电火花震源高分辨率地震勘探技术及其在海域天然气水合物识别中的应用

骆迪, 蔡峰, 闫桂京, 李清, 孙运宝, 董刚, 李昂

骆迪,蔡峰,闫桂京,等. 电火花震源高分辨率地震勘探技术及其在海域天然气水合物识别中的应用[J]. 海洋地质与第四纪地质,2024,44(6): 34-45. DOI: 10.16562/j.cnki.0256-1492.2024091301
引用本文: 骆迪,蔡峰,闫桂京,等. 电火花震源高分辨率地震勘探技术及其在海域天然气水合物识别中的应用[J]. 海洋地质与第四纪地质,2024,44(6): 34-45. DOI: 10.16562/j.cnki.0256-1492.2024091301
LUO Di,CAI Feng,YAN Guijing,et al. High-resolution seismic exploration technology with spark source and its application in identification of natural gas hydrates in marine areas[J]. Marine Geology & Quaternary Geology,2024,44(6):34-45. DOI: 10.16562/j.cnki.0256-1492.2024091301
Citation: LUO Di,CAI Feng,YAN Guijing,et al. High-resolution seismic exploration technology with spark source and its application in identification of natural gas hydrates in marine areas[J]. Marine Geology & Quaternary Geology,2024,44(6):34-45. DOI: 10.16562/j.cnki.0256-1492.2024091301

电火花震源高分辨率地震勘探技术及其在海域天然气水合物识别中的应用

基金项目: 国家自然科学基金“南海北部高富集天然气水合物储层特征与成藏控制机理研究”(U2244224), “马克兰增生楔低角度俯冲区断层'接力'过程及其对水合物成藏的控制”(42076069)
详细信息
    作者简介:

    骆迪(1982—),女,博士,副研究员 ,主要从事海洋综合地球物理及天然气水合物研究,E-mail:luodi0927@sina.com

    通讯作者:

    蔡峰(1965—),男,博士,研究员,主要从事资源评价及油气地质研究,E-mail:caifeng@cgs.cn

  • 中图分类号: P631.4;P736

High-resolution seismic exploration technology with spark source and its application in identification of natural gas hydrates in marine areas

  • 摘要:

    精准识别天然气水合物对于保障国家能源安全、优化能源结构和环境保护等方面都具有重要的战略意义。地震勘探技术是水合物勘查的重要手段,但海域多道地震勘探多采用气枪震源,震源主频较低,导致地震波的分辨率有限,限制了其在探测浅表层或细微地质结构中的能力。随着水合物勘查精度和难度日益增长,采用气枪震源的地震勘探技术已无法满足精细刻画水合物矿体的需要。因此,提高地震勘探技术的分辨率对于水合物勘查而言至关重要。本文介绍了一种基于电火花震源的小道距高分辨率地震探测技术,通过与气枪震源的对比分析,深入探讨了电火花震源的特点及其在海域水合物勘查中的应用,研究结果表明,电火花震源地震勘探技术在扩散型水合物和浅表层渗漏型水合物识别中都具有良好的应用效果,尤其是对于浅表层渗漏型水合物,电火花震源地震可以更好地识别出海底和浅部地层的振幅异常、流体运移通道和海底微地貌,可有效提高浅表层渗漏型水合物识别的可靠性。

    Abstract:

    Accurate identification of natural gas hydrates is of great strategic importance for ensuring national energy security, optimizing energy structures, and protecting the environment. Seismic exploration technology is a crucial means for hydrate exploration. However, most multi-channel seismic explorations in marine areas use airgun sources with relatively low dominant frequencies, resulting in limited resolution of seismic waves, which limits its ability to detect shallow surface layers or subtle geological structures. With the increasing in demand for accuracy and the difficulty of hydrate exploration, seismic exploration technology using airgun sources can no longer meet the needs of fine characterization of hydrate ore bodies. Therefore, improving the resolution of seismic exploration technology is crucial for hydrate exploration. This paper introduces a high-resolution seismic detection technology based on small-offset electric sparker sources. Through comparative analysis with airgun sources, the characteristics of electric sparker sources and their application in marine hydrate exploration are deeply discussed. Results show that high-resolution seismic exploration technology using electric sparker sources has good application effects in identifying both diffused hydrates and shallow leakage hydrates. Especially for shallow leakage hydrates, using electric sparker source seismology can better identify amplitude anomalies, fluid migration pathways, and subtle seabed morphologies in the seabed and shallow strata, which can improve effectively the reliability of identifying shallow gas hydrate.

  • 海水中的悬浮体,包括矿物颗粒、生物残骸、絮凝体等,在近海的主要成分为悬浮泥沙[1-2]。悬浮体是物质输运的重要载体,其分布和扩散、沉降和再悬浮对近海物理、化学和生物过程有重要意义[3-4],在全球物质循环中起重要作用[5]。同时,悬浮体的分布和输运对海底地形地貌发育、港口航道淤积等也有重要影响[6-10]。尤其是在海洋动力、人类活动、气候变化及河流陆源物质输入等各种因素影响下悬浮体浓度(Suspended Sediment Concentration, SSC)的年际变化特征[11],对于研究海洋环境演化和生态系统可持续发展等有重要意义。近年来大河输沙量锐减[12],以风场强度变化为代表的气候变化因素,可能逐渐成为影响SSC长期变化的主要原因。

    渤海是一个半封闭的陆架浅海,由渤海湾、莱州湾、辽东湾、中央海盆及渤海海峡组成,平均水深18 m,海底地势从3个海湾向中央海盆及渤海海峡倾斜,坡度平缓(图1)。渤海沿岸分布着黄河、辽河、滦河等多条河流,这些河流每年向渤海输送大量淡水及陆源物质,其中黄河过去50余年来(1950—2003年)年均输沙量达8.81亿t[13],这使得渤海成为世界上SSC最高的陆架海区之一[14]

    图  1  渤海水深地形和SSC实测站位分布图
    图中黑色十字为用于遥感反演的SSC实测站位位置。
    Figure  1.  Water depth in the Bohai Sea and distribution of SSC observed stations
    Black crosses show the location of the SSC observation stations used for remote sensing data inversion.

    自20世纪60年代以来,国内外学者就开始了渤海SSC时空变化的研究,常用的手段包括卫星遥感、沉积动力观测和数值模拟的方法[15-25]。研究指出渤海表层SSC具有近岸高、远岸低、由岸向海方向逐渐递减的空间分布特征,其中高值区主要分布在黄河入海口附近海域,低值区位于渤海中部;在季节变化上,由于受季风等影响,渤海表层SSC呈现出冬季高、夏季低的变化规律[18,21-22]。亦有学者进一步基于经验正交函数(Empirical Orthogonal Function, EOF)分析的方法研究了SSC的时空变化规律[22, 24],结果显示渤海湾、莱州湾SSC空间变化最为显著,这与孟庆辉等[18]得出的渤海湾、莱州湾短周期内空间变化幅度大的结论较为一致。近年来在黄河输沙量锐减的背景下,更多的学者开始关注渤海整个海域SSC的长期变化趋势,但却得出了不同的结论。基于2000—2004年SeaWiFs卫星遥感反演并结合EOF分析得到,渤海表层SSC有逐年增高的趋势[22]。而更长期的变化,如2003—2014年的结果却显示,渤海表层SSC有明显的下降趋势,其年均下降幅度为1.49%(0.22 mg·L−1·a−1),且各海区的表层SSC均呈下降趋势[11]。前人工作中或者没有进一步分析原因,或者推测其与风速变化、围填海工程以及黄河输沙量减少有关,但均未开展量化的相关性分析。

    渤海SSC变化受到河流输沙量、风浪、潮汐潮流等诸多因素的影响。其中,黄河输沙量影响范围为距河口5 km内,离口门越远影响越小,15 m等深线是其影响极限[26]。尤其是在2003—2021年黄河输沙量较20世纪50年代锐减的背景下,黄河输沙量对渤海SSC分布格局的影响更小;潮汐潮流主要影响SSC的日变化[27-28];表层沉积物粒度和地形等因素则与海洋动力共同控制SSC的空间分布,如浅水区的细砂和粉砂更容易起动,形成高SSC[17,29-30]。在年际变化尺度上,潮汐潮流与底质地形的影响较小。除此之外,渤海SSC的变化还与风场强度有关[27],大风过程可在短时间内显著改变渤海SSC的空间分布格局[17,30-31],风对浅水区沉积物再悬浮和悬沙输运过程起重要作用[17]。同时,渤海表层SSC冬高夏低的季节变化特征,也与风场冬强夏弱的季节变化规律有关。因此,在渤海表层SSC的长期变化中,风场强度变化有何贡献有待开展深入研究。

    为了阐明渤海表层SSC的长期变化趋势,探明风场在其中的贡献以及对不同海湾间物质输运的影响,本文使用2003—2021年中等分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)的Level-1B(L1B)卫星遥感数据,结合渤海多个航次的实测SSC数据,建立遥感反演模型获得渤海表层SSC的时空变化,并利用EOF方法分析SSC的时空变化特征以及风场的影响。

    本研究使用的卫星遥感数据来自Aqua卫星上搭载的MODIS,下载自美国宇航局网站(https://www.nasa.gov)的L1B数据,时间长度为2003年1月—2021年12月,空间分辨率为1 km。

    实测SSC数据来自2010年4月、9月,2011年6月,2012年11月,2017年9月,2018年4月、8月、10月和2020年11月的国家自然科学基金委渤海共享航次,与遥感资料时空匹配的站位共计30个,站位位置如图1所示。现场取样后,用两层孔径为0.45 μm、直径为47 mm的微孔醋酸纤维膜对表层(2~3 m)水样进行现场抽滤、烘干、称重,获得表层SSC,用于与遥感反射率(Remote Sensing Reflectance, Rrs)建立反演模型。

    风场数据来自美国国家环境预报中心(National Centers for Environmental Prediction, NCEP)发布的CFSR(Climate Forecast System Reanalysis)数据,包括风速的东、北分量,时间分辨率为1 h,空间分辨率为0.312°,时间长度为1990年1月—2022年2月(https://climatedataguide.ucar.edu/climate-data/climate-forecast-system-reanalysis-cfsr.)。

    黄河利津站2003—2021年月均输沙量数据来自中国河流泥沙公报。

    遥感数据主要采用NASA官方提供的SeaWiFs数据分析系统(SeaDAS)进行大气校正、去云等初步处理,将L1B遥感数据批量处理成二级Rrs。此外,由于冬季渤海存在可见海冰,海冰对SSC反演影响较大,会导致Rrs极高,影响表层SSC的反演精度。本研究采用了Liu等[32]使用的Shi和Wang[33-34]建立的方法去除海冰影响,同时满足以下条件即被认定为海冰[35]

    $${{\text{ρω}}} {\rm N}(859)\text{>}0.048 $$ (1)
    $$ 0.7{\text{<}}\mathit{{{\text{ρω}} {\rm N}}}(555)/{\text{ρω}} {\rm N}(412)\text{<}3.0 $$ (2)
    $$ {\text{ρω}} {\rm N}(412){\text{>}}0.046 $$ (3)
    $$ {\text{ρω}}\mathrm{N} ={\rm{Rrs}}\times \Pi $$ (4)

    其中${\text{ρω}}\mathrm{N} $为标准化的离水反射率,${\text{ρω}} {\rm N}(555) $为555 nm波段的标准化离水反射率,Rrs为遥感卫星数据的波段反射率。

    前人研究表明,MODIS第4波段(545~565 nm)的Rrs与渤海表层SSC具有较好的相关性[11,17]。在建立反演模型时,利用Matlab软件提取与实测SSC数据在空间(范围<500 m)和时间(误差<2 h)上匹配的555 nm波段的Rrs,共基于30组实测SSC数据和Rrs建立拟合关系(图2),如下式所示:

    图  2  Rrs与实测SSC拟合关系
    Figure  2.  Fitted relationship of Rrs with measured SSC
    $$ \rm{SSC}=\exp(98.96\times\mathrm{Rrs}_{555})\times1.753 $$ (5)

    两者的拟合系数(R²)为0.92,均方根误差(RMSE)为6.25 mg/L,拟合结果较好。基于以上公式,反演得到2003—2021年渤海海域表层SSC,并对其进行年平均处理,以定量化分析其时空演变特征。

    对2003—2021年渤海海域表层年均SSC进行EOF分析,以获得表层SSC的空间模态及时间系数,研究其时空变化特征。

    EOF分析方法,又称主成分分析或者空间模态分析法,将变量场分解成空间模态和时间系数的乘积。空间模态对应空间样本,称为空间特征向量或者特征向量,反映要素场的空间分布特点。主成分对应时间变化,也称时间系数,反映对应空间模态随时间的权重变化。

    本文将渤海海域各站位的年均SSC数据处理成距平矩阵Xm×n,其协方差矩阵Cm×m的特征根(λ1...λm)和空间模态Vm×m,满足:

    $$ C_{m\times m}\times V_{m\times m}=V_{m\times m}\times E_{m\times m } $$ (6)

    其中,Em×m的对角矩阵,即

    $$ E = \left[ {\begin{array}{*{20}{c}} {{\lambda _1}}&0& \cdots &0 \\ 0&{{\lambda _2}}& \cdots &0 \\ \vdots & \vdots & \cdots & \vdots \\ 0&0& \cdots &{{\lambda _m}} \end{array}} \right] $$ (7)

    一般情况下,特征根λ作降序排列,即λ1λ2>...λm。每一个特征根对应一列特征向量值,也称EOF模态。如λ1对应的特征向量值称为EOF第一模态,记为EOF1=V(:,1);λk对应的特征向量值称为EOF第k模态,记为EOFk=V(:,k)。将空间模态投影到原始矩阵X上,得到对应的时间系数(PC):

    $$ \mathrm{PC}_{m\times m}=V_{m\times m}^T\times X_{m\times m} $$ (8)

    EOF分析时,特征根λ越大,其对应的空间模态越典型,对总方差的贡献越大。第k个模态的方差贡献率(S)为:

    $$ S=\frac{{\lambda }_{k}}{\sum _{i=1}^{m}{\lambda }_{i}}\times 100{\text{%}} $$ (9)

    分解出的经验正交函数是否为有意义的物理信号,要通过显著性检验来确定。本文采用North[22]提出的计算特征根的误差范围来进行显著性检验。特征根λi的误差范围可以表示如下:

    $$ {e_i} = {\lambda _i}{\left( {\frac{2}{m}} \right)^{\frac{1}{2}}} $$ (10)

    其中m为样本量,当与相邻的特征根λi+1满足:

    $$ {\lambda _i} - {\lambda _{i + 1}} \geqslant {e_i} $$ (11)

    就认为这两个特征根所对应的经验正交函数通过显著性检验,是有意义的;反之,若没有通过显著性检验,则无意义。

    为对2003—2021年渤海表层SSC分布进行详细研究,绘制了2003—2021年渤海海域表层多年平均SSC及年均SSC距平图(图3)。

    图  3  2003—2021年渤海海域表层多年平均SSC及年均SSC距平
    a为2003—2021平均SSC分布图,b-t分别是年均SSC距平图,色轴代表SSC大小。
    Figure  3.  Multi-year averaged SSC from 2003 to 2021 and the difference between the annual averaged SSC and the multi-year averaged SSC at the surface layer of the Bohai Sea
    a shows the 19-years averaged SSC from 2003 to 2021, b-t show the difference between the annual averaged SSC and the multi-year averaged SSC at the surface layer of the Bohai Sea, the color bar represents the SSC.

    2003—2021年渤海海域表层年均SSC表现为近岸高、远岸低的空间分布特征;受陆源物质输入影响,SSC高值区分布在黄河入海口附近及辽东湾顶部,最大值可达100 mg/L以上,与周舟等[11]的研究结果一致。从各年距平值的空间分布来看:2003—2008年渤海表层SSC相对于19年的平均值(图3a),浓度明显偏大(图3b-g);2009年为一转折点,该年份之后SSC具有明显的减小趋势(图3h-t)。

    为对比渤海不同海域SSC的长期变化趋势,本文将渤海划分为渤海湾、莱州湾、辽东湾以及中央海盆4个海域进行对比分析。图4为2003—2021年渤海不同海域年均区域化平均的SSC变化,从多年平均值来看,渤海湾、莱州湾、辽东湾以及中央海盆的SSC分别为26.04、25.19、8.24、8.12 mg/L,渤海湾SSC最高,中央海盆SSC最低。

    图  4  渤海不同海域2003—2021年年均区域化平均SSC变化
    Figure  4.  Annual averaged SSC in the different area of Bohai Sea from 2003 to 2021

    从多年变化趋势来看,4个海域年均SSC均表现出减小趋势,减小速率从大到小依次为莱州湾、渤海湾、中央海盆和辽东湾,不同海域SSC的变化速度不同可能与黄河输沙量的影响大小有关。

    对2003—2021年渤海表层年均SSC进行EOF分析,得到了一系列空间模态(表1)。表中可得,前三个模态累积方差贡献率为73.4%:其中第一模态的方差贡献率为53.15%,第二模态的方差贡献率为14.14%,第三模态的方差贡献率为6.11%,以下对主要模态分别成图分析(图57)。

    表  1  渤海海域表层SSC空间模态
    Table  1.  Spatial modes of SSC in the surface layer of the Bohai Sea
    方差贡献率/%方差累积贡献率/%特征根误差下限特征根误差上限特征根
    第一模态53.1553.1545726.9247425.5246576.22
    第二模态14.1467.2912166.8712618.8312392.85
    第三模态6.1173.405255.245450.455352.84
    第四模态4.8278.224148.834302.954225.89
    第五模态3.4581.672970.363080.703025.53
    第六模态2.7784.442380.922469.362425.14
    第七模态2.3786.812039.762115.532077.64
    第八模态1.9988.801715.721779.451747.58
    第九模态1.8790.671608.421668.171638.30
    第十模态1.6992.361458.211512.381485.30
    下载: 导出CSV 
    | 显示表格
    图  5  EOF第一模态空间模态及时间系数
    a为第一模态空间模态分布图,色轴代表特征值大小,b为第一模态时间系数图。
    Figure  5.  The spatial mode and time coefficient of the first mode of EOF
    a shows the distribution of spatial mode of the first mode, the color bar represents the eigenvalue, b shows the time coefficient of the first mode.
    图  7  EOF第三模态空间模态及时间系数
    a为第三模态空间模态分布图,色轴代表特征值大小,b为第三模态时间系数图。
    Figure  7.  The spatial mode and time coefficient of the third mode of EOF
    a shows the distribution of spatial mode of the third mode, the color bar represents the eigenvalue, b shows the time coefficient of the third mode.

    第一模态对总体方差贡献率为53.15%,远大于其他模态的贡献率,该模态反映的是渤海海域表层SSC的主要分布特征。渤海海域的空间模态整体为正值(图5a),说明整个渤海海域的表层SSC多年变化趋势较为一致,整体增大或减小。特征值高值分布在渤海湾和莱州湾海域,说明这两处海域SSC变化最为显著。

    时间系数与SSC的变化趋势存在一定的关联性,当空间模态和时间系数同号(即数值同正或者同负),则代表SSC变化呈现增大的趋势;反之,则代表SSC变化呈现减小的趋势,且时间系数绝对值越大,该年份SSC的空间分布类型及变化特征就越明显。第一模态空间模态总体为正,2009年以前时间系数为正(图5b),代表SSC整体为增大趋势;2009年以后时间系数多数为负,与空间模态反号,代表SSC整体为减小趋势。

    第二模态对总体方差贡献率为14.14%。图6a可见,不同海区特征值的符号不同:渤海湾和中央海盆特征值整体为正,莱州湾和辽东湾特征值整体为负,该模态显示的是不同海湾间SSC变化趋势不一致。其中以莱州湾和渤海湾的空间模态反相位变化特征最为显著,2010年以前时间系数大体为负(图6b),与莱州湾空间模态同号,说明莱州湾表层SSC高于渤海湾;而2010年以后时间系数大体为正,说明渤海湾表层SSC高于莱州湾。从时间系数图中可以看到2006年和2017年时间系数绝对值最大,渤海湾和莱州湾的反相位特征最为典型,推测是海湾间悬浮体的平流输运与交换导致。从SSC的空间分布图(图3e、p)也可以证实以上特征。

    图  6  EOF第二模态空间模态及时间系数
    a为第二模态空间模态分布图,色轴代表特征值大小,b为第二模态时间系数图。
    Figure  6.  The spatial mode and time coefficient of the second mode of EOF
    a shows the distribution of spatial mode of the second mode, the color bar represents the eigenvalue, b shows the time coefficient of the second mode.

    第三模态对总体方差贡献率为6.11%。图7a可见,渤海大部分海域空间模态为正值,但在黄河入海口附近海域,悬浮体以10 m等深线为界,浅水区和深水区SSC呈现反相位变化,以莱州湾西部海域及渤海南部海域反相位变化最为显著。该模态反映了悬浮体从浅水向深水扩散受到10 m等深线处海洋水文现象影响的特征,根据学者们的研究成果,黄河口切变锋即分布在10 m等深线处[36-38],表明了切变锋对黄河口附近悬浮体向外海扩散的阻碍作用。初步认为该模态反映的是黄河入海口切变锋的影响。

    因冬季风速在全年平均风速中的贡献较大[39],且冬季SSC影响了全年平均SSC的量值,因此本文考虑冬季风速变化对渤海表层SSC长期变化的影响。从1990—2021年渤海湾、莱州湾海域风场长期变化趋势可见(图8),1990—2009年,渤海海域冬季风速呈增大趋势;2009—2021年,该海域冬季风速呈减小趋势,这和第一模态所反映的SSC随时间变化趋势基本一致,在风场驱动下,SSC呈现出以2009年为界,前后变化趋势相反的特征。风速的这一变化趋势与杨宏达等[39]、李正泉等[40]的研究成果一致。

    图  8  2003—2021年渤海湾和莱州湾冬季区域化平均风速及第一模态时间系数
    Figure  8.  Regional averaged wind speed in Bohai Bay and Laizhou Bay during winter from 2003 to 2021 and the time coefficient of the first mode

    为对比2009年前后SSC的变化幅度,分别对2005—2008年及2009—2012年两个阶段的渤海海域表层SSC进行平均处理并计算其差值(图9)。图中可见,以2009年为节点,前4年渤海海域表层SSC高值区分布范围较广(图9a),主要见于渤海湾与莱州湾,且其均值与2009年之后的4年平均相比,明显偏大,两者相对变化最大可达−70.94%(图9c)。且这两个阶段,黄河的平均输沙量分别为1.50×108 t和1.31×108 t,相差不大。因此SSC在2009年前后的变化主要与冬季风强弱有关,而与黄河输沙量的变化相关性不大。

    图  9  2009年前后渤海海域表层SSC分布及相对变化
    a:2005—2008年渤海海域表层平均SSC分布,b:2009—2012年渤海海域表层平均SSC分布,c:(b-a)/a,2009—2012年与2005—2008年渤海海域表层平均SCC分布相对变化。
    Figure  9.  Distribution and relative changes of averaged SSC at the surface layer of the Bohai Sea before and after 2009
    a shows averaged SSC at the surface layer of the Bohai Sea from 2005 to 2008, b shows averaged SSC from 2009 to 2012, c is (b-a)/a which shows the relative changes of the latter stage to the former stage.

    第二模态显示了渤海湾和莱州湾SSC的反相位变化,为研究两个海湾SSC变化及可能存在的联系,本文分别计算了2003—2021年两个海湾区域平均的SSC距平值(图10)。2009年以前,二者变化趋势大体一致,均表现为相对于多年平均值偏大的趋势;2009年及以后,相对于多年平均值总体表现为减小趋势,体现了如3.1所分析的风速对SSC多年变化趋势的控制作用,此为渤海SSC的主要变化特征。在此基础上叠加的第二模态所显示的渤海湾和莱州湾SSC反相位变化特征,为部分年份表现出来的分布特点,其中,以2006及2017两个年份最为典型(图10)。

    图  10  2003—2021年渤海湾及莱州湾表层区域平均SSC的年距平
    Figure  10.  Annual regionalized averaged variation of SSC in Bohai Bay and Laizhou Bay

    从2006年与2017年的年均风速距平(图11a、b)可以看到,2006年除渤海湾南部和渤海中部的风速略大外,渤海湾大部分海域和莱州湾的风速都小于多年平均值,而2017年则反之。风速的这一变化特征与SSC的空间分布明显相反(图11c、d),2006年莱州湾SSC较高,渤海湾SSC较低;2017年渤海湾SSC高而莱州湾SSC低。这说明这两个年份中风速变化导致的再悬浮变化对SSC的贡献较小。尽管2006年输沙量(1.64×108 t)明显大于2017年输沙量(0.08×108 t),根据前人研究结果,黄河输沙量影响范围仅限于河口地区[26],因此黄河输沙量可能不是主要影响因素。但是从两个年份的风向对比(图11e)来看,2017年风向明显向东偏转,加强了悬浮体向渤海中部的平流输运,加之此时风速较强,再悬浮泥沙浓度较大,因此有利于莱州湾悬浮体向渤海湾中部的输运,导致2017年莱州湾SSC较低而渤海湾SSC较高。

    图  11  2006、2017年渤海风速距平、表层SSC及风向对比图
    Figure  11.  The anomaly of annual averaged wind speed , distribution of SSC and the comparison of wind direction in 2006 and 2017 of the Bohai Sea

    大风作用可使海水紊动强度增大,一方面可以增强垂直混合,另一方面使表层沉积物发生再悬浮[2],从而使得海水表层SSC增大[20]。同时,大风对SSC的影响又受到水深和表层沉积物类型的限制,相同风力条件下,在水深较浅及表层沉积物粒径较小的海区,SSC对风的响应更为明显,例如渤海湾和莱州湾的SSC受风速影响程度远大于中央海盆。同时,大风引起的海流可引起悬浮体的水平输运,也会影响SSC的空间格局[2,20]

    (1)渤海表层SSC的EOF分析结果显示:前三个模态累积方差贡献率为73.4%,其中第一模态对总体方差贡献率为53.15%,以全海域同步变化为主,其受控于冬季风速的长期变化;第二模态对总体方差贡献率为14.14%,显示的是渤海湾和莱州湾SSC反相位的变化特征,与风向控制下的平流输沙作用有关;第三模态对总体方差贡献率为6.11%,显示的是黄河三角洲附近以10 m等深线为界,浅水区和深水区SSC呈现反相位变化的分布特征,可能与黄河口切变锋对河口区SSC向外海输运的限制作用有关。

    (2)冬季风速的变化影响了渤海表层SSC的多年变化趋势,二者呈现明显的正相关关系:以2009年为明显转折点,2009年以前冬季风速呈上升趋势,SSC增大;2009年以后冬季风速呈下降趋势,SSC减小。2009年前后4年平均的渤海SSC相对变化量最大可达−70.94%。

    (3)风向的偏转影响了渤海湾和莱州湾悬浮体的水平输运,表现为2006年与2017年两个海湾SSC距平值呈现反相位变化。

    致谢:感谢审稿专家对本文提出的宝贵修改意见。

  • 图  1   气枪震源与电火花震源叠加剖面及对应频谱[27]

    Figure  1.   Stacked profiles and corresponding frequency spectra of airgun and sparker sources

    图  2   电火花震源单炮低通滤波扫描

    Figure  2.   Single-shot low-pass filter scanning of sparker source

    图  3   电火花震源单炮高通滤波扫描

    Figure  3.   Single-shot high-pass filter scanning of sparker source

    图  4   气枪震源与电火花震源单炮振幅能量对比

    Figure  4.   Comparison in amplitude energy between airgun and sparker sources

    图  5   小道距高分辨率地震采集观测系统示意图

    Figure  5.   The observation system of small-scale high-resolution seismic acquisition

    图  6   含水合物沉积层模型

    Figure  6.   Model of hydrate-bearing sediment layer

    图  7   气枪震源和电火花震源数值模拟结果对比

    Figure  7.   Comparison of numerical simulation results between airgun and sparker sources

    图  8   过扩散型水合物的地震剖面

    Figure  8.   Seismic profile of diffused gas hydrate

    图  9   过扩散型水合物的地震属性剖面

    Figure  9.   Seismic attribute profiles of diffused gas hydrate

    图  10   过浅表层水合物地震剖面(下)和沿海底下方振幅分布曲线(上)

    Figure  10.   Seismic profile (below) and amplitude distribution curve (upper) of shallow gas hydrate.

    图  11   围绕气烟囱环状分布的浅表层渗漏型水合物地震剖面

    Figure  11.   Seismic profile of shallow gas hydrate distributed annularly around gas chimneys.

    图  12   围绕气烟囱环状分布的浅表层渗漏型水合物地震属性剖面

    Figure  12.   Seismic attribute profiles of shallow gas hydrate distributed annularly around gas chimneys.

  • [1]

    Rincón-Martínez D, Ruge S M, Arias A S. Seismic analysis of the geological occurrence of gas hydrate in the Colombian Caribbean offshore[J]. Journal of South American Earth Sciences, 2022, 116:103800. doi: 10.1016/j.jsames.2022.103800

    [2]

    Shipley T H, Houston M H, Buffler R T, et al. Seismic evidence for widespread possible gas hydrate horizons on continental slopes and rises[J]. American Association of Petroleum Geologists Bulletin, 1979, 63(12):2204-2213.

    [3]

    Vanneste M, De Batist M, Golmshtok A, et al. Multi-frequency seismic study of gas hydrate-bearing sediments in Lake Baikal, Siberia[J]. Marine Geology, 2001, 172(1-2):1-21. doi: 10.1016/S0025-3227(00)00117-1

    [4]

    Foschi M, Etiope G, Cartwright J A. Seismic evidence of extensive microbial gas migration and trapping in submarine gas hydrates (Rakhine Basin, Bay of Bengal)[J]. Marine and Petroleum Geology, 2023, 149:106100. doi: 10.1016/j.marpetgeo.2023.106100

    [5]

    Yoo D G, Kang N K, Yi B Y, et al. Occurrence and seismic characteristics of gas hydrate in the Ulleung Basin, East Sea[J]. Marine and Petroleum Geology, 2013, 47:236-247. doi: 10.1016/j.marpetgeo.2013.07.001

    [6]

    Pecher I A, Kukowski N, Huebscher C, et al. The link between bottom-simulating reflections and methane flux into the gas hydrate stability zone – new evidence from Lima Basin, Peru Margin[J]. Earth and Planetary Science Letters, 2001, 185(3-4):343-354. doi: 10.1016/S0012-821X(00)00376-9

    [7]

    Zhang W, Liang J Q, Qiu H J, et al. Double bottom simulating reflectors and tentative interpretation with implications for the dynamic accumulation of gas hydrates in the northern slope of the Qiongdongnan Basin, South China Sea[J]. Journal of Asian Earth Sciences, 2022, 229:105151. doi: 10.1016/j.jseaes.2022.105151

    [8] 宋海斌, 张岭, 江为为, 等. 海洋天然气水合物的地球物理研究(III): 似海底反射[J]. 地球物理学进展, 2003, 18(2):182-187 doi: 10.3969/j.issn.1004-2903.2003.02.002

    SONG Haibin, ZHANG Ling, JIANG Weiwei, et al. Geophysical researches on marine gas Hydrates (III): bottom simulating reflections[J]. Progress in Geophysics, 2003, 18(2):182-187.] doi: 10.3969/j.issn.1004-2903.2003.02.002

    [9]

    Yi B Y, Lee G H, Horozal S, et al. Qualitative assessment of gas hydrate and gas concentrations from the AVO characteristics of the BSR in the Ulleung Basin, East Sea (Japan Sea)[J]. Marine and Petroleum Geology, 2011, 28(10):1953-1966. doi: 10.1016/j.marpetgeo.2010.12.001

    [10]

    Yuan T, Spence G D, Hyndman R D, et al. Seismic velocity studies of a gas hydrate bottom-simulating reflector on the northern Cascadia continental margin: amplitude modeling and full waveform inversion[J]. Journal of Geophysical Research: Solid Earth, 1999, 104(B1):1179-1191. doi: 10.1029/1998JB900020

    [11]

    Crutchley G J, Maslen G, Pecher I A, et al. High-resolution seismic velocity analysis as a tool for exploring gas hydrate systems: an example from New Zealand's southern Hikurangi margin[J]. Interpretation, 2016, 4(1):SA1-SA12. doi: 10.1190/INT-2015-0042.1

    [12]

    Turco F, Crutchley G J, Gorman A R, et al. Seismic velocity and reflectivity analysis of concentrated gas hydrate deposits on the southern Hikurangi Margin (New Zealand)[J]. Marine and Petroleum Geology, 2020, 120:104572. doi: 10.1016/j.marpetgeo.2020.104572

    [13]

    Jeong T, Byun J, Choi H, et al. Estimation of gas hydrate saturation in the Ulleung basin using seismic attributes and a neural network[J]. Journal of Applied Geophysics, 2014, 106:37-49. doi: 10.1016/j.jappgeo.2014.04.006

    [14] 沙志彬, 梁金强, 郑涛, 等. 地震属性在天然气水合物预测中的应用[J]. 海洋地质与第四纪地质, 2013, 33(5):185-192

    SHA Zhibin, LIANG Jinqiang, ZHENG Tao, et al. The application of seismic attributes to the prediction of gas hydrates[J]. Marine Geology & Quaternary Geology, 2013, 33(5):185-192.]

    [15] 王秀娟, 吴时国, 徐宁. 地震属性参数在识别天然气水合物和游离气分布模式中的应用[J]. 海洋与湖沼, 2006, 37(3):271-279 doi: 10.3321/j.issn:0029-814X.2006.03.012

    WANG Xiujuan, WU Shiguo, XU Ning. Determining the distribution model of hydrate and free gas occurrence in sediment with seismic attribute parameters[J]. Oceanologia et Limnologia Sinica, 2006, 37(3):271-279.] doi: 10.3321/j.issn:0029-814X.2006.03.012

    [16] 邢磊. 海洋小多道地震高精度探测关键技术研究[D]. 中国海洋大学硕士学位论文, 2012

    XING Lei. Study of the key technologies of high-precision marine multichannel seismic survey[D]. Master Dissertation of Ocean University of China, 2012.]

    [17] 戚宾, 王祥春, 赵庆献. 海洋电火花震源地震勘探研究进展[J]. 物探与化探, 2020, 44(1):107-111

    QI Bin, WANG Xiangchun, ZHAO Qingxian. Research on the progress of marine sparker seismic exploration[J]. Geophysical and Geochemical Exploration, 2020, 44(1):107-111.]

    [18]

    Buogo S, Cannelli G B. Implosion of an underwater spark-generated bubble and acoustic energy evaluation using the Rayleigh model[J]. The Journal of the Acoustical Society of America, 2002, 111(6):2594-2600. doi: 10.1121/1.1476919

    [19] 卢新培, 潘垣, 张寒虹. 水中脉冲放电的电特性与声辐射特性研究[J]. 物理学报, 2002, 51(7):1549-1553 doi: 10.3321/j.issn:1000-3290.2002.07.024

    LU Xinpei, PAN Yuan, ZHANG Hanhong. The electrical and acoustical characteristics of pulsed discharge in water[J]. Acta Physica Sinica, 2002, 51(7):1549-1553.] doi: 10.3321/j.issn:1000-3290.2002.07.024

    [20] 秦曾衍, 左公宁, 王永荣, 等. 高压强脉冲放电及其应用[M]. 北京: 北京工业大学出版社, 2000

    QIN Zengyan, ZUO Gongning, WANG Yongrong, et al. The Application of High Voltage and Super-Density Pulse Discharge[M]. Beijing: Beijing Industry University Press, 2000.]

    [21] 裴彦良, 王揆洋, 李官保, 等. 海洋工程地震勘探震源及其应用研究[J]. 石油仪器, 2007, 21(2):20-23

    PEI Yanliang, WANG Kuiyang, LI Guanbao, et al. Application study of marine engineering seismic sources[J]. Petroleum Instruments, 2007, 21(2):20-23.]

    [22] 刘怀山, 王文秋, 尹燕欣. 海洋地球物理探测在海岸工程建设中的应用: 以曹妃甸港为例[J]. 海岸工程, 2022, 41(4):313-327 doi: 10.12362/j.issn.1002-3682.20220727001

    LIU Huaishan, WANG Wenqiu, YIN Yanxin. Offshore geophysical prospecting on coastal engineering: a case study in Caofeidian[J]. Coastal Engineering, 2022, 41(4):313-327.] doi: 10.12362/j.issn.1002-3682.20220727001

    [23]

    Anitha G, Ramana M V, Ramprasad T, et al. Shallow geological environment of Krishna–Godavari offshore, eastern continental margin of India as inferred from the interpretation of high resolution sparker data[J]. Journal of Earth System Science, 2014, 123(2):329-342. doi: 10.1007/s12040-013-0399-3

    [24]

    Mangipudi V R, Goli A, Desa M, et al. Synthesis of deep multichannel seismic and high resolution sparker data: implications for the geological environment of the Krishna–Godavari offshore, Eastern Continental Margin of India[J]. Marine and Petroleum Geology, 2014, 58:339-355. doi: 10.1016/j.marpetgeo.2014.08.006

    [25] 易虎, 詹文欢, 闵伟, 等. 小多道地震震源效果在海域活动断裂探测中的对比研究[J]. 地震地质, 2022, 44(2):333-348 doi: 10.3969/j.issn.0253-4967.2022.02.004

    YI Hu, ZHAN Wenhuan, MIN Wei, et al. A comparative study of source effect based on mini-multichannel seismic profile in marine active fault detection[J]. Seismology and Geology, 2022, 44(2):333-348.] doi: 10.3969/j.issn.0253-4967.2022.02.004

    [26] 骆迪, 蔡峰, 闫桂京, 等. 浅表层天然气水合物高分辨率地震勘探方法与应用[J]. 海洋地质前沿, 2020, 36(9):101-108

    LUO Di, CAI Feng, YAN Guijing, et al. High resolution seismic method for shallow gas hydrates exploration[J]. Marine Geology Frontiers, 2020, 36(9):101-108.]

    [27]

    Luo D, Cai F, Wu Z Q. Numerical simulation for accuracy of velocity analysis in small-scale high-resolution marine multichannel seismic technology[J]. Journal of Ocean University of China, 2017, 16(3):370-382. doi: 10.1007/s11802-017-3145-7

    [28] 骆迪, 蔡峰, 吴志强, 等. 海洋短排列高分辨率多道地震高精度成像关键技术[J]. 地球物理学报, 2019, 62(2):730-742 doi: 10.6038/cjg2019M0178

    LUO Di, CAI Feng, WU Zhiqiang, et al. The key technologies of marine small scale high resolution multichannel seismic high-precision imaging[J]. Chinese Journal of Geophysics, 2019, 62(2):730-742.] doi: 10.6038/cjg2019M0178

    [29] 蔡峰, 吴能友, 闫桂京, 等. 海洋浅表层天然气水合物成藏特征[J]. 海洋地质前沿, 2020, 36(9):73-78

    CAI Feng, WU Nengyou, YAN Guijing, et al. Characteristics of shallow gas hydrates accumulation in the sea[J]. Marine Geology Frontiers, 2020, 36(9):73-78.]

    [30]

    Barnes P M, Lamarche G, Bialas J, et al. Tectonic and geological framework for gas hydrates and cold seeps on the Hikurangi subduction margin, New Zealand[J]. Marine Geology, 2010, 272(1-4):26-48. doi: 10.1016/j.margeo.2009.03.012

    [31]

    Ye J L, Wei J G, Liang J Q, et al. Complex gas hydrate system in a gas chimney, South China Sea[J]. Marine and Petroleum Geology, 2019, 104:29-39. doi: 10.1016/j.marpetgeo.2019.03.023

    [32]

    Hovland M, Svensen H. Submarine pingoes: indicators of shallow gas hydrates in a pockmark at Nyegga, Norwegian Sea[J]. Marine Geology, 2006, 228(1-4):15-23. doi: 10.1016/j.margeo.2005.12.005

    [33]

    Ben-Avraham Z, Reshef M, Smith G. Seismic signature of gas hydrate and mud volcanoes of the South African continental margin[C]//Proceedings of the NATO Advanced Research Workshop on Mud Volcanism, Geodynamics and Seismicity. Baku, Azerbaijan: Springer, 2005: 17-27.

    [34]

    Bohrmann G, Ivanov M, Foucher J P, et al. Mud volcanoes and gas hydrates in the Black Sea: new data from Dvurechenskii and Odessa mud volcanoes[J]. Geo-Marine Letters, 2003, 23(3-4):239-249. doi: 10.1007/s00367-003-0157-7

图(12)
计量
  • 文章访问数:  25
  • HTML全文浏览量:  3
  • PDF下载量:  12
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-09-12
  • 修回日期:  2024-11-21
  • 刊出日期:  2024-12-27

目录

/

返回文章
返回