青藏高原东缘壳幔速度结构研究.pdf

《青藏高原东缘壳幔速度结构研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、44国际地震动态500km深度的P波速度结构中高速体对应，可能与俯冲物质有关。典型地区台站下方S波速度结构：腾冲地区的上地幔顶部从45km到90km速度相对较低。华夏地块呈现双低速层模型，上层低速层接近60km但厚度相对较薄，下层低速层在1O0～140km相对较厚。松潘甘孜地块下方存在较浅埋深的上地幔低速层，深度为8O～120km。四川盆地内部上地幔顶部5O～170km都具有较高速度分布和较大的岩石圈厚度。关键词中国西南地区；P波接收函数；S波接收函数；面波层析成像；S波速度结构(作者电子信箱，王未来：wangwl@cea—igp．ac．cn)青藏高原东缘壳幔速度结构研究范莉苹(中国地震局地球

2、物理研究所，北京100081)中图分类号：P315．6；文献标识码：A；doi：10．3969／j．issn．0235—4975．2015．03．009青藏高原东缘位于松潘一甘孜褶皱带、华南地块、羌塘地块、印支地块和西缅甸弧等多个构造块体交界地带，此处地质组成复杂，构造运动强烈。众多学者使用各种方法对该区域进行了研究，但目前对此处的地质演化过程、构造机制等问题仍存在众多争议。自2011年以来，中国地震局地球物理研究所等单位在该区域实施了中国地震科学探测台阵计划，布设了350个宽频带流动地震台站，台站间距约30km。得益于这前所未有的高密度台站分布，使用目前成熟先进的地震学研究方法，在该地区进行

3、了背景噪声层析成像和远震P波层析成像工作。背景噪声层析成像是自2004年以来迅速发展的一种面波成像方法，此方法最重要的理论基础是利用台站长时间的连续波形记录提取面波经验格林函数。本文收集了青藏高原东缘557个地震观测台站记录的三分量连续波形数据，对数据进行详细的波形预处理之后，基于改进的背景噪声数据处理流程得到了5万多个经验格林函数。选取信噪比大于10的经验格林函数，使用CPS(ComputerProgramsinSeismology)软件测量得到了13972条瑞利面波群速度频散曲线。为保证反演结果可靠性，提高反演效率，本文利用群簇分析的方法对频散曲线进行了筛选，最终使用6021条频散曲线进行

4、了瑞利面波群速度的反演，给出了周期为6～48S的瑞利波群速度分布图像。根据周期6～48S的瑞利波群速度分布图像，对群速度分布特征进行了总结。发现以下现象：①四川盆地在6～14s为明显的低速异常，且盆地内部的低速异常分布并不均匀；在30～48S，四川盆地表现为弱高速异常，且四川盆地内西南部的速度要低于西北部；②在周期6～48S，攀枝花及周边始终为高速异常；③自24S开始，南盘江盆地出现随着周期增长而范围逐渐增大的高速异常；其西北部的低速异常边界与南盘江大体重合。结合青藏高原的地质和其他地球物理资料，本文对上述部分现象进行了解释，并对其构造意义进行了探讨。①相对于周边的松潘一甘孜褶皱带、羌塘块体等

5、，四川盆地内部的沉积第3期中国地震局地球物理研究所2014届博士论文摘要(HI)45盖层更为年轻，沉积厚度也更大，这导致了四川I盆地内的低速异常；另外，该低速异常也很好地勾勒出四川盆地内厚沉积层的边界。四川盆地内部复杂的沉积演化历史导致的沉积层厚度分布不均引起了盆地内部低速异常的不均匀分布，同时此低速异常分布揭示了盆地内部沉积层厚度的横向变化。结合四川盆地及周边的地壳厚度分布，认为长周期四川盆地处弱高速异常是由于其较薄的地壳厚度造成的。②反演的四川盆地西南部和西北部S波速度剖面揭示，西南部的低速异常是由于该处更低的下地壳和上地幔s波速度结构造成，推测青藏高原东部热的低速上地幔物质可能在向东运移

6、的过程中侵蚀了四川I盆地的部分岩石圈地幔。该原因也解释了四川盆地成都南北两侧的泊松比、热流值和构造活动强度的差异。③地质和地球化学研究表明，由地幔柱岩浆活动造成的峨眉山大火成岩省中的基性岩和超基性岩以米易为中心呈圆形分布，在中心厚度最大，与结果中攀枝花周边的高速异常分布形状相似。推测攀枝花及周边的低速异常与地幔柱上升过程中，高密度镁铁质和超镁铁质岩浆侵入岩石圈不同深度有关。进一步推测认为攀枝花及周边的该高速异常体阻挡了川滇菱形块体北部川西北次级块体中物质东南向的运移，导致在丽江一小金河断裂带北侧的川西北次级块体海拔远高于南部的滇中次级块体。④本研究反演了南盘江两侧的s波速度结构，发现从地壳浅部

7、至上地幔顶部南盘江盆地的s波速度均高于华南块体西南其他区域，这种现象在中下地壳尤其明显。推测南盘江盆地高速异常体可能阻挡了青藏高原物质的东南向运移。远震体波成像方法是一种研究地球深部速度结构的常用方法，它得到的结果垂向分辨率较高。本文收集了516个地震台站，888个地震的远震波形，数据预处理之后使用波形互相关的方法提取了111748个走时残差。使用FMTT(FastMarchingTravehim