复到正常水平,标志着尼玛M_S6.6地震的OLR前兆异常现象结束。

2.5 玛多Ms7.4地震分析

2021年5月22日青海省玛多县发生M_S7.4地震,震中位置为98.34°E,34.59°N^[28]。OLR异常出现于震前23 d(2021年4月29日)。5月14日,震中区西北部的柴达木盆地的南缘断裂带OLR异常达到明显峰值,超过了功率谱值的5倍[图4(e)中①、图5(d)],同时在震中区东北方向也观测到了相对较弱的异常。该异常随后逐渐减弱,并于震后13 d(6月4日)完全消失。玛多地震的相对功率谱周期为37 d,且在震前8 d所呈现的热红外异常区域与詹艳等人确定的发震断层NW走向一致^[29]。

本次地震前的气温和积雪状况也呈现出特定的变化趋势[图4(e)中②、③]。气温在地震前表现出了明显的“正异常-短暂负异常-再次正异常”的波动趋势,积雪的变化与气温紧密相关,呈现出“减少-增多-再次减少”的周期性变化。特别是在积雪减少的阶段,地表暴露的面积相应增加,这进一步放大了OLR的异常峰值,使得热红外异常现象更为明显。

2.6 门源M_s6.9地震分析

2022年1月8日青海省门源县发生M_S6.9地震,震中位置为101.26°E,37.77°N。OLR功率谱在震前约3个月(2021年10月5日)出现异常迹象,经过近1个月的能量累积,于震前约2个月(11月3日)达到OLR异常峰值,超过了功率谱值的6倍[图4(f)中①、图5(e)],且该异常区域广泛覆盖震中区东部。随后,OLR功率谱异常逐渐减弱,直至震前51 d(11月18日)OLR值趋于平稳,异常消失。本次门源M_S6.9地震热红外异常周期长达45 d,相较于其他地震震例,其异常区域范围更广、幅度更显著,同时功率谱周期更长、与发震时刻的间隔时间更久。

与此同时,在震前约1个月,该区域OLR值再次出现异常,呈现出与九寨沟地震相似的双峰特征,且门源地震的第二次峰值更为突出,这或许归因于门源地震作为主余型、走滑型地震,余震能量持续释放,而九寨沟地震虽同为走滑型,但第二次释放的能量相对较小。这一系列特殊异常导致在OLR相对功率谱异常峰值至发震时刻期间,震区温度经历了两次“正异常-短暂负异常-再次正异常”的波动[图4(f)中②]。在首次OLR异常增长阶段,积雪由多变无,加速了OLR异常的增长,随后OLR值减弱,积雪再现,一定程度上促进了OLR异常的消散并加速其恢复至平稳状态。在第二次OLR异常变化过程中,积雪覆盖率的变化(初始为0,后略有增长)对OLR的影响与第一阶段相似[图4(f)中③]。此外,在OLR异常峰值前1个月及峰值后1 d,气压出现显著负异常,可能与“地球放气说”相关,而震后约两个半月,气压呈现明显正异常[图4(f)中②],但结合其他因素综合分析,此时的气压变化与地震因素关联性较弱。

3 可能的异常机理分析

经过对青藏高原地区6个典型地震震例的系统分析,揭示了震前3个月内震中区域存在显著的OLR功率谱异常波动,同时气温呈现“正异常-短暂负异常-再次正异常”的阶段性演变特征。

针对其可能的异常机理,张元生等^[20]提出的“地球温室效应-大气耦合”机制认为,震前热红外异常及局部增温现象本质上是区域构造应力快速积累与活动断裂活化的热力学响应,可作为应力场演化的重要标志。随着应力积累,OLR与气温前兆异常进入第二阶段,此时区域应力状态改变,诱发岩石微破裂与断裂带裂隙发育,伴随地下流体(如水、烃类物质等)运移特征的显著变化。流体物质通过热传导与对流机制重新分布,导致近地表温度场发生扰动,在青藏高原特有的地形地貌与气候条件调制下,表现为短暂性的温度回落。但是,这种温度下降并非地震活动衰减的表征,而是断裂系统气体逸散过程的热力学体现。当断裂带气体释放量达到临界阈值,进入应力-流体演化的第三阶段,低空电离环境促使气体分子发生能级跃迁并辐射特定波长光子。这些不可见的红外辐射通过吸收太阳短波辐射与地面射出长波辐射,形成二次增温效应,该过程不仅对应着构造系统能量的集中释放,同时也预示着地震活动进入临震加速阶段^[21]。

4 讨论

针对2010—2023年青藏高原区域发生的强震事件,震前3个月内OLR功率谱存在显著异常变化,异常的幅度与范围与地震震级呈现明显相关性,震级越大,出现异常的概率越高。在6个典型地震案例中,米林和尼玛OLR异常覆盖在震中区域,九寨沟和玛多地震OLR异常分布在震中区一侧,而门源和玉树地震OLR异常则分布在震中区两侧,对震中区有一定的包围趋势。且除了玛多地震外,其余5项震例的OLR异常范围距离发震区域均不超过120 km,该现象为地震破裂方向预测提供了重要的物理依据。

针对四川九寨沟M_S7.0、青海门源M_S6.9、西藏尼玛M_S6.6等典型地震事件的分析显示,部分强震事件前,OLR功率谱异常相对于多年均值与3倍标准差呈现显著的双峰特征。并且,首次异常峰值幅度较大,第二次异常峰值相对较弱且更接近发震时刻。这一双峰特征可能与地震类型、地壳应力累积模式、断裂带活动过程及地下气体逸散等物理机制密切相关。

强震发生前,气温演化呈现“正异常-短暂负异常-再次正异常”的特征模式,与OLR变化具有良好的时空一致性,该现象可归因于地下应力累积的三个阶段及其伴随的流体迁移、气体释放和能量传输过程。相比之下,气压异常仅在个别地震(如青海玉树M_S7.1地震)中表现为明显正异常,其预测可靠性仍需进一步验证。此外,研究表明青藏高原积雪覆盖率变化可作为OLR异常的辅助判据,为地震预测提供了新的参数指标。

通过对青藏高原6次强震震前OLR及多气象要素的系统分析,初步揭示了强震前热力学异常响应规律。研究整合了风云系列静止卫星高分辨率OLR数据、ERA5再分析气象数据及HMRFS-TP高精度积雪数据集,构建“热辐射-气象-下垫面”多维度数据体系,并发现了OLR功率谱时空双关联特征,明确气温三阶段演化模式与OLR异常的时空同步性,印证孕震物理过程,同时,积雪覆盖率对OLR强度的间接影响也进一步佐证了震前OLR异常变化。此外,以LAI耦合理论为框架,结合“地球温室效应-大气耦合”机制解释震前关键物理过程,针对不同震型的OLR异常进行差异分析,为后续建立震型与热异常的专属判别模型奠定基础,推动地震前兆研究向“定性-定量结合”方向迈进,为青藏高原强震的短期预测提供一定的理论支撑。

但研究仍存在若干局限性,需在后续工作中进一步完善。一是震级与热异常的量化关联尚未建立。研究仅定性观察到OLR异常幅度、范围与地震震级存在“震级越大,异常出现概率越高”的关联性,但未形成定量响应模型,且样本未涵盖Ms≤6.5的中小型地震,无法明确热异常对震级的敏感阈值,导致结论在不同震级区间的适用性受限。二是震源深度对热异常的调制机制尚不明确。研究涉及的6次地震震源深度集中于10~20 km,缺乏深源与浅源震例的对比分析,无法阐明震源深度对热异常传播效率、时空特征的影响,如浅源地震是否因接近地表导致OLR异常更显著、持续时间更短等关键问题,削弱了结论的普适性。三是多圈层数据耦合分析存在不足。虽以LAI耦合理论为框架,但未纳入合成孔径雷达干涉测量(interferometric synthetic aperture radar, InSAR)形变场、全球导航卫星系统(global navigation satellite system, GNSS)位移场等岩石圈形变数据,难以建立“构造形变-热辐射异常”的直接物理链路。

针对上述局限,后续研究可从四方面展开:一是扩充样本与构建量化模型,收集2000—2025年青藏高原M_S5.0以上地震案例,建立“震级-OLR异常强度”预测方程,明确异常阈值与震级的量化对应关系;二是开展震源深度对比实验,选取典型深、浅源地震案例,结合热传导方程数值模拟,量化“震源深度-热异常延迟时间”函数关系,进一步明确深度对热异常的调制机制;三是搭建多源数据耦合框架,整合FY系列卫星OLR数据、Sentinel-1 InSAR形变数据、GNSS连续观测数据,以LAI耦合理论为基础构建物理驱动的“构造形变-热辐射异常”耦合模型。

5 结论

青藏高原作为欧亚与印度洋板块强烈碰撞的典型陆内汇聚带,中强地震频发,深入开展青藏高原地震孕育机理研究,发展基于多源数据融合的地震前兆识别技术,建立具有物理基础的地震预测模型,已成为地球科学领域亟待解决的重大科学问题与防灾减灾实践的迫切需求。综合考虑气温、气压、积雪覆盖率等多气象要素,依据多年风云静止卫星OLR观测资料,采用小波变换法和功率谱相对分析法,系统研究了2010—2023年青藏高原地区M_S≥6.5的强震事件,得出如下结论。

(1)青藏高原强震前3个月内,OLR功率谱会表现出显著的异常变化,其异常幅度、范围与震级呈正相关,且呈现震中覆盖、单侧分布、双侧包围三类空间模式,除玛多地震外其余震例异常范围距震中不超过120 km,为地震破裂方向预测提供了关键物理依据,部分强震还出现“首次强峰-二次弱峰”的双峰特征,与孕震相关物理机制密切相关。

(2)地表气温于震前呈现“正异常-短暂负异常-再次正异常”的三阶段模式,与OLR时空变化一致,积雪覆盖率可作为OLR异常的辅助判据,而气压异常仅在个别震例中显现,预测可靠性需进一步验证。

(3)LAI耦合理论和“地球温室效应-大气耦合”机制能够解释震前热力学异常的物理成因,通过不同震型OLR异常差异分析,为建立震型与热异常专属判别模型奠定基础,推动地震前兆研究向“定性-定量结合”方向发展,为青藏高原强震短期预测提供了理论支撑。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	郭安宁, 苏小宁, 蒲小武. 2023年12月18日甘肃积石山6.2级地震及启示[J]. 科学技术与工程, 2024, 24(8): 3072-3085.

[2]	Guo Anyu, Su Xiaoning, Pu Xiaowu, et al. The M_S6.2 magnitude earthquake in Jishishan, Gansu on December 18, 2023 and its enlightenment[J]. Science Technology and Engineering, 2024, 24(8): 3072-3085.

[3]	Gorny V I, Salman A G, Tronin A A, et al. Terrestrial outgoing infrared radiation as an indicator of seismic activity[J]. Proceedings of the Academy of Sciences of the USSR. 1988, 301(1): 67-69.

[4]	孙洪斌, 张晓东. 长波辐射与地震关系的探讨[J]. 高原地震, 1990, 2(4): 68-73.

[5]	Sun Hongbin, Zhang Xiaodong. Approach on relationship between long wave radiation and earthquake[J]. Plateau Earthquake Research, 1990, 2(4): 68-73.

[6]	Ouzounov D, Liu D, Chunli K, et al. Outgoing long wave radiation variability from IR satellite data prior to major earthquakes[J]. Tectonophysics, 2007, 431(1-4): 211-220.

[7]	郭晓, 张元生, 钟美娇, 等. 提取地震热异常信息的功率谱相对变化法及震例分析[J]. 地球物理学报, 2010, 53(11): 2688-2695.

[8]	Guo Xiao, Zhang Yuansheng, Zhong Meijiao, et al. Variation characteristics of OLR for the Wenchuan earthquake[J]. Chinese Journal of Geophysics, 2010, 53(11): 2688-2695.

[9]	Qin K, Wu L, Zheng S, et al. A deviation-time-space-thermal (DTS-T) method for global earth observation system of systems (GEOSS)-based earthquake anomaly recognition: criterions and quantify indices[J]. Remote Sensing, 2013, 5: 5143-5151.

[10]	廖洪月, 董娜, 王刚. 快速提取震前热红外异常的均线差值振幅增强比方法[J]. 地震地磁观测与研究, 2021, 42(S1): 172-175.

[11]	Liao Hongyue, Dong Na, Wang Gang. A method for fast extraction of thermal infrared anomaly before earthquakes by mean difference amplitude increase ratio[J]. Seismological and Geomagnetic Observation and Research, 2021, 42(S1): 172-175.

[12]	伊尔潘·艾尼瓦尔, 艾萨·伊斯马伊力, 张桉赫, 等. 基于加权平均法提取定日M_S6.8地震热红外异常[J]. 大地测量与地球动力学, 2025, 45(12): 1260-1265.

[13]	Yierpan Ainiwaer, Aisa yisimayili, Zhang Anhe, et al. Extraction of thermal infrared anomalies of the Dingri M_S6.8 earthquake based on the weighted averaging method[J]. Journal of Geodesy and Geodynamics, 2025, 45(12): 1260-1265.

[14]	Chakraborty S, Sasmal S, Chakrabarti S K, et al. Observational signatures of unusual outgoing longwave radiation (OLR) and atmospheric gravity waves (AGW) as precursory effects of May 2015 Nepal earthquakes[J]. Journal of Geodynamics, 2018, 113: 43-51.

[15]	Jeyaraman R, Senthil Kumar M, Venkatanathan N. Analysis of pre-earthquake signals using ANN: implication for short-term earthquake forecasting[C]// Machine Learning, Deep Learning and Computational Intelligence for Wireless Communication: Proceedings of MDCWC 2020.Singapore:Springer, 2021: 619-630.

[16]	张桉赫, 钟美娇, 艾萨·伊斯马伊力, 等. 新疆及周边地区地震热红外异常[J]. 地震地质, 2024, 46(5): 1192-1206.

[17]	Zhang Anhe, Zhong Meijiao, Aisa Yisimayili, et al. Thermal infrared anomalies of moderately strong earthquake in Xinjiang and surrounding regions[J]. Seismology and Geology, 2024, 46(5): 1192-1206.

[18]	夏新宇, 高原. 青藏高原东北缘构造特征与分层各向异性[J]. 地震学报, 2025, 47(1): 1-20.

[19]	Xia Xinyu, Gao Yuan. Tectonic feature and layered anisotropy on the northeastern margin of the Qinghai-Tibetan Plateau[J]. ActaSeismologica Sinica, 2025, 47(1): 1-20.

[20]	申红艳, 乔少博, 封国林, 等. 青藏高原冬季降雪特征及相关环流分析[J]. 高原气象, 2024, 43(4): 841-854.

[21]	Shen Hongyan, Qiao Shaobo, Feng Guolin, et al. Snowfall characteristics in winter over Qinghai-Tibetan Plateau and its key circulation[J]. Plateau Meteorology, 2024, 43(4): 841-854.

[22]	孙小婷. 青藏高原夏季大气热源年代际变化及其对北半球环流的影响[D]. 南京: 南京信息工程大学, 2022.

[23]	Sun Xiaoting. Interdecadal variation of summer atmospheric heat source on the Tibetan Plateau and its impact on the northern hemisphere circulation[D]. Nanjing: Nanjing University of Information Engineering, 2022.

[24]	Pulinets S A. Lithosphere-atmosphere-ionosphere coupling (LAIC) model[J]. Electromagnetic Phenomena Associated with Earthquakes, 2009, 9: 235-253.

[25]	黄艳, 许嘉慧. HMRFS-TP: 青藏高原逐日无云积雪数据集(2002—2022)[DB/OL]. 西宁: 国家青藏高原科学数据中心, 2022.

[26]	Huang Yan, Xu Jiahui. HMRFS-TP: day-by-day cloud-free snow accumulation dataset on the Tibetan Plateau (2002—2022)[DB/OL]. Xining: National Tibetan Plateau/Third Pole Environment(TPDC) Data Center, 2022.

[27]	吕坚, 郑勇, 马玉虎, 等. 2010年4月14日青海玉树M_S4.7、M_S7.1、M_S6.3地震震源机制解与发震构造研究[J]. 地球物理学进展, 2011, 26(5): 1600-1606.

[28]	Lü Jian, Zheng Yong, Ma Yuhu, et al. Focal mechanisms and seismogenic structures of the M_S4.7、M_S7.1 and M_S6.3 Yushu earthquakes of April, 14, 2010.[J]. Progress in Geophysics, 2011, 26(5): 1600-1606.

[29]	潘家伟, 李海兵, 吴富峣, 等. 2010年玉树地震(M_S7.1)地表破裂特征、破裂机制与破裂过程[J]. 岩石学报, 2011, 27(11): 3449-3459.

[30]	Pan Jiawei, Li Haibing, Wu Fuyao, et al. Surface rupture characteristics, rupture mechanism and rupture process of the 2010 Yushu earthquake (M_S7.1)[J]. Acta Petrologica Sinica, 2011, 27(11): 3449-3459.

[31]	徐俊波, 周国祥, 沈轶杰, 等. NCEP震前异常增温数据插值及可视化方法[J]. 合肥工业大学学报(自然科学版), 2019, 42(9): 1199-1204, 1257.

[32]	Xu Junbo, Zhou Guoxiang, Shen Yijie, et al. NCEP pre-seismic warming abnormality data interpolation and visualization[J]. Journal of Hefei University of Technology (Natural Science), 2019, 42(9): 1199-1204, 1257.

[33]	张元生, 郭晓, 钟美娇, 等. 汶川地震卫星热红外亮温变化[J]. 科学通报, 2010, 55(10): 900-906.

[34]	Zhang Yuansheng, Guo Xiao, Zhong Meijiao, et al. Wenchuan earthquake: brightness temperature changes from satellite infrared information[J]. Chinese Science Bulletin, 2010, 55(10): 900-906.

[35]	强祖基, 孔令昌, 王弋平, 等. 地球放气、热红外异常与地震活动[J]. 科学通报, 1992(24): 2259-2262.

[36]	Qiang Zuji, Kong Lingchang, Wang Yiping, et al. Earth outgassing, thermal infrared anomalies and seismicity[J]. ChineseScience Bulletin, 1992(24): 2259-2262.

[37]	张勇, 许力生, 陈运泰. 2010年4月14日青海玉树地震破裂过程快速反演[J]. 地震学报, 2010, 32(3): 361-365.

[38]	Zhang Yong, Xu Lisheng, Chen Yuntai. Fast inversion of rupture process for 14 April 2010 Yushu, Qinghai earthquake[J]. Acta Petrologica Sinica, 2010, 32(3): 361-365.

[39]	叶聪霄, 马晓燕. 青藏高原积雪深度变化及其影响因素分析[J]. 气象科学, 2024, 44(4): 630-642.

[40]	Ye Congxiao, Ma Xiaoyan. Analysis on the variation of snow depth and its influencing factors in Tibetan Plateau[J]. Journal of the Meteorological Sciences, 2024, 44(4): 630-642.

[41]	马未宇, 于晨, 姚琪, 等. 2020年7月12日唐山M_S5.1地震遥感热参量时空变化分析[J]. 中国地震, 2020, 36(3): 367-374.

[42]	Ma Weiyu, Yu Chen, Yao Qi, et al. Temporal and spatial variation of thermal parameters from remote sensing related to Tangshan M_S5.1 earthquake of July 12, 2020[J]. Earthquake Research in Chian, 2020, 36(3): 367-374.

[43]	吴立新, 刘善军, 吴育华, 等. 遥感-岩石力学(I)——非连续组合断层破裂的热红外辐射规律及其构造地震前兆意义[J]. 岩石力学与工程学报, 2004(1): 24-30.

[44]	Wu Lixin, Liu Shanjun, Wu Yuhua, et al. Remote sensing-rock mechanics(I)—laws of thermal infrared radiation from fracturing of discontinous jointed faults and its meanings for tectonic earthquake omens[J]. Chinese Journal of Rock Mechanics and Engineering, 2004(1): 24-30.

[45]	梁靖, 王彦东, 裴向军. 基于时序遥感数据的九寨沟核心景区崩塌发育分布特征[J]. 科学技术与工程, 2022, 22(19): 8210-8217.

[46]	Liang Jing, Wang Yandong, Pei Xiangjun, et al. Development and distribution characteristics of Jiuzhaigou collapse based on time series remote sensing data[J]. Science Technology and Engineering, 2022, 22(9): 8210-8217.

[47]	易桂喜, 龙锋, 梁明剑, 等. 2017年8月8日九寨沟M_S7.0地震及余震震源机制解与发震构造分析[J]. 地球物理学报, 2017, 60(10): 4083-4097.

[48]	Yi Guixi, Long Feng, Liang Mingjian, et al. Focal mechanism solutions and seismogenic structure of the 8 August 2017 M_S7.0 Jiuzhaigou earthquake and its aftershocks, northern Sichuan[J]. Chinese Journal of Geophysics, 2017, 60(10): 4083-4097.

[49]	付玉蒂, 薛东剑, 张小轩. 联合slipBERI与D-InSAR技术的青海省玛多县地震形变场提取与模拟[J]. 科学技术与工程, 2023, 23(22): 9370-9377.

[50]	Fu Yudi, Xue Dongjian, Zhang Xiaoxuan. Extraction and simulation of earthquake deformation field in Maduo Country, Qinghai Province combined with slipBERI and D-InSAR technology[J]. Science Technology and Engineering, 2023, 23(22): 9370-3977.

[51]	詹艳, 梁明剑, 孙翔宇, 等. 2021年5月22日青海玛多M_S7.4地震深部环境及发震构造模式[J]. 地球物理学报, 2021, 64(7): 2232-2252.

[52]	Zhan Yan, Liang Mingjian, Sun Xiangyu, et al. Deep structure and seismogenic pattern of the May 22, 2021 Madoi (Qinghai) M_S7.4 earthquake[J]. Chinese Journal of Geophysics, 2021, 64(7): 2232-2252.