楊超 雍珊珊 王新安 劉聰

基于張衡一號(hào)電磁衛(wèi)星數(shù)據(jù)對(duì)印尼Ms7.4地震的研究

楊超 雍珊珊?王新安 劉聰

北京大學(xué)深圳研究生院集成微系統(tǒng)科學(xué)工程與應(yīng)用重點(diǎn)實(shí)驗(yàn)室, 深圳 518055; ?通信作者, E-mail: yongshanshan@pku.edu.cn

以 2018 年 9 月 28 日印尼 Ms 7.4 地震為背景, 利用張衡一號(hào)電磁衛(wèi)星觀測(cè)的 ULF 磁場(chǎng),和三分量數(shù)據(jù), 采用滑動(dòng)四分位(IQR)算法、滑動(dòng)主成分分析算法(PCA)和短時(shí)傅里葉變換算法(STFT), 對(duì)震中范圍的時(shí)空電磁數(shù)據(jù)進(jìn)行分析, 結(jié)果顯示 3 種算法都能有效地提取到震前異常。1),和分量均值震前 7 天開始出現(xiàn)異常, 隨著發(fā)震時(shí)間臨近,和分量的異常程度逐漸增加, 震前 2 天達(dá)到峰值,分量最大異常達(dá)到0.7nT, 震后異常慢慢消失; 2)震前 5 天主成分出現(xiàn)異常, 第一主成分占比急劇下降, 下降幅度超過 15%, 第二、第三主成分占比急劇上升, 異常持續(xù) 3 天; 3)震前 9 天, 13 和 25Hz 功率譜密度占比同時(shí)出現(xiàn)大幅異常, 13Hz 占比上升 35%, 25Hz 占比下降超過 40%, 13Hz 占比出現(xiàn)正異常, 最大正異常達(dá)到 0.1, 25Hz 占比出現(xiàn)負(fù)異常, 最大負(fù)異常達(dá)到?0.15, 震后異常消失。結(jié)合同時(shí)段的太陽地磁活動(dòng)情況, 認(rèn)為上述電磁異常可以作為印尼地震的前兆。

印尼地震; 張衡一號(hào); 滑動(dòng)四分位(IQR); 滑動(dòng)主成分分析(PCA); 短時(shí)傅里葉變換(STFT); 電磁異常

在地震孕育及發(fā)生過程中, 震源區(qū)及其周圍會(huì)出現(xiàn)不同程度的電磁輻射現(xiàn)象, 這種輻射電磁場(chǎng)往往提前數(shù)天或數(shù)小時(shí)出現(xiàn)[1–3]。觀測(cè)資料表明, 電磁異常是對(duì)短臨地震反應(yīng)最敏感的地震前兆之一[4–6]。大地震臨震前電離層異常擾動(dòng)及地震電離層耦合機(jī)制一直是地震前兆研究的熱點(diǎn)[7], 地震科學(xué)家通過電磁學(xué)途徑、化學(xué)途徑以及聲學(xué)途徑, 論證了電離層擾動(dòng)與地震孕育過程的關(guān)系, 其中電磁學(xué)途徑主要是監(jiān)測(cè)電磁場(chǎng)、電子溫度、電子密度以及電子濃度總含量(TEC)和這些參量在震前以及地震期間存在的異常變化[8]。

在地震電磁分析領(lǐng)域, 通過主成分分析得到的第一分量的能量占比很高, 一般認(rèn)為其與空間電流體的改變和諸如磁暴之類的全球性磁擾事件有關(guān), 第二、第三主成分可能來自震源或人為干擾信號(hào)。Gotoh 等[9]和 Hattori 等[10]利用主成分分析方法, 研究 2000 年日本伊豆地震周邊的 ULF 電磁數(shù)據(jù), 發(fā)現(xiàn)第三主成分的占比出現(xiàn)顯著異常。Han 等[11]用該方法研究 1998 年巖首地震, 發(fā)現(xiàn)第二主成分異常的映震效果比較明顯。

本文采用滑動(dòng)四分位(IQR)算法、滑動(dòng)主成分分析算法(PCA)和短時(shí)傅里葉變換算法(STFT), 對(duì)印尼 Ms7.4 地震震中時(shí)空范圍的電磁數(shù)據(jù)進(jìn)行分析, 發(fā)現(xiàn)地震前電磁存在異常擾動(dòng)現(xiàn)象。

1 數(shù)據(jù)

電磁監(jiān)測(cè)試驗(yàn)衛(wèi)星(張衡一號(hào))是中國(guó)地震立體觀測(cè)體系的第一個(gè)天基平臺(tái), 也是國(guó)家地球物理場(chǎng)探測(cè)衛(wèi)星的首發(fā)衛(wèi)星, 目的是建立一個(gè)監(jiān)測(cè)全球空間電磁場(chǎng)、電磁波、電離層等離子和高能粒子沉降等物理量的空間試驗(yàn)平臺(tái), 對(duì)中國(guó)及其周邊地區(qū)開展準(zhǔn)實(shí)時(shí)監(jiān)測(cè)和跟蹤, 開展全球 7 級(jí)以上、中國(guó) 6 級(jí)以上地震電磁信息分析研究, 探索地震電離層響應(yīng)變化的信息特征及其機(jī)理, 為大震預(yù)測(cè)提供有價(jià)值的前兆信息[12]。

張衡一號(hào)(ZH-1)共搭載 3 類 8 種科學(xué)載荷: 第一類是用于電離層電磁場(chǎng)探測(cè)的載荷, 包括高精度磁強(qiáng)計(jì)(HPM)、感應(yīng)式磁力儀(SCM)和電場(chǎng)探測(cè)儀(EFD); 第二類是用于原位等離子體參數(shù)探測(cè)的載荷, 包括朗繆爾探針(LAP)、等離子體分析儀(PAP)和高能粒子探測(cè)器(HEPP和意大利HEPD); 第三類是用于電離層結(jié)構(gòu)探測(cè)的載荷, 包括 GNSS 掩星接收機(jī)(GRO)和三頻信標(biāo)發(fā)射機(jī)(TBB)[13]。本研究采用的數(shù)據(jù)是感應(yīng)式磁力儀(SCM)探測(cè)到的 ULF 電磁三分量, 頻帶范圍是 10～200Hz, 靈敏度是 5.0x10?5nT·Hz?1/2@2kHz, 采樣率s=1024Hz。

2018 年 9 月 28 日 UTC 18:02:44, 印尼中蘇拉威西省(0.25°S,119.9°Ε)發(fā)生 Ms7.4 級(jí)地震, 在 UTC 15:00:02 發(fā)生過一次 Ms6.0 級(jí)地震, 震源深度都是10km。本文以其震中為研究中心, 經(jīng)緯度±20° (20.25°S—19.75°N, 99.1°—139.9°E)范圍為研究區(qū)域, 時(shí)間范圍選擇 2018 年 9 月 12 日—10 月 05 日, 即震前 15 天到震后 7 天。根據(jù)上述時(shí)空范圍, 選擇對(duì)應(yīng)的ULF 磁場(chǎng),和三分量時(shí)間序列數(shù)據(jù)。

地磁場(chǎng)的變化和太陽活動(dòng)都會(huì)導(dǎo)致空間電磁場(chǎng)的異常變化, 分析空間電磁異常的同時(shí)需關(guān)注該時(shí)段的空間環(huán)境狀況, 因此提取 2018 年 9 月 12 日—10 月 05 日的太陽射電通量 F10.7 指數(shù)和地磁活動(dòng)指數(shù)(Kp 指數(shù)和 Dst 指數(shù)), 數(shù)據(jù)來自美國(guó)航空航天局(NASA)的 OMNI-Web 公開數(shù)據(jù)(http://omniweb.gsfc.nasa.gov/)。根據(jù)F10.7 將太陽活動(dòng)劃分為 3 個(gè)等級(jí): F10.7>150SFU, 100 SFU

2 異常提取算法

2.1 滑動(dòng)四分位算法

滑動(dòng)四分位(IQR)算法是穩(wěn)健統(tǒng)計(jì)技術(shù)中用于表示數(shù)據(jù)離散度的一個(gè)量, 常用來檢查數(shù)據(jù)的異常情況[18–19], 在地震前兆異常分析領(lǐng)域, 滑動(dòng)四分位算法是一種常用的算法, 且效果不錯(cuò)[20–21]。本文選取 27 天作為時(shí)間窗口, 步長(zhǎng)為 1 天, 27 天的均值數(shù)據(jù)組成時(shí)間序列, 并按照從小到大順序排列為= [1,2, …,27]。1,2和3分別為第一、第二和第三四分位數(shù)。

四分位距 IQR=3–1, 基于標(biāo)準(zhǔn)化正太分布計(jì)算IQR 與標(biāo)準(zhǔn)差的關(guān)系為 IQR=1.34, 本文定義2± 1.5IQR 作為電磁異常上下邊界判斷閾值, 采用 2作為閾值范圍, 置信度為 95%。如果電磁均值在上下邊界范圍內(nèi), 則異常值為 0, 超過上邊界為正異常, 低于下邊界為負(fù)異常。異常值的求解公式如下:

upper是上邊界,lower是下邊界, ?abn_value是異常值。

2.2 滑動(dòng)主成分分析算法

主成分分析(principal component analysis, PCA)算法是一種使用最廣泛的數(shù)據(jù)降維算法, 主要通過分離不相關(guān)成分來提取主要成分[22–23], 且 PCA 不易受太陽地磁活動(dòng)影響[24], 具有能分離不同信號(hào)、有效地識(shí)別相對(duì)較弱信號(hào)的優(yōu)勢(shì), 可用于地震電磁擾動(dòng)的研究[25–26]。Chang 等[27]提出滑動(dòng) PCA 方法, 采用全球電離層格網(wǎng)數(shù)據(jù)(GIM), 在 4 次強(qiáng)震(青海地震、本州地震、于田地震和尼泊爾地震)中, 發(fā)現(xiàn)震前 10 日內(nèi)都會(huì)出現(xiàn)短時(shí)的震前異常。

2.3 短時(shí)傅里葉變換算法

短時(shí)傅里葉變換(STFT)可以用于量化非平穩(wěn)信號(hào)頻率和相位隨時(shí)間的變化, 基本思想是將時(shí)域信號(hào)在時(shí)間軸上截取成多個(gè)固定時(shí)長(zhǎng)的時(shí)間窗, 并假定信號(hào)在時(shí)間窗內(nèi)是一個(gè)平穩(wěn)信號(hào), 然后對(duì)窗內(nèi)信號(hào)進(jìn)行傅里葉變換, 沿著時(shí)間軸不斷地滑動(dòng)時(shí)間窗, 直到信號(hào)末端, 便可得到整段信號(hào)的時(shí)變頻譜。短時(shí)傅里葉變換(STFT)定義為

其中,()為輸入信號(hào);()是窗函數(shù), 在時(shí)間上反轉(zhuǎn)并且有個(gè)樣本的偏移量;(,)是時(shí)間和頻率的二維函數(shù), 將信號(hào)的時(shí)域和頻域聯(lián)系起來進(jìn)行時(shí)頻分析。本文窗函數(shù)選擇 Hanning 窗, 時(shí)間窗大小設(shè)定為 1024 個(gè)數(shù)據(jù)點(diǎn), 計(jì)算功率譜密度占比, 然后按天聚合, 生成時(shí)頻圖。

3 采用 3 種算法計(jì)算和分析

采用滑動(dòng)四分位(IQR)算法, 對(duì) 2018 年 9 月 28日印尼 Ms7.4 地震進(jìn)行分析。數(shù)據(jù)選取震前 15 天, 震后 7天的 ULF 磁場(chǎng),和三分量數(shù)據(jù)。先取絕對(duì)值, 再求平均值, 按天聚合, 計(jì)算 IQR 值, 結(jié)果如圖 1 和 2 所示。從圖 1 可以發(fā)現(xiàn), 震前 7 天, 三分量均值已經(jīng)超過 IQR 上限閾值。從圖 2 可以發(fā)現(xiàn),,和分量均值大約在震前 7 天開始出現(xiàn)正異常, 隨著發(fā)震時(shí)間的臨近,和分量的異常程度也逐漸增加, 震前 2 天達(dá)到峰值,分量最大異常程度達(dá)到0.7 nT, 震后異常漸漸消失。

圖 3 為空間活動(dòng)指數(shù)的活動(dòng)情況?？梢钥闯? 震前 15 天至震后 7 天, 太陽地磁活動(dòng)較為平靜, Kp指數(shù)低于 4, Dst 指數(shù)大于?30 nT, F10.7 穩(wěn)定在 69.8 左右。9 月 22 日出現(xiàn)微弱磁暴, 9 月 21 日、24日、25 日、26 日和 27 日, 太陽地磁活動(dòng)都很平靜, 分析結(jié)果表明, 圖 2 中 9 月 22 日的正異常與磁暴有關(guān), 其他 5 天的異常與地震有關(guān)系, 映震效果顯著。

采用滑動(dòng)主成分(PCA)分析方法, 對(duì) 2018 年 9月 28 日印尼 Ms7.4 地震進(jìn)行震前異常分析。選取震前 15天, 震后 7 天的 ULF 磁場(chǎng),和三分量均值數(shù)據(jù)。選取滑窗長(zhǎng)度為 27 天, 每天 10 個(gè)均值組成二維矩陣, 步長(zhǎng)為 1 天, 滑窗計(jì)算每一天的第一、第二、第三主成分占比, 發(fā)現(xiàn)分量映震效果明顯。從圖 4 可以發(fā)現(xiàn), 震前 5 天第一主成分占比開始大幅下降, 降幅超過 15%, 第二、第三主成分占比開始急劇上升, 異常持續(xù) 3 天左右, 震前第三主成分占比先上升, 后下降, 直至恢復(fù)正常, 而 9月 23 日、24 日、25 日太陽地磁活動(dòng)都較為平靜, 分析結(jié)果顯示這 3 天的異常與地震有關(guān)系, 映震效果明顯。

圖1 ULF磁場(chǎng)X分量、Y分量和Z分量均值以及IQR上限

對(duì) ULF 磁場(chǎng),和三分量數(shù)據(jù)做快速傅里葉變換(FFT), 結(jié)果表明在 50Hz 頻段以下主要有 13, 25 和 38Hz 等頻段。

采用短時(shí)傅里葉變換(STFT)算法, 對(duì) 2018 年 9月 28 日印尼 Ms7.4 地震進(jìn)行分析。窗函數(shù)選擇Hanning 窗, 時(shí)間窗大小設(shè)定為 1024 個(gè)數(shù)據(jù)點(diǎn), 數(shù)據(jù)選取震前 15 天, 震后 7 天的 ULF 磁場(chǎng),和三分量數(shù)據(jù), 計(jì)算功率譜密度占比, 結(jié)果如圖 5 和 6 所示。從圖 5 可以發(fā)現(xiàn), 震前 9 天, 13 和 25Hz 功率譜密度占比同時(shí)出現(xiàn)大幅異常, 13Hz 占比上升 35%, 25 Hz 占比下降超過 40%, 異常現(xiàn)象持續(xù)到發(fā)震前一天。從圖 6 可以發(fā)現(xiàn), 隨著發(fā)震時(shí)間臨近, 13Hz 占比條帶顏色逐漸加深, 25Hz 占比條帶顏色逐漸變淺, 震后條帶顏色才恢復(fù)正常。

采用滑動(dòng)四分位(IQR)算法, 對(duì)功率譜密度占比計(jì)算 IQR。從圖 7 可以發(fā)現(xiàn), 震前 9 天, 13Hz 出現(xiàn)正異常, 25Hz 出現(xiàn)負(fù)異常, 其中最大正異常達(dá)到0.1, 最大負(fù)異常達(dá)到?0.15, 震后異常才消失, 9 月17 日、19 日、21 日、24 日和27日太陽地磁活動(dòng)都較為平靜, 沒有磁暴發(fā)生, 分析結(jié)果表明, 這 5 天的異常與地震有關(guān)系。地震孕育過程中電磁輻射引入新的頻率成分, 擾亂頻率成分之間原有的相對(duì)占比, 映震效果顯著。13 和 25 Hz可能是舒曼諧波。

圖2 ULF磁場(chǎng)X分量、Y分量和Z分量IQR異常

圖3 2018 年 9 月 12 日—10 月 5 日空間活動(dòng)指數(shù)分布

圖4 ULF 磁場(chǎng) X 分量第一、第二和第三主成分占比

圖5 ULF 磁場(chǎng) X 分量、Y 分量和 Z 分量各頻率功率譜密度占比

圖6 ULF磁場(chǎng)X分量、Y分量和Z分量功率譜密度占比時(shí)頻圖

圖7 ULF磁場(chǎng)X分量、Y分量和Z分量功率譜密度占比IQR異常

4 結(jié)束語

本文以 2018 年 9 月 28 日印尼 Ms7.4 地震為背景, 利用張衡一號(hào)電磁衛(wèi)星觀測(cè)到的 ULF 磁場(chǎng),和三分量數(shù)據(jù), 采用滑動(dòng)四分位算法、滑動(dòng)主成分分析算法和短時(shí)傅里葉變換算法, 對(duì)震中范圍時(shí)空電磁數(shù)據(jù)進(jìn)行分析。結(jié)合同時(shí)段太陽地磁活動(dòng)情況, 經(jīng)過對(duì)比分析, 發(fā)現(xiàn) 3 種算法都能有效地提取震前顯著電磁異常, 且異常出現(xiàn)時(shí)間都在地震前幾天至一周左右, 與 Han 等[30–31]的研究結(jié)果具有較好的一致性。3 種算法對(duì)捕捉臨震異常以及地震預(yù)測(cè)有重要的意義, 方便后續(xù)在電磁衛(wèi)星地震領(lǐng)域開展更深入的探索。

綜合 3 種算法的分析結(jié)果, 關(guān)于印尼地震前電磁異常情況總結(jié)如下。

1),和分量均值震前 7 天開始出現(xiàn)異常, 隨著發(fā)震時(shí)間臨近,和分量的異常程度逐漸增加, 震前 2 天達(dá)到峰值,分量最大異常程度達(dá)到 0.7 nT, 震后異常才慢慢消失。

2)震前 5 天主成分開始出現(xiàn)異常, 第一主成分占比急劇下降, 降幅超過 15%, 第二、第三主成分占比急劇上升, 異?，F(xiàn)象持續(xù) 3 天左右。

3)震前 9 天, 13Hz 和 25Hz 功率譜密度占比同時(shí)出現(xiàn)大幅異常, 13Hz 占比上升 35%, 25Hz 占比下降超過 40%, 13Hz 出現(xiàn)正異常, 最大正異常達(dá)到0.1, 25Hz 出現(xiàn)負(fù)異常,最大負(fù)異常達(dá)到?0.15, 震后異常才消失。

[1]Molchanov O A, Mazhaeva O A, Protopopov M L, et al.Electromagnetic VLF radiation of seismic origin observed on the interkosmos-24 satellite.Geomag-netizm I Aeronomiya, 1992, 32(6): 128–137

[2]Hirano T, Hattori K.ULF geomagnetic changes pos-sibly associated with the 2008 Iwate-Miyagi Nairiku earthquake.Journal of Asian Earth Sciences, 2011, 41(4/5): 442–449

[3]Karakelian D, Klemperer S L, Fraser-Smith A C, et al.Ultra-low frequency electromagnetic measurements associated with the 1998 Mw 5.1 San Juan Bautista, California earthquake and implications for mechani-sms of electromagnetic earthquake precursors.Tecto-nophysics, 2002, 359(1/2): 65–79

[4]Bleier T, Freund F.Earthquake [earthquake warning systems.IEEE Spectrum, 1996, 42(12): 22–27

[5]Huang Q H.Retrospective investigation of geophysi-cal data possibly associated with the Ms8.0 Wen-chuan earthquake in Sichuan, China.Journal of Asian Earth Sciences, 2011, 41(4/5): 421–427

[6]呂亞軒, 王新安, 黃繼攀, 等.基于 AETA 電磁擾動(dòng)對(duì)九寨溝 Ms7.0 級(jí)地震的研究.北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2019, 55(6): 1007–1013

[7]蔡軍濤, 趙國(guó)澤, 詹艷, 等.地震期間電離層擾動(dòng)現(xiàn)象研究.地球物理學(xué)進(jìn)展, 2007, 22(3): 695–701

[8]劉江, 陳聰, 何福秀.基于 GPS 數(shù)據(jù)的汶川、九寨溝地震震前電離層異常分析.四川地震, 2019(4): 11–15

[9]Gotoh K, Akinaga Y, Hayakawa M, et al.Principal component analysis of ULF geomagnetic data for Izu islands earthquakes in July 2000.J Atmos Elect, 2002, 22: 1–12

[10]Hattori K, Serita A, Gotoh K, et al.ULF geomagnetic anomaly associated with 2000 Izu Islands earthquake swarm, Japan.Physics & Chemistry of the Earth, 2004, 29: 425–435

[11]Han P, Huang Q H, Xiu J G.Principal component analysis of geomagnetic diurnal variation associated with earthquakes: case study of the M6.1 Iwate-ken Nairiku Hokubu earthquake.Chinese Journal of Geophysics, 2009, 52(6): 1556–1563

[12]袁仕耿, 朱興鴻, 黃建平.電磁監(jiān)測(cè)試驗(yàn)衛(wèi)星(張衡一號(hào))系統(tǒng)設(shè)計(jì)與關(guān)鍵技術(shù).遙感學(xué)報(bào), 2018, 22 (增刊): 32–38

[13]王蘭煒, 胡哲, 申旭輝, 等.電磁監(jiān)測(cè)試驗(yàn)衛(wèi)星(張衡一號(hào))數(shù)據(jù)處理方法和流程.遙感學(xué)報(bào), 2018, 22 (增刊): 39–55

[14]Fejer B G, De Paula E R, Gonzalez S A, et al.Average vertical and zonal F-region plasma drifts over Jicamarca.Journal of Geophysical Research, 1991, 96(A8): 13901–13906

[15]Fejer B G, Paula E R D, Batista I S, et al.Equatorial F region vertical plasma drifts during solar maxima.Journal of Geophysical Research, 1898, 94(A9): 12049–12054

[16]沈曉飛, 倪彬彬, 顧旭東, 等.第 23 太陽活動(dòng)周期太陽風(fēng)參數(shù)及地磁指數(shù)的統(tǒng)計(jì)分析.地球物理學(xué)報(bào), 2015, 58(2): 362–370

[17]Lin J W.Potential reasons for ionospheric anomalies immediately prior to China’s Wenchuan earth-quake on 12 May 2008 detected by nonlinear principal component analysis.International Journal of Applied Earth Observation and Geoinformation, 2012, 14(1): 178–191

[18]Guo J, Li W, Liu X, et al.On TEC anomalies as precursor before Mw 8.6 Sumatra earthquake and Mw 6.7 Mexico earthquake on April 11, 2012.Geoscien-ces Journal, 2015, 19(4): 721–730

[19]Guo J, Li W, Yu H, et al.Impending ionospheric anomaly preceding the Iquique Mw 8.2 earthquake in Chile on 2014 April 1.Geophysical Journal Interna-tional, 2015, 203(3): 1461–1470

[20]Fuying Z, Yun W, Jian L, et al.Study on method of detecting ionospheric TEC anomaly before earth-quake.Journal of Geodesy and Geodynamics, 2009, 29(3): 50–54

[21]Marchetti D, Akhoondzadeh M.Analysis of swarm satellites data showing seismo-ionospheric anomalies around the time of the strong Mexico (Mw=8.2) earthquake of 08 September 2017.Advances in Space Research, 2018, 62(3): 614–623

[22]Lin J W.Principal component analysis method in the detection of total electron content anomalies in the 24 hrs prior to large earthquakes.Arabian Journal of Geosciences, 2011, 4(3/4): 575–593

[23]de Souza K T, Luís C L, Ernesto G L.Using the Karhunen-Loove transform to suppress ground roll in seismic data.Earth Sciences Research Journal, 2005, 9(2): 139–147

[24]鄒斌, 郭金運(yùn), 常曉濤, 等.基于主成分分析與滑動(dòng)四分位法的震前 TEC 異常探測(cè)對(duì)比分析.全球定位系統(tǒng), 2016, 41(4): 63–69

[25]姚休義, 馮志生.地震磁擾動(dòng)分析方法研究進(jìn)展.地球物理學(xué)進(jìn)展, 2018, 33(2): 0511–0520

[26]王新安, 雍珊珊, 黃繼攀, 等.基于 AETA 監(jiān)測(cè)數(shù)據(jù)的地震預(yù)測(cè)研究.北京大學(xué)學(xué)報(bào)(自然科學(xué)版), 2019, 55(2): 209–214

[27]Chang X, Zou B, Guo J, et al.One sliding PCA method to detect ionospheric anomalies before strong earthquakes: cases study of Qinghai, Honshu, Hotan and Nepal earthquakes.Advances in Space Research, 2017, 59(8): 2058–2070

[28]安玉柱, 張韌, 王偉民, 等.太陽黑子數(shù)與電離層 TEC 的相關(guān)性分析.解放軍理工大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 13(5): 101–106

[29]周志華.機(jī)器學(xué)習(xí).北京: 清華大學(xué)出版社, 2016: 229–232

[30]Han P, Hattori K, Hirokawa M, et al.Statistical analy-sis of ULF seismomagnetic phenomena at Kakioka, Japan, during 2001–2010.Journal of Geophysical Re-search: Space Physics, 2014, 119: 4998–5011

[31]Han P, Hattori K, Zhuang J, et al.Evaluation of ULF seismo-magnetic phenomena in Kakioka, Japan by using Molchan’s error diagram.Geophysical Journal International, 2017, 208(1): 482–490

Research on Indonesia Ms 7.4 Earthquake Based on Data of Zhangheng-1 Electromagnetic Satellite

YANG Chao, YONG Shanshan?, WANG Xin’an, LIU Cong

The Key Laboratory of Integrated Micro-systems Science and Engineering Applications, Peking University Shenzhen Graduate School, Shenzhen 518055; ? Corresponding author, E-mail: yongshanshan@pku.edu.cn

Taking the Ms7.4 earthquake in Indonesia on September 28, 2018 as the background, this paper uses the sliding quartile (IQR) algorithm, sliding principal component analysis (PCA) algorithm and short-time Fourier transform (STFT) algorithm to study the space-time electromagnetic data in the epicentral area by using the,andcomponents of ULF magnetic field observed by Zhangheng-1 electromagnetic satellite.The results show that the three algorithms can effectively extract the anomaly before the earthquake.1) The mean value of,andcomponents began to appear anomaly 7 days before the earthquake.The anomaly degree ofandcomponents increased gradually with the approaching of the earthquake occurrence time, and reached the peak value 2 days before the earthquake.The maximum anomaly degree ofcomponent reached 0.7 nT, and then slowly disappeared after the earthquake.2) 5 days before the earthquake, the anomaly of the principalcomponent began to appear, the proportion of the first principal component decreased sharply by more than 15%.The proportion of the second and third principal components increased sharply, and the anomaly lasted for 3 days.3) 9 days before the earthquake, the proportion of 13 and 25 Hz power spectral density anomalies appeared at the same time, 13 Hz proportion increased by 35%, 25 Hz proportion decreased by more than 40%.13 Hz proportion appeared positive anomalies and 25 Hz proportion appeared negative anomalies, of which the largest positive anomaly reached 0.1, the largest negative anomaly reached ?0.15.The anomalies disappeared after the earthquake.According to the solar geomagnetic activity in the same period of time, the comprehensive analysis shows that the above electromagnetic anomalies can be used as precursors of earthquakes in Indonesia.

Indonesian earthquake; Zhangheng-1; sliding quartile (IQR); principal component analysis (PCA); short-time Fourier transform (STFT); electromagnetic anomalies

10.13209/j.0479-8023.2021.097

深圳市科技計(jì)劃項(xiàng)目(JCYJ20190808161401653, JCYJ20180503182125190)資助

2020–12–05;

2021–01–30