前震是大震前的地震活动，因其与主震的触发关系，常被认为是一种可能的前兆现象。2021年云南漾濞M_w 6.1地震包含丰富的前震活动，且当地具有较为密集的地震观测台网，这为研究前震机理提供了有利条件。漾濞序列发生于川滇块体西南缘之外的右旋走滑断裂系统，最近的一条主要断层为维西-乔后断层(图1a)。整个序列包含5月18日与5月19日的两次4级前震，以及5月21日的5级前震和6.4级主震(图1b)。为了探究漾濞前震序列的触发机制，加州大学河滨分校博士生周一剑和地震局地球所房立华、北京大学任春美、岳汉等人，综合利用高精度微震目录、重复地震、震源谱分析、多点源反演和库伦应力变化等方法对本次前震序列特征进行了精细刻画。

　　图1.漾濞序列的构造背景和前震-主震-余震分布

　　论文首先结合AI和匹配滤波技术构建了高精度地震目录(图2，Zhou et al., 2021)。其分布显示，漾濞主震发生在一条近直立的隐伏断层，而最大前震发生在另一条向北东倾斜约60°的断层，二者呈左阶排列(图3)。同时，余震分布还显示出大量的隐伏斜交断层，表明了该区域复杂的断层结构。论文进一步利用震源谱分析和多点源反演对该解释进行了验证。研究发现三个主要前震的破裂方向性，以及震源机制的走向和倾角，都与余震分布所呈现的断层几何一致。同时，余震分布和震源谱也共同约束了三个主要前震的破裂面。

　　图2.漾濞序列高精度地震目录的构建流程

　　图3.基于微震分布和震源机制的断层结构解释

　　为了讨论漾濞前震与主震的触发关系，研究团队基于以上断层结构进行了库伦应力模拟。研究发现，漾濞前震序列整体上可以用级联触发解释，这与它们不规律的时空演化过程一致，显示一种不确定性，即漾濞前震不是主震的前兆信号。然而，各个前震在主震震中产生的静态库伦应力较小(约0.01 MPa)，接近此前学界接受的触发阈值，这又与最大前震到主震仅相隔约30分钟相矛盾。

　　图4.漾濞主要前震造成的库伦应力演化

　　为此，研究团队找到了若干证据显示震源区存在无震滑移：(1)首个4级前震前出现时空丛集的微震活动，暗示了地震成核过程(图5a); (2)前两个4级前震后出现重复地震(图5a); (3)余震范围随时间呈对数扩展(图5c-d)。其中，证据2-3说明前两个4级前震引发了震后余滑，而这对主震可以产生持续加载，从而使其在最大前震前到达临界状态。因此，研究团队认为漾濞序列是有震和无震过程的共同结果(图5e)，这不同于此前研究将级联触发局限在有震过程的观点，并说明无震过程并不意味着前震可以作为未来发生更强地震的前兆。

　　图5.漾濞前震序列演化和触发机制的解释

　　研究成果已在JGR-Solid Earth发表(https://doi.org/10.1029/2022JB024534)。本研究得到了国家自然科学基金(U2039204 & U2139205 & 42174059)的资助。

　　相关参考文献

　　Zhou, Y., C. Ren, A. Ghosh, H. Meng, L. Fang^*, H. Yue, S. Zhou, & Y. Su (2022). Seismological Characterization of the 2021 Yangbi Foreshock-Mainshock Sequence, Yunnan, China: More than a Triggered Cascade. Journal of Geophysical Research: Solid Earth; 127. https://doi.org/10.1029/2022JB024534.

　　Zhou, Y., H. Yue, L. Fang, S. Zhou*, L. Zhao, & A. Ghosh (2021). An Earthquake Detection and Location Architecture for Continuous Seismograms: Phase Picking, Association, Location, and Matched Filter (PALM). Seismological Research Letters; 93(1): 413–425. https://doi.org/10.1785/0220210111.

　　Zhou, Y., A. Ghosh, L. Fang*, H. Yue, S. Zhou, & Y. Su (2021). A High-Resolution Seismic Catalog for the 2021 MS6.4/Mw6.1 YangBi Earthquake Sequence, Yunnan, China: Application of AI picker and Matched Filter. Earthquake Science; 34(5): 390-398. https://doi.org/10.29382/eqs-2021-0031.

　　Zhou, Y., H. Yue*, Q. Kong, & S. Zhou (2019). Hybrid Event Detection and Phase-Picking Algorithm Using Convolutional and Recurrent Neural Networks. Seismological Research Letters; 90(3): 1079–1087. https://doi.org/10.1785/0220180319.

　　周一剑. 2021年漾濞前震序列的地震学刻画：对前震端元模型的再认识[OL]. (2022-08-18). https://www.koushare.com/video/videodetail/32234.