Differences of Microtretors Observed by Earthquake Early Warning Instruments and Feasibility for Evaluating Site Conditions
-
摘要: 根据台站场地条件进行地震动参数校正，有助于提高地震预警的有效性和准确性。针对我国地震预警台网中部分台址场地条件信息不完整及观测仪器的多样性，通过采用不同灵敏度的力平衡式加速度仪、速度仪和MEMS烈度仪，同时进行大量不同类别场地的地脉动观测，多角度对比分析时、频差别，探讨基于地震预警仪观测地脉动评价场地条件的可行性。结果表明，加速度仪灵敏度越高，H/V谱比卓越频率越易识别；速度仪与力平衡式加速度仪观测的地脉动，三分向傅氏谱和H/V谱比的谱形与卓越频率均一致；与TAG-33M强震仪相比，TMA-53烈度仪观测的地脉动整体幅值略高，波形较差，但随着振幅增大趋于一致；在近80%的场地上，TAG-33M强震仪与TMA-53烈度仪观测的地脉动傅氏谱卓越频率相差＜0.5 Hz；当幅值均方根值＞0.05 Gal时，TAG-33M强震仪与TMA-53烈度仪观测的地脉动竖向和水平向傅氏谱均趋于一致；当幅值均方根值为0.02 Gal～0.05 Gal时，TAG-33M强震仪与TMA-53烈度仪观测的地脉动竖向和水平向傅氏谱谱形均有较高的相似性；当幅值均方根值＜0.02 Gal时，TAG-33M强震仪与TMA-53烈度仪观测的地脉动傅氏谱谱形相差较大，相似性低；依据TAG-33M强震仪观测地脉动H/V谱比的卓越频率判定场地类别，准确率达83.3%；TMA-53烈度仪观测地脉动的H/V谱比过于平坦，大多数场地上卓越频率识别困难。Abstract: The accuracy of earthquake early warning can be improved by calibration according to site conditions. The site conditions of many observation stations are unknown and different kinds of observation instruments are deployed in the stations of national earthquake early warning network. The microtremors are observed continuously for a long time at the same site by the different instruments, including force-balanced accelerometers, MEMS accelerometers, and velocimeters with different sensitivities. Then the time and frequency differences were compared and analyzed and the feasibility of evaluating the site conditions was discussed. The results show that the higher the sensitivity of the accelerometer, the easier it is to identify the predominant frequency of H/V spectrum; The Fourier spectra of three components and the H/V spectra of the microtremor observed by velocimeters and force-balance accelerometers are approximately the same; Compared with TAG-33M (Force-balance Accelerometer), the amplitudes of microtremors observed by TMA-53(MEMS Accelerometer) are slightly higher and the qualities of waveforms are poor, but they tends to be consistent with the increase of amplitude; The predominant frequency differences of Fourier spectra are less than 0.5 Hz at nearly 80% sites; When the amplitude root mean square (RMS) is greater than 0.05 Gal, the vertical and horizontal Fourier spectra of the two tend to be consistent; When RMS is in the range of 0.02 Gal～0.05 Gal, the vertical and horizontal Fourier spectra of the two have high similarity; When RMS is less than 0.02 gal, the Fourier spectra of the two are quite different and have low similarities; According to the predominant frequency of H/V spectra observed by TAG-33M, the accuracy of site classification is 83.3%; The H/V spectra of the microtremor observed by TMA-53 are too flat to identify predominant frequency on most sites.
-
引言
研究活动构造在地貌上的表现时需大量的定量化参数，如断裂长度、分段长度、同震位移等（邓起东等，2004；Arrowsmith等，2009；Zielke等，2012），获取这些定量参数的传统测量方法如皮尺测量、全站仪测量、实时差分（RTK）-GPS测量等，不仅受野外自然条件限制，且受人工操作影响，会导致测量效率低、危险系数增高等问题，并使测量范围局限在较小的区域内（刘静等，2013；王朋涛等，2016；Bi等，2017）。
20世纪末发展起来的激光雷达扫描技术LiDAR使快速获取高精度地形数据成为可能（Hudnut等，2002；刘静等，2013；陈涛等，2014）。LiDAR的优势不仅在于精度高、扫描速度快，且可利用多重回波技术进行地面点和非地面点的区分，以此排除植被对测量精度的影响，更适用于植被发育较好的地区。然而LiDAR也有其局限性，由于LiDAR整合了激光扫描仪、高精度惯导系统（IMU）、GPS、成像装置等设备，通过高空机载或无人机载LiDAR设备均会导致造价较高；另外，LiDAR虽能在弱光下进行数据采集，但如果空气中浮尘等颗粒物较多，会对激光光束产生影响，同时由于激光波束较窄，难以用于搜索目标测量，使LiDAR难以推广使用（Johnson等，2014；赖旭东等，2017；佘金星等，2018；罗达等，2019；Okyay等，2019）。
近年来，移动摄影测量技术SfM的发展极大地提高了野外中小区域测量工作效率。该技术拥有大多数LiDAR技术的优势，包括可绝对定位、重复多次测量及获取高分辨率地形数据等，且SfM技术更简单方便，成本较低（Westoby等，2012；Wei等，2013；刘静等，2013；Johnson等，2014；王朋涛等，2016；Bi等，2017；张志文等，2021）。但利用无人机搭载相机进行摄影时，需在地面设置控制点，对测量结果进行校正，会降低测量效率，增加工作量。Harwin等（2012）研究了添加控制点的必要性，但研究前提是利用摄影测量的飞行器均未搭载任何RTK设备。针对该问题，使用搭载有RTK模块的无人机在野外分别采用RTK和非RTK两种模式进行摄影测量。非RTK模式下在测量区域使用Trimble R10差分GNSS均匀采集了地面控制点，并采集了多条地形剖面线。在室内分别将RTK模式下生成的数字高程模型（DEM）与非RTK模式并结合地面控制点生成的DEM，以及Trimble R10差分GNSS采集的地形剖面线进行对比，以此讨论确定搭载网络/基站RTK模块的无人机在移动摄影测量中发挥的作用。
1. SfM移动摄影测量基本原理与数据处理流程
SfM移动摄影测量是使用运动着的相机从多个视角获取所拍摄物体的多视角图像集，由此推算出相机位置和姿态，从而重建三维数字表面结构的技术方法（Ullman，1979；Westoby等，2012；李美燕，2014；杨海波等，2016；艾明等，2018）。基于SfM重建DEM是传统摄影测量的逆过程，在该过程中，二维图片内的点利用一定算法转换为三维坐标内的点，通过不同位姿相机拍摄的图片中大量重复的同名点实现（Tomasi等，1992；Wei等，2013；李美燕，2014）。
一般SfM重建地形工作的过程包括影像特征检测、同名点立体匹配、相机位姿标定、三维重建等。其中影像特征检测、同名点立体匹配一般利用Lowe（2004）提出的SIFT（Scale Invariant Feature Transform）同名特征点匹配算法，用于进行检测、匹配，经检验，已有研究认为该算法较好地解决了拍摄过程中由于相机运动产生的图形变形问题（陈志雄，2008；杨艳伟，2009；郑辉，2010）。基于匹配完成的特征，进行相机位姿标定工作，利用迭代光束平差方法可精确求得相机的位姿，并初步获得由一系列同名点构建的较稀疏的点云框架（Harwin等，2012；Mancini等，2013；Lucieer等，2014；Bemis等，2014；Javernick等，2014）。获得稀疏的点云框架后，可进一步进行高精度处理，主要基于多视角立体测量原理逐像素在影像间搜索匹配生成大量的匹配点，得到更密集的点云数据（Johnson等，2014）。对密集点云数据进行绝对坐标校正和空间插值。最终得到具有真实空间地理坐标的点云和DEM等地形数据。
网络RTK移动摄影测量与传统移动摄影测量的区别主要在于通过在无人机上搭载RTK模块，利用网络RTK进行实时差分，并将坐标信息记录在照片的中心点，每张照片可利用SIFT算法进行同名点匹配校准，也可通过自身携带的坐标信息进行自校准，从而提高测量精度（图1）。
2. 测量区域及数据采集与处理
本次测量区域选为祁连山北缘白杨河一带（图2），跨越白南断裂与白杨河背斜（闵伟等，2002），地形起伏较大，测量区域内发育因白杨河背斜形成的5级河流阶地（刘睿等，2017），阶地面上多为砂砾石，植被稀疏，适合开展SfM摄影测量工作（James等，2012；Fonstad等，2013）。
图 2 测量区域及其周围构造Figure 2. Schematic diagram of the survey area and its surrounding tectonics采用大疆精灵4 RTK型四旋翼无人机（图3（a））对选定的测量区域进行影像数据采集。无人机搭载的云台相机有效像素为2 000万，相机广角为84°，自动对焦距离为1 m～∞，上述参数可保证照片清晰度，便于后续处理过程中同名点的特征提取与匹配。
图 3 测量用无人机及地面控制点采集系统Figure 3. UAV for surveying and ground control point acquisition system为更直接地进行数据对比，在相同测量区域、飞行高度及重叠率的条件下，分别采用RTK模式和非RTK模式获取数据，并在测量区域内均匀地布设14个地面控制点，地面控制点为边长47 cm的红/黄色海绵纸（图3（b）、（c））相间排列，其表面较粗糙，对阳光的反射方式为漫反射，有利于相机在多个角度进行拍摄，且进行相控点刺点时更方便。地面控制点坐标采用Trimble R10实时差分GNSS接收系统（实时动态测量水平精度10 mm±1 ppm RMS，垂直精度20 mm±1 ppm RMS）在海绵纸中心进行采集，保证了校正数据的精确性（图3（d）、（e））。
2次摄影测量过程均采用割草机式飞行路线，设置的飞行高度均为100 m，照片航向重叠率均为80%，旁向重叠率均为70%。采集每套数据时需3个架次，拍摄过程历时约75 min，拍摄有效照片917张。采用集成SfM算法的Pix4D软件进行数据处理，处理设备采用英特尔至强八核处理器的图形工作站，内存为128 G。
首先，将拍摄的照片导入Pix4D软件，导入前剔除质量较差、成像模糊的照片。然后，设置相机参数，无人机定位和相机参数信息均直接记录在照片里，利用记事本打开所拍摄的任一照片，找到记录相机焦距fx、fy，像主点坐标Cx、Cy，径向畸变校正参数k1、k2、k3，切向畸变校正参数p1、p2，并设置相机参数，用于对SfM处理数据结果进行校正。需说明的是，Pix4D软件的坐标系统与照片存储位置信息存在差异，这是因为Pix4D坐标系统是以照片左上角作为x、y轴初始原点，而照片坐标原点为照片中心。因此，处理时需用Cx、Cy加上照片文本信息中记录的相机标定的光学中心坐标，形成导入Pix4D中照片的像中心点（图4（a）、（b））。其次，对所采集的数据进行影像特征检测，利用SIFT算法进行同名点检测，立体匹配，恢复影像对之间的相对位置关系，获得稀疏的点云框架，并基于多视角立体测量原理（MVS）对点云进行逐像素的搜索加密，随后导入地面控制点，对生成的加密点云进行绝对坐标校正（进行RTK模式获取的数据处理时无须添加地面控制点）；最后，生成三角网格，生成校正后带有地理空间坐标的密集点云、数字高程模型和正射影像图（Johnson等，2014；Bemis等，2014；魏占玉等，2015；Bi等，2017；高帅坡等，2017）。
将基于RTK模式获取的数字高程模型称为RTK-SfM DEM，将非RTK模式无人机摄影测量并结合地面控制点（GCPs）生成的数字高程模型称为SfM DEM。
3. SfM数据质量及对比分析
3.1 SfM数据质量
采用RTK模式进行数据处理时，根据Pix4D生成的质量报告，每张照片上点云的中位数为70 728个，最小为55 541个，最大为83 516个，平均每张照片上的点云为69 989个，分辨率为3.85 cm。经三维空间匹配后，平均三维点云密度为315.14个/m3，满足要求。
在采用非RTK模式并添加地面控制点的情况下，根据Pix4D生成的质量报告，每张照片上点云的中位数为71 169个，最小为56 244个，最大为83 516个，平均每张照片上的点云为70 870个，分辨率为3.96 cm。经三维空间匹配后，平均三维点云密度为262.65个/m3，添加14个控制点前、后的平均照片相对畸变为0.104%。
3.2 SfM数据对比分析
对于空间位置（x，y，z）均有差异的2组栅格数据，对z值进行对比时，一般采用的方法是首先以1组栅格数据为基准，对另一组栅格数据的平面位置（x，y）进行人工几何校正，然后将校正后的2组数据根据精度需要进行重采样，进行相应的计算后可得到2组数据在z值上的差异。但该数据对比方法较繁琐，且由于涉及人工校正因素，会在一定程度上造成人为误差，不适用于精度较高的数据对比。CloudCompare软件是专门用于点云对比的免费软件，其基本原理是计算2个点云之间的距离，默认方式是最近邻距离，对于比较云的每个点，CloudCompare软件搜索参考云中最近的点，并计算其（欧几里德）距离。如果参考点云密度足够大，可采用由对比云至参考云代表的下表面的近似距离。如果参考云不够密集，最近邻距离有时不够精确。因此，利用CloudCompare软件确定参考云中最近的点时，利用最近的点和与其相邻的几个点拟合数学模型，对参考云表面进行局部建模。从比较云的每个点到参考云中最近点的距离被到数学模型的距离所代替，这在统计上更精确，对云采样的依赖更少。CloudCompare软件采用了更精确的二次高度函数拟合曲面数学模型①。
本试验采用CloudCompare软件对2组数据进行对比，由于前期利用Pix4D软件生成DEM前已生成了相应的点云数据，以生成SfM-DEM的点云为参考云，对生成RTK-SfM DEM的点云进行对比，为尽量减少计算量，并提高对比的精确性，对生成RTK-SfM DEM的点云进行适当抽稀。
随机抽取对比云内部分点云数据，通过Cloud-cloud distances与参考云进行初步对比，本次初步对比选取了100 000个点，全部覆盖了对比云的范围，初步对比结果如表1所示，表中RMS是对比云与参考云之间的平均误差，也是2套数据之间产生的系统误差。
表 1 初步对比点云转换矩阵数据Table 1. Preliminary comparison point cloud transformation matrix tablex y z RMS 1.000 0.000 0.000 0.565 −0.000 1.000 0.000 0.509 −0.000 −0.000 1.000 0.851 0.000 0.000 0.000 1.000 初步处理目的是将2套数据通过大量的校准点进行对比，统计2套数据之间的空间位置差异。由图4（g）、（h）可知，2套数据的最小高程和最大高程差值为0.83～0.86 m，说明该初步处理结果可信。
初步处理后，CloudCompare软件会根据转换矩阵数据调整对比云的空间位置，并对2套数据进行详细对比。本文重点分析垂向z值对比结果，共包括73 056 320个对比值，平均值为0.048 2 m，其中95%以上的对比值＜0.05 m，可知通过初步的空间位置修正后，对比云与参考云的垂向误差均＜0.05 m（图5）。
图 5 SfM-DEM与RTK-SfM DEM点云对比统计及误差空间分布Figure 5. Point cloud comparison statistics and error spatial distribution between SFM-DEM and RTK-SFM DEM由图4（g）、（h）、图5（b）可知，垂向对比值误差较小的点云分布在测量区域内部，而误差较大的点云主要分布在测量区域边缘或无地面控制点、地面控制点稀疏的区域，部分点云位于地形较陡峭的阴影区。排除地形因素影响外，造成误差较大的主要原因是参考云的地面控制点稀疏或缺少地面控制点导致的局部畸变。
3.3 无人机摄影测量生成的DEM与DGPS数据高程对比
基于DEM分析（坡度和坡向）结果，并结合野外地质调查结果，对测量区域内河流阶地进行系统划分。使用Trimble R10实时差分GNSS分别沿河道、T1阶地、T2阶地、T3阶地、T4阶地和T5阶地共测量6条测线，含5 077个DGPS坐标点。将实时差分测量的坐标点数据导入无人机测量生成的DEM中，在测线相同位置提取点，与6条测线高程进行对比（图6）。
图 6 基于DEM分析结果与野外调查结果的阶地划分及DGPS测线分布Figure 6. River terraces division and DGPS lines distribution based on DEM analysis and field investigation进行预处理时，已输入了相机倾斜校正与垂直校正的相关参数，在Pix4D处理过程中已进行了相关校正，因此后续处理相对简单。利用ArcGIS中的数值提取到点功能，将DGPS测点文件与无人机摄影测量生成的DEM叠加，分别将2种模式下生成的DEM高程值提取至DGPS文件中，并将数据导出，进行3组高程对比。为使对比效果图更直观，仅选择阶地发育相对集中的局部段落进行对比（图6（c）中2个黄框位置）。将DGPS高程、带有控制点生成DEM高程（SfM DEM）及基于RTK模式生成DEM高程（RTK-SfM DEM）数据生成散点折线图（图7），并对比分析各级阶地测线高程数据差值（表2）。
表 2 3种高程数据差值的平均值Table 2. Average value of difference of three elevation data测线 DGPS与SfM DEM差值/m DGPS与RTK-SfM DEM差值/m 河床 0.44648900 1.25817214 T1 0.51727922 1.33264908 T2 0.56253832 1.39865517 T3 0.54695363 1.33524765 T4 0.61002861 1.38761910 T5 0.56203093 1.47095521 平均值 0.540886618 1.36388305 
图 7 DGPS、SfM DEM、RTK-SfM DEM高程数据对比Figure 7. Comparison of three elevation data of DGPS, SfM DEM and RTK-SFM DEM由图7可知，3种数据之间存在系统误差，且每2种数据之间的误差基本恒定，但RTK-SfM DEM数据对地形的刻画更细致。由表2可知，添加地面控制点生成的SfM DEM中各级阶地高程值与实时差分RTK测得的高程值相差0.446～0.610 m，平均值为0.540 886 618 m；基于RTK模式生成的RTK-SfM DEM中各级阶地高程值与实时差分RTK测得的高程值相差1.258～1.471 m，平均值为1.363 883 05 m，差值均为不同测量系统之间存在的系统误差。
以DGPS数据为基准值，分别减去0.540 886 618 m和1.363 883 05 m，以去除系统误差，然后与SfM DEM、RTK-SfM DEM数据中提取的点高程值进行对比，得出各级阶地相对平均值与标准差（表3），以此分析2种数据的相对稳定性。利用matlab软件中的hisfit绘图函数，得到利用3种方法测得的各测线高程数据差值正态分布曲线（图8）。
表 3 去除系统误差后3种高程数据差值平均值与标准差Table 3. Average difference and standard deviation of three elevation data after removing systematic error测线 DGPS与SfM DEM差值/m DGPS与RTK-SfM DEM差值/m 平均值 标准差 平均值 标准差 河床 −0.108 698 0.178 616 −0.096 039 0.158 909 T1 −0.037 377 0.143 255 −0.026 488 0.081 722 T2 0.021 172 0.130 226 0.013 106 0.105 653 T3 −0.033 185 0.189 726 −0.010 624 0.109 698 T4 0.069 141 0.120 677 0.023 736 0.150 740 T5 0.107 072 0.116 793 0.021 144 0.082 876 
图 8 去除系统误差后DGPS数据与2种方式生成的DEM数据之间差值的正态分布Figure 8. Normal distribution of the difference between DGPS data and DEM generated by the two methods after removing systematic error由表3、图8可知，各级阶地去除系统误差后DGPS数据与2种方式生成的DEM数据之间的差值均＜0.10 m，DGPS数据与RTK-SfM DEM数据差值更小，大部分约为0.02 m。另外，各级阶地（除T4阶地外）去除系统误差后DGPS数据与RTK-SfM DEM数据差值的标准差较小，说明如果以DGPS数据为基准，RTK-SfM DEM数据较SfM DEM数据具有较好的稳定性。
4. 讨论与结论
（1）对搭载RTK模块的移动摄影测量技术获取的数据进行点云对比和与DGPS测量数据对比，分析基于网络/基站RTK移动摄影测量数据的垂向精度。
（2）通过对比非RTK模式无人机摄影测量并结合地面控制点（GCPs）生成的数字高程数据SfM DEM与基于RTK模式下获取的数字高程数据RTK-SfM DEM点云，发现2种数据在垂向上存在约0.85 m的系统误差，减去该误差后，2种数据95%以上的点云在垂向上的误差均＜0.05 m，且RTK-SfM DEM数据畸变率更小。对比阶地面上DGPS测量数据与以上2种模式下获取的高程数据发现，DGPS测量数据与SfM DEM数据存在约0.5 m的系统误差，DGPS测量数据与RTK-SfM DEM数据存在约1.3 m的系统误差，产生系统误差的原因需进一步研究。去除系统误差后，DGPS测量数据与RTK-SfM DEM数据差值的标准差较小，说明误差分布更集中，可知RTK-SfM DEM数据具有更好的稳定性与更小的畸变率。
（3）笔者在山西地堑系、四川和云南地区均开展了对比工作，均存在系统误差，但该系统误差因地区不同而不同，山西地堑系约为0.7～0.8 m，四川地区约为0.5～0.6 m，云南地区约为1.1～1.2 m。笔者认为造成系统误差的原因可能为：①无人机与地面采集终端（Trimble R10实时差分GNSS接收系统）源椭球设置不一致；②地面采集终端的基准站开机后，静置初始化时间较短，且基准站未在已知坐标控制点上进行校正。垂向上的系统误差不会影响RTK-SfM DEM数据的可靠性，如果数据均匀稳定且畸变率小，可满足活动构造研究对高程数据的精度要求。
-
图 6 工况1～3下地脉动三分向傅氏谱
Figure 6. Microtremors Fourier spectra of UD，NS and EW component under observation condition 1~3
图 7 工况1、3下的地脉动H/V谱比
Figure 7. Microtremors H/V spectra under observation condition 1、3
图 9 24个场地TMA-53烈度仪和TAG-33M强震仪观测地脉动竖向傅氏谱
Figure 9. Microtremor Fourier spectra of vertical component for 24 sites by TMA-53 and TAG-33M
图 10 24个场地TMA-53烈度仪和TAG-33M强震仪观测地脉动水平向傅氏谱
Figure 10. Microtremor Fourier Spectra of horizontal component for 24 sites by TMA-53 and TAG-33M
图 11 24个场地TMA-53烈度仪与TAG-33M强震仪观测地脉动竖向、水平向傅氏谱卓越频率的差值
Figure 11. Predominant frequency differences of microtremors Fourier spectra by TMA-53 and TAG-33M at 24 sites
图 12 24个场地TMA-53烈度仪与TAG-33M强震仪观测地脉动傅氏谱间的欧氏距离
Figure 12. Euclidean distances between microtremors Fourier spectra by TMA-53 and TAG-33M at 24 sites
图 13 24个场地TMA-53烈度仪与TAG-33M强震仪观测地脉动傅氏谱相关系数
Figure 13. Correlation coefficients between microtremors Fourier spectra by TMA-53 and TAG-33M at 24 sites
图 14 24个场地TMA-53烈度仪与TAG-33M强震仪观测地脉动傅氏谱水平向与竖向欧式距离、相关系数统计分布
Figure 14. Histogram of Euclidean distances and correlation coefficients between microtremors Fourier spectra at 24 sites
图 15 24个场地TMA-53烈度仪和TAG-33 M强震仪观测地脉动H/V谱比
Figure 15. Microtremor H/V Spectra for 24 sites by TMA-53 and TAG-33 M
图 16 基于H/V谱比卓越频率的场地分类
Figure 16. Site classification by microtremors H/V spectra predominant frequencies
图 17 24个场地TMA-53烈度仪和TAG-33 M强震仪观测地脉动H/V谱比卓越频率差值
Figure 17. Differences of microtremor H/V spectra predominant frequencies for 24 sites by TMA-53 and TAG-33 M
表 1 地脉动观测仪器基本参数
Table 1. Basic parameters of the microtremors observation instruments
参数 仪器名称 TAG-33 M DLS SLJ-100 TMA-53 仪器类型 强震仪 拾振器 强震仪 烈度仪 传感器类型 三分量力平衡式
加速度计三分量力平衡式
加速度计/三分向速度计三分量力平衡式
加速度计正交三分量MEMS工艺力
平衡式加速度计测量范围/gn ±2 ±2 ±2 ±2 带宽/Hz 200 — 80 40 A/D转换/bit 24 24 24 24 系统动态范围/dB ≥134 — ≥135 ＞90 灵敏度 3 146 Ct/Gal 2 000 V/g，10 V/g，2 000 V·s/m 2.5 V/g 500 Ct/Gal 
下载: 导出CSV
-
陈盛扬, 2019. 基于聚类分析的地脉动单点谱比应用研究. 哈尔滨: 中国地震局工程力学研究所.Chen S. Y., 2019. Application research of cluster analysis on Micro-tremor’s H/V spectra. Harbin: Institute of Engineering Mechanics, China Earthquake Administration. (in Chinese) 李昌珑, 2013. 基于MEMS加速度传感器的地震烈度监测技术研究与实现. 武汉: 中国地震局地震研究所.Li C. L., 2013. Research and achievement on earthquake intensity monitoring technology based on MEMS accelerometer. Wuhan: Institute of Seismology, China Earthquake Administration. (in Chinese) 彭菲, 王伟君, 寇华东, 2020. 三河—平谷地区地脉动H/V谱比法探测: 场地响应、浅层沉积结构及其反映的断层活动. 地球物理学报, 63（10）: 3775—3790 doi: 10.6038/cjg2020O0025Peng F. , Wang W. J. , Kou H. D. , 2020. Microtremer H/V spectral ratio investigation in the Sanhe-Pinggu area: site responses, shallow sedimentary structure, and fault activity revealed. Chinese Journal of Geophysics, 63(10): 3775—3790. (in Chinese) doi: 10.6038/cjg2020O0025 师黎静, 陈盛扬, 2020. 基于地脉动单点谱比的场地特征参数测定方法适用性研究. 振动与冲击, 39（11）: 138—145 doi: 10.13465/j.cnki.jvs.2020.11.018Shi L. J. , Chen S. Y. , 2020. The applicability of site characteristic parameters measurement based on micro-tremor’s H/V spectra. Journal of Vibration and Shock, 39(11): 138—145. (in Chinese) doi: 10.13465/j.cnki.jvs.2020.11.018 师黎静, 刘佳轩, 陈盛扬, 2022. 基于地脉动H/V谱比卓越周期的场地类别划分. 振动与冲击, 41（13）: 34—42, 51 doi: 10.13465/j.cnki.jvs.2022.13.005Shi L. J. , Liu J. X. , Chen S. Y. , 2022. Site classification based on predominant period of microtremor’s H/V spectral ratio. Journal of Vibration and Shock, 41(13): 34—42, 51. (in Chinese) doi: 10.13465/j.cnki.jvs.2022.13.005 王光冲, 吴鹏, 李小军等, 2019. 基于背景噪声的烈度仪、强震计及地震计性能对比分析. 地震地磁观测与研究, 40（5）: 109—113Wang G. C. , Wu P. , Li X. J. , et al. , 2019. Comparison and analysis of intensity meter, strong seismometer and seismometer based on background noise. Seismological and Geomagnetic Observation and Research, 40(5): 109—113. (in Chinese) 王浩, 丁炜, 2013. MEMS加速度计与传统地震加速度计的比较研究. 大地测量与地球动力学, 33（S2）: 93—95Wang H. , Ding W. , 2013. Comparison among MEMS accelerometer and traditional seismometer. Journal of Geodesy and Geodynamics, 33(S2): 93—95. (in Chinese) 温瑞智, 冀昆, 任叶飞等, 2015. 基于谱比法的我国强震台站场地分类. 岩石力学与工程学报, 34（6）: 1236—1241 doi: 10.13722/j.cnki.jrme.2014.0760Wen R. Z. , Ji K. , Ren Y. F. , et al. , 2015. Site classification for strong earthquake stations in china using spectral ratio method. Chinese Journal of Rock Mechanics and Engineering, 34(6): 1236—1241. (in Chinese) doi: 10.13722/j.cnki.jrme.2014.0760 张帝, 2019. 基于钻孔地脉动分析土层剪切波速. 烟台: 烟台大学.Zhang D., 2019. Analysis of soil shear wave velocity based on borehole microtremor. Yantai: Yantai University. (in Chinese) 张红才, 金星, 王士成等, 2017. 烈度仪记录与强震及测震记录的对比分析——以2015年河北昌黎ML4.5地震为例. 地震学报, 39（2）: 273—285 doi: 10.11939/jass.2017.02.010Zhang H. C. , Jin X. , Wang S. C. , et al. , 2017. Comparative analyses of records by seismic intensity instrument with strong ground motion records and seismograph stations records: taking the $ {M}_{\mathrm{L}} $ 4.5 Changli earthquake of Hebei Province for an example. Acta Seismologica Sinica, 39(2): 273—285. (in Chinese) doi: 10.11939/jass.2017.02.010张谦, 2012. 基于地脉动观测的城市地区工程场地动参数及反演地下结构的研究. 北京: 北京交通大学.Zhang Q., 2012. The study of the dynamic parameters in urban areas of engineering site based on microtremor observation and inversion of underground structures. Beijing: Beijing Jiaotong University. (in Chinese) 中国地震局, 2019. DB/T 17—2018 地震台站建设规范 强震动台站. 北京: 中国质检出版社.China Earthquake Administration, 2019. DB/T 17—2018 Specification for the construction of seismic station-Strong motion station. Beijing: China Quality Inspection Press. (in Chinese) Cochran E. S. , Lawrence J. F. , Kaiser A. , et al. , 2011. Comparison between low-cost and traditional MEMS accelerometers: a case study from the M7.1 Darfield, New Zealand, aftershock deployment. Annals of Geophysics, 54(6): 728—737. Laouami N. , Hadid M. , Mezouar N. , 2018. Proposal of an empirical site classification method based on target simulated horizontal over vertical spectral ratio. Bulletin of Earthquake Engineering, 16(12): 5843—5874. doi: 10.1007/s10518-018-0420-y Peterson J. R. , 1993. Observations and modeling of seismic background noise. Reston: U. S. Geological Survey, 93—322. Sanchez, 2017. Geoseismic microzonation of the metropolitan area of colima-villa de Alvarez, Mexico. In: 15 th World Conference on Earthquake Engineering. LISBON, Portugal. 2012 Shanker D. , Panthi A. , Singh H. N. , 2012. Long-term seismic hazard analysis in Northeast Himalaya and its adjoining regions. Geosciences, 2(2): 25—32. doi: 10.3390/geosciences2020025 期刊类型引用(3)
1. 徐伟，程理，李光涛，陈文龙. 马雅雪山断裂金强河段晚第四纪断错地貌及滑动速率确定. 震灾防御技术. 2024(03): 457-467 . 
本站查看2. 李彦锋，杨延斌，杨岩，杨树宏，杨超. RTK技术在云南高海拔山区架空输电线路多旋翼无人机自动巡检中的应用. 云南电业. 2024(06): 36-39 . 百度学术3. 丁锐. 城市规划测绘在数字化城市建设中的应用. 中国高新科技. 2023(07): 155-157+160 . 百度学术其他类型引用(0)
-
下载:
点击查看大图
计量
- 文章访问数: 207
- HTML全文浏览量: 51
- PDF下载量: 26
- 被引次数: 3
