近红外高光谱传感器在地震有关气体监测中的应用：以青藏高原东边界为例*

黄迦南 崔月菊 邹镇宇 张 莹 刘兆飞，3 李婷婷

（1.中国地震局地震预测研究所，中国地震局地震预测重点实验室 北京 100036；2.中国科学院空天信息创新研究院，遥感科学国家重点实验室 北京 100101；3.中国地质大学（北京）地球科学与资源学院 北京 100083；4.山东省第三地质矿产勘查院 山东烟台 264004）

断裂带、火山等地表薄弱地带会出现地下气体（Rn、Hg、CO2、CH4等）向上运移到地表和大气的现象。地壳内部运动很大程度上会加剧气体运移的速率，使得土壤（Irwin and Barnes，1980；King，1986；Famin et al.，2008；李营等，2009；Zhou et al.，2016；赵文斌等，2018）和大气（郭广猛等，2006；Singn et al.，2010）中气体组分和含量发生变化，产生地震前兆异常。搭载具有大气痕量气体探测功能高光谱传感器的卫星平台以其探测范围广、覆盖均匀、重复观测周期短、受地面条件限制较小等优势（Liu et al.，2023），可以弥补传统断层气监测受时空限制的不足，对地震监测预测具有重要促进作用。

随着具有大气探测功能的高光谱传感器发展，国内外学者相继开展了地震、火山活动相关的气体变化与地震、火山活动的关系研究，如郭广猛等（2006）利用MOPITT 数据研究发现2002 年3 月台湾M7.5 级地震前一天震中附近出现CO 升高异常；Jing and Singh（2021）利用AIRS 数据发现2020 年6 月25 日新疆于田M6.3 地震前2 天至地震当天出现CO 高值异常。孙玉涛等（2017）发现MOPITT 和AIRS 数据在2002～2005 年出现的CO、O3、水汽和地表温度的异常特征与长白山天池火山区地震活动具有较高一致性。目前被应用于地震有关气体观测的传感器可以分为热红外和近红外传感器两种（陈良富等，2015）；二者相比较而言，近红外传感器（OMI、TROPOMI、OCO-2 等）空间分辨率更高，且对近地表数据更为敏感，热红外传感器（AIRS、IMG、IASI 等）时间分辨率和有效数据量更优。在地震监测预报中对时间分辨率的要求较高，因此目前地震有关气体的监测大部分采用热红外传感器，如一些学者利用AIRS 数据观测到2010 年玉树M7.1 地震（崔月菊等，2011a）、墨西哥下加利福尼亚MW7.2 地震（崔月菊等，2011b）和2013 年于田M7.3 地震（刘海博等，2020b）前后出现CO 异常，2008 年汶川M8.0 地震（Cui et al.，2016）、2013 年芦山MS7.0 地震（Cui et al.，2016）、2015 年阿拉善左旗M5.8 地震（李新艳等，2019）、2004 年苏门答腊安达曼MW9.1 地震和2005 年苏门答腊—尼亚斯MW8.6 地震（Cui et al.，2023）前后出现CH4和CO 异常。在这些研究中一些学者在部分典型大震前发现了气体异常与构造关系密切（崔月菊等，2016a，2016b；Cui et al.，2019；刘海博等，2020a；丁志华等，2022；Liu et al.，2023），但是受传感器空间分辨率较低的影响，异常与构造空间关系方面研究程度较弱。与此同时，不同高度的气体变化研究表明近地表气体异常对地震异常判断贡献较大（Singh et al.，2010；Jing et al.，2019；刘海博等，2020b）。因此，对近地表气体权重占比更大、空间分辨率较高的近红外传感器的研究对于地震异常判定有重要意义。

本文利用近红外传感器TROPOMI 数据分析研究了青藏高原东边界大气CO、CH4的时空变化特征及其对地震和构造的响应，简单评价了近红外传感器在地震监测领域的应用前景。

1 地震地质概况

青藏高原东边界发育多种类型断裂带，中强地震频发且震源深度浅，是构造和地震活动监测的重点关注区域。在该区域内选择青藏高原东北缘（图1）（a 区）和川滇地区（b 区）两个典型区域进行近红外高光谱遥感技术应用研究。青藏高原东北缘地处青藏高原和鄂尔多斯地块的交界位置，是高原和平原的过渡地带，历史上发生多次强震，如1920 年海原M8.5 地震就发生在该区域。川滇地区位于青藏高原东南缘，区域内有鲜水河、安宁河、龙门山、红河、小江等断裂带。2008 年以来该区域先后发生了四川汶川8.0 级地震、芦山7.0 级地震、九寨沟7.0 级地震。

图1 研究区区域划分图（红色圆圈表示2012～2021 年间地震发生的位置；a 区为青藏高原东北缘，其中，Ⅰ为海原断裂带、Ⅱ为六盘山断裂带、Ⅲ为渭河断裂带；b 区为川滇地区，其中，Ⅰ为鲜水河断裂带、Ⅱ为安宁河—则木河断裂带、Ⅲ为小江断裂带）Fig.1 Geographic division map of the study area（the red circles indicate the locations of earthquakes during 2012～2021；area a is the northeastern edge of the Tibetan Plateau，Ⅰis the Haiyuan fracture zone，Ⅱis the Liupanshan fracture zone，and Ⅲis the Weihe fracture zone；area b is the Sichuan-Yunnan region，Ⅰis the Xianshuihe fracture zone，Ⅱis the Anninghe-Zemuhe fracture zone，and Ⅲis the Xiaojiang fracture zone）

在图1 中的a 区和b 区根据构造背景和区域的应力状态分别划分为海原断裂带（Ⅰ）、六盘山断裂带（Ⅱ）、渭河断裂带（Ⅲ）和鲜水河断裂带（Ⅰ）、安宁河—则木河断裂带（Ⅱ）和小江断裂带（Ⅲ）3 个典型区域进行对比研究（图1）。a 区海原断裂带由持续构造挤压形成的向北发散的逆冲断层构成（Burchfiel et al.，1991）；六盘山断裂带是一个挤压构造应力环境下走滑断层的汇聚带；渭河断裂带则是包含多条正断层的拉张性裂谷系统（Zhang et al.，2019）。b 区3 条断裂带均为左旋走滑断层，其中鲜水河断裂带兼具逆冲性质，是中国大陆构造活动最为强烈的断裂带之一（张培震，2008），平均滑动速率在11～16 mm/a 之间（宋剑，2016）；则木河断裂带在汶川地震后闭锁程度一直处于加强状态，其中则木河断裂带北段闭锁程度最高，平均滑动速率为2.8 mm/a，目前可能在持续地应变积累中（宋剑，2016；刘辛中等，2022）。芦山、九寨沟等地震后安宁河、小江断裂带大部分地区闭锁程度较高，处于挤压应变状态，平均滑动速率分别为5.0 mm/a、9.4 mm/a（宋剑，2016）。

2 数据和方法

对 流 层 监 测 仪 TROPOMI（Tropospheric Monitoring Instrument）是搭载于2017 年欧空局发射的S-5P（Sentinel-5 Precursor）上的近红外高光谱传感器，空间分辨率3.5 km×5.5 km，光谱覆盖范围主要集中在近红外和短波红外波段，包括270～495 nm，710～775 nm，2 305～2 385 nm，光谱分辨率均达到0.55 nm，重访周期为16 天（每天14 个轨道，每个周期227 个轨道）。CO 和CH4测量是利用2.3 μm 光谱波段的晴空和多云天空地球辐射测量（Schneising et al.，2019），可在欧洲太空局卫星数据网站（https：//s5phub.copernicus.eu/dhus/#/home）下载（Veefkind et al.，2012）。CO 和CH4气体数据由TROPOMI 二级标准产品数据反演得到，反演方法选用最优化估计法，精度分别达到5.1×10-9、14×10-9（Schneising et al.，2019），二级标准产品的空间分辨率为7.0 km×7.5 km。

由于每天观测数据中的有效数据量较小，且发射时间较短，因此通过计算月均值对研究区的时间、空间背景特征分析。计算各月内对应经纬度气体含量的算数平均值（公式1）得到2018 年5 月至2021 年12 月的月均值（CO 数据的起始时间为2018 年7 月），后对背景场进行可视化处理。

其中Gbac为t月N天数据的算术平均值，i为具有有效数据对应日期序列号（0＜i≤31），N为当月有效天数，t为2018 年5 月至2021 年2 月的月份，（x，y）为对应像元的经纬度。

通过对比分析a 和b 研究区内3 个典型区域气体的时间序列变化进一步详细分析大气CH4和CO气体时空背景特征，比较其对地震活动时间以及差异构造背景的响应。各典型区域的各像元均值数据的算数平均值代表该区域气体变化：

用于对照的CH4和CO 数据均选自美国宇航局对地观测卫星Aqua 上搭载的大气红外探测器AIRS的月尺度降轨数据。在NASA 的戈德地球科学数据和信息服务中心提供的标准产品数据包含了CH4和CO 总含量参数（http：//disc.sci.gsfc.nasa.gov），从2002 年9 月开始向地面提供观测数据，它包含2 378个通道覆盖热红外波段3.74～15.4 μm 的光谱范围，分辨率可达λ/Δλ＞1 200。AIRS 分别利用热红外波段4.50～4.58 μm 和7.66 μm 对大气中的CH4和CO 浓度进行反演（Barnet et al.， 2003；McMillan et al.，2005；Xiong et al.，2008）。CO 和CH4产品的精度分别为15%（21×10-9）和1%（19×10-9），相应的空间分辨率分别为1°×1°。本文选取三级标准产品数据中2019 年1 月的月平均CH4总含量和CO 总含量降轨（晚上）数据。

3 结果与分析

3.1 近地表气体时空分布特征及其成因

（1）CH4和CO 时空分布特征

2018 年5 月至2021 年12 月研究区CH4气体的月均值时空变化图（图2）（因为篇幅有限，只展示了2020 年每个季度中的一个月，具体为3、6、9、12 月），显示青藏高原CH4的有效数据量较少且为明显低值，四川盆地和渭河盆地值较高。a 区和b 区各典型区域CH4的时间序列变化（图3）表明，空间上CH4浓度存在地区差异，但大致变化趋势基本一致。在a 区CH4浓度呈现为海原/六盘山断裂带小于渭河断裂带，b 区表现为鲜水河断裂带小于安宁河—则木河断裂带小于小江断裂带，但是b 区在2019 年5～9 月和2021 年3～7 月期间小江断裂带与鲜水河断裂带表现出与其他时间相反的趋势。时间上均表现为冬春季低、夏秋季高的特点，最大值出现较为固定，均在7、8 月左右。

图2 研究区2020 年3、6、9、12 月平均CH4时空变化图Fig.2 Spatial and temporal variations of monthly CH4 in the study area in March，June，September and December 2020

图3 研究区各典型区域月平均CH4时间变化Fig.3 Curves of monthly CH4 as a function of time in typical areas of the study area

2018 年5 月至2021 年12 月研究区CO 气体的月均值时空变化图（图4）（同CH4只展示2020 年3、6、9、12 月）显示四川盆地、银川地堑和渭河盆地等地区均出现高背景值现象。此外在银川、兰州、西宁等大城市也呈现明显的高背景值。a、b 两区各典型区域CO 的时间序列变化图（图5）表明CO 空间分布特征与CH4相似，时间上，呈秋季低、冬春季高的特点，此外夏季存在一个小高峰（图4，图5）。a、b 区各典型区域CO 变化趋势基本一致。

图4 研究区2020 年3、6、9、12 月平均CO 时空变化图Fig.4 Spatial and temporal variations of monthly CO in the study area in March，June，September and December 2020

图5 研究区各典型区域月平均CO 时间变化Fig.5 Curves of monthly CO as a function of time in typical areas of the study area

（2）CH4和CO 空间分布特征成因

CH4和CO 是重要的大气组分，其空间分布特征受来源控制。CH4和CO 来源可分为自然来源和人为来源，其中自然来源有湿地、海洋、油气藏、矿藏等，人为来源包括畜牧业、农业、化石燃料和生物质燃烧等。长期以来对人为源的研究较多，近年来越来越多的学者通过对火山（Etiope et al.，2002）、断裂带（Mörner and Etiope，2002）等自然源的气体排放研究，认为气体的自然排放控制大气组分背景含量，是影响大气环境的主要因素。因此文中重点关注自然来源CH4和CO 的控制因素。

首先，CH4和CO 空间分布特征主要受地质背景、地形地貌特征影响，主要表现为盆地高（四川盆地、渭河盆地、银川地堑），高原低。四川盆地是我国4 大盆地之一，盆地内存在大量含天然气页岩，这为气体“源”提供了很好的地质条件。同时特殊的地形条件更加有利于污染气团在盆地内聚集，一定程度上在局部地区对气体具有一定的抬升，同时盆地地形也不利于气体的扩散，渭河盆地和银川地堑类似；相反青海、川西高原地区低值可能与该地区海拔较高，生态环境恶劣，气体排放量较少有关。此外，相同地形地貌地区气体含量差异可能与下垫面的植被类型不同及其土壤微生物种类有关（Saikia et al.，2022），比如b 区由北向南植被覆盖量增大，气体浓度升高（图3，图5）。

其次，CH4和CO 浓度还与断层的类型、岩石破碎程度等构造因素有着密不可分的关系，导致海原/六盘山断裂带CH4和CO 浓度小于渭河断裂带，鲜水河、安宁河—则木河断裂带、小江断裂带浓度依次升高。不同类型的断层受力状态和通道通畅程度不同，虽然川滇地区的小江、安宁河—则木河和鲜水河断裂带主要类型均为左旋走滑（徐锡伟等，2003；王阎昭等，2008），然而其滑动速率和闭锁程度存在一定的差异。芦山、九寨沟等地震发生后安宁河、小江断裂带大部分地区闭锁程度较高，安宁河断裂带平均滑动速率小于小江断裂带，因此，排气量安宁河—则木河断裂带小于小江断裂带；鲜水河断裂带虽然滑动速率较大，却是我国最著名的蠕滑断层，孔隙通道受阻，导致排气量较小。

CH4和CO 空间分布特征还受人类活动影响。四川盆地农业种植以水稻为主，同时油气资源高强度开采是导致区域CH4浓度过高的主要原因（赵引弟，2014）。CO 的人为来源主要有发动机燃烧和生物质燃烧，高值地区人口聚集，工业较为发达，同时由于地形、气象等因素将CO 滞留在该区域；反之低值地区海拔较高，人口密度小，工业发展较为落后，CO 排放“源”较少。因此，在银川、兰州、西宁等人口众多的大城市CO 呈现明显的高值（图4）。

（3）CH4和CO 时间变化特征成因

CH4和CO 时间变化特征主要受气候变化和温度、湿度控制，同时部分区域受地貌、人类活动影响。

CH4时间上呈明显的季节变化，这是因为CH4的自然“汇”主要是与大气中的OH 自由基反应生成CO 和H2O。OH 自由基的大气含量主要受温、湿度条件控制，在秋、冬季节温度降低，太阳辐射减弱使得大气中OH 自由基含量降低，会促进CH4的积累作用；相反夏季温湿度高、太阳辐射强，大气中OH 自由基含量升高，消耗了大气中的CH4。但是CH4的含量却表现为与“汇”强度相反的冬春季低、夏秋季高的特征，推测其主要是受地貌和人类活动的影响。前人研究表明，我国稻田、植被在7 月和8 月排放大量的CH4（Gong and Shi，2021），导致CH4排放在夏季达到峰值，冬季出现低谷。

CO 时间上呈明显的季节变化，也是因为在夏季OH 自由基浓度最高，CO 作为OH 自由基最主要的消耗者（Novelli et al.，1998），其浓度通常表现为冬春季达到最大、秋季降至最小。夏季温湿度高、辐射高，较强的太阳辐射对OH 自由基的产生有利，生成的OH 自由基与大气中的CO 反应，使得CO 含量减少；冬季的温度和湿度降低，太阳辐射降低，大气中OH 自由基含量减少，大气CO 在较长时间的累积作用下含量逐渐增加。此外，人类活动，比如冬季采暖产生的CO 也是冬季CO 浓度较高的一个原因。CO 在夏季出现的一个小高峰，可能与夏季CH4排放量大，CH4与OH 反应转化为CO 相关。

3.2 气体特征与构造和地震关系

CH4和CO 气体的空间分布特征除地质背景、地形地貌和人类活动因素的影响外，还与构造和地震活动关系密切。

（1）与构造活动关系

拉张环境有利于地下气体释放，挤压环境不利于气体释放，例如拉张环境的银川地堑气体浓度高于挤压环境的青藏高原东北缘（Tamburello et al.，2018）。鄂尔多斯南缘渭河断裂带（Ⅲ）是拉张环境，较以挤压为主的青藏高原东北缘地区的海原（Ⅰ）和六盘山（Ⅱ）断裂带更有利于地下气体的释放。此外，正断层地球脱气作用强于逆冲断层和走滑断层。鄂尔多斯南缘的渭河断裂带是以正断层为主的拉张构造，促进了裂缝的发育，同时海原和六盘山断裂带原有的裂隙在大量的构造挤压下出现了部分闭合（李强等，2014）。断层闭锁导致渗透率降低，这是因为断层的自封闭过程（如胶结、再结晶、矿物沉淀或粘土充填）限制了气体从深部向地表的逸出（Yang et al.，2021）。因此，在区域尺度上，位于拉张环境、以正断层为主的渭河断裂带（Ⅲ）气体排放强于以强烈挤压和走滑为主的海原（Ⅰ）和六盘山（Ⅱ）断裂带（图3，图5，图6），该空间分布特征与大地热流分布趋势、温泉气和近地表土壤气浓度分布趋势一致（Li et al.，2023）。

图6 TROPOMI 的CO 和CH4对近地表构造背景响应Fig.6 CO and CH4 from TROPOMI in response to near-surface tectonic background

（2）与地震活动关系

虽然CH4和CO 的影响因素复杂多变，但是在图3 和图5 中的青藏高原东北缘的时间序列可以看出，在没有地震活动时，气体的时间序列存在大致相同的时间变化趋势，这说明在一定程度上我们可以认为其含量变化在一个稳定的范围内。但是在川滇地区的安宁河—则木河区域CH4浓度值打破背景变化，超过小江断裂带区域（图3 中红色圆圈位置），很有可能是地震活动引起的地下气体大量释放。检索地震目录，对应2019 年6～7 月在四川长宁发生5 次5.0 级以上地震，可能为第一个异常的响应。所选安宁河—则木河区域位于巴颜喀拉菱形块体东南边界，构造位置特殊，该地区的地下流体可能对巴颜喀拉块体产生的大震较为敏感，第二个异常可能与2021 年5 月22 日玛多7.4 级地震有关。CO 时间序列未出现异常现象，可能是因为OH 自由基在大气中含量较少，光化学反应微弱，使得CH4反应生成的CO 维持在一个相对稳定的状态下。

3.3 近红外传感器地震监测应用前景展望

通过对青藏高原东边界典型构造区的大气CH4和CO 气体时空分布特征研究，发现近红外高光谱数据（TROPOMI）对构造有关气体的监测比较敏感，尤其是相对热红外传感器（AIRS）特性，近红外传感器的探测波段对近地表气体敏感，能够获取较为精细的构造特征（图6，图7），比如图6 中TROPOMI 获取的2019 年1 月CO 和CH4在渭河断裂带表现的“线性”高值现象，对应时间段AIRS 中CH4表现不明显，CO 没有表现（图7）。这是因为AIRS 反演CH4和CO 所用波段主要在红外波段，其反演敏感层在中对流层以上，对近地表观测不敏感，而TROPOMI 用于CH4和CO 反演的近红外和短波红外波段对近地表气体组分敏感，可用于精确反演获取大气底层气体浓度，研究其源和汇分布（程杰等，2007）。近红外高光谱传感器弥补了热红外传感器对地表气体信息探测不敏感的缺憾，有望提高地震有关气体异常和构造活动之间关系判断能力。但是在川滇地区有效数据较少、时间分辨率较差，目前很难单独用于地震监测预测。今后在高光谱地震有关气体监测应用中，可结合热红外和近红外技术，发挥热红外时间分辨率高、数据覆盖范围大，近红外对近地表数据敏感的优势，利用热红外数据判断地震时间、强度，近红外数据判断地点和发震构造。

图7 AIRS CO 和CH4对近地表构造背景响应（单位：/cm2）Fig.7 CO and CH4 content of AIRS in response to near-surface tectonic background（unit：/cm2）

4 结 论

本研究通过利用近红外高光谱传感器TROPOMI 数据获取青藏高原东边界典型构造区的CH4和CO 气体时空变化特征，分析其时空分布特征的影响因素及其与构造和地震活动的关系，简单评价其用于地震监测的潜力。得到如下结论：

（1）近红外传感器TROPOMI 数据获取的CH4和CO 气体背景场时间上具有明显的周期性季节变化，空间上较好地反映了近地表构造信息，其时空背景特征主要受到气候变化、地质背景、地形地貌及人类活动等因素影响。

（2）近红外传感器数据空间分辨率高，能够较好地反映空间背景信息，获取更为可靠的地震和构造活动信息，然而其有效数据量和时间分辨率具有一定的局限性，对地震活动的时间判断能力较为一般。

（3）近红外传感器的应用可以弥补热红外传感器对近地面气体信息敏感度差的不足，填补圈层耦合中近地表大面积连续观测的空白。同时随着近红外高光谱传感器技术的进步，未来或可成为地震监测预测的有效手段。