摘要：我们展示了分布式声学传感 (Distributed Acoustic Sensing, DAS) 阵列在探测、定位和表征犹他州地热能源研究前沿观测站 (Frontier Observatory for Research in Geothermal Energy

摘要

我们展示了分布式声学传感 (Distributed Acoustic Sensing, DAS) 阵列在探测、定位和表征犹他州地热能源研究前沿观测站 (Frontier Observatory for Research in Geothermal Energy, FORGE) 场地附近发生的低震级地震的能力。在2019年4月至5月，FORGE地热场地一口监测井中，于增强型地热系统 (Enhanced Geothermal System, EGS) 初始增产期间，采集了10.5天的连续数据。犹他州Mineral Mountains下方的地震活动也发生在距离FORGE监测井10公里范围内。实验期间，犹他大学地震台网 (University of Utah Seismograph Stations) 的常规处理将四次地震编入目录。我们对DAS数据的处理在该时期内发现了77次地震，其中16次在区域台网中可见。通过对DAS数据进行模板匹配，又额外发现了5个事件。通过DAS处理获得的完整性震级 (magnitude of completeness) 比FORGE场地周围的密集地表阵列至少提高了M = 0.5。使用DAS进行深度估算比使用地表阵列更可靠。虽然单个垂直DAS阵列因其方位模糊性在事件定位方面受到限制，但多个DAS井或井下阵列与地表台站或近地表水平DAS的组合可以共同解决定位问题。所有探测到的事件可能都源于两个活跃的震源区，分别距离FORGE场地3-5公里和8-10公里。得益于DAS通道的空间密度和巨大数量，记录到的事件可以被可靠地聚类为几个不同的族群。

1. 引言

增强型地热系统 (Enhanced Geothermal Systems, EGS) 在提供基荷低碳能源方面具有巨大潜力。然而，为了在经济上可行，热岩体必须具有足够的渗透性，以允许经济量的流体通过其中，并在过程中积聚热量 Majer et al., 2007; 。为了增加渗透性，常采用致密油气开采中使用的技术。在水力压裂 (hydrofracturing) 中，井内流体压力增加，直到超过岩层的破裂梯度。结果发生张性破坏，流体渗入新张开的I型裂缝。裂缝持续向远离井筒的方向扩展，直到压力降至破裂梯度以下。然而，剪切破坏（II型）也与水力压裂有关 Martínez-Garzón et al., 2013; 。微震监测是探测、定位和表征与裂缝张开相关的微弱地震波的主要工具 。通过使用支撑剂，可以防止在井内压力恢复正常后裂缝闭合。这样，流体就可以用低得多的压力在其中循环。一个EGS项目要成功，所创建的裂缝网络必须连接注入井和生产井，两者之间有足够的流量，且不会因已存在或新产生的流动路径而发生短路。尽管EGS实验已经进行了三十多年 Fehler, 1989; ，但理解裂缝网络及其行为仍然难以捉摸，从而限制了EGS的经济成功。

为了解决这些限制及其他问题，美国能源部创建了地热能源研究前沿观测站 (Frontier Observatory for Research in Geothermal Energy, FORGE) 实验，这是一个位于犹他州的专用地下现场实验室，其目的是开发、测试和加速EGS领域的突破。FORGE位于犹他州比弗县米尔福德镇附近，坐落在Mineral Mountains的西翼（图1a），靠近罗斯福温泉 (Roosevelt Hot Springs) 活跃的Blundell地热发电厂 Gwynn et al., 2016; 。该实验的2-C阶段于2019年4月21日至5月3日进行，包括对目标岩石进行水力增产，并在附近的监测井、浅层钻孔和地表记录地震活动。

为了找到裂缝网络创建的最佳方法，测试了各种增产方案。在本文的背景下，产生的地震活动可以粗略地分为两类——增产裂缝事件和诱发地震 (induced seismicity)。增产裂缝事件是由天然裂缝因增产而张开（或剪切）时释放的能量引起的，其震级通常为微震级别。另一方面，诱发地震是指由增产和/或流体注入重新激活了已存在的断层而引起的地震 Lee et al., 2019; McGarr et al., 2015; 。由于之前有几个EGS项目因诱发地震而中止 Deichmann et al., 2009; Ellsworth et al., 2019; ，监测地震活动非常重要。然而，与增产无关的地震也可能在目标区域发生，将它们与诱发地震区分开来是必须的。

井下地震计是用于地震监测的高度灵敏的工具 。它们提供三轴测量，灵敏度高，并具有众所周知的响应函数。通过极化分析，它们可以提供事件到达方向的信息。然而，它们也有几个缺点。首先，传统数字工具的工作温度和压力有限。在EGS条件下，目标岩石温度超过200°C，将传统地震计部署在靠近储层的地方是不切实际的，因为这些传感器并非为在此类区域进行长期监测而设计 。还有其他设计可以避免在高温区部署电子电路，特别是基于光纤的传感器，但它们需要在井中部署额外的电缆。此外，所有井下地震计几乎禁止在其安装的井中进行任何操作。因此，必须钻一口专用的监测井，这会产生巨大的额外成本。在井中部署或回收地震计也需要大量时间和精力。在实践中，井下地震计通常仅在增产期间用于微震监测，而地表阵列则用于连续监测诱发地震。由于潜在的诱发地震比增产事件更大，尽管存在更高的人为噪声、近地表散射和沉积物传播引起的非弹性损失，地表阵列仍有望探测到它们。FORGE实验遵循了这种方法，井下记录仅在增产期间可用，而地表阵列则是永久安装的。

对于EGS的短期和长期监测，一个诱人的替代方案是使用分布式声学传感 (Distributed Acoustic Sensing, DAS)。在DAS中，通过一个专用的光学设备，即解调仪 (interrogator)，将光纤转变为地震传感器，解调仪连续向光纤发送激光脉冲。DAS在井下部署已有近十年历史，主要应用于石油和天然气行业 Jin & Roy, 2017;Karrenbach et al., 2019;Mateeva et al, 2013,，但也用于研究构造地震。它在主动源地震勘探（主要是VSP）、低频应变测量和微震监测中已证明非常有用。从实践角度看，DAS非常适合EGS项目。光纤可以部署在套管后面，并在方便时重新用于地震勘探。因此，任何有套管的活动井，无论是注入井还是生产井，都可以在作业期间进行监测。预计在这类井中会有更多的噪声，特别是管波 (tube waves)。然而，管波的特性是可预测的，其视速度远低于目标信号，因此可以在处理过程中被滤除。使用部署在活动井内的光纤进行采集也是可能的，尽管噪声要大得多Kimura et al., 2019;。光纤可以承受恶劣的温度和压力条件，因此可以在储层附近或内部进行记录。它们也可以在地下长时间放置，因为它们是纯粹的无源元件。例如，在圣安德烈亚斯断层深部观测站 (San Andreas Fault Observatory at Depth)，一根光纤在安装12年后仍被解调仪 interrogator。尽管如此，特别是在高温环境中，化学降解过程，主要是氢致暗化 (hydrogen darkening)，可能会随时间降低信号质量。已经并正在开发解决此问题的方法，但尚无足够数据对光纤在EGS条件下的平均寿命进行定量估计。在任何时候，将解调仪连接到地表的光纤即可提供即时地震记录，而不会对现场作业产生任何影响。

在之前一项关于FORGE实验的研究中 ，我们对DAS和井下地震计在微震监测方面进行了全面比较。感兴趣的事件源于增产井附近的增产裂缝。我们发现，在事件探测方面，DAS的性能不如井下地震计，其完整性震级为M = -1.4，而同井部署的井下地震计阵列为M = -1.7。然而，鉴于其前述的所有优点，我们认为评估其在监测更大、更远地震方面的性能是值得的。这两组事件是互斥的，本文特意不处理增产裂缝事件。EGS项目需要对诱发地震进行长期监测，通常基于地表地震仪阵列。因此，我们将DAS的性能与区域地表阵列进行比较。

应用先前描述的探测工作流程 产生了77个新事件。经过事件聚类和模板匹配后，我们又探测到五个额外事件。所有82个地震事件都与增产没有直接关联。它们具有可见的P波和S波到时，位于监测井15公里范围内，并发生在协调世界时4月23日00:00至5月3日13:00之间。在此期间，区域台网在犹他大学地震台站 (UUSS) 目录中报告了10个事件，其中只有4个是与增产没有直接关联的地震。我们还表明，基于DAS的事件定位，尽管仅限于深度和与阵列的水平距离，但与该地区两个主要的历史地震活动源区一致。通过检查DAS探测时区域台网记录的地震图，我们探测到82个事件中的16个，并粗略地将它们定位在与历史活跃源区吻合良好的位置。最后，我们将增产期间的地震活动率与背景地震活动水平进行比较。DAS探测的数量超过了预期的地震活动水平，表明了基于井下DAS探测的质量和优势。

2. 研究区域与监测阵列

犹他州中部在山间地震带 (Intermountain Seismic Belt) 内有一个构造复杂的地震活动集中区；该区域是西北科罗拉多高原与盆地与山脉省 (Basin and Range) 的东大盆地之间的过渡地带 。犹他州的天然地震活动表现为走滑和正断层活动，每年发生数十次M3+事件。在更广泛的背景下，已注意到与煤矿开采Arabasz et al., 2005;和地下注入作业相关的诱发地震案例。将范围缩小到FORGE项目附近，在Marysvale火山场，震群活动主导了地震活动，通常与上地壳的事件相关，并被认为与热液或火山活动有关。我们研究区域附近最大的历史事件是1908年在米尔福德以南发生的M~5地震，而最近的事件表明存在陡倾的走滑断层Potter, 2017;。

在FORGE项目场地的东南部（4和8公里处），UUSS地震目录中显示了Mineral Mountains下方的两个地震活动集中区（图1a）。证实震群-火山活动关联的是，这座山脉下方的低速体被解释为与火山活动相关的部分熔融体 。这些震群在与FORGE相关的研究中被描述，用以表征该区域的基线地震活动率 Pankow et al., 2019, 。最值得注意的是，在开发利用罗斯福温泉地热系统的Blundell发电厂之前，对这些Mineral Mountains震群进行了一项研究 。该研究发现了超过1000个小震级 (ML

图1. FORGE场地。(a) 犹他州FORGE场地的鸟瞰图。增产井 (58-32) 为品红色星号，监测井 (78-32) 为橙色星号。注意位于FORGE以东罗斯福温泉的Blundell地热发电厂，在卫星影像中可见，其位置在北纬38.49°，西经112.85°，与历史地震位置（灰色圆圈）相对应。地表台站用蓝色三角形标记。(b) 地质和热力条件的局部横截面图。我们绘制了两个等温面（绿色 – 175°C，红色 – 225°C）和花岗岩接触面（黑色），数据来自FORGE数据库。增产井（品红色）和监测井（橙色）叠加显示。在侧面板中，我们展示了在增产井中获取的P波和S波速度的声波测井。穿过花岗岩接触面时，出现明显的波速对比。FORGE, Frontier Observatory for Research in Geothermal Energy (地热能源研究前沿观测站)。

图1包含了本研究涉及的FORGE实验要素的概览。我们重点关注在监测井中采集的DAS数据。光纤安装在套管后固井的金属管中。井和光纤达到985米深度，在大约800米深度穿入花岗岩基底。为了提高信噪比 (Signal-to-Noise Ratio, SNR)，使用了工程光纤 (engineered fiber)，并由Silixa Carina系统进行解调。这种记录形式已被证明可以将光学信噪比提高20 dB 。采集从2019年4月23日到2019年5月3日几乎连续进行。总共有大约40分钟未被记录。DAS数据以1米通道间距、10米标距长度 (gauge length) 和每秒2000个样本的速率记录，在写入磁盘前对激光采样率进行了16倍的内部叠加。DAS解调仪的输出是应变率 (strain-rate) 的光学相位测量，可以使用线性转换从弧度/秒转换为物理应变率（单位为纳米/米/秒）。

除了DAS光纤，监测井还配备了斯伦贝谢 (Schlumberger) 的12个地震计串，跨越650-980米深度。地震计记录的数据也已由斯伦贝谢全面处理和编目，但仅限于微震事件。井下地震计目录中没有来自增产区以外的地震，这几乎可以肯定是由于有意过滤掉了非增产事件。此外，地震计在整个实验期间没有连续记录，采集数据存在显著的时间间断。由于地表阵列是长期地震监测更现实的比较对象，我们没有重新处理原始井下地震计数据来自己建立一个地震目录。

由UUSS部署的地表仪器在增产实验之前、期间和之后都处于活动状态，如图1a中的蓝色三角形所示。在附近区域，地震计以100赫兹的频率对波场进行采样，主要是宽带仪器。特别是，许多台站使用Nanometrics Trillium 120仪器，其他台站使用Kinemetrics Episensors、OMNI-2400s和Guralp CMG-40Ts。关于附近区域仪器的更多信息可以在先前的研究中找到（例如，K. Pankow et al., 2020; Potter, 2017）以及在IRIS上（https://ds.iris.edu/mda/UU/）。在增产期间临时部署的额外地表和浅层钻孔接收器由于靠近人为噪声源，本研究未使用。

58-32井（图1b中的品红色线）的增产分为三个阶段，每个阶段包含九个不同的工序。第一阶段在裸眼井段进行，另外两个阶段在套管射孔的区域进行 。在不同阶段测试了不同的增产剖面。我们在本手稿中始终使用在增产井中测量的套管压力。

3. 地震探测与记录事件

3.1. 初始探测方法

我们用于探测地震的工作流程与Lellouch等人 (2020) 描述的用于增产裂缝事件的工作流程几乎相同。这里我们只简要概括主要步骤。更多细节也可以在Lellouch等人 (2019a, 2019b) 的研究中找到。

通过这种方法，增产裂缝微震事件和地震都被探测到。我们根据它们的探测时间，过滤掉所有在基于地震计的微震目录中的事件 。因此，我们只分析那些并非源自增产区的地震。我们手动调整P波和S波的拾取，以更准确地表示初至时间。根据我们对平面事件的初始假设，拾取代表了到达DAS阵列底部的时间。这种校正有时是必需的，因为花岗岩接触面上的相位转换或尾波事件的相似度值可能高于P波初至。这对于弱事件尤其重要，在这些事件中，角度扫描只能探测到单个相位（S波或P波）。如果我们手动确认只能手动拾取一个相位，则该事件被丢弃。最后，我们移除所有S-P时差大于2秒的事件。我们关注的是FORGE场地附近（15公里）的事件，更远的地震分析起来很模糊。经过这些步骤，我们获得了一个包含77个事件的目录，以及它们的P波和S波到时。

3.2. DAS记录的地震

图2显示了探测到地震的DAS记录示例。它们展示了DAS的主要优势——以高分辨率对地震波场进行准连续的空间和时间采样。即使在低信噪比 (SNR) 的情况下，也可以看到地震沿光纤深度具有不同的到达模式。我们还观察到图2中显示的六次地震之间存在重大差异。事件(a)-(c)的S-P时差非常相似，但(d)-(f)则不同。这表明这些事件源于不同的位置。P波和S波相位之间的相对振幅分布表明了震源机制的差异。例如，在事件(b)中，S波相对较强，而在事件(c)中，P波占主导地位。

图2. DAS记录的地震，经过预处理和5-100 Hz滤波。所有事件都以S波初至为中心。可以观察到许多不同的相位，其中一些在(a)中用箭头标出：直达上行P波（绿色）、因阻抗差异而反射的下行P波（黄色）、直达S波（红色）、其在花岗岩接触面转换为P波（品红色）以及自由表面反射（棕色）。尾波和次级事件存在但未特别标记。对于事件(b)–(f)，我们绘制了在阵列底部通道拾取的P波（绿色虚线）和S波（红色虚线）到时，为显示目的移动了25毫秒。从相似的P-S时差判断，事件(a)–(c)可能源自同一区域，而事件(d)–(f)的P-S时差彼此之间以及与事件(a)–(c)都非常不同。顶部(a),(d)、中部(b),(e)和底部(c),(f)行分别包含高、中、低信噪比的事件。然而，由于其时空模式，所有面板中的事件都清晰可见。DAS, Distributed Acoustic Sensing (分布式声学传感)。

3.3. 使用DAS记录进行匹配滤波

有了这个事件探测目录，我们试图使用匹配滤波 (matched-filtering) 技术来丰富探测数量。在传统地震学研究中，匹配滤波通常有潜力将事件探测数量增加一个数量级或更多 。然而，这项技术在DAS地震学中的应用相对有限，仅用于地表DAS应用 Li & Zhan, 2018, 。由于DAS数据集因仪器、光学参数和光纤耦合而存在巨大差异，处理多个空间相干通道的方法通常是场地依赖的。为确保将此技术严格应用于我们的井下数据集，我们首先重新审视了先前的经验法则，例如在单台技术中使用0.30的互相关系数 (cross-correlation coefficient, CC) 阈值（例如，Gibbons & Ringdal, 2006; Schaff, 2008）。从一组约300个探测到的事件（其中包括先前研究的来自Lellouch等人 (2020) 的微震）中，我们检查了所有约50,000个事件对的CC值，以了解事件聚类和CC值的统计分布。在此背景下，CC值是通过对DAS光纤中的N个通道进行N次独立的互相关计算来确定的。这N个通道的相关图被叠加，使用基于所有事件的平均通道信噪比的权重，以增强叠加性能 Beaucé et al., 2018; 。基于CC值的统计分布，我们确定中位数绝对偏差 (median absolute deviation, MAD) 为0.03 CC。通常，研究认为探测阈值为5–15倍MADHuang et al., 2017; 。我们最初将6倍MAD值，即0.20 CC，视为将事件聚类为族群进行匹配滤波的合理最低阈值，这比单通道地震计探测常用的0.30 CC值略微敏感。这将77个候选地震探测减少了三倍，分为24个不同的事件族群，可用作模板。此外，为了测试这个6倍MAD探测阈值是否足以用于探测，我们使用时间反转的非因果模板，将匹配滤波技术应用于整个连续DAS数据集。通过应用时间反转模板，我们确保输出的CC值将是纯粹随机的，因为它们不代表物理事件之间的任何真实相关性。因此，输出的探测将确定假阳性率。该测试发现，没有一个非因果CC值高于0.09。

有了稳健的匹配滤波方法和探测阈值，我们使用24个事件族群中的18个作为模板，将其应用于整个连续DAS数据集。仅使用包含多个事件的族群，以增加模板的信噪比。选择此模板是为了突出在DAS记录期间已经最活跃的事件，并确保更高的模板信噪比。为了从一个事件族群中生成单个模板，我们根据它们拾取的S波到时对齐所有事件并进行叠加。然后，我们将模板在族群中最早的P波到时拾取前50毫秒到最晚的S波到时拾取后500毫秒处截断。因此，前导和尾随噪声被限制在必要的最小值。对于新事件的探测，我们放宽了CC截止阈值。我们使用0.09 CC，而不是用于聚类的0.20。虽然这可能会增加误报的数量，但它也允许探测到弱事件。通过此分析，我们发现了32个高于截止阈值的新事件，其中16个在DAS数据中清晰可见。这些事件中没有一个高于0.20 CC，这证明了我们选择较低阈值的合理性。在可见事件中，有五个具有清晰的P波和S波到时，因此我们将其包含在我们最终的DAS目录中，该目录包含82个事件。这种事件探测的增加明显不如传统地震学应用中那么显著 。一个可能的原因可能与主探测算法有关，该算法在设计上已经早期利用了密集DAS数据中存在的时空模式。相反，在传统研究中，匹配滤波方法是获取此类模式额外信息的最早处理步骤。因此，在应用我们的DAS探测工作流程后，模板匹配的好处相当有限。尽管如此，它们确保了我们的目录对于与模板匹配的事件是完整的。

3.4. 地表阵列对DAS探测事件的记录

在实验期间，UUSS地震目录中存在四个位于增产区外的地震（USGS目录中有一个），并且都被DAS探测到。我们还检查了在DAS目录中82个事件发生时，本地地表阵列记录的地震图。其中一个台站（FORK）位于一个浅钻孔中。我们展示了与前面DAS事件（图2）相同时间的地表地震图（图3）。基于DAS事件的时间，我们使用Antelope软件包目视检查数据（图3）。我们注意到，这些事件可能低于UUSS目录的标准完整性震级。

正如我们稍后将展示的，大多数地表台站比监测井更靠近地震。尽管如此，在DAS记录中，事件无疑更清晰。值得一提的是，地表地震图在本地地震的频带内异常嘈杂，这主要是由于人为活动造成的 。例如，与监测井同位的FOR4台站，噪声非常大，以至于地震图中看不到任何地震。从DAS记录可以看出，即使与较弱的地震相比，深度在100米及以上的地表噪声也可以忽略不计。这一结果得到了先前关于安放深度对台站性能影响的研究的证实 。因此，DAS记录享有更安静环境的好处，适用于大多数通道。

图3. 图2所示地震的地表阵列记录。事件(a)、(d)和(b)、(e)在几个台站中可见，尽管信噪比很低。在适用的地方绘制了P波（绿色）和S波（红色）拾取。在大多数情况下，垂直分量不足以进行S波拾取。事件(c)和(f)低于噪声水平，无法探测到事件，尽管在DAS记录中清晰可见。DAS, Distributed Acoustic Sensing (分布式声学传感)。

3.5. 探测地震与增产活动总结

图4总结了增产期间DAS和地表地震探测的情况。如前所述，所有增产裂缝事件都已被滤除。因此，图4仅显示地震。我们使用相似度 (semblance) 测量来估计使用DAS阵列探测的确定性。它代表了在探测步骤中为P波或S波获得的最大相似度值（范围0-1）。我们用它作为DAS数据中事件清晰度和确定性的代理。图4显示了几个时间上的集群。此外，它表明地表阵列明显偏向于探测具有更高DAS相似度的事件，这并不令人意外。所有DAS事件的平均相似度值为0.17，而地表阵列识别的事件的平均相似度值为0.31。

图4. DAS和地表事件探测与增产作业总结。在灰色区间内DAS采集不连续，因此我们没有处理该时期的数据。DAS探测以橙色圆圈绘制，作为时间和从角度扫描程序获得的最大相似度值的函数。相似度值（0-1）被缩放到图的垂直维度。通过其时间密度可以看到几个集群。在地表阵列中也可见的事件额外用黑色十字标记。套管压力为蓝色，显示了三个不同的增产区间。注入流体的总体积为红色，表明总体上注入的流体体积非常有限。返排率未显示。DAS, Distributed Acoustic Sensing (分布式声学传感)。

4. 事件分析

4.1. 使用DAS进行事件定位

在这种配置下，DAS记录可用于估计震源与阵列的距离和深度。方位信息，如同所有单个垂直DAS阵列一样，由于问题的圆柱对称性而丢失 。为了探测方法的计算可行性，我们假设任何地震都首先以平面波前的形式到达阵列底部。否则，就不存在单一的到达角，可能会有无限多种不同的走时曲线。因此，定位也依赖于同样的限制——在阵列底部测量的P波和S波各有一个单一的到达角。我们之前已经讨论了在阵列底部测量P波和S波到时（图2）。

S-P时差和入射角的组合可以恢复事件的深度和与阵列的水平距离。在其最简单的形式中，这种定位程序将假设在花岗岩基底中射线是直线传播的。由于花岗岩中的地震波速或多或少是均匀的（见图1中的声波测井），这种方法是可以接受的。每个事件将被定位在一条直线上，该直线从DAS阵列底部以测量的入射角发出。沿射线的确切位置将由S-P时差以及花岗岩基底中的P波和S波传播速度确定。

然而，这种直接的方法有两个主要限制。首先，更深部分（低于测井深度）的速度梯度可能会影响射线传播。特别是对于远震和强梯度，射线弯曲可能很显著，从而导致直线射线法高估事件深度。其次，它会错误地定位浅层事件。因为我们假设事件首先到达阵列底部，所以可测量的最大入射角是90°（水平入射）。通过使用直线射线，我们将浅层事件的估计深度限制在DAS阵列的底部。

因此，我们实现了一种更精确的事件定位技术，基于在通用速度模型中的射线追踪 (ray tracing)。它需要知道最大测井深度以下的速度结构，这可能通过地表地震勘探获得 。在这种方法中，射线通过速度结构传播，遵循声波方程的高频（射线）近似，而不是假设的直线射线。事件被定位在以DAS阵列测量的入射角发射的射线上的某个位置。通过沿P波和S波各自的轨迹积分传播时间，可以通过S-P时差推断出位置。

图5. 二维速度模型中的射线追踪。背景显示了二维P波速度结构。显示了三种类型的射线，入射角在90°和35°之间：品红色虚线（直线射线）、绿-点划线（通过P波速度模型的P波）和黄色点线（通过S波速度模型的S波，图中未显示）。与直线射线的偏差是明显的，并且在近水平角度最为显著。P波和S波的轨迹之间存在差异。

这种方法存在几个实际问题。在一般情况下，P波和S波的射线轨迹可能不同，它们将在真实的震源位置相交。然而，考虑到速度模型和估计入射角的误差，以及射线理论的局限性，不能保证这种相交确实会发生。此外，在我们探测到的82个事件中，有56个只能用其中一个地震相位来可靠地估计入射角。因此，我们必须依赖单相定位，这将是P波或S波，取决于哪个相位在角度扫描中产生更高的相似度。我们假设一个恒定的VP/VS比，并使用测量的S-P时间沿P波或S波射线轨迹定位每个事件。

由于无法恢复事件的方位，我们建立了一个尽可能代表波前传播速度结构的二维剖面。我们选择了连接监测井和大致活跃地震区中心的平面。该平面选择在水平面向下20°，朝向东南偏南。监测井位置的一维速度模型是通过结合DAS速度测量 和声波测井（见图1）建立的。我们使用地表地震勘探绘制的花岗岩深度和地表高程将其扩展为二维结构（详见致谢）。使用的P波速度模型，以及P波和S波射线轨迹与直线射线的比较，可以在图5中看到。

尽管考虑了速度变化，定位过程仍存在不确定性。最明显的因素，我们也可以量化，是入射角和S-P时差估计的不确定性。基于相似度敏感性分析和记录中的主导频率，我们近似估计它们分别为±5°和±20毫秒。这些只是平均代表值。它们的完整描述应取决于记录事件的信噪比和入射角，因为在近水平角度有更高的角度敏感性。然而，这些是任何定位方法都相关的问题，不属于本文的范围。P波和S波的估计入射角可能不同。在82个事件中的26个中，P波和S波都高于角度估计的可靠性阈值。P波和S波估计角度之间的平均差异约为1.4°，标准差为9.5°。虽然这个数字高于我们估计的±5°，但它受到分析不同确定性水平事件的影响。尽管对于26个事件，P波和S波都高于探测阈值，但它们在角度估计方面的可靠性并不相同。此外，P波和S波速度之间存在结构差异。它们对入射角的影响是非线性的，预计会有角度依赖的变化。然而，这种不确定性来源预计至少部分被射线追踪程序所缓解。因此，我们得出结论，我们估计的不确定性是具有代表性的。通过以不同角度发射射线并改变测量的S-P时间，我们可以估计定位事件的不确定性区域。对于一个事件，射线轨迹表现出不规则行为，因此我们不显示其不确定性。速度结构中的误差以及射线近似的有效性，特别是对于近水平事件，更难量化，不属于本研究的范围。

图6总结了DAS的定位，并将其与该地区历史地震活动的定位进行了比较。由于DAS缺乏方位分辨率，历史地震活动的位置已从三维点映射到其深度和与监测井的水平距离。这种投影揭示了与DAS位置的强相关性。下一节讨论的用灰色箭头标记的三个事件被目视识别为折射事件，并以不同方式定位。折射波不能被常规射线追踪准确表示。相反，我们假设它们沿着花岗岩界面传播。通过沿其积分传播距离，经过空间平滑后，我们获得了一个等效的射线路径，我们可以使用S-P时间和花岗岩接触面正下方的传播速度来定位事件。这个位置将沿着花岗岩接触面，而事件几乎可以肯定起源于其上方，但由于沉积盆地的变薄，它在这种特定情况下仍然非常有用。

4.2. 一次折射地震

图7描绘了一次有趣的地震，它不遵守我们关于事件首先到达阵列底部的主要假设。与绝大多数事件相反，初至发生在大约840米深度，接近估计在800米深度的花岗岩接触面。这表明事件起源于花岗岩接触面上方并从中折射。缺乏在其他事件中可见的强S-P转换，证实了入射波前沿着下倾的花岗岩接触面传播。由于沉积剖面向东变薄（见图5），我们推断折射事件的震源非常浅（距离地表

4.3. 与使用地表台站定位的比较

在使用DAS定位的82个事件中，只有一个事件在对地表阵列的常规处理中被定位。因此，我们自己定位了在地表阵列上可见的16个事件。我们强调，这些是先前未编目的事件，信噪比低，通常只有很少的拾取。相位到时是手动拾取的，事件使用GENLOC软件包 进行定位，使用本地速度模型，该模型是DAS派生模型和声波测井的组合，并使用来自DAS记录的深度约束。我们使用测井区域底部以下的推断恒定速度。这种简化的模型带有局限性，并预计会影响定位结果。对于这些事件，我们可以使用至少两个地表台站和四个P/S拾取来手动探测和定位地震。事件主要使用三个台站进行定位，最清晰定义的震源记录在多达七个台站上。

图8显示，大多数事件确实起源于离监测井最近的Mineral Mountains下方的震源区。地表派生的事件位置（在本地阵列覆盖范围内）确实显示出一定程度的准确性：事件与先前已知的活动相吻合，一些与增产相关的微震事件（图中未显示）也被识别并定位在FORGE增产井附近。这些位置证实了在DAS和地表阵列中都可见的所有事件都与Mineral Mountains下方正在进行的地震活动有关。我们认为，所有DAS探测到的地震活动也可能与这些震群有关（细节将在后面一节中阐述）。

图6.基于DAS的事件定位，以深度和与监测并的横向距离为参数进行绘制(黑色线)。罗斯福温泉位于一个黑色方框内。蓝色圆圈表示由DAS检测到的事件位置。那些也在表面阵列上可见的事件被标记为红色星号，但这些事件的定位仅通过DAS完成。DAS检测中没有遗漏表面阵列上可见的任何事件。位置标记的大小与检测期间估计的相似度成正比。位置的不确定性(在能够可靠估算的情况下)以青色多边形标出。历史地震活动的位置，取自过去60年间的UUSS目录，被标记为绿色菱形，且不包含震级信息。在2D投影中，DAS位置似乎与历史地震活动的位置相符，只有少数几个不确定点例外。我们视觉上归类为沿花岗岩方向折射的三起事件用灰色箭头标出，其位置的计算方式有所不同。其中一个系统如图7所示。DAS，分布式声学传感;UUSS，犹他大学地震仪站。

地表阵列记录的事件的微弱性可能影响了它们报告的空间分布，因为事件仅在震源区最西边的边缘可见，该区域被本地地震计最充分地覆盖。因此，预计位置不会很精确。事实上，震中水平位置的标准误差估计约为1.5公里，而深度不确定性为3公里。在本地地表阵列覆盖范围之外，两个被怀疑与更远/东部震群有关的DAS派生事件在其地表派生位置上显示出向西的偏差。这种位置上的西偏可能与我们速度模型的不准确性有关，该模型本质上是一维的。我们注意到，这些速度模型偏差是除了前面提到的到时拾取稀疏和台站几何形状之外的。由于地表派生的位置高度不确定，我们不对两个阵列之间的位置不确定性进行直接比较。尽管如此，我们可以得出结论，DAS深度估计明显更可靠。虽然DAS在与阵列的距离方面也明显更可靠，但事件的方位无法恢复。

4.4. DAS事件聚类

聚类方法 经常被应用于辨别地震波形之间的相似性。在图9中，我们展示了对包含所有82个事件的完整DAS目录重复聚类算法的最终应用。这种方法提供了一种简单的方法来检查和质量控制事件的潜在分组。我们的相似性矩阵通过使用平均距离度量和在MAD附近选择的0.06 CC阈值的凝聚层次聚类链接算法分组为簇，该阈值在视觉上突出了分组。我们注意到，这个CC阈值的选择比用于模板匹配的阈值更宽松，因此产生的族群更少。选择此平均度量是为了强调簇的整体分组，而不是最近邻类型的分组。然后，我们将这种基于CC的聚类与DAS派生的径向距离和事件探测时间进行比较。在这些数据集之间注意到了簇的清晰划分（图9）。例如，在3-4公里距离处注意到持续的震群活动，并伴有相对独立的簇的间歇性爆发。总的来说，簇倾向于在不同的距离上（例如，C2、C8和C7）。这种聚类方法为DAS派生的定位结果提供了一些佐证。尽管如此，我们也注意到当前数据集产生了不易辨别的不同簇（例如，C2 vs. C1、C5和C4）。可能，关于地震震源机制的额外信息将有助于更好地辨别簇间分组的细微差别。

图7.DAS记录中一个在花岗岩接触面发生折射的事件。与大多数事件的情况不同，该事件的第一个到达点并未出现在阵列底部，而是在花岗岩接触面下方约40米处，估计深度约为800米。这一特性适用于P波和S波到达的情况。在深度超过840米的通道中，记录到的信号要弱得多，这符合折射事件的预期表现。该事件已在图2d中有所展示，它与源自花岗岩接触面下方的地震存在显著差异。 DAS，分布式声学传感。

4.5. DAS震级估算

我们也使用DAS记录来估计地震震级。我们的方法只是近似的，因为它基于经验关系，仅使用测量的一个分量，并且没有考虑光纤响应。我们描述了该方法并表明（Lellouch et al., 2020），对于增产裂缝事件，震级与传统处理的基于井下地震计的目录非常吻合。简而言之，我们将应变率记录在时间上积分以获得应变，然后乘以标距长度以得出每个DAS通道的位移。然后，我们从底部100个通道中选择位移最大的一个。该值与估计的震源与阵列的距离结合使用，得出震级。在本研究中，我们使用相同的方法，基于测量DAS通道中的累积应变，但事件在10到100赫兹之间滤波。

图8.使用面阵列的事件位置。FORGE站点用红色多边形标记，监测并为橙色星形标记，布伦德尔地热发电厂(位于罗斯福温泉)为黑色星形标记。面台站用蓝色三角形表示。该地区的历史地震活动以灰色圆圈显示，其大小与震级成正比。在矿物山脉下方可以观察到两个明显的集群。我们的面基位置表明，探测到的地震事件通常源自较近的集群。由于信噪比低以及记录事件的台站数量少，位置质量较差。在DAS数据中被视为距离较远的两起事件被与该集群分开了。DAS分布式声学传感;FORGE，前线地热能源研究观测站。

应用此方法后，我们获得了一个震级分布，我们将其与过去5.5年的地表目录进行比较（图10）。基于仅82个DAS事件进行有意义的统计分析是困难的，其中震级估计仅是近似的。然而，这种比较明确地表明，井下DAS阵列比地表阵列更敏感。虽然很难准确量化它们之间的差异，但我们估计DAS目录的完整性提高了0.5到1.0个震级单位。这一点得到了证实，即在DAS阵列探测到的82个事件中，只有四个在UUSS目录中（一个在USGS目录中）。为DAS阵列获得的b值在统计上不够显著，无法可靠处理，但使用过去五年的地表目录估计的值（b~1）可能指示了区域地震活动性。

5. 天然地震还是FORGE诱发地震？

增强型地热系统和水力压裂增产过程已知会诱发或触发地震 Grigoli et al., 2018; Majer et al., 2007; 。由于DAS探测到大量事件，我们检查了在增产体积之外由DAS探测到的事件是否是由FORGE项目中58-32井的增产诱发的可能性。需要注意的是，注入的总液体量非常低（

图9.DAS数据的聚类层次聚类。(a)相似度矩阵(中心框)显示所有82个事件对的CC值(见比例栏)。事件的排序已通过相关树状图(中心框左侧)中显示的聚类方法进行排序，其中阈值聚类由阴影框显示并用文本(C#)标记。(b)所有事件对CC值的统计分布，以及各种MAD值(虚线)。(c)根据(a)中的结果，将DAS导出的事件时间和距离(圆圈+杆)聚类(阴影框和文本标签)。CC,交叉相关系数;分布式声学传感;中值绝对偏差。

为了确定一个地震序列是否可能是诱发的，建立了一套标准 Davis & Frohlich, 1993;。这些标准中的第一个是测量地震活动率变化的统计显著性。为了开始对地震活动率进行初步检查，我们分析了Mineral Mountains附近5.5年（2015年1月至2020年5月）的UUSS记录的震群地震活动（图10）。通过对事件的频率-震级分布进行最大似然参数估计来确定活动率Gutenberg & Richter, 1945;Marzocchi & Sandri, 2009;，其中完整性震级被估计为最大化拟合优度的值。基于此，我们估计该地区M0+事件的发生率约为每年50个事件，并且在10.5天的DAS记录期间，预计会发生大约六个M-0.6或更大的事件。我们在此期间目视确认的M > -0.6的DAS事件数量更高（52个），但在我们预期的自然发生率范围内。使这一结果模糊的是，震群地震活动具有自然地将地震活动率改变几个数量级的倾向（例如，Crone et al., 2010;Farrell et al., 2009;Klein et al., 1977）。在热液背景下，这通常被认为与幕式滑动有关，其中断层阀门过程允许流体沿断层瞬时迁移。特别是，Mineral Mountains下方的震群已被记录到在几周内自然地将活动率改变一个数量级。基于这一理由，我们得出结论，我们无法辨别与自然变异的任何系统性差异。需要更丰富的目录，在更长的时间段内，才能更好地辨别触发或诱发地震的可能性。

图10.使用DAS进行的10.5天FORGE实验的震级估计，与基于地面站的5.5年USGS目录进行比较。DAS事件出现情况被绘制成深绿色直方图，其累积分布用红色圆圈线表示，而对该线的最大似然拟合则用蓝色显示。我们估计DASFORGE目录在M=-0.7(虚线垂直蓝色线)以上是完整的，并使用这些震级来估算b值为0.69。然而，由于记录时长较短且事件数量较少，该值并不可靠。USGS的目录更长，展示了一个浅绿色的事件直方图，黑色交叉线表示累积分布，而那条线的最大似然拟合则以洋红色显示。b值非常接近1，且在M=0.2以上(虚线垂直洋红色线)的目录是完整的。DAS，分布式声学传感;FORGE，地热能源研究前沿观测站。

6. 讨论

本研究表明，一个垂直的井下DAS阵列可以探测到距离井口10公里范围内的低震级地震。单个DAS井在地震探测方面显示出比现有地表阵列明显的优势。为了获得这些结果，DAS数据经过了利用其密集空间连续性的阵列处理方法。我们估计完整性震级提高了0.5-1.0，远达负震级范围，尽管该井距离最近的地震活跃区3-4公里。此外，深度约100米以下的DAS记录几乎不受该地区存在的强人为噪声的影响，而一个同位的地表台站几乎因此而失效。因此，我们认为对于M

DAS记录的空间和时间连续性使得对记录事件的物理理解更加深入。关于尾波、衰减、散射等的研究将固有地受益于对地震波场的空间连续观测。直接观测到从花岗岩接触面折射的事件是DAS可以提供的丰富信息的又一个例子。在事件定位方面，单个垂直DAS井将始终因其方位模糊性而受到限制。尽管如此，我们已经表明，从监测井派生的水平距离与已知的地震源区一致。DAS定位提供了比地表阵列更可靠的深度估计。在这种特定情况下，DAS还可以通过其折射到时，单独识别出起源于花岗岩接触面上方的事件。此外，由于DAS通道的空间密度和数量，将地震聚类为不同的族群非常可靠，并可以帮助理解震群行为。

因此，我们的观点是，井下垂直DAS可以补充现有的本地网络，即使是单个井的形式。我们使用DAS发现了82个事件，其中77个未使用模板匹配，其中16个在DAS目录的指导下在本地地表网络上可见；这些事件中只有四个在常规处理的UUSS目录中被发现。在FORGE实验期间探测到的事件数量远高于在显著更安静时期获取的地表目录中的背景率。目录的潜在丰富以及以前所未有的分辨率分析每个事件的能力，凸显了井下DAS数据在监测微震方面的价值。DAS获得的更高深度分辨率，或任何其他井下阵列，对于诱发地震监测至关重要，因为它补充了地表阵列的最薄弱点。另一方面，单个垂直DAS阵列存在方位不确定性，这可以通过地表阵列更可靠地估计。井下和地表接收器的组合因此可以准确地定位和识别断层活动，并将其与自然发生的地震区分开来。

通过使用额外的DAS井，也可以获得完整的三维定位。两口井将为每个事件产生两个可能的镜像位置，三口井足以进行唯一定位。或者，可以以低得多的成本部署地表或浅层水平DAS。然而，正如我们所见，浅层部分的数据质量可能存在问题，特别是在存在人为噪声的情况下，其相对于标准地表接收器的优势仍有待证明。如果水平DAS阵列可以部署在100米及更深的深度，它可能会非常有用。

尽管我们对震级进行了简单而有用的近似，但使用DAS进行震级和震源机制估计仍然是一个悬而未决的问题。只有在完全描述了震源机制的情况下，才能获得真实的矩震级。用单分量DAS记录来做到这一点具有挑战性，特别是因为光纤响应在现场难以量化 。更复杂的采集几何形状在基于DAS的震源机制估计方面显示出希望 ，但研究仍处于早期阶段。

尽管存在一些局限性，我们对DAS和本地地表台站的联合分析，对FORGE增产实验期间的地震活动有了更深入的理解。虽然增产体积外的地震活动比该地区的长期率更活跃，但它与FORGE注入没有直接关系。变化可归因于震群活动的自然变异性，最近的活跃区可能受到Blundell地热发电厂的影响。

7. 结论

DAS在监测增强型地热系统方面具有许多操作优势。它耐热耐压，并有适应更极端环境的光纤，可以长时间运行，并且可以在活动井中进行采集。在本研究中，我们展示了井下DAS阵列在EGS环境中的潜力。使用阵列处理工作流程，DAS在10.5天内探测到82个来自增产体积外的事件，而在此期间，常规处理的UUSS目录中仅发现4个事件。其中16个事件可以在本地地表阵列中目视识别，尽管信噪比更低。我们估计，使用我们的DAS探测工作流程获得的完整性震级比地表网络提高了M = 0.5到M = 1.0。虽然从单个DAS井获得的位置存在方位对称性问题，但其深度精度远高于从区域地表阵列获得的精度。更精细的DAS采集几何形状可以导致完整的三维定位估计，并更好地帮助约束震级和震源机制。目前，我们只能使用一种简单的方法进行震级估计。DAS和地表数据的联合分析揭示了在FORGE增产实验期间，距离处理井3-10公里的地方地震活动明显增加。这不能归因于增产，而更可能是由于地震震群活动的自然变异性。

来源：三合智能Lanwair