2018—2019年期间，广东测震台网记录到新丰江地区发生的天然地震共2967件（图1），其中震级M_L≤2.0的地震事件共2935件，震级M_L≤1.0的地震事件共2625件，微震小震事件占新丰江地区地震事件总数的88%以上。

上述地震目录全部为人工浏览连续地震波形识别、编目得到，由于人工识别误差、震级未达到编目要求（M_L<0.0）等原因，还存在大量微震事件未被记录在内。本研究将地震目录中的部分地震事件作为地震模板，检测2018—2019年间新丰江河源地区的地震事件，将其与人工地震目录结果比较，测试M&L方法在新丰江河源地区的适用性。

M&L方法的检测结果依赖于地震模板的丰富程度，无法利用有限的模板识别出所有的微震事件。地震模板的种类和数量越丰富，检测的结果越丰富越接近真实情况。相应地，模板的大量使用也极大增加计算时间，进而降低检测效率。在使用模板匹配检测方法时，一般将研究时间范围内的所有事件进行筛选作为地震模板，对连续波形进行扫描。新丰江库区地震数量较多，为测试在该地区模板检测的能力及效率，对使用的地震模板进行了人为震级筛选。最终确定选定2019年间新丰江河源地区（23.700°～23.766°N，114.57°～114.75°E），震级范围0.5≤M_L≤1.0，共125条地震事件作为地震模板（图2中红点所示）。新丰江水库区测震台站较为密集，经过对台站数据的记录质量以及相对研究区域的位置分布，选取其中的10个台站（图4）记录的数据进行分析处理。M&L方法受地壳速度模型影响较小，本文采用PREM速度模型^[20]，利用TauP工具包^[23]计算理论震相到时。微震事件的判断阈值参考采用9倍背景平均相关系数。另外，新丰江水库区的地震深度普遍较浅，深度分布比较集中，为提高检测效率，在地震检测中没有对震源深度进行搜索，固定深度为模板地震的深度。

图1 2018—2019年间新丰江地区地震目录Fig.1 Earthquake catalog in Xinfengjiang area from 2018 to 2019

图2 2018—2019年间利用模板检测得到的地震事件M-T分布结果Fig.2 M-T distribution results of earthquake events obtained by template detection from 2018 to 2019

图3 模板检测结果示例（最大震级为ML 3.08，发震时刻2018-07-25 08：53：45） Fig.3 Example of template detection results（the maximum magnitude is ML 3.08，which occurred at 08：53：45 2018-07-25）

通过对连续波形的模板匹配扫描，共检测到2018—2019年间新丰江河源地区的地震事件共2160条（图2），最大震级M_L 3.08（图3），最小震级M_L 0.8。对检测结果的震级分布进行统计分析，震级0.0≤M_L≤1.0的微震事件共625条，占地震事件总数的28.9 %；震级M_L＜0.0的地震事件共1438条，占地震事件的66.5 %。检测到的地震事件在空间上分布在地震模板的发震位置附近。2018—2019年地震目录结果（图4）显示新丰江河源区域记录地震共1764件，震级0.0≤M_L＜0.5的微震事件共1163条，震级0.5≤M_L≤1.0的微震事件共425条，震级1.0≤M_L≤2.0的地震事件共159条，M_L＞2.0的地震事件17条。

图4 地震模板事件（红色）得到的模板匹配检测（蓝色）地震事件的分布Fig.4 Distribution of seismic events（blue）from template matching detections obtained from seismic template events（red）

上述仅利用少量震级0.5≤M_L≤1.0的地震模板，对2018-2019年间新丰江河源地区的地震事件的检测结果表明，地震模板事件全部被自检出，相关系数接近于1.0。将这些事件进行比较，发现检测结果的发震时刻和震级与编目结果具有较小的差异，具有较高的准确度。但是，由于缺少2018年0.5≤M_L≤1.0的地震模板，对2018年期间检测出的震级0.5≤M_L≤1.0的地震事件仅92件，少于广东台网编目结果300条，M&L方法的检测结果受地震模板的丰富程度影响较大，仅利用部分模板无法对所有地震事件进行检测。

上述的模板检测结果表明，M&L方法适用于新丰江水库区的微震检测，而且可以对检测到的微震事件进行定位以及震相标记，可将其应用于测震台网的地震编目工作中。在数字台网中心的服务器上进行软件部署，利用数字台网中心数据处理软件系统JOPENS^[21-22]获取地震事件以及连续波形，实时扩充地震模板库，并且对其调用在连续波形上自动进行微震检测，达到完善地震目录的目的。

根据M&L模板匹配计算程序的处理流程（图5），为达到对地震波形的自动检测的要求，需要改进的主要部分为流程中最主要的输入部分：即“连续波形”和“地震模板”。

图5 模板检测程序的流程Fig.5 Process of template detection program

对于“连续波形”部分，通过数据处理系统获取到连续波形数据后，需要对其进行格式转换，完成波形的拼接、滤波以及降采样等数据处理工作。我们利用JOPENS的数据导出功能，将其设置为定时将新入库的连续波形数据导出为seed文件，保存在台网中心服务器端。检测程序部署在信息中心机群，利用脚本从台网中心服务器下载波形数据seed文件，并自动将其转换为sac格式数据文件；对连续波形进行1~20 Hz的滤波以及降采样处理工作，统一命名放置于M&L检测程序内部的Trace目录，每日对其进行更新。

对于“检测模板”部分，台网编目报告的地震事件seed文件以及地震目录catalog文件经数据处理系统导出上传至中心机群，放置于目标目录下。系统定时在该目录下进行搜索，发现地震事件seed文件并将其转换为sac格式数据文件，对事件波形进行1-20 Hz的滤波以及降采样处理，保证与连续波形数据格式相同。经上得到的新的地震模板文件，统一命名放置于M&L检测程序内部的Template目录，实时对地震模板库进行更新。

上述利用震级范围0.5≤M_L≤1.0的地震模板进行检测的结果表明，仅利用部分地震模板不能检测出潜在的所有地震，地震模板的丰富程度对检测结果产生非常大的影响。在保证检测效率的同时，为了检测尽量多的微震事件，在部署自动检测软件中，将待检测长度为24小时的连续波形包括其前24小时以及后24小时，共72小时内台网编目的所有地震事件作为模板，对连续波形进行检测。若此时间段内不存在地震事件，自动将调取时间范围进行延长；另一方面，系统也可随时根据需要调用数据库中的其他地震模板，以保证充足的地震模板进行微震检测。自相关系数阈值等参数设置采用与上文相同设置。

基于对程序的上述配置，重新检验其在新丰江地区地震检测中的适用性。2023年2月11日10时41分广东省河源市源城区发生了M 4.3地震，震后发生一系列余震，广东数字地震台网中心的编目结果显示，截至2月12日0时，共记录到该地区余震171件，其中，0≤M_L＜1.0，143件；1.0≤M_L＜2.0，23件；M_L≥2.0，5件；最大余震M_L 3.4。

利用上述改进的程序配置，对其在该时间段内对连续波形的自动检测结果进行分析。结果显示，截至2023年2月12日0时，自动检测配置共检测到河源M 4.3地震的余震265件，与人工余震目录相比，新检测到的地震事件中，有15件事件的震级在M_L 0.0左右，最大的检测震级为M_L 0.64；其余震级均在M_L＜0.0（图6），最小的震级为M_L-0.65。

地震目录记录的171件地震事件，共检测出其中的167件，经人工对波形校对发现，未检测出的4件地震事件均为双震事件，震级在0≤M_L＜1.0范围。通过对模板的检查发现，双震中的两起事件发生间隔时间过短（图7），生成的模板同时包含了两起事件，在连续波形计算过程中对另一事件无法检测，导致对双震事件的检测失效。

将地震模板中被重新检测出中被地震目录收录的167件地震事件的发震时刻、震级与人工结果进行比较（图8），发现大部分震级与人工编目的震级结果相近，差值一般小于M_L 0.5；发震时刻与人工编目的发震结果相近，差值小于1.0 s。

图6 检测出的地震事件（ML 0.37） Fig.6 One detected earthquake event with magnitude of ML0.37

图7 未检测出的双震事件Fig.7 Undetected double-earthquake event

图8 编目报告与检测结果中同事件的震级（a）与发震时刻（b）的差值统计比较Fig.8 Statistical comparison of the difference between the magnitude（a）and the occurrence time（b）of the same event in the catalog report and the detection results

利用上述配置对河源M 4.3的余震自动检测结果显示，多个双震事件没能被扫描识别出来。经过对地震目录的分析，发现这几次双震事件发生的时间间隔很短，普遍在2s以内。由于系统的配置未对地震事件进行筛选，全部处理为地震模板并应用于模板匹配，导致部分单个地震模板内包含了多次地震事件。在对波形进行扫描时，直接将其与连续波形进行滑动互相关并输出匹配结果，当双震的震级差比较大时，输出为扫描时间窗内震级较大的地震事件。

在利用M&L方法进行匹配定位时，一般需要对地震模板进行筛选，尤其是多个地震事件的发震时间间隔较近，前一事件的s震相淹没在后一事件更大的p震相中的情况。尽管在处理地震模板时，可以控制地震模板的波形长度，在一定程度上消除另一事件的影响，但这也可能导致其他地震模板的长度过短，不能包含所有必需的震相信息；另外，双震事件作为模板也将导致检测出的事件的定位结果和震级产生较大的误差，双震以及多地震事件不适合作为地震模板进行匹配定位检测。在对地震模板库进行自动更新，需结合地震目录，剔除使用发震间隔较近、且发震位置也较近的地震事件。

本文与前人^[15]在新丰江河源地区的微震检测中，对于平均互相关系数的参数设定存在差异，这种差异对微震的检测结果数量产生影响。在不同的研究区域，需要对研究区域内拟使用的地震模板进行自检来估计平均背景相关系数，以此确定检测标准。数字台网中心利用M&L方法对不同区域的微震进行检测时，需要重新确定检测标准以保证检测质量。

M&L方法在地震模板处理中，利用TauP工具包^[23]根据给定地壳速度模型标记理论震相信息截取地震模板。通过计算模板事件与待检测事件的可能位置在同一台站上的走时差来进行定位计算，对模型的依赖较小。本文利用PREM模型生成的地震模板，发现其震相标注与实际震相的到时差异较大，这对于检测微震以及对其进行定位的结果没有影响。但是，地震目录包含精确的震相标记信息，可以利用这些震相信息替代理论到时标记，对地震模板进行截取、标记处理，在匹配定位检测的同时，输出比较准确的震相信息，更加适合地震编目的完善工作。

另外， M&L 程序已经发布 GPU（Graphics Processing Unit-Based）版本，该程序的计算速度提高到M&L程序的4.5倍，同时在地震模板的各分量波形上引入权重系数显著提高检测结果的稳定性^[13]。这可以在一定程度上缓解由于地震模板过多导致的检测效率过低的问题，适合台网处理大量微震检测工作。