主动源DAS数据与共置节点台站的应变-速度转换方法比较分析

《Sensors》：Comparative Analysis of Strain-to-Velocity Conversion Methods for Active-Source DAS Data and Collocated Nodal Stations

　　

分布式声学传感（DAS）提供了沿光纤电缆的动态应变的密集空间测量，为地面运动监测和地下成像应用提供了高分辨率波动传感。然而，DAS记录的是轴向应变或应变率，而传统地震和工程地面运动设备及其衍生指标基于质点位移、速度或加速度，因此需要可靠的应变-速度转换方法。本研究评估了三种广泛使用的转换方法：频率-波数域缩放（fk-rescaling）、基于曲波基的转换（curvelet-based conversion）和倾斜叠加方法（slant-stack method）。这些方法被应用于在加利福尼亚州谢尔曼岛鸟类着陆点（Birds Landing Site）采集的独特高能近场主动源数据集。该数据集包括大型输电塔倒塌和大锤冲击（用于地下成像）产生的波场。波场由1.4 km的DAS阵列和71个共置节点台站（NSs）同时记录。研究人员利用63个DAS–NS对，通过DAS衍生与NS质点速度记录之间的振幅和相位传递函数（TFs）量化了应变-速度转换方法的性能，并在三个频带（0.5–100 Hz、1–10 Hz和10–100 Hz）评估了均方根误差（RMSE）。结果表明，fk-rescaling方法在两种源类型上均提供了最稳定的振幅响应，而fk-rescaling和slant-stack方法通常获得最佳的相位一致性。基于曲波基的转换显示出更大的变异性和更高的RMSE值。所有方法在高频段振幅重建效果较差，而相位内容通常比振幅更可靠地保留。塔倒塌源与大锤源之间的差异证明了源特性和空间处理窗口长度对转换性能的影响。这些发现为主动源DAS应用选择合适的应变-速度转换方法提供了实用指导，特别是在缺乏共置参考传感器的情况下。

**论文解读文章**

**研究背景与问题**
分布式声学传感（Distributed Acoustic Sensing, DAS）通过将光纤电缆转化为密集的应变传感器阵列，实现米级空间分辨率、千米级距离的动态应变测量，为地面运动监测和地下成像提供了高分辨率波场感知能力。然而，传统地震学和工程地震动指标（如质点位移、速度、加速度）与DAS固有的轴向应变或应变率测量之间存在根本差异，因此需要可靠的应变-速度转换方法。现有研究多基于远场弱震波形评估转换方法，而针对高能近场主动源数据的系统量化比较尚属空白。本研究旨在填补这一空白，利用独特的高能近场主动源数据集，对三种广泛使用的应变-速度转换方法——频率-波数域缩放（fk-rescaling）、基于曲波基的转换（curvelet-based conversion）和倾斜叠加方法（slant-stack method）——进行定量比较，评估其重现共置节点台站（Nodal Stations, NSs）质点速度振幅和相位特征的能力。研究结果发表在《Sensors》（期刊名称）上，为主动源DAS应用中转换方法的选择提供了基于实测数据的指导。

**研究方法概述**
本研究在加利福尼亚州谢尔曼岛鸟类着陆点（Birds Landing Site）开展，利用1.4 km长的DAS阵列和71个共置SmartSolo IGU-16HR 3C节点台站（间距20 m）同时记录两种主动源波场：大型输电塔可控倒塌和大锤冲击（用于地下成像）。研究人员从63个DAS–NS对（因阵列几何限制排除8对）中提取数据，采用三种主要技术方法：(1) fk-rescaling方法，在频率-波数（f–k）域利用视瑞利波相速度缩放应变，假设局域波场为相干平面波；(2) 基于曲波基的转换，通过曲波变换将波场分解为空间、时间、传播方向和频率局域化的波包，对每个曲波系数乘以对应视速度；(3) 倾斜叠加方法，在时间-慢度域通过局部相似性（semblance）估计视慢度，进而转换为速度。所有算法均基于开源Python工具包DASPy v1.2.2实现，参数优化通过敏感性研究完成，以振幅和相位传递函数（Transfer Functions, TFs）的均方根误差（Root Mean Square Error, RMSE）最小化为准则。研究在三个频带（0.5–100 Hz、1–10 Hz、10–100 Hz）上评估了转换性能。

**研究结果**
**5.1 塔倒塌源**
通过时域波形比较和传递函数分析，fk-rescaling方法生成的DAS衍生质点速度与NS波形视觉一致性最佳，振幅和相位RMSE均最低；倾斜叠加方法表现居中，相位一致性较好但振幅缩放不够稳定；基于曲波基的转换在振幅和相位上均显示最大偏差。振幅传递函数显示，所有方法在1–10 Hz频带内幅值重建较好（中位RMSE_amp约0.235，对应振幅比1.72），而在10–100 Hz频带内显著恶化（中位RMSE_amp约0.798，对应振幅比6.28）。相位传递函数在10–100 Hz频带内一致性更高（中位RMSE_phase约22–23°），而1–10 Hz频带内较差（fk-rescaling中位RMSE_phase 25.61°）。基于63个DAS–NS对的箱线图统计表明，fk-rescaling方法在所有频带中振幅RMSE的离散度最小。

**5.2 大锤源**
对于大锤冲击源，倾斜叠加方法在振幅重建上表现最优（全频带中位RMSE_amp 0.312），fk-rescaling次之，基于曲波基的转换最差。相位方面，fk-rescaling和倾斜叠加方法在10–100 Hz频带内表现相近（中位RMSE_phase约42–46°），但所有方法在1–10 Hz频带内相位RMSE显著升高（fk-rescaling中位52.35°）。箱线图显示，fk-rescaling在振幅和相位上均具有最低的中位RMSE和最小的离散度。注意，部分倾斜叠加方法转换后的波形在主信号前后出现高频尖峰，可能源于局域相干平面波假设在低信噪比时段失效。

**5.3 源间比较**
振幅比较：两种源在1–10 Hz频带内振幅RMSE相近，但大锤源在10–100 Hz频带内振幅RMSE显著低于塔倒塌源。信噪比（Signal-to-Noise Ratio, SNR）分析表明，塔倒塌源在10–100 Hz频带SNR较低，但相位RMSE却最低，因此振幅差异不能完全归因于SNR。相位比较：塔倒塌源在所有频带内相位RMSE均低于大锤源，可能源于其更长的持续时间和更高的波场相干性。所有方法在10–100 Hz频带内相位一致性优于1–10 Hz频带，尽管SNR在此频带较低。

**5.4 参数选择实践意义**
转换结果高度依赖于输入参数的选择。在无共置参考传感器时，研究人员建议使用数据驱动的深度学习方法或直接生成DAS仪器响应，但需进一步研究源类型、频率含量、应变强度、场地条件和采集几何的影响。

**5.5 计算效率考量**
基于曲波基的转换方法内存和计算时间约为fk-rescaling和倾斜叠加方法的25倍，且性能较差，不适用于大规模主动源数据集或实时应用。fk-rescaling和倾斜叠加方法兼具计算效率和性能优势。

**5.6 总体观察**
fk-rescaling方法在相干单向传播的主动源波场中表现最佳，得益于其在全f–k域中显式处理视速度变化。倾斜叠加方法在脉冲源（如大锤）中具有竞争力，因其能适应快速变化的慢度。基于曲波基的方法在简单线性阵列和单向传播条件下性能受限，但可能更适用于复杂二维波场或弯曲光纤几何。

**讨论与结论**
讨论部分指出，所有转换方法均基于平面波或局域相干波场假设，塔倒塌源产生的长持续时间、低频、高空间相干波场更符合这些假设，而大锤源因近场、脉冲特性导致散射和模态复杂，使假设部分失效。此外，DAS的有限标距长度（Gauge Length, GL）作为空间低通滤波器，限制了高频短波长分量的精确重建，且沿1.4 km阵列的电缆-地面耦合差异可能加剧振幅离散性。

研究结论：fk-rescaling方法在两种源类型和所有频带上提供了最准确的振幅响应，而fk-rescaling和倾斜叠加方法在相位上表现最佳。所有方法在高于10–40 Hz的频率下振幅重建较差，在低于10 Hz的频率下相位重建较差。基于波形视觉比较，相位信息通常比振幅更可靠地重建，但无法定量验证。使用fk-rescaling方法时，在1–10 Hz频带内，转换后的DAS质点速度振幅约为NS振幅的1.7–2.2倍（对数振幅RMSE 0.235–0.345），在10–100 Hz频带内约为3.2–6.3倍（对数振幅RMSE 0.504–0.798）；相位角度偏差在1–10 Hz频带内约为25–52°，在10–100 Hz频带内约为23–45°。这些发现表明，fk-rescaling是主动源DAS应用中最稳健的选择，而倾斜叠加方法在优先考虑相位精度时是强有力的替代方案。转换方法的选择和参数调优应考虑源特性、频率范围、计算成本和阵列几何。