Research on salt mine cavity and mining activity based on microtremor imaging and microseismic monitoring

Liang LIU; MaoMao YAN; PanFei LIU; Deng PAN; ShaoBo YANG; HuaSheng ZHA; Ji GAO; HaiJiang ZHANG

doi:10.6038/pg2024HH0393

Progress in Geophysics >

2024 , Vol. 39 >Issue 5: 1923 - 1934

DOI: https://doi.org/10.6038/pg2024HH0393

Research on salt mine cavity and mining activity based on microtremor imaging and microseismic monitoring

Liang LIU ^,¹ ,
MaoMao YAN ¹ ,
PanFei LIU ¹ ,
Deng PAN ² ,
ShaoBo YANG ³ ,
HuaSheng ZHA ² ,
Ji GAO ^,²^,* ,
HaiJiang ZHANG ²

Expand

Received date: 2023-11-06

Online published: 2024-12-19

Copyright

Fold

Abstract

Presently, water solution mining serves as the primary method for extracting salt deposits; however, precise control over cavity development and spatial migration poses challenges. To determine the spatial location of cavity development during the extraction of water-soluble salt mines, this study utilizes 23 days of continuous waveform data collected by 169 short-period seismographs deployed in the Zhangshu Salt mining area of Jiangxi Province. Microtremor imaging and microseismic event detection and location are employed for this purpose. Microtremor imaging elucidated the velocity structure within an approximate area of 2 km², revealing the depth and morphology of the salt mine roof and the location of dissolved cavities. Throughout the instrument deployment period, four microseismic events were monitored, indicating relatively weak roof activity of the dissolved cavity. Comparison of microseismic event locations with the velocity structure obtained through microtremor imaging revealed that all events transpired at the salt mine roof and in low-velocity dissolved regions. The findings indicate that the integration of microtremor imaging and microseismic location is a viable approach for detecting salt mine cavities and studying roof activity. This method offers technical support in mitigating geological hazards and informs subsequent salt mine design and mining operations.

Key words： Microtremor; Microseismic; Salt mine; Cavity exploration; Roof activity

Cite this article

Liang LIU , MaoMao YAN , PanFei LIU , Deng PAN , ShaoBo YANG , HuaSheng ZHA , Ji GAO , HaiJiang ZHANG . Research on salt mine cavity and mining activity based on microtremor imaging and microseismic monitoring[J]. Progress in Geophysics, 2024 , 39(5) : 1923 -1934 . DOI: 10.6038/pg2024HH0393

0 引言

水溶开采是当前盐类矿床的主要开采方式，不同于煤矿及金属矿山的井工开采，水溶开采难以控制溶腔形态的发展和运移，可能会导致一些盐矿区发生地表冒卤、沉降和塌陷等灾害.与煤矿等矿床类似，盐类矿床无论是井工开采还是水溶开采，都会经历采空-覆岩移动-地表沉陷的过程(张桂民等，2021).盐矿水溶开采造成的地表沉降或塌陷，一开始表现为缓慢沉降，在地表形成较大范围的沉降盆地，垂直方向位移为近似连续，沉降盆地中心的沉降速率较慢，每年约为数厘米.随着开采历史的增加，可能演变为地表大面积突然沉陷事故，如2005年安徽省定远县东兴盐矿(周海娟等，2020)、2010年江西省会昌县九二盐矿(张焱孙，2014)、2002年云梦县中盐宏博采区(乐嘉祥和田巍，2018)均出现过地表塌陷.

由于地质条件、开采方法和生产技术等因素的不同，盐井从开采到地表沉陷时间从几年到长达数十年不等，有的盐矿则在这一演变过程中的某个阶段停止.因此，水溶性盐矿在开采过程中，由于盐矿体溶解会导致出现贯通地表的裂隙甚至导致地表塌陷，造成安全事故及卤水上涌导致地下水污染(刘良美，2003).查明水溶性盐矿抽采过程中溶腔发育及裂隙发育的空间位置，对减少地质灾害及后续盐矿设计开采均具有重要的作用.

微动勘探是利用不同台阵布设的方式采集天然源震动信号，提取面波频散曲线，进而反演得到地下介质横波速度结构的探测方法(张维等，2012；夏江海等，2015).微动是指地球表面随时随地存在的天然微弱震动，是一种由体波和面波组成的复杂震动，信号中面波的能量占总能量的70%以上(Lacoss et al., 1969).微动探测方法不受城市中电磁环境、人文工业活动振动干扰，无需主动震源，且微动数据包含不同频段噪声数据，可以对不同尺度地下结构进行横波速度成像.从浅地表工程探测至深部矿产资源探测均得到广泛应用，如在基岩地质调查(李娜等, 2015)、城市活断层探测(李雪燕等，2020)、煤矿采区构造探测(徐佩芬等, 2009)、盐矿溶腔探测(高级等，2023)等领域均取得了很好的应用效果.

盐矿水溶开采显著区别于煤矿或金属矿的井工开采，盐矿的水溶卤水在对围岩产生支撑作用的同时，亦会对顶板产生溶蚀和风化(张桂民等，2021).水溶卤水对盐矿体顶板的侵蚀会降低顶板岩体的稳定性，产生局部垮落的震动事件.郑雪静等(2023)利用在安徽定远东兴盐矿布置的12台监测台站，分析了不同溶腔发育阶段产生微地震信号的波形特征，得出盐矿顶板破裂到塌陷的不同阶段存在不同特征的微地震信号，地表塌陷前会有微地震地事件发生频次提高和定位集中的现象发生，可以作为盐矿地表塌陷预警的依据.对盐矿体进行微地震事件发生时间及空间位置确定，可以有效监控盐矿体顶板的活动性，为盐矿生产提供技术支撑.

江西樟树盐矿区，由于水溶开采年限较长，地下溶腔规模及分布不清.为查明实验区溶腔发育位置及空间展布形态，本文利用在盐矿区布设的节点地震仪台阵数据，采用微动成像和微地震监测结合的综合地球物理方法，获得研究区地下1000 m以浅的横波速度结构，并根据速度结构圈定了溶腔位置.利用采集的20天连续波形数据，检测到4个微地震事件，对微地震事件进行定位，确定微地震事件发育深度为600~700 m的盐矿体顶板.

1 研究区盐矿地质概况

本次研究的区域位于江西省中西部清江盆地(图 1a).清江盆地处于扬子准地台南缘，毗邻南华准地台，北东与鄱阳盆地连通，西部至新余附近收敛.清江盆地形成于中生代早期，在印支期褶皱基础上，经燕山期断裂下陷形成的近北东向与北北东向交叉复式断陷盆地.

显示原图|下载原图ZIP|生成PPT

图1 研究区位置及区域构造图

(a)清江盆地区位置；(b)区域构造图.红色矩形为樟树盐矿区位置.

Figure 1 Location of the study area and its tectonic map

(a) Qingjiang basin location; (b) Reginal tectonic map. Red rectangle represent the study location of Zhangshu salt mine.

樟树盐矿区位于清江盆地洋湖凹陷中部樟树市(图 1b)，矿区内褶皱不发育，但受到基底构造和后期断裂的影响，呈现出波状起伏.矿区内断裂较为发育，将整个矿区分割成许多阶梯状断块.矿区含盐系具有复韵律性特征，形成矿体的复层结构，矿体最大沉积厚度达625 m左右，纯矿层累计厚度达194.93 m，矿层层数1~54层，盐矿体埋深700 m左右.

2 微动成像及微地震定位

2.1 微动成像

基于空间平稳随机扰动理论，并假设基阶面波是微动信号中的主要能量，Aki(1957)推导出利用空间自相关法(Spatial Auto-Correlation Method，SPAC).当记录的微动信号源在方位和距离上均匀分布在观测台阵四周时，两个台站间的互相关谱ρ(f, r)为

(1)

式中，k为平面波频率为f时的空间波数，r为台站对之间的距离，C(f)为一维层状模型面波相速度，J₀为第一类0阶贝塞尔函数.

当在实际操作中受地形条件限制只能布设不规则台阵时，Ling和Okada (1993)提出一种可以针对任意台阵的空间互相关计算方法，称为扩展的空间自相关方法(Extended Spatial Autocorrelation Method，ESPAC).ESPAC方法台阵中任意两点A、B之间的互相干谱为

(2)

对所有台站对N不同台站距离r_i互相干谱叠加可得到平均互相干谱ρ(ω, r)：

(3)

在利用ESPAC方法获得观测台阵平均互相关谱后，对相速度c_k及频率f_i扫描，求互相干系数与第一类零阶贝塞尔函数差Misfit(f_i, c_k)即可以得到给定速度及频率范围内的频率速度谱，通过提取能量最小值即可得到该观测台阵的频散曲线：

(4)

2.2 微地震定位

本次盐矿微地震事件检测及定位我们采用杨少博等(2022)中的流程(图 2).首先使用基于深度学习的多台站地震事件检测算法(CNNDetector，Yang et al., 2021)进行微地震事件检测，然后使用震相拾取网络(PhaseNet, Zhu and Beroza, 2019)对地震事件进行P波和S波到时拾取，最后使用震相关联算法(REAL, Zhang et al., 2019)进行震相关联及定位.

显示原图|下载原图ZIP|生成PPT

图2 微地震事件检测及定位流程图

图中黑色三角形为节点地震仪位置、蓝色矩形为子台阵中心位置、红色矩形为选择的9个子台阵位置(图 7中频散谱对应的子台阵) 绿色矩形为选定的反演区域范围.

Fig 2 Microseismic event detection and location flow chart

3 数据采集及处理

3.1 数据采集

本次实验研究布设IGU-16HR 5 Hz型号节点地震仪169台(图 3中黑色三角形)，采用正方形台阵布设方式.数据采集时间从2023年3月9日至2023年4月1日，共计采集23天.整个台阵布设中间密集四周相对稀疏，中心区域1000 m×1000 m范围内节点地震仪间距为100 m，中心区域外围点间距为200~400 m.台站布设范围为4 km×4 km，面积为16 km².

显示原图|下载原图ZIP|生成PPT

图3 实验台阵节点地震仪分布图

Fig 3 Distribution of nodal seismometers for the experiment array

3.2 微动数据处理

3.2.1 噪声源分析

为确定研究区天然源噪声分布特征，我们利用图 5中绿色矩形内台站数据，采用FK聚束分析方法(王奡等，2017；Hu et al., 2019)获得了数据采集期间噪声源的主要能量方向及传播视速度(图 4).从图中可以看出，不同频段噪声具有不同分布特征.图 4a中1 Hz频段噪声视速度分布范围较大，在270°至0°至90°能量均较强；图 4b中3 Hz频段噪声视速度分布主要在1~2 km/s之间，噪声源分布在270°至0°至135°方向；图 4c中5 Hz频段噪声视速度分布主要在1 km/s左右，噪声源主要分布在270°和90°方向，分布方向较为单一；图 4d中7 Hz频段噪声视速度大小和方位均较为均匀.针对研究区噪声源在不同频率具有不同分布的特征，因此本次天然源面波探测采用划分子台阵方式的微动成像方法，以减少噪声源分布不均对频散提取的影响(高级等，2023).

显示原图|下载原图ZIP|生成PPT

图4 不同频率下的噪声源能量及方位分布图

Figure 4 Distribution of noise source energy and azimuth at different frequencies

显示原图|下载原图ZIP|生成PPT

图5 微动子台阵及对应中心位置

Figure 5 Central positions of microtremor subarrays

Black triangles indicate the locations of nodal seismometers, blue rectangles are the central positions of subarrays, red rectangles represent the selected nine subarrays for plotting dispersion spectrum (Fig. 7), green rectangle represents the selected inversion region.

3.2.2 微动台阵划分

为满足研究区探测1 km深度要求，本次微动子台阵划分按照正方形滚动方式进行.子台阵正方形边长为1600 m，沿南北及东西方向分别按照中间台站间距的100 m进行滚动，共获得702个微动子台阵，子台阵中心点位置如图 5中蓝色矩形所示.因边界子台阵内包含的台站相对较少，本次研究只选取图 5中绿色矩形框内子台阵进行反演，绿色矩形框范围为1400 m×1400 m，面积为1.96 km².

3.2.3 子台阵响应

为确定设定的矩形边长为1600 m的子台阵接收噪声信号的频带范围，我们选定图 5中sub_298子台阵包含的台站，利用频率波数分析方法(王奡等，2017；Hu et al., 2019)获得了该子台阵响应.图 6给出了不同频率的台阵响应图，从图中可以看出该台阵对大于0.4 Hz的噪声能量开始具有识别能力，但随着频率升高至10 Hz时，台阵响应函数能量出现旁瓣，说明该台阵识别大于10 Hz以上噪声能力减弱.因此，根据台阵响应分析，可以看出按照1600 m孔径设定的子台阵对0.4~10 Hz频率范围内噪声源信号具有较好的识别能力.

显示原图|下载原图ZIP|生成PPT

图6 sub_298子台阵对不同频率的响应

(a)—(d)分别为事件event1至event4.

Fig 6 Array responses at different frequencies of the sub_298

3.2.4 频散提取

图 7为图 5中9个微动子台阵利用ESPAC方法提取的相速度频散谱.从频散谱图中可以看出，位于不同区域的子台阵频散均具有较好的质量. 频散数据频率分布在1~7 Hz，相速度分布在500~2500 m/s，按照半波长估算探测深度，满足探测1 km深度要求(徐佩芬等，2009).

显示原图|下载原图ZIP|生成PPT

7 不同子台阵频散图

Dispersion spectral images of different subarrays

对研究区中每个矩形子台阵使用ESPAC方法计算出频散谱图后，进行相速度频散的提取.图 8为提取的所有子台阵对应中心点处的频散曲线.从图中可以看出，频散曲线频率分布范围为1~7 Hz，相速度分布在500~3000 m/s.

显示原图|下载原图ZIP|生成PPT

图8 微动子台阵频散曲线图

Figure 8 Dispersion curves of all microtremor subarrays

3.2.5 深度转换

获得每个微动子台阵的频散曲线后，我们采用式(5)计算横波视速度(徐佩芬等，2009)，将从频散谱图中得到的频率瑞雷波相速度(f-v_r，图 7)转换为频率视横波速度(f-v_s).该视横波速度对应深度取半波长(Foti et al., 2018)，得到视深度(z)与视横波速度关系(z-v_s).式(5)为：

(5)

式中，v_r为瑞雷波相速度，t_i为周期，i为周期序号，v_{s, i}为视横波速度，v_{s, 1}取v_{s, 2}视速度.

3.3 微地震事件定位

3.3.1 事件定位速度模型

我们选取台阵中心点处的S波速度模型(图 5中子台阵sub_298频散利用CPS程序包(Herrmann, 2013)反演得到的速度模型)用于震相关联及微地震事件定位，并根据Brocher(2005)经验公式转换P波速度(图 9中蓝色曲线).

显示原图|下载原图ZIP|生成PPT

图9 震相关联及定位速度模型

Figure 9 Velocity model for seismic phase association and location

3.3.2 震相关联及事件定位

利用REAL的搜索范围为首个接收到微地震事件的台站附近0.2 km×0.2 km×1 km范围，搜索网格大小为0.02 km×0.02 km×0.1 km，定位出的事件需满足：超过6个P波到时、2个S波到时、10个P波加S波到时且台站间隙角小于270°, 走时残差需小于0.03 s.由此定位出了4个满足以上条件的地震事件(图 10)，震相关联后剩余114个P波到时及18个S波到时(图 11a).4个微地震事件分别发生在2023年3月10日20时12分2.272秒、2023年3月15日02时30分32.196秒、2023年3月29日12时49分46.864秒、2023年3月30日22时48分45.754秒，微地震发生时间平均间隔7天.

显示原图|下载原图ZIP|生成PPT

图10 微地震事件波形图

Fig 10 Micro-seismic event waveforms

(a)—(d) Represent event1 to event4.

显示原图|下载原图ZIP|生成PPT

图11 时距曲线和定位残差分布图

(a)震相关联后的P波(蓝点)、S波(红点)时距曲线；(b)REAL定位走时残差分布直方图.

Fig 11 Travel time curves and travel residual distribution

(a) Time curves of P and S waves; (b) Histogram of travel time residual distribution for REAL location.

在完成震相关联后，我们得到图 11a所示的时距曲线图(红色圆点为S波，蓝色圆点为P波)，事件初至走时以震中距为横坐标.从图中可以看出，P波和S波的时距曲线均较为清晰.利用REAL定位的残差分布如图 11b所示，定位残差绝大部分小于25 ms，且残差分布服从均值为0的正态分布，说明定位结果较为可靠.

在对微地震事件定位的基础上，使用Richter(1935, 1958)提出的地方性震级标定公式进行震级标定：

(6)

其中，M_L为地方性震级，A为震中距为Δ处的台站的振幅，单位为毫米(mm)，R为量规函数.

在去仪器响应之后，将地震记录仿真成伍德-安德森标准地震仪地震记录，振幅取南北方向和东西方向最大振幅的平均值，在所有台站上计算的震级的中位数作为地震的震级.图 10中event1至event4四个微地震事件的震级分别：-1.09、-0.85、-0.37和-0.55，震级相对较小.

4 结果分析

4.1 速度结果

利用式(5)经验关系转换所有微动子台阵频散数据获得一维视横波速度模型，将所有一维速度模型插值得到伪三维速度模型.图 12为提取的两条垂直速度剖面(剖面位置如图 13中AA′、BB′)，图 12为不同深度视速度平面图.从图 12中可以看出，视速度从浅至深呈递增趋势，视速度分布主要范围为1000~3500 m/s，图 12中黑色曲线为根据钻孔资料及速度分布特征确定盐矿体顶界面起伏形态.在盐体顶界面以下发育局部封闭的低速区，如图 12中LVZ1、LVZ2，这些封闭的低速异常推断为溶腔发育范围.图 12中红色五角星为微地震事件，该微地震事件位于盐体顶界面位置，且位于低速区域，推断为溶蚀造成的溶腔顶板盐体破裂产生的震动信号.

显示原图|下载原图ZIP|生成PPT

图12 视速度剖面图

Fig 12 Section view of apparent velocity

显示原图|下载原图ZIP|生成PPT

图13 不同深度视速度平面图

Fig 13 Mapview of apparent velocity at different depths

图 13为不同深度视速度平面图，从图中可以看出，200 m至400 m不同深度地层速度分布横向较为连续，速度分布变化较小.600 m至900 m深度平面出现低速异常区(LVZ1、LVZ2)，低速异常区主要分布在研究区北东方向，推断为开采引起的溶蚀影响区.

4.2 微地震事件分布

数据采集期间接收的4个微地震事件定位深度位于580 m至720之间，各事件定位深度分别为even1:687 m、event2:586 m、event3:719 m、event4:696 m.图 14为微地震事件平面位置与深度600 m速度关系图，从图中可以看出，微地震事件分布在研究区东北部，且位于低速区域内，发生微地震位置与开采造成地层速度降低相吻合.

显示原图|下载原图ZIP|生成PPT

图14 微地震事件定位图

图中红色五角星为微地震位置.

Fig 14 Locations of microseismic events

Red stars indicate the microseismic locations.

5 结论

本文利用169台节点地震仪采集的23天连续波形数据，分别进行了基于滑动子台阵的微动成像和基于机器学习的微地震事件检测及定位研究.获得了约2 km²范围深度1 km以浅的横波速度结构，利用速度结构确定了盐矿体的顶界面位置及推断了溶腔的空间发育位置；实验期间研究区共检测4个微地震事件，微地震分布深度约为580~720 m、震级均小于0级，微地震数量和震级均说明盐矿开采造成的顶板活动性相对较弱.通过对比分析微地震发生位置与速度结构关系，得出微地震主要发生在盐矿体顶板范围，且与溶蚀影响造成的低速异常区对应.研究结果表明利用微动成像与微地震监测结合的探测方法，可以为盐矿开采溶腔位置确定及后续抽采井位置设计提供技术支撑.

感谢审稿专家提出的修改意见和编辑部的大力支持！

References

Publishing order | Descend order by publishing year | Descend order by cited within

Aki

. Space and time spectra of stationary stochastic waves, with special reference to microtremors. Bull. Earthq. Res. Inst., Univ. Tokyo, 1957, 35(3 415 456

Brocher

T M

. Empirical relations between elastic wavespeeds and density in the Earth's crust. Bulletin of the seismological Society of America, 2005, 95(6): 2081-2092.

模态框（Modal）标题

Abstract

Cite this article

0 引言

1 研究区盐矿地质概况

图1 研究区位置及区域构造图

2 微动成像及微地震定位

2.1 微动成像

2.2 微地震定位

图2 微地震事件检测及定位流程图

3 数据采集及处理

3.1 数据采集

图3 实验台阵节点地震仪分布图

3.2 微动数据处理

3.2.1 噪声源分析

图4 不同频率下的噪声源能量及方位分布图

图5 微动子台阵及对应中心位置

3.2.2 微动台阵划分

3.2.3 子台阵响应

图6 sub_298子台阵对不同频率的响应

3.2.4 频散提取

7 不同子台阵频散图

图8 微动子台阵频散曲线图

3.2.5 深度转换

3.3 微地震事件定位

3.3.1 事件定位速度模型

图9 震相关联及定位速度模型

3.3.2 震相关联及事件定位

图10 微地震事件波形图

图11 时距曲线和定位残差分布图

4 结果分析

4.1 速度结果

图12 视速度剖面图

图13 不同深度视速度平面图

4.2 微地震事件分布

图14 微地震事件定位图

5 结论

References