NIF Inversion and Spatiotemporal Analysis of Slow Slip Events in GPS Monitoring
-
摘要:
研究利用GPS坐标时序与网络反演滤波(network inversion filter, NIF)方法反演慢滑移事件,分析慢滑移的时空特征及演化规律,探讨慢滑移事件与地震发生的关联性。首先,对GPS连续坐标时序构建标准线性轨迹模型,剔除粗差并修复阶跃项,去除震前常数项和稳态速度项,去除年和半年周期季节项,提取慢滑移坐标时序;然后,利用NIF生成断层格网模型,引入弹性格林函数描述断层滑移与地表位移的关系,从而结合GPS慢滑移坐标时序反演断层格网上的滑移矢量及地表位移矢量;最后,统计慢滑移发生前后区域地震发生的大小及频率,分析慢滑移与地震发生可能存在的关系。以日本房总半岛2018年慢滑移事件为例展开研究,结果表明,慢滑移活跃期为年积日156~169;最大累积滑移量约为11.3 cm,最大日滑移率约2.7 cm/d;滑移中心区域为房总半岛东南部,略微向南传播,断层滑移深度由深及浅;此次慢滑移事件发生期间该区域地震发生频率明显增大,之后几个月内地震发生频率逐渐恢复至平常。从房总半岛慢滑移动态演化中可判识潜在地震群逼近的危险性。
Abstract:ObjectivesSlow slip events (SSEs) are slow dislocation that occur in weak zones in the crust, and they may cause surface deformations and lead to slow earthquakes. However, the mechanism of SSEs and whether they will trigger earthquakes are still in the stage of discussion and speculation for developing the new principles and methods. To further study the characteristics of SSEs and the relationship with earthquakes, we use global positioning system (GPS) coordinate time series to invert SSEs. The spatiotemporal characteristics and evolution laws of SSEs are analyzed, and the relationship between SSEs and earthquakes is discussed.
MethodsThe proposed method is executed based on standard linear trajectory model (SLTM) and network inversion filter (NIF). First, the slow slip coordinate time series are obtained by modeling GPS continuous coordinate time series using SLTM. The steps are repaired, and the gross errors, the constant, the steady state velocity, and the annual and semi-annual periodic season terms are removed. Then, NIF is used to construct the fault grid, and the elastic Green's function is introduced to describe the relationship between fault slip and surface displacement. Using the slow slip coordinate time series and NIF, the slip vectors on the fault grid and surface displacement vectors are inverted. Finally, the magnitude and frequency of the earthquakes before and after SSEs are calculated, and the possible relationship between SSEs and earthquakes is analyzed.
ResultsTaking the 2018 SSE in Boso Peninsula of Japan as an example, the results show that the active period of the slow slip ranges from the 156th to the 169th days. The maximum cumulative slip is about 11.3 cm, and the maximum slip rate is about 2.7 cm/d. The central area of the slow slip is located in the southeast of Boso Peninsula (140.2°E-140.9°E,34.8°N-35.6°N). The SSE spreads southward slightly, and the depth of the slow slip changes from deep (about 23 km) to shallow (about 15 km). The frequency of regional earthquakes increases significantly during the SSE, and gradually recovers to normal in the following months. Therefore, the danger of approaching potential earthquake swarm can be identified from dynamic evolution of SSE in Boso Peninsula.
ConclusionsGPS plays an important role in the detection of SSEs, but it is difficult to detect short period SSEs within a few days due to the influence of various long period tectonic movement information, and the uneven distribution of GPS stations on land and sea leads to the decrease of spatial resolution. Hence, in the future work, we will further study the physical mechanism of SSEs in combination with other monitoring means such as strain gauge, tilt-meter and submarine pressure gauge.
-
Keywords:
- GPS /
- slow slip events /
- network inversion filter /
- spatiotemporal analysis
-
慢滑移事件(slow slip event,SSE)是发生在地壳内部薄弱带上的缓慢错动,会造成地表形变,并可能导致慢地震的发生[1]。大多数慢滑移出现在俯冲带附近的浅层闭锁区与深层自由滑移区之间的板块边缘处。与传统意义上的地震相比,板块慢滑移释放的应力强度很小,移动幅度也较小,但慢滑移现象持续的时间更长,传播范围更广,且会周期性复发[2]。在过去的几十年里,随着GPS技术的发展,已有多项研究利用连续GPS观测网络来探测慢滑移事件[3-4]。GPS观测网络敏感性高,可以监测毫米级地表运动[5],精确探测慢滑移事件引起的地表形变。GPS提供的高精度、高时间分辨率数据,可提高慢滑移事件反演结果的准确性,有助于更深入认识断层滑移机制及运动规律[6-8]。
目前,利用连续GPS已监测到许多沿俯冲大洋板块与大陆板块间边界的慢滑移事件,如卡斯卡迪亚地区、墨西哥地区、日本西南部等。最早于20世纪早期,利用GPS观测网络对卡斯卡迪亚边缘北部进行慢滑移形变监测[9]。卡斯卡迪亚俯冲板块界面至约20 km深度范围被确定为地震带,约300~500 a发生一次Mw 8.0以上的地震[10]。墨西哥格雷罗地区1998年GPS观测网络监测到瞬时地表位移,这种位移现象被解释为慢滑移[11]。文献[12]继续沿该板块边界监测,于9 a内发现了8起慢滑移事件,平均重现间隔约为1.1 a。日本西南部是一个复杂的俯冲区域,菲律宾板块沿着南开和杉浦海槽俯冲到欧亚板块之下,沿着相模海槽俯冲到北美板块之下,大地震和慢滑移事件发生在这个俯冲带边缘的大部分地区。房总半岛区域是日本西南部俯冲区域观测到慢滑移事件的地区之一,该区域每4~7 a就会发生一次伴随震群活动的慢滑移事件[13]。地震群迁移的方向、速度与慢滑移的速度和传播方向相似,两者在一定程度上具有关联性[14]。上述研究表明慢滑移事件的发生具有一定周期性规律,并推测慢滑移可能会触发地震。目前,关于慢滑移事件发生的规律与机理、是否会触发大地震、是否会引发区域中小地震群等问题,仍处于探讨推测研究阶段。
网络反演滤波(network inversion filter, NIF)是一种能利用GPS坐标时序反演断层随时间滑动的有效方法[15-16]。NIF不采用任何特定的函数形式,只要滑动在一定程度上暂时平滑,就可以恢复滑动的任意时间变化[14]。NIF可将慢滑移信号从区域共模误差中分离出来,从而分辨出较小的慢滑移信号[15,17]。与使用少量时间基函数或光滑函数形式的反演方法相比,NIF能提供更高的时间分辨率[18-20]。NIF获取的高精度、高时空分辨率滑移信息,非常有利于慢滑移成核过程分析。
因此,本文利用GPS坐标时序与NIF方法反演慢滑移事件。数据处理过程主要分为两部分:(1)通过高精度GPS坐标时序建模,提取慢滑移地表位移时序;(2)利用NIF方法去除共模误差和基准摆动,反演获取断层滑移矢量与地表位移矢量。以日本房总半岛区域发生的2018年慢滑移事件为例展开分析,对该区域2016—2018年的76个GPS测站的数据进行处理,提取2018年 GPS慢滑移地表位移时序,反演分析慢滑移发生的时空特征、成核过程,探讨该慢滑移事件与相关区域地震发生的关联性。
1 利用GPS数据提取慢滑移位移时序
1.1 GPS观测数据
数据来源于日本GPS连续运行观测网络,采用2016-01-01—2018-12-31 GPS单天解坐标时序,由美国内华达大地测量实验室解算,解算软件为GIPSY/OASIS,采用IGS08参考框架,具体的解算策略见网址http://geodesy.unr.edu/。GPS单天解坐标时序的精度水平为东(E)、北(N)方向2 mm以内,垂直(U)方向3 mm以内。日本房总半岛区域76个GPS测站分布如图1所示。
日本房总半岛地质构造条件复杂,处于太平洋板块、欧亚板块、菲律宾板块3个构造板块的重叠处,如图1所示。菲律宾板块以每年约5 cm的速度沿欧亚板块下的相模海槽向西北方向俯冲,太平洋板块以每年约9 cm的速度沿日本海沟向西俯冲到欧亚板块下[21]。板块间相互挤压碰撞,造成板块内部及边沿的错动和破裂,导致多地震现象。房总半岛区域板块运动频繁及地震群活跃,慢滑移事件频发[22]。本文利用图1所示GPS站点的坐标时序反演房总半岛慢滑移,并分析慢滑移的时空特征,讨论慢滑移与地震发生的关联性。
1.2 提取慢滑移位移时序
GPS连续坐标时序提取慢滑移位移时序用标准线性轨迹模型(standard linear trajectory model, SLTM)描述[23-24],计算式如下:
(1) 式中,
为GPS坐标时序; 为时间; 为常量项; 为速度项; 为阶跃项; 为震后弛豫项,其中, 为地震发生时刻, 为震后对数弛豫时间; 、 为谐波分量振幅; 为谐波分量角频率,最常见的是周年和半周年季节性变化; 为包含噪声的慢滑移位移时序。 针对日本房总半岛区域连续GPS坐标时序,提取慢滑移位移时序,具体处理步骤如下:(1)剔除粗差,并修复阶跃项。根据坐标时序的精度,按照3倍中误差准则,精度超限的时序即作为粗差剔除;阶跃主要因地震和设备更改引起,由内华达大地测量实验室提供的阶跃文件(http://geodesy.unr.edu/NGLStationPages/steps.txt)进行修复。(2)去除震前常数项、稳态速度项。(3)去除年和半年周期季节项。(4)提取慢滑移位移时序。
以I021站E、N、U方向坐标时序处理过程为例,提取慢滑移位移时序如图2所示。图2(a)中,剔除粗差点的误差棒误差比例放大10倍,便于清晰展示;图2(d)中,经上述数据处理步骤后的残差坐标时序为慢滑移位移时序。若坐标时序受强震弛豫效应影响,可根据坐标时序中呈现的对数或指数特性提取震后对数弛豫项。本文采用2016—2018年房总半岛GPS坐标时序,远离2011年Mw 9.0强震区域,震后5 a对数或指数弛豫项影响不明显,故未考虑弛豫项建模。
图3展示了6个GPS测站E、N、U方向的慢滑移位移时序,可明显看出2018年同一时段内各GPS测站发生了明显的水平位移,且大小具有一定差异。为了进一步分析房总半岛区域内测站运动的起因、大小、方向,本文将对提取的慢滑移位移时序进行反演,分析地表对应断层的运动特征。
2 利用NIF反演慢滑移坐标时序
2.1 NIF反演慢滑移事件方法
上述构建SLTM模型提取日本房总半岛区域76个测站2018年GPS慢滑移位移时序后,利用NIF进行滑移反演。NIF是一种与时间相关的卡尔曼滤波滑移反演方法[15-16],与时间相关的滑移历史,不采用任何特定的函数形式(如指数或对数),而是通过时间平滑正则化处理[14]。另外,区域共模误差存在于GPS大地测量时间序列中[25-26],NIF可将慢滑移信号与共模误差进行分
离[17]。因此,NIF可以从有噪声干扰的大地测量时序中提取小的慢滑移信号。利用NIF反演GPS慢滑移信号方程为:
(2) 式中,
为提取的慢滑移位移时序; 为 时刻GPS测站坐标时序; 为常数项、速度项、周期项、阶跃项、弛豫项等大地信号时序; 为格林函数矩阵; 为断层格网上的滑移矢量; 表示区域网转换矩阵; 为时相关共模误差校正; 为随机游走基准摆动值; 表示噪声。 NIF将地表位移与地下断层滑移用相应数学模型关联,能根据地表位移反演出任意时间间隔断层的滑移,还能提供连续单天空间滑移量,便于分析滑移的时空分布特征。NIF作为一种断层滑移反演的有效工具,为震后瞬时滑动、慢滑移等的研究提供了重要的技术支撑,已被用于反演卡斯卡迪亚慢滑移事件[27]、格雷罗慢滑移事件[8]、
新西兰Hikurangi俯冲带近海沟慢滑移事件[28]等诸多地区慢滑移事件研究中。本文利用NIF反演房总半岛区域慢滑移:(1)利用GPS坐标时序去除常数项、速度项、周期项等,提取初始慢滑移时序;(2)通过给定等深线数据设置断层参数,生成断层格网模型;(3)断层格网模型与GPS测站经纬度和高程结合,生成弹性格林函数矩阵;(4)NIF据式(2)反演,生成断层格网上的滑移矢量及地表位移矢量。
在慢滑移反演过程中,步骤(2)及后续数据处理均涉及断层格网模型,本文采用文献[29]2017年给定的房总半岛区域断层模型,上盘为菲律宾板块,下盘为太平洋板块,走向角192°,倾向角23°,滑移角275°。另外,结合文献[30]利用日本地理空间信息管理局数字地图和日本海洋数据中心水深数据生成的等深线(http://evrrss.eri.u-tokyo.ac.jp/database/-PLATEmodel/PLMDL_2016),在菲律宾板块界面生成5 km×5 km的水平正方形单元断层几何模型,并将每个单元划分为两个三角形单元,如图4(a)所示。实验过程发现,房总半岛区域慢滑移主要发生在10~30 km范围内,故仅在板块10~30 km等深线范围内生成断层三角格网,共1 065个三角格网。在均匀弹性半空间中,假设三角形单元的顶点位于插值的板界面上,将三角形单元投影到板界面上,且假定每个三角形单元内的滑移在空间上是均匀的。图4(a)中三维三角形断层格网的地表投影如图4(b)所示,下文中滑移量均在断层格网的地表投影面展示。
利用NIF反演GPS慢滑移,通过最大似然估计式(2)中断层滑移、共模误差和基准摆动参数。其中,断层滑移方差设为100 mm2,滑移率方差设为1×10-9 mm2/a2,共模误差标准差设为20 mm,基准摆动尺度参数设为
=1 mm/a1/2[15,25]。以I025站GPS慢滑移时序为例,慢滑移、共模误差和基准摆动等信号的分解如图5所示。图5中, 为GPS观测的慢滑移位移时序, 为NIF反演的慢滑移位移时序,两者总体上相符; 为共模误差,E、N、U方向年均值分别约为0.3 mm、-0.2 mm、-0.1 mm,标准偏差分别约为3.2 mm、1.7 mm、1.8 mm; 为基准摆动,其E、N、U方向年均值分别约为1.3 mm、-2.1 mm、0.02 mm,标准偏差分别约为0.8 mm、1.1 mm、0.02 mm。总体上,共模误差与基准摆动对房总半岛区域GPS站点慢滑移位移时序影响较小。 2.2 房总半岛区域慢滑移及地表位移表征
NIF反演房总半岛区域2018年慢滑移事件,累积滑移量如图6所示。图6中,慢滑移中心区域
分布于房总半岛区域东南部(140.2°E~140.9°E,34.8°N~35.6°N),深度约-10~-25 km,最大累积滑移量为11.3 cm,矩震级Mw 6.8。
NIF反演房总半岛区域2018年慢滑移事件
的地表位移表征如图7所示。图7为I037、I041、J226、I033、I027和I025这6个测站的GPS观测和NIF反演计算的E、N方向的位移序列,两者总体上吻合较好,能看出明显慢滑移地表位移表征。图7(g)展示了房总半岛各测站GPS观测和NIF反演的地表水平位移矢量,位移朝东南方向,最大值约5 cm。本文反演房总半岛2018年慢滑移事件的滑移中心区域、深度、矩震级、地表位移,与文献[31]2019年利用基于扩展卡尔曼滤波的时间相关反演算法反演结果基本相似。但本文反演的累积滑移量偏小,可能与提取的GPS慢滑移位移时序、断层设置、反演方法等不同有关[14,32]。
2.3 慢滑移事件时空特征分析
为了更直观分析房总半岛2018年慢滑移事件的成核过程和时空演化,本文对慢滑移的滑移率进行了分析,如图8和图9所示。图8展示了房
总半岛区域2018年年积日149-204范围内,以每7 d为一个周期计算的滑移率。图8中,房总半岛区域断层滑移主要发生在年积日156-169,最大滑移率约8.4 cm/(7 d)。
图9展示了滑移发生主要时段的日滑移率,最大日滑移率约2.7 cm/d,与文献[31]反演房总半岛区域2018年慢滑移事件最大滑移率基本一致(约2.5~2.8 cm/d)。房总半岛区域2011年10月慢滑移事件最大滑移率约2.5 cm/d[31],2013—2014年慢滑移事件最大滑移率约1.4 cm/d[14],与这两次慢滑移事件相比,2018年慢滑移事件的最大日滑移率明显更大。由图9可知,年积日156—160为滑移缓慢加速时段,年积日161—166为滑移剧烈活动时段(日滑移率大于1 cm/d),167滑移骤然减速。加速时段滑移中心区域纬度接近35°N,后逐渐向南传播,骤然减速滑移,滑移中心区域纬度约34.8°N。文献[31]分析房总半岛2018年慢滑移向东南传播;文献[33]分析房总半岛2011年慢滑移先向西传播,后向东南方向传播;文献[34]分析2013—2014年房总半岛慢滑移略微向南扩展,而文献[35]认为2013—2014年房总半岛慢滑移先向西传播,后向东南传播。本文慢滑移符合略微向南扩展这一特征,且断层滑移深度为由深(23 km)及浅(15 km),与文献[31]反演的断层滑动深度特征相似。慢滑移的日滑移率更清晰揭示了慢滑移事件的成核过程。
3 慢滑移事件与地震发生的关联性讨论
从日本气象厅(www.jma.go.jp)获取2018年房总半岛区域2级及以上地震数据,地震发生的时空分布如图10所示。统计不同时段地震发生的次数和频率,如表1所示。
2018年年积日 累计/d 地震发生数/次 发生频率/(次⋅d-1) M 2.0~2.9 M 3.0~3.9 M 4.0~4.9 M 5.0~5.9 M ≥6.0 1-43 43 3 8 12 1 1 0.6 44-99 56 1 11 3 4 0 0.3 100-155 56 3 7 4 3 0 0.3 156-169 14 4 9 6 0 0 1.4 170-225 56 8 24 13 3 1 0.9 226-281 56 2 11 16 1 0 0.5 282-337 56 5 11 5 7 0 0.5 338-365 14 0 6 3 2 0 0.4 总计 365 26 87 62 21 2 0.5 由图10可知,慢滑移中心区域(累积滑移量大于10 cm)有1次M 6.0地震(震中140.6°E,35.2°N,年积日188),此次地震发生于慢滑移主要时段(年积日156-169)后20天。此外,该区域还发生了其他13次地震,分别为4次M 4.0~4.9地震(年积日163、209、226、294)、9次M 3.0~3.9地震(年积日188、188、188、188、189、190、190、209、290)。值得注意的是,慢滑移中心区域发生地震的时间均在慢滑移之后。
另外,统计图10中慢滑移区域(累积滑移量大于2 cm)2018年共57次地震发生情况:1次M 6地震,10次M 4.0~4.9地震,24次M 3.0~3.9地震,22次M 2.0~2.9地震,其中,仅9次地震(3次M 3.0~3.9,6次M 2.0~2.9)发生于慢滑移前(年积日1-155),其余40次地震均发生在慢滑移后(年积日170-365)。
表1统计了整个房总半岛区域不同时段地震发生的次数和频率:慢滑移发生的主要时段(年积日156-169)地震发生频率为1.4次/d,居全年最高;2018年慢滑移前155天(年积日1-155)地震发生频率为0.4次/d,后196天(年积日170-365)地震发生频率为0.6次/d;慢滑移后2个月(年积日170-225)地震发生频率为0.9次/d,再往后(年积日226-365)地震发生频率为0.5次/d。据此可知,2018年房总半岛慢滑移事件发生期间区域地震发生频率明显增大,之后几个月逐渐恢复平常。
分析推测上述慢滑移与地震发生的关联性,房总半岛2018年慢滑移区域含有与地震孕育过程相关的动态信息,与潜在地震群的孕震在中短期危险性上时空逼近。
目前,关于慢滑移事件和地震发生的关系仍处于探讨阶段,慢滑移事件是否都发生在地震之前,慢滑移事件是否会促进地震的形成,这些问题仍需要大量研究。首次慢滑移事件是在卡斯卡迪亚俯冲带中发现的,利用GPS卫星定位技术跟踪板块微弱位移捕捉到了幕式地震和慢滑移事件,研究认为慢滑移事件促进了发震带的形成,加剧板块破裂,可能引发大地震[36-38]。2011年日本Mw 9.0大地震发生的前几周观测到前震和一系列的重复地震向震源移动,引发了浅层慢滑移事件导致板块破裂的猜想:如果慢滑移事件都是在大地震之前发生,那么它将对地震地质灾害的监测具有重大意义[38]。俯冲带内的慢滑移事件可以触发地震群,尤其对浅层区域慢滑移事件的监测,可能有助于探测和记录地震活动[39]。然而,浅层慢滑移并不总是与地震同时发生,也可能无法通过慢滑移事件确定地震活动[40]。滑移事件大多数都在板块未破裂的情况下发生,对地震预测有限,但慢滑移事件在地震前释放能量的现象昭示了地震发生破裂的区域,能够为监测地震地质灾害提供一定的参考[41]。
4 结语
本文利用GPS数据获取慢滑移时间序列,并利用NIF反演慢滑移事件。以日本房总半岛区域2018年慢滑移事件为例,对区域站点的GPS坐标时序进行建模分析获取慢滑移时间序列。用NIF方法反演房总半岛区域总滑移量及地表位移表征,分析房总半岛区域2018年慢滑移的时空特征,并讨论慢滑移与地震发生的关联,得到如下结论:
1)GPS慢滑移信号的提取需剔除常数项、速度项、弛豫项、周期项等构造形变信息;日本房总半岛区域2018年GPS坐标时序中慢滑移信号受2011年日本Mw 9.0地震震后弛豫影响虽可忽略,但仍需进行高精度GPS坐标时序建模,才能识别并提取微弱的慢滑移信号;另外,NIF反演能将慢滑移信号从空间相关的共模误差中分离出来。GPS坐标时序建模与共模误差处理是GPS慢滑移信号提取的关键。
2)NIF反演日本房总半岛区域2018年慢滑移事件,能获取任意时间尺度上的滑移变化量。反演结果表明,此次慢滑移事件在区域东南部(140.2°E~140.9°E,34.8°N~35.6°N)成核,滑移中心由北逐步向南传播,深度约10~30 km。最大累积滑移量为11.3 cm,矩震级Mw 6.8,地表水平位移最大约5 cm,日滑移率最大达2.7 cm/d。房总半岛滑移过程大体上可分为3个阶段:加速阶段(年积日156-160)、剧烈活动阶段(年积日161-166)、骤然减速阶段(年积日167)。2018年慢滑移事件的滑移量及滑移率分析初步揭示了该慢滑移事件的成核过程。
3)日本房总半岛区域2018年浅层慢滑移事件与该区域地震活动存在一定联系,在该慢滑移事件发生期间,区域地震发生频率明显增大,为1.4次/d,居全年最高;之后2个月地震发生频率为0.9次/d;再往后几个月地震发生频率为0.5次/d,逐渐恢复接近于慢滑移事件发生前几个月地震发生频率0.4次/d。房总半岛区域慢滑移事件的监测可能有助于探测该区域地震活动。
GPS技术在慢滑移事件的探测、地壳形变信息的提取等方面发挥重要作用。但GPS坐标时序受各种长周期构造运动信息影响,难以探测几天内的短周期慢滑移事件,且GPS测站海陆分布不均匀易导致空间分辨率降低。因此,后续研究将结合应变计、倾斜仪、海底压力计等多种监测手段,综合分析区域的地球动力学特征,进一步阐释慢滑移有关的物理机制。
http://ch.whu.edu.cn/cn/article/doi/10.13203/j.whugis20220103 -
表 1 2018年房总半岛区域慢滑移事件前后不同时段地震发生次数
Table 1 Number of Earthquakes in Different Periods Before and After Slow Slip Event in Boso Peninsula in 2018
2018年年积日 累计/d 地震发生数/次 发生频率/(次⋅d-1) M 2.0~2.9 M 3.0~3.9 M 4.0~4.9 M 5.0~5.9 M ≥6.0 1-43 43 3 8 12 1 1 0.6 44-99 56 1 11 3 4 0 0.3 100-155 56 3 7 4 3 0 0.3 156-169 14 4 9 6 0 0 1.4 170-225 56 8 24 13 3 1 0.9 226-281 56 2 11 16 1 0 0.5 282-337 56 5 11 5 7 0 0.5 338-365 14 0 6 3 2 0 0.4 总计 365 26 87 62 21 2 0.5 -
[1] 许才军, 贺克锋. 地震周期形变的大地测量研究进展和展望[J]. 武汉大学学报(信息科学版), 2023, 48(11): 1736-1755. Xu Caijun, He Kefeng. Advancements in Earthquake Cycle Deformation Research Based on Geodetic Observations[J]. Geomatics and Information Science of Wuhan University, 2023, 48(11): 1736-1755.
[2] Vidale J E, Houston H. Slow Slip: A New Kind of Earthquake[J]. Physics Today, 2012, 65(1): 38-43.
[3] Cervelli P, Segall P, Johnson K, et al. Sudden Aseismic Fault Slip on the South Flank of Kilauea Volcano[J]. Nature, 2002, 415(6875): 1014-1018.
[4] Segall P, Desmarais E K, Shelly D, et al. Earthquakes Triggered by Silent Slip Events on Kīlauea Volcano, Hawaii[J]. Nature, 2006, 442(9078): 71-74.
[5] 李博峰, 苗维凯, 陈广鄂. 多频多模GNSS高精度定位关键技术与挑战[J]. 武汉大学学报(信息科学版), 2023, 48(11): 1769-1783. Li Bofeng, Miao Weikai, Chen Guang'e. Key Technologies and Challenges of Multi-frequency and Multi-GNSS High-Precision Positioning[J]. Geomatics and Information Science of Wuhan University, 2023, 48(11): 1769-1783.
[6] 徐文, 许才军, 肖卓辉, 等. 利用GPS数据反演中国红河断裂带活动特性[J]. 武汉大学学报(信息科学版), 2019, 44(5): 706-713. Xu Wen, Xu Caijun, Xiao Zhuohui, et al. Inversion of the Activity Characteristics of the Red River Fault Zone Using GPS Data[J]. Geomatics and Information Science of Wuhan University, 2019, 44(5): 706-713.
[7] 闫欢欢, 乔学军, 聂兆生, 等. 利用GPS研究红河断裂带的地壳形变及断层运动特征[J]. 测绘地理信息, 2019, 44(1): 36-40. Yan Huanhuan, Qiao Xuejun, Nie Zhaosheng, et al. Current Crustal Movement and Fault Dislocation Model of the Red River Fault Zone[J]. Journal of Geomatics, 2019, 44(1): 36-40. [6]
[8] Bekaert D P S, Segall P, Wright T J, et al. A Network Inversion Filter Combining GNSS and InSAR for Tectonic Slip Modeling[J]. Journal of Geophysical Research (Solid Earth), 2016, 121(3): 2069-2086.
[9] Dragert G, Wang K, James T S. A Silent Slip Event on the Deeper Cascadia Subduction Interface[J]. Science, 2001, 292(5521): 1525-1528.
[10] Wang K L, Wells R, Mazzotti S, et al. A Revised Dislocation Model of Interseismic Deformation of the Cascadia Subduction Zone[J]. Journal of Geophysical Research (Solid Earth), 2003, 108(B1): 2026.
[11] Lowry A R, Larson K M, Kostoglodov V, et al. Transient Fault Slip in Guerrero, Southern Mexico[J]. Geophysical Research Letters, 2001, 28(19): 3753-3756.
[12] Lowry A R, Larson K M, Kostoglodov V, et al. The Fault Slip Budget in Guerrero, Southern Mexico[J]. Geophysical Journal International, 2005, 200:1-15.
[13] Ozawa S, Murakami M, Kaidzu M, et al. Detection and Monitoring of Ongoing Aseismic Slip in the Tokai Region, Central Japan[J]. Science, 2002, 298(5595): 1009-1012.
[14] Fukuda J. Variability of the Space-Time Evolution of Slow Slip Events off the Boso Peninsula, Central Japan, from 1996 to 2014[J]. Journal of Geophysical Research (Solid Earth), 2018, 123(1): 732-760.
[15] Segall P, Matthews M. Time Dependent Inversion of Geodetic Data[J]. Journal of Geophysical Research: Solid Earth, 1997, 102(B10): 22391-22409.
[16] McGuire J J, Segall P. Imaging of Aseismic Fault Slip Transients Recorded by Dense Geodetic Networks[J]. Geophysical Journal International, 2003, 155(3): 778-788.
[17] Miyazaki S, McGuire J J, Segall P. A Transient Subduction Zone Slip Episode in Southwest Japan Observed by the Nationwide GPS Array[J]. Journal of Geophysical Research: Solid Earth, 2003, 108(B2): 2087.
[18] McCaffrey R. Time-Dependent Inversion of Three-Component Continuous GPS for Steady and Transient Sources in Northern Cascadia[J]. Geophysical Research Letters, 2009, 36(7): L07304.
[19] Yoshioka S, Matsuoka Y, Ide S. Spatiotemporal Slip Distributions of Three Long-Term Slow Slip Events Beneath the Bungo Channel, Southwest Japan, Inferred from Inversion Analyses of GPS Data[J]. Geophysical Journal International, 2015, 201(3): 1437-1455.
[20] Radiguet M, Cotton F, Vergnolle M, et al. Spatial and Temporal Evolution of a Long Term Slow Slip Event: The 2006 Guerrero Slow Slip Event[J]. Geophysical Journal International, 2011, 184(2): 816-828.
[21] Kreemer C, Blewitt G, Klein E C. A Geodetic Plate Motion and Global Strain Rate Model[J]. Geochemistry, Geophysics, Geosystems, 2014, 15(10): 3849-3889.
[22] Ozawa S, Miyazaki S, Hatanaka Y, et al. Characteristic Silent Earthquakes in the Eastern Part of the Boso Peninsula, Central Japan[J]. Geophysical Research Letters, 2003, 30(6): 1283.
[23] Montillet J P, Bos M S. Correction to: Geodetic Time Series Analysis in Earth Sciences[M]. Cham: Springer, 2020.
[24] 李萌, 严丽, 肖根如, 等. 震后GPS坐标时序中对数弛豫时间的估计[J]. 武汉大学学报(信息科学版), 2022, 47(11): 1832-1839. Li Meng, Yan Li, Xiao Genru, et al. Logarithmic Relaxation Time Estimated from Post-Seismic GPS Time Series[J]. Geomatics and Information Science of Wuhan University, 2022, 47(11): 1832-1839.
[25] Langbein J, Johnson H. Correlated Errors in Geodetic Time Series: Implications for Time-Dependent Deformation[J]. Journal of Geophysical Research: Solid Earth, 1997, 102(B1): 591-603.
[26] Mao A L, Harrison C G A, Dixon T H. Noise in GPS Coordinate Time Series[J]. Journal of Geophysical Research: Solid Earth, 1999, 104(B2): 2797-2816.
[27] Bartlow N M, Miyazaki S, Bradley A M, et al. Space-Time Correlation of Slip and Tremor During the 2009 Cascadia Slow Slip Event[J]. Geophysical Research Letters, 2011, 38(18): L18309.
[28] Yohler R, Bartlow N, Wallace L M, et al. Time-Dependent Behavior of a Near-Trench Slow-Slip Event at the Hikurangi Subduction Zone[J]. Geochemistry, Geophysics, Geosystems, 2019, 20(8): 4292-4304.
[29] Nishimura T, Sagiya T, Stein R S. Crustal Block Kinematics and Seismic Potential of the Northernmost Philippine Sea Plate and Izu Microplate, Central Japan, Inferred from GPS and Leveling Data[J]. Journal of Geophysical Research: Solid Earth, 2007, 112(B5): B05414.
[30] Iwasaki T, Sato H, Shinohara M, et al. Fundamental Structure Model of Island Arcs and Subducted Plates in and Around Japan[C]// Fall Meeting of American Geophysical Union, San Francisco, USA, 2015.
[31] Ozawa S, Yarai H, Kobayashi T. Recovery of the Recurrence Interval of Boso Slow Slip Events in Japan[J]. Earth, Planets and Space, 2019, 71(1): 78.
[32] Barnes P M, Wallace L M, Saffer D M, et al. Slow Slip Source Characterized by Lithological and Geometric Heterogeneity[J]. Science Advances, 2020, 6(13): eaay3314.
[33] Hirose H, Matsuzawa T, Kimura T, et al. The Boso Slow Slip Events in 2007 and 2011 as a Driving Process for the Accompanying Earthquake Swarm[J]. Geophysical Research Letters, 2014, 41(8): 2778-2785.
[34] Ozawa S. Shortening of Recurrence Interval of Boso Slow Slip Events in Japan[J]. Geophysical Research Letters, 2014, 41(8): 2762-2768.
[35] Fukuda J, Kato A, Obara K, et al. Imaging of the Early Acceleration Phase of the 2013-2014 Boso Slow Slip Event[J]. Geophysical Research Letters, 2014, 41(21): 7493-7500.
[36] Rogers G, Dragert H. Episodic Tremor and Slip on the Cascadia Subduction Zone: The Chatter of Silent Slip[J]. Science, 2003, 300(5627): 1942-1943.
[37] Mazzotti S. Variability of Near-Term Probability for the Next Great Earthquake on the Cascadia Subduction Zone[J]. Bulletin of the Seismological Society of America, 2004, 94(5): 1954-1959.
[38] Kato A, Obara K, Igarashi T, et al. Propagation of Slow Slip Leading up to the 2011 Mw 9.0 Tohoku-Oki Earthquake[J]. Science, 2012, 335(6069): 705-708.
[39] Reverso T, Marsan D, Helmstetter A, et al. Background Seismicity in Boso Peninsula, Japan: Long-Term Acceleration, and Relationship with Slow Slip Events[J]. Geophysical Research Letters, 2016, 43(11): 5671-5679.
[40] Outerbridge K C, Dixon T H, Schwartz S Y, et al. A Tremor and Slip Event on the Cocos-Caribbean Subduction Zone as Measured by a Global Positioning System (GPS) and Seismic Network on the Nicoya Peninsula, Costa Rica[J]. Journal of Geophysical Research: Solid Earth, 2010, 115(B10): B10408.
[41] Dixon T H, Jiang Y, Malservisi R, et al. Earthquake and Tsunami Forecasts: Relation of Slow Slip Events to Subsequent Earthquake Rupture[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(48): 17039-17044.