2020年伽师MS6.4地震前震活动研究

邓世广，蒋海昆

中国地震台网中心，北京 100045

0 引言

据中国地震台网测定，2020年1月19日21时27分在新疆喀什地区伽师县(39.83°N，77.21°E)发生MS6.4地震，震源深度16km.该地震造成1人死亡，2人受伤，直接经济损失15.26亿元，是2020年我国大陆地区灾害最严重的地震.此次地震存在显著的前震活动，在主震发生前约45 h(2020年1月18日0时5分)震源区曾发生MS5.4地震，构成了典型的前-主-余型地震序列.

有关前震活动特征及其判断的研究一直是国内外学者关注的热点和难点(王林瑛等, 2005；Kato et al., 2012；Peng et al., 2013；Kato and Nakagawa, 2014；Ruiz et al., 2014；Wu et al., 2014；郑建常等, 2015；赵明等, 2021).实验室的岩石破裂实验表明，断层失稳前普遍存在类似前震的前兆滑动事件(蒋海昆, 2000；Goebel et al., 2013；Johnson et al., 2013；Bolton et al., 2019)，且声发射频次随时间明显增加(蒋海昆等, 2000).地震成核模型以及摩擦滑动的速率-状态依从等理论也认为，前震是主震成核过程的典型表现之一(Dieterich, 1979，1994；Ohnaka, 1992；Dodge et al., 1996；Bouchon et al., 2011).断层亚失稳模型指出, 在临震亚失稳阶段中各种物理量存在规律性的时空演化特征(马瑾等, 2012；马瑾和郭彦双, 2014；Ren et al., 2018；李世念等，2021)，而前震活动则是野外观测到的能够反映失稳前断层状态的重要地震学资料.精确且可靠的前震活动观测结果，能为研究地震孕育物理过程提供重要的基础信息.然而类似余震和震群活动，前震活动通常在时间和空间上相对丛集，短时间内发生多次地震会造成低震级地震可能被其他地震的尾波所淹没.另外，震中附近台站覆盖不足也会导致一些小地震因无法定位而在地震目录里缺失.根据常规的地震目录，不同学者在全球不同区域的研究结果显示，大约仅有10%～40%的中强地震存在前震(陈颙, 1978；Jones and Molnar, 1979；朱传镇和王琳瑛, 1996；Reasenberg, 1999；李振和王辉, 2011；薛艳等, 2012；周少辉和蒋海昆, 2016)，这一比例与实验室观测结果存在较大差距(蒋海昆和周少辉, 2020).

基于波形互相关技术的模板匹配方法能够有效检测遗漏地震(Peng and Zhao, 2009；谭毅培等, 2014；Zhang and Wen, 2015；Liu et al., 2020)，该方法已在前震活动研究中得到了有效的应用.Kato等(2012)基于模板匹配方法检测分析了2011年日本东北MW9.0地震前震活动的迁移现象.王同利等(2019)利用匹配定位(Match & Locate，简称M&L)方法研究了阿拉善左旗MS5.8地震前后的地震活动性.Ross等(2019)利用模板匹配方法对南加州地区的遗漏地震进行检测，识别了近10倍于南加州地震台网(SCSN)目录的地震.Trugman和Ross(2019)利用这套目录发现，70%多的4级以上地震存在前震，前震检出率比基于 SCSN 目录的前震检出率高出 20%.这项研究结果究表明，以往的许多地震可能因监测能力不足而没有发现前震，同时也意味着前震活动可能具有一定的普遍性(蒋海昆和周少辉, 2020).Yao等(2020)对El Mayor-CucapahMW7.2地震序列的遗漏地震进行了检测与定位，分析发现前震活动存在向主震位置迁移的现象.现有研究表明，利用波形互相关技术识别更丰富的地震事件，能够为我们进一步认识强震孕育过程提供重要的信息.

本文利用伽师MS6.4主震周边100km范围内新疆区域台网的连续波形数据，以重新定位后的余震序列目录(李金等，2021a)作为模板事件，采用基于GPU加速的M&L方法对2020年伽师6.4级地震序列开展遗漏地震检测与定位.在此基础上利用更加完备的地震目录研究前震活动过程.

1 数据与方法

1.1 数据收集

收集了李金等(2021a)利用多阶段定位方法对2020年1月至7月期间ML1.5以上地震重新定位的序列目录(以下简称重定位目录)，以及主震周边100 km范围内6个地震台站2019年12月1日至2020年7月31日的连续波形数据(图1).由于本文重点研究研究前震活动，因此未收集震后布设的流动台站的连续波形数据.为提高地震定位精度，在地震重新定位过程中使用了包括流动台站在内的全部震相资料(李金等，2021a).为分析更长时间的前震活动，另外收集了中国地震台网中心国家地震科学数据中心(http:∥data.earthquake.cn)发布的统一正式目录(以下简称台网目录)作为重定位目录的补充.

图1 2020年1月18—31日伽师MS6.4地震序列与周边台站分布黄色五角星为主震震中位置，冷色圆圈为前震震中位置，暖色圆圈为余震震中位置，三角形为台站位置，红色曲线为区域主要断层(F1柯坪断裂；F2奥兹格尔它乌断裂)，T1表示柯坪塔格推覆构造带，地震位置采用李金等(2021a)重定位序列目录绘制.Fig.1 Epicenter and station distribution of Jiashi MS6.4 earthquake sequence from January 18 to 31, 2020Yellow stardenotes the main shock, cool color circles denote the foreshocks, warm color circles denote the aftershocks, black triangles denote stations, red lines indicate main faults in the study area (F1 Kalpin Fault; F2 Aozigeertawu Fault), T1 denotes Kalpintage thrust belt, the earthquakes are mapped based on the sequence catalogue relocated by Li et al. (2021a).

1.2 地震检测与定位

采用基于GPU加速的M&L方法开展地震检测与定位工作，该方法利用地震模板事件波形与可能的微震信号做互相关叠加来探测微震事件.在叠加之前，需要对模板地震周围的三维空间进行扫描搜索，计算可能的地震位置与参考位置之间在同一个台站上的相对走时差，根据走时差来对互相关波形进行校正叠加.M&L方法可以检测到更小震级的地震事件，并且在检测的同时能够给出微震的空间位置信息(Zhang and Wen, 2015).参考前人研究工作(王同利等, 2019；Liu et al., 2020)，本文采用如下步骤进行地震检测与定位：

(1)选取重定位地震目录2020年1月1日至2020年7月31日期间的全部地震事件作为模板，共计791个ML1.5以上地震，其中33个事件发生在伽师MS6.4地震之前.

(2)对连续波形数据去均值、去趋势，并采用2～12 Hz四级双通道Butterworth带通滤波器进行滤波，从而提高波形数据的信噪比.

(3)通过Taup软件(Crotwell et al., 1999)计算S波和P波的理论到时，并通过人工对到时做进一步校正.将S波到时前1 s至后5 s作为模板时窗，P波到时前3 s至前1 s作为噪声时窗，采用Liu等(2020)提出的综合加权方法计算每个台站各个分量的权系数：

(1)

式中的信噪比项Ss,c和走时项Ds,c具体为

(2)

其中，Ms,c和Ns,c分别为模板地震在s台站c分量计算的信噪比和S波走时.I是所有台站分量的总数.

(4)以模板事件所在位置作为中心，设置搜索网格，计算格点与模板事件到各台站的到时差，将每个台站各分量的滑动互相关序列所对应的时间减去其模板所对应的S波走时，再减去该网格点位置与模板位置到每一个台站的到时差进行位置校正，最后基于上一步骤中计算得到的加权系数，将所有台站分量的滑动互相关系数进行加权叠加，即可获得该网格点位置的叠加滑动互相关系数：

(3)

式中T和C分别为模板和连续波形数据，N为模板时窗内的采样点数，n、s和c分别表示采样点序号、台站和分量，Δt是个点与模板位置之间的相对走时差.对每个网格点进行上述运算，最终获得每一个网格点上叠加的滑动互相关系数.

由于震中附近的台站数量有限，地震深度不能得到较好的约束，所以在检测过程中我们固定震源深度，以模板地震为中心，在周围水平经度和纬度方向0.015°×0.015°区域进行搜索，搜索间隔为0.001°.

(5)将所有模板自检时的左右平均相关系数(0.0253)作为背景相关系数(张淼, 2015)，采用12倍背景相关系数(0.3)作为检测阈值，当计算的互相关系数超过检测阈值即认为检测到了一个地震.如果检测时间窗口中出现一个模板检测到多个事件或多个模板事件检测到同一事件，挑选相关系数最高的作为探测到的地震事件.

(6)通过计算检测事件及与其对应的模板事件在各台站的水平分量上S波到时前2 s至后2 s内最大振幅的比值，然后求振幅比的平均值来获得检测事件的震级.

根据以上处理步骤，在2019年12月1日至2020年1月31日期间共检测到4664个地震事件，其中452个为模板事件的自检，4212个为新检测到的地震事件.另外将2019年12月1日至31日期间检测到的地震事件与台网目录进行对比，台网目录在主震断裂附近记录到的18次地震事件均被有效检测到，表明检测方法有效.图2展示了利用M&L方法在2019年12月30日3时38分38.24秒检测到的一个ML1.62地震事件的波形图及叠加互相关函数.

图2 M&L方法对2019年12月30日ML1.62地震的检测结果(a) 模板地震波形(红色)与检测地震波形(灰色)的对比图； (b) 模板地震与检测地震的叠加互相关函数(蓝色)，最大值为0.4287，超过检测阈值0.3(灰色虚线).Fig.2 Detection results of the ML1.62 earthquake on December 30, 2019 using M&L method(a) Comparison of the template earthquake waveform (red) and the detected earthquake waveform (gray)； (b) stacked cross correlation function (blue) of the template earthquake and the detected earthquake, max value is 0.4287, which exceeded the detection threshold 0.3 (gray dashed line).

通过对已知地震进行检测的方式验证M&L方法的定位准确性，并将已知地震位置作为参考位置与检测定位结果进行对比.首先我们在重定位目录内选取了2020年1月18日的一次ML2.4地震(表1)作为待检测地震，利用已移除该地震的其他模板事件对该地震进行检测定位，结果表明M&L方法能够有效识别此次地震，检测到该地震的模板地震为2020年1月18日的一次ML1.6地震(表1)，叠加相关系数约为0.31，检测定位结果与参考位置相差约为312 m(图3)，而台网目录记录到此次地震的位置(39.880°N，77.155°E)距参考位置约为2498 m，表明M&L方法对检测地震的定位结果有较好约束.

图3 M&L检测过程中相关系数的空间分布黑色五角星为模板地震，红色五角星为参考地震，蓝色五角星为检测地震(最高相关系数)，参考地震位于最大相关系数73%的置信区域(白色曲线).Fig.3 The spatial distribution of correlation coefficients during M&L detectionBlack star denotes template earthquake, red star denotes reference earthquake, blue star denotes the detected earthquake (with the maximal CC value), and the reference earthquake is located inside the confidence region with 73% of the maximal CC value (white curve).

表1 地震震源参数Table 1 Earthquake source parameters

2 结果分析

2.1 地震检测结果分析

更加完备的地震目录是正确分析地震活动过程的重要基础，在2019年12月1日至2020年1月31日期间，通过M&L技术检测得到4664个地震事件，其中261个事件发生在伽师MS6.4地震前.从序列的M-t图可以看出，重定位目录缺失了大量的微小地震，通过M&L方法补充了丰富的微小地震事件(图4).此外，我们发现在夜间能够检测到更多的微小地震，特别是在余震活动丰富的时间内小震数量呈明显的周期性变化，可能与夜间噪声水平低有关(图5).

图4 伽师地震序列M-t图蓝点为检测到的地震事件，红点为原有地震事件.Fig.4 M-t diagram of Jiashi earthquake sequenceBlue dots denote the detected earthquakes, red dots denote the relocated earthquakes.

图5 伽师MS5.4地震后序列M-t图蓝点为检测到的地震事件，红点为原有地震事件.Fig.5 M-t diagram of the sequence after Jiashi MS5.4 earthquakeBlue dots denote the detected earthquakes, red dots denote the relocated earthquakes.

完备震级(Magnitude of completeness，MC)是评估地震台网监测能力的一个定量标准(李智超和黄清华, 2014)，也是地震活动性分析中的重要参数(Wiemer and Wyss, 2000).计算并确定地震目录的最小完备震级，是研究地震活动特征的基础.本文利用最大曲率法，通过计算震级频度曲线一阶导数最大值求取地震目录的完备震级(侯金欣和王宝善, 2017).分别对检测目录和重定位目录进行完备震级分析表明，通过补充检测到的遗漏地震，序列的完备震级从ML1.6降低到ML1.0，说明通过M&L方法在很大程度上有效减轻了目录缺失问题(图6).

图6 检测目录(圆圈)与重定位目录(三角)的震级与频度分布对比(a) 非累积频度； (b) 累积频度.通过补充检测地震，目录的完备震级由ML1.6降低到ML1.0.Fig.6 Magnitude-frequency distribution of earthquake sequence catalog before (triangle) and after detection (circle)(a)Noncumulative frequency; (b) Cumulative frequency. Magnitude of completeness decreased from ML1.6 to ML1.0.

2.2 前震时空演化分析

由地震空间分布可以看出，伽师序列的地震分别沿NNW、EW两个优势方向展布(图7a)，其中大部分余震在EW方向沿柯坪塔格推覆构造(T1)走向平行展布，震源机制以逆冲为主(李金等，2021a)，深度主要集中在10 km以浅的范围内(图7b)，与柯坪塔格推覆系统基底滑脱面的深度吻合(杨晓平等，2006)，据此认为沿EW向分布的地震与柯坪塔格推覆构造具有密切关系.而MS5.4前震序列及MS6.4主震均位于NNW方向，且震源深度较深，结合MS5.4地震的震源机制解为走滑型破裂，认为该位置可能存在一条近NNW向高倾角走滑性质的隐伏断裂(李金等，2021a；崔仁胜等，2021).根据地震成核理论，严格的前震应是主震之前不长时间内，在紧邻主震破裂起始点区域发生的小地震(蒋海昆和周少辉, 2020).因此将主震所在的NNW向断裂附近区域(图7a内S1区域)作为粗略的前震活动范围，主震前发生的261个地震中，有170个地震位于该区域，约占总数的65.1%，并且主震前最大的MS5.4地震也发生在该处.根据震源机制解和地震重定位结果，认为伽师MS6.4地震属于多条断裂的同时活动(李金等，2021a)，地震检测结果表明余震活动丰富的EW向断裂在主震发生前也存在地震活动，特别是余震区东段在主震前有65次地震活动，空间位置相对集中，因此选取该区域(图7a中S2区域)与S1区域的前震活动进行对比分析.

图7 补充遗漏地震后伽师MS6.4地震前后序列震中位置(a)与深度剖面(b)黄色五角星为主震震中位置，冷色圆圈为前震震中位置，暖色圆圈为余震震中位置，黑色三角形为台站位置，红色曲线为区域主要断层(F1柯坪断裂；F2奥兹格尔它乌断裂)，T1表示柯坪塔格推覆构造带.Fig.7 Epicenter distribution (a) and depth profile (b) of Jiashi MS6.4 earthquake sequence after detectionYellow stardenotes the main shock, cool color circles denote the foreshocks, warm color circles denote the aftershocks, black triangles denote stations, red lines indicate the main faults in the study area (F1 Kalpin Fault; F2 Aozigeertawu Fault), T1 denotes Kalpintage thrust belt.

基于补充了微小地震的检测目录，分别对前震活动相对集中的S1和S2两个区域的地震活动过程进行分析.根据S1区域的M-t图(图8a)，可见主震前2天发生的伽师MS5.4地震及其余震是伽师MS6.4地震最显著的前震活动.从地震频次来看，伽师MS5.4地震后第1天余震相对丰富，震后第2天的余震频次显著降低，随后发生伽师MS6.4地震.从更长的时间尺度来看，在伽师MS6.4地震前26至19天期间S1区域存在相对显著的地震活跃，并且在震前22天ML≥1.0地震日频次达到10次，而在该地震活跃时段之外的时间内，S1区域地震相对平静，地震活动过程在时间上呈现出“活跃-平静-前震-主震”的过程.对比来看，S2区域的日频次和M-t图(图8b)，在MS6.4主震发生前并没有发现明显偏离背景活动水平的地震活跃或平静现象，因此我们认为S2区域在主震前的地震活动属于正常的背景地震活动.

图8 S1区域(a)及S2区域(b)地震日频次与M-t图灰色柱状图为主震前的地震日频次，黑色圆点为地震事件.Fig.8 Earthquake daily frequency and M-t diagram in S1 region(a) and S2 region (b)Gray histogram indicates the earthquake daily frequency, black dots denote earthquake events.

从图7a地震空间分布看，主震发生前S2区域地震活动没有明显的展布方向，而S1区域存在一条明显的近NNW向的地震分布，与推断的5.4级前震发震断裂(NNW向高倾角走滑断裂)相一致.为进一步分析主震发生前发震断裂附近的小震时空活动过程，沿NNW向断裂设定AA′剖线(图7a)，并将S1区域的地震投影到该剖线.

由S1区域主震前50天至后1天地震投影图(图9)可见，主震前26至19天期间的地震活动主要集中活动在震中附近.

图9 S1区域地震在AA′方向投影图(震前50天至震后1天)Fig.9 Temporal-spatial diagram of the detected events in S1 region (50 days before and 1day after the main shock, earthquakes were projected to Line AA′)

但从主震前5天至后1天的地震投影图(图10)来看，地震活动沿AA′方向呈现出由两侧向主震震中位置迁移的现象，由A端向震中迁移的速度约为3.6 km·d-1，由A′端向震中迁移的速度约为2.5 km·d-1.

图10 S1区域地震在AA′方向投影图(震前5天至震后1天)Fig.10 Temporal-spatial diagram of the detected events in S1 region (5 days before and 1day after the main shock, earthquakes were projected to Line AA′)

2.3 前震与余震序列衰减特征对比分析

大量的观测事实表明，修正的大森公式(Utsu, 1961)能够有效地对序列衰减特征进行定量表述(宋金和蒋海昆，2009)，其表达式为

n(t)=K/(t+c)p,

(4)

其中n(t)是单位时间内余震的频度，K、p、c为常数.K与主震震级计算和计算采用的震级下限有关.p值表示余震序列衰减的快慢，Utsu等(1995)对1962—1995年间全球发表的200多个序列的p值计算结果进行分析总结，指出p值分布在0.6～2.5之间，均值为1.1.之后许多中强地震序列的p值计算结果仍与Utsu的认识相一致(宋金和蒋海昆，2009)，而且p值的计算结果与选用的震级下限无关(谭毅培等，2015).c值一般认为与主震后记录不完备的时间有关(曲均浩和蒋海昆，2012).

利用补充遗漏地震的地震目录有助于更加精确地测定序列参数(Enescu et al., 2009；谭毅培等，2015)，本文基于补充遗漏地震的地震目录，利用修正的大森公式分别对MS5.4前震和MS6.4主震的余震序列的衰减参数进行估算.计算过程中均选用震后2天内震级大于完备震级(ML1.1)的地震目录进行参数计算，利用最大似然法(Ogata，1983)计算得到前震序列的p值为0.84，余震序列的p值为1.15.可见MS6.4主震之后余震序列p值接近全球统计均值(Utsu et al.，1995).而MS5.4前震序列的p值明显较低，表明前震序列本身的衰减比余震的衰减明显偏慢.为便于比较，将MS5.4前震序列与MS6.4主震序列的累积地震频次及相应的拟合曲线做了归一化处理(图11)，可见前震序列在早期(1天内)的累积地震频次增加速率显著高于余震序列.

图11 前震序列与余震序列的归一化累积频次图(虚线为最佳拟合曲线)Fig.11 Normalized cumulative earthquake number of foreshock and aftershock sequence (dashed lines represent the best estimated curve)

3 讨论与结论

(1)2019年12月1日至2020年1月31日期间，通过M&L技术检测得到4664个地震事件，其中261个事件发生在伽师MS6.4地震前.通过补充遗漏地震，伽师MS6.4地震序列目录的完备震级由ML1.6降低到ML1.1，目录的完备性得到有效提升，为研究前震的时空活动过程提供了基础数据.

(2)本次伽师MS6.4地震发生在塔里木盆地和南天山交汇区域，受印度板块与欧亚大陆板块碰撞的远程作用的影响，塔里木岩石圈向天山下方俯冲(Zhao et al., 2003；Lei and Zhao, 2007；Lü et al., 2019)，在山前形成了一系列北倾、近EW走向的逆冲推覆构造(徐锡伟等，2006)，区域构造环境以挤压为主(李金等，2021b).而震源机制解结果显示伽师MS5.4地震为走滑型破裂(崔仁胜等，2021；郭志等，2021；李金等，2021a)，前震序列沿NNW向分布，且伽师MS6.4主震也位于该NNW条带，已有研究表明该处存在一条NNW向高倾角走滑性质的隐伏断裂(李金等，2021a；崔仁胜等，2021).这种在挤压构造环境中与挤压应力方向平行的走滑断层具有类似“转换断层”性质(徐锡伟等，2006)，能够调节柯坪逆冲推覆体褶皱带的横向不均匀性(崔仁胜等，2021).1997年伽师强震群位于本次地震西南约23 km，震源机制以走滑为主，发震断层同样为近南北向的隐伏“类转换断层”(徐锡伟等，2006).周仕勇等(2001)结合地震重定位及震源机制解结果推断伽师强震群的发震构造为NNW向雁型断裂.本次地震的NNW向断裂与1997年伽师强震群的发震构造走向基本一致，且断层性质均为走滑型，但空间上存在间隔，因此推断本次地震的NNW向断裂可能属于NNW向雁型断裂的分支断裂.

(3)根据修正的大森公式计算伽师MS5.4前震序列的p值为0.84，较主震序列p值(1.15)和全球p值平均统计结果(1.1)偏低，表明前震序列的余震衰减较慢，可能意味着伽师MS5.4地震的发生并没有充分释放断层累积的应力，发震断层附近还处于较高的应力状态.已有研究表明影响序列p值的因素较为复杂(曲均浩，2017)，主要包括应力的不均匀性、断层的不均匀性、断层的滑移量以及地壳温度等(侯金欣，2020；Mikumo and Miyatake, 1979).伽师前震序列与主要余震序列发生在不同断层，断层构造条件的差异可能是造成伽师前震序列与余震序列p值不同的重要因素.由于伽师地震发震构造的复杂性以及p值影响因素的复杂性，我们尚需更多震例来验证低p值是否可以作为判断前震序列或断层已进入亚失稳阶段的标志.

(4)伽师MS6.4地震发生前，在主震附近(S1)以及余震区东端(S2)两个区域存在相对集中的地震活动，分析认为S2区域的地震活动属于持续的背景地震活动，S1区域的地震活动为典型的前震活动，并且在主震发生前26至19天期间存在相对显著的地震活跃现象，随后地震活动出现平静直到伽师MS5.4地震发生.伽师MS5.4地震后1天内的余震相对丰富，之后的余震频次显著降低，随后发生伽师MS6.4地震.岩石变形声发射实验结果表明，断层在临近失稳前的相对平静现象是客观存在的(马胜利等, 2004；尹贤刚等, 2009)，断层失稳前的地震平静阶段可能表明断层开始无震蠕滑(马胜利等, 2004).对断层泥样品的纳/微米尺度观察表明，断层黏滑前普遍存在蠕滑现象(Chao et al., 2017).无论是伽师MS5.4地震前还是伽师MS6.4地震前，发震断层附近都存在由地震活跃转为相对平静的过程，与马胜利等(2004)基于实验结果提出的“蠕滑-匀阻化”机制相一致，可能是断层进入亚失稳阶段的一种表现形式.

(5)通过补充遗漏的微小地震能够进一步揭示主震发生前发震断裂附近的小震活动过程.根据地震空间分布，S1区域的前震活动呈近NNW向分布，与伽师MS5.4地震的发震断裂相一致.将S1区域的地震沿断裂走向进行投影，可以发现MS6.4主震前存在小震活动向主震位置迁移收缩的现象，这些具有明显迁移收缩特征的地震活动，主要由MS5.4前震序列地震所构成，这一前震序列地震空间上向主震位置的迁移收缩现象，表明失稳前应变释放区域的收缩.岩石摩擦试验表明，亚失稳阶段的一个显著特征是断层附近观测到的多种物理量出现规律性的时空演化特征，即现协同化现象(马瑾等，2012；任雅琼等，2013；卓燕群等，2013)，伽师前震活动向主震位置迁移收缩可能是协同化的表现形式之一.He等(2021)对地震成核过程的最新数值模拟结果发现，在地震成核的最后阶段存在弱化区收缩的过程，与我们观测到的地震活动迁移收缩现象相吻合.因此，小震活动向主震位置迁移收缩的现象可能是主震前断层已进入亚失稳阶段的表现形式之一.

致谢感谢审稿专家提出的有益修改建议，感谢新疆维吾尔自治区地震局李金高级工程师提供的地震数据，感谢中国地震局地质研究所何昌荣研究员的指导和建议.文中部分图件使用GMT软件(Wessel and Smith, 1995)绘制.