均匀滑移模型在海啸预警中的应用——以2021年M _w 8.2 Alaska地震为例

Application of Uniform Slip Models to Tsunami Early Warning: A Case Study of 2021 M _w 8.2 Alaska Peninsula Earthquake

摘要

为了保证海啸预警的时效性，复杂的地震震源经常被简化为均匀滑移模型来预测海啸波. 虽然均匀滑移模型已经被广泛使用，但其在实际事件中预测海啸波的准确性并未得到全面的评估和认可.对2021年M _w 8.2 Alaska地震构建了有限断层模型（finite-fault model）和多种均匀滑移模型，并对海啸波的预测误差进行对比分析.有限断层模型显示，2021年Alaska地震的同震滑移分布在15~40 km的深度范围内，震源周围的最大滑移约为6 m. 另外，通过全局搜索得到的最优均匀滑移模型对海啸波的预测与有限断层模型非常接近，都与观测波形符合良好；两种位于gCMT中心、但采用不同标度关系（scalingrelation）的均匀滑移模型给出了几乎一致的远场波形.对此次地震海啸的研究结果表明，均匀滑移模型对海啸波的最佳预测能力与有限断层模型相当，根据gCMT中心和标度关系构造的均匀滑移模型对远场海啸预警比较可靠，且不同标度关系对远场波形预测无显著影响.

关键词

海啸预警 / 均匀滑移模型 / 海啸反演 / 2021年Alaska地震 / 天然地震

Key words

tsunami warning / uniform slip model / tsunami inversion / 2021 Alaska Peninsula earthquake / earthquake

0 引言

自2004年苏门答腊海啸灾难以来，沿海各国逐步建立起区域性海啸预警系统，并通过国际合作和数据共享发展出了覆盖全球的庞大系统（Bernard and Titov， 2015）.海啸预警系统在大地震发生后预测沿海地区的海啸参数，以提前实施应对措施，减小海啸灾害.鉴于中国华南沿海对地震、滑坡等多种潜在海啸源的脆弱性极高（任金锋等， 2021； 李琳琳等， 2022），快速可靠的海啸预警技术对于维护沿海重要基础设施和人员生命财产安全具有重要意义.海啸波的预测需要以震源模型作为输入，然后在数值软件中模拟海啸传播.传统的海啸预警系统主要采用均匀滑移模型组成的情景数据库来预测海啸波（Greenslade and Titov， 2008； Rudloff et al.， 2009； Greenslade et al.， 2011； Setiyono et al.， 2017），该模型将震源近似为具有均匀位错的矩形区域.在地震发生前，对俯冲带等潜在震源假设一系列震级，并依据震级和破裂长度、宽度、面积等震源参数之间的标度关系构建均匀滑移模型（例如，Wells and Coppersmith， 1994； Mai and Beroza， 2000； Murotani et al.， 2008； Blaser et al.， 2010； An et al.， 2018）.将这些假定震源激发的海啸波形全部计算并存储起来，在地震发生后选取位置和震级最接近实际事件的情景来发布预警.随着深海观测网络的发展，更精确的有限断层模型也在海啸预警中得到应用.由美国国家海洋与大气总署（national oceanic and atmospheric administration， NOAA）在全球大洋布放的DART（deep-ocean assessment and reporting of tsunamis； Gonzalez et al.， 1998）海啸浮标以及由日本、加拿大、美国等国建设的有线海底压力网络可以提供实时的海啸记录.对这些数据进行反演得到有限断层模型（例如，Wei et al.， 2003； Fujii et al.， 2011； An et al.， 2014； Yue et al.， 2014），然后将所得模型输入模拟软件计算后续波形.由于DART浮标仅布设在深海，且海底有线压力网络成本高昂，只覆盖少数区域，有限断层模型的应用场景比较局限，大多数海啸快速预警仍然离不开对复杂的位错分布进行简化.

尽管海啸的长波特性为均匀滑移模型在快速预警中的应用提供了理论支持，这一模型在实际事件中的准确性尚未被全面评估和认可.Greenslade and Titov （2008）以2006年 M _w 8.0汤加地震和2007年 M _w 8.4苏门答腊地震为例，比较了由有限断层模型和均匀滑移模型计算得到的海啸波形，发现两种模型的预测结果都与观测非常符合.An et al. （2018）对2011年Tohoku、2014 年Iquique以及2015年Illapel三次大逆冲地震定量分析了采用均匀滑移模型造成的海啸波预测误差.将最优均匀滑移模型和有限断层模型对比，发现二者均能很好地还原近岸潮位站和深海DART台站的观测波形.除以上研究外，大部分关于均匀和非均匀滑移模型的比较是基于数值实验进行的（例如：Geist， 2002； Mueller et al.， 2015； Melgar et al.， 2019）.由于基于随机场理论的数值实验难以准确约束海啸地震的滑移分布特征，利用实际数据评估均匀滑移模型在海啸预警中的应用显得尤为重要.另外，目前关于构建均匀滑移模型的具体方法，包括如何估计模型尺寸和确定模型位置尚无共识.对于模型尺寸，不同预警系统采用的标度关系和震源长宽比各不相同.对于模型位置的选择，日本海啸预警系统遍历震中附近所有同尺寸的矩形破裂区域，并以其中预测波高最大者为准发布信息（Kamigaichi， 2022）；印度尼西亚预警系统则根据震中附近台站的拟合误差从数据库中筛选最佳模型（Setiyono et al.， 2017）；An et al. （2018）发现将模型置于gCMT中心不会对远场海啸波的预测引入明显误差.为了探讨建立一套简单高效的标准方法的可能性，有必要分析均匀滑移模型的尺寸和位置对预测结果的影响.

2021年7月29日6时15分（UTC），美国Alaska半岛以南海域发生M _w 8.2大地震，震中位于55.4°N，157.9°W，震源深度约35 km.此次地震发生在太平洋板块和北美板块之间的Alaska-Aleutian俯冲带，震源机制为逆冲地震.地震激发了较弱的海啸波，海啸波形被仪器完整记录，为研究震源特征和评估海啸预警技术提供了宝贵数据.此前已有研究利用有限断层模型分析此次事件的破裂分布（Elliott et al.， 2022； Liu et al.， 2022； Mulia et al.， 2022； Ye et al.， 2022），由于所采用的数据类型不同，这些模型对破裂上缘深度的估计存在较大差异（9~30 km）.本文对2021年Alaska地震分别构建了震源的有限断层模型和均匀滑移模型，并将不同模型预测的海啸波进行对比.研究结果用于揭示此次事件中同震滑移分布的基本特征，验证均匀滑移模型应用于海啸快速预警的可行性，并探讨模型细节对海啸波预测的影响.

1 有限断层模型

本文通过反演海啸数据构建了2021年Alask地震的有限断层模型，该模型一方面用于研究震源的同震滑移分布，另一方面用作评估其他滑移模型预测海啸波能力的标准.

1.1　海啸数据的获取和处理

此次地震在Alaska半岛沿岸和太平洋深海分别引起了大约40 cm（潮位站sdpt）和2 cm（DART46413、46409和46415等）高的海啸波，水面扰动被多个深海DART浮标和岸边潮位站记录下来，DART海底压力数据由NOAA提供，并根据静水压力公式转化为海水深度，潮位站的海面高度数据由政府间海洋学委员会（intergovernmental oceanographic commission， IOC）提供.根据数据品质选取了沿Alaska海沟分布的7个DART台站和震中附近的2个潮位站.震中和海啸台站的位置以及周围地形如图1a所示，其中潮位站sdpt距震中最近（约170 km），DART21414距震中最远（约1 700 km）.为提取海啸信号，对水面高度的时间序列进行多项式拟合以获得潮汐数据，然后将该数据从原始记录中去除.除海啸波外，地震波传播过程中的海床运动也会改变海底压力，从而在DART记录中引入较高频的噪声.一般情况下，由于地震波速（约3 km/s） 比海啸波速（约0.2 km/s） 快得多，地震信号与海啸信号在时间上相互分离，因此不影响海啸数据的反演和预测.

1.2　海啸数据反演

在Alaska俯冲带的板间界面上选取一个覆盖震中的长360 km，宽约200 km的矩形作为地震源区.源区深度分布在10~55 km的范围内，其几何位置由Slab2.0模型提供（Hayes et al.， 2018）.Slab2.0是包含全球主要俯冲带的三维俯冲板片模型，给出了板间界面上离散点的经纬度、深度、走向角和倾角.将源区近似为走向角恒等于240°，倾角随深度变化的曲面断层.源区被划分为12×7个长30 km，宽约28 km的子断层，各子断层的倾角从最浅处的6°逐渐增大至最深处的23°.整个源区的水平和垂直位置分别如图1b、1c所示.

为计算海啸格林函数，对各子断层依次分配单位滑移量（1 m），滑移角假定为90°，对应完全逆冲地震.采用Okada弹性半空间模型计算海底位移（Okada， 1985）.在刚性海水和瞬时破裂假定下，初始水面变形近似为海底垂直位移加上水平运动对水面抬升的贡献（Tanioka and Satake， 1996），后续的海啸传播由数值模型COMCOT进行计算（Liu et al.， 1998， 2022； Wang and Liu， 2006； An et al.， 2014； Zhu et al.， 2021）. COMCOT采用显式蛙跳差分格式求解线性浅水方程，并插值得到台站位置的波高-时间序列.对全球大洋水深数据（GEBCO2020） 进行重采样，得到经度范围为170°E~130°W，纬度范围为30°N~62°N，分辨率为30 arcsec的水深网格作为海啸模拟区域.模拟时长为15 000 s，时间步设为1 s以满足C.F.L.稳定性条件.

在反演过程中，对海啸记录和格林函数以5s为间隔重采样，并截取观测波形的首个波峰和波谷，以减小海啸波反射和衍射等效应的影响.采用非负最小二乘算法（Lawson and Hanson， 1995）估计每个子断层的滑移量，根据各个台站的海啸波高和数据长度分配权重，以使各台站对反演结果的影响基本相等.具体来说，每个台站的权重大致反比于本台站观测数据的绝对值之和，即

\frac{\mathrm{1}}{W_i} \propto {\displaystyle \sum _{j=\mathrm{1}}^{N\left(i\right)}} \left|h_{ij}\right|,(1)

其中：W_i 为第i个台站的权重；N（i）为第i个台站的数据点总数；h_ij 则是第i个台站记录的第j个数据值.由于深海DART浮标在海啸波到达之前记录的地震压力信号不影响反演结果，在计算DART台站权重时将海啸首波之前的数据值均设为0. 由此估算的DART46414权重约为1.0，其余DART台站权重约为1.5，两个潮位站sdpt和alak的权重均在0.1左右.与采用均匀权重相比，按照上述权重进行位错反演，改善了对DART46413首波波高和潮位站sdpt未纳入反演的第四个波峰的预测精度，且微调各台站权重值对反演结果无影响.反演得到的有限断层模型如图2a所示，相应的海啸预测波形由图3给出.

2 均匀滑移模型

对2021年Alaska地震构建了多种均匀滑移模型，包括通过全局搜索找到的最优模型以及根据已知的gCMT中心和标度关系确定的均匀滑移模型.最优模型是最准确的均匀滑移模型，代表了均匀滑移模型预测海啸波的最佳性能.基于gCMT中心和标度关系构造均匀滑移模型的方法利用了地震信号提供的先验信息，在实际操作中更具可行性.

2.1　最优均匀滑移模型

对地震源区内所有可能的矩形破裂区域进行全局搜索以找出对海啸波预测而言最优的均匀滑移模型，源区划分与前述相同.对于既定的源区划分，特定数量的子断层可以连接成不同形状的破裂区域.鉴于传统的海啸预警方案一般采用矩形均匀滑移模型，本文只考虑矩形破裂的情况.不同的矩形区域共有2 184个，其中最小的区域仅包含一个子断层，长30 km，宽约28 km，最大的区域则为整个假定源区，长360 km，宽约200 km.对于其中每一个矩形区域，将所含子断层的格林函数相加即得到该区域的海啸格林函数，然后采用最小二乘拟合估计整个区域的均匀滑移.每个矩形区域连同其上的滑移量便确定了一个均匀滑移模型.严格来说，因为子断层尺寸是有限的，这些矩形区域并不代表所有可能的矩形破裂区域，不过任何一个矩形破裂都可以在单个子断层尺寸的误差内（27~30 km）用其中某个矩形来近似代替.将2 184个均匀滑移模型的海啸波拟合误差进行排序，误差最小者即为最优模型.最优均匀滑移模型如图2b所示，相应的海啸预测波形见图3.

2.2　基于gCMT中心和标度关系的均匀滑移模型

最优均匀滑移模型是一种后验模型，其尺寸和中心位置都是通过拟合海啸记录得到的最优解，在实际海啸预警中难以实时获取.在海啸快速预警中，一般采用震级和破裂参数之间的标度关系直接估计均匀滑移模型的尺寸.截至目前，许多关于实际地震震源参数的统计研究提出了多种标度关系，这些关系给出的破裂面积和长宽比各不相同.例如，Wells and Coppersmith （1994）基于244次历史地震事件导出了矩震级和破裂面积、长度之间的关系，对M _w8.0地震，这一关系给出的长宽比约为4.Wells and Coppersmith （1994）采用的地震事件虽然数量众多，但缺乏俯冲带的逆冲地震类型.Blaser et al. （2010）建立了包含283个地震事件的数据库，重点关注大逆冲地震，拟合出了适用于此类地震的标度关系，对于M _w 8.0地震给出的长宽比为2.5. An et al. （2018）通过分析2011年Tohoku、2014 年Iquique以及2015年Illapel三次大逆冲地震的均匀滑移模型的相似性，提出了地震矩和破裂面积之间的关系，长宽比为1，这一关系和Murotani et al. （2008）等给出的非常接近.与之前研究不同，An et al. （2018）的标度关系是基于滑移模型对海啸波的预测品质得到的，它所描述的是对海啸生成起主要作用的凹凸体面积，而非地震过程中的全部破裂面积，因而可能更适于构建海啸预警中的均匀滑移模型.

为了比较不同标度关系对海啸波预测的影响，分别采用An et al. （2018）和Blaser et al. （2010）对逆冲地震提出的标度关系构造均匀滑移模型，以下分别用An2018和Blaser2010指代这两种比例关系.标度关系An2018的表达式为：S=2.89×10^-11 M ₀ ^2/3 （L/W=1.0），其中S为破裂面积，单位为km²；L和W代表破裂长度和宽度，单位均为km；M ₀为地震矩，单位为N·m，按照公式M _w=2/3（logM ₀-9.1）由矩震级M _w计算得到.标度关系Blaser2010的表达式为：logL=-2.37+0.57M _w， logW=-1.80+0.45M _w.根据标度关系确定破裂面积后，均匀滑移可由地震矩的定义M ₀= \mu·S·slip估算，其中 \mu代表岩石刚度，假定为常数50 GPa；slip是平均滑移，单位为m.由于海啸波主要由较慢的滑移造成，对海啸生成有贡献的地震能量一般略低于地震矩张量所给的结果.考虑到反演得到的有限断层模型的等效矩震级为8.0，此处将均匀滑移模型的震级也设定为同一数值.

均匀滑移模型的构建不仅需要确定破裂尺寸，还需要确定破裂位置.模型位置应当与某种地震参数相联系，这样便可以根据先验信息迅速构造.由于震源是根据地震波到时估算出来，因此代表着破裂的起始位置，与主要滑移的分布位置可能相差较大.震源的矩张量解由低频地震波得到，用来代表对海啸生成起主导作用的静态滑移可能更准确.按照gCMT中心确定模型位置，然后利用标度关系估算模型尺寸和滑移量，两种标度关系给出的均匀滑移模型如图2b、2c所示，相应的海啸预测波形见图6.

3 模型分析和对比

3.1　同震滑移分布

海啸数据反演所得的有限断层模型（图2a）揭示了2021年Alaska大逆冲地震同震滑移的分布特征.模型显示，破裂向震中的东北方向延伸约180 km，破裂深度在15~40 km之间.最大滑移约为6 m，发生在震源附近20~35 km的深度范围.从图3可见，该滑移模型非常准确地预测了除潮位站alak以外所有台站的海啸波形.对于大多数台站，未纳入反演（紫色垂直虚线之后）的第一个尾波也被很好地还原，尤其是在潮位站sdpt处，直至第三个尾波都与观测波形基本一致.由于潮位站alak位于一个几乎封闭的狭窄港湾内，当前使用的较粗糙地形网格难以准确模拟入射的海啸波形，而后续每隔约2 h重现的高峰显示了alak处的海啸波主要来自驻波引起的港湾和陆架震荡，这与Wang et al. （2022）通过频谱分析得出的Alaska半岛南部120.5 min的主要震荡周期一致，更长时间的海啸模拟也能够基本复原海啸波的这一长周期行为（Ye et al.， 2022）.

对照图1c中的地形和断层截面可以发现，海啸数据对于约束破裂上缘的位置至关重要.深度为15~20 km的破裂上缘几乎处于大陆架坡折的正下方，因此同震滑移引起的海底变形基本发生在大陆架上的浅水区域.假如深度小于15 km的浅部断层发生破裂，则大陆坡上方的深水区会被扰动，导致海啸波高显著增大.因此海啸数据排除了深度小于15 km的浅部断层发生破裂的可能性，这与前人对本次事件的研究结果一致（Liu et al.， 2022； Mulia et al.， 2022； Ye et al.， 2022）.

3.2　最优均匀滑移模型和有限断层模型的对比

图2b中的最优均匀滑移模型长120 km，宽约90 km，滑移量为2.5 m，范围基本覆盖了有限断层模型的主要破裂区域.从图3可以看出，最优均匀滑移模型对海啸波形的预测不如有限断层模型，这与事先预期一致.在震源东南方向的46409、46414和46415三个DART台站，两种模型对前两个波峰的预测基本一致，都与观测符合良好.在震源西侧的5个台站，最优均匀滑移模型预测的海啸波到时和波高与有限断层模型非常接近，但波峰的宽度明显更窄.

在海啸预警发布后，一般根据海啸波振幅和到时采取应对措施，因此海啸波预测的准确程度可大致由这两个指标来评价.在本研究中，振幅定义为首个波峰的最大高度.由于低频地震信号对初始海啸波造成了明显的扰动，给确定海啸波到时带来了困难，故采用以下算法估计到时：

（1）对海啸波形进行平均值滤波，时间窗口长度设为5 min；

（2）计算平滑后所得波形的时间差分；

（3）从首个波峰的最高点，沿逆时间方向寻找局部差分第一次降至0，即海面开始抬升的时刻，以此作为海啸波到时.

有限断层模型和最优均匀滑移模型预测的海啸波振幅及到时如图4所示，海啸波振幅的平均预测误差分别为0.83 cm和-0.3 cm，相对误差17.8%和-6.4%；海啸波到时的平均预测误差分别为-4.4 min和-1.1 min，相对误差-6.2%和-1.6%，最优均匀滑移模型非常准确地预测了绝大部分台站的振幅和到时.以上结果验证了均匀滑移模型的最佳预测能力和有限断层模型相当，能够比较准确地预报海啸波的主要特征.

3.3　基于两种标度关系的均匀滑移模型的对比

如图2c和2d所示，An2018和Blaser2010这两种标度关系给出的破裂宽度均为60 km左右，而An2018对破裂长度的估计比Blaser2010更紧凑（60 km和150 km），滑移量为Blaser的2.5倍（6.8 m和2.8 m）.对照图2a中的有限断层模型，标度关系An2018很好地还原了主要滑移所占的面积，估计的均匀滑移接近海啸数据反推出的最大滑移（约6 m）.标度关系Blaser2010估计的破裂面积则与破裂子断层的总面积一致，滑移量等于有限断层模型的平均滑移.本例明确反映出造成这两种标度关系区别的原因，即An2018关注主要滑移所在的凹凸体面积，而Blaser2010则考虑整个实际破裂区域.图5给出了两种模型造成的初始水面变形，最高抬升分别为2.5 m和1 m左右，初始变形长度分别为100 km和200 km左右.

从图6中发现，尽管两种标度关系估计的破裂尺寸差异显著，造成的局部海底变形也有明显区别，但在远场的DART台站却给出了几乎相同的预测波形.这主要是由于台站距离震中较远，海啸源的尺寸比传播距离小得多，且海啸波从大陆架破折进入深水区之后被迅速拉长，进一步减弱了破裂细节对海啸波形的影响.在较近的潮位站，由两种模型计算的首个波峰比较近似.这说明对于远场海啸预警，不同标度关系可能不会显著影响预测波形.与观测数据相比，两种模型在深海DART台站给出了更尖细的波形，波高也有所高估（DART21414除外）.而在沿岸潮位站，虽然预测的最大波高和记录比较接近，但海啸波的相位相差较大，即首波到时推迟了15 min以上，且标度关系An2018对最高峰的预测提前了60 min.以上差异均主要来自对模型位置的估计误差.

如图7所示，两种模型对两个近场潮位站到时的预测明显延后了，这是由于两个模型的位置比有限断层模型的主要破裂区域更浅，破裂下缘也离两个潮位站更远，尤其是对于破裂主要发生在浅水区的情况，较慢的海啸波速使得局地海啸到时对破裂位置尤其敏感.同一原因也导致采用标度关系An2018的模型明显高估了潮位站sdpt的波高，较浅的滑移造成深水区的海底变形，浅化效应显著增大了波高.在深海DART台站，与最优均匀滑移模型相比，直接按照gCMT中心确定位置并根据标度关系估计尺寸的模型构造方法对振幅有所高估，但并未明显降低海啸波的预测品质.采用An2018和Blaser2010两种标度关系的均匀滑移模型对海啸波振幅的平均预测误差分别是1.5 cm和0.5 cm，相对误差为31.6%和10.5%；对海啸波到时的平均预测误差分别为3.5 min和2.0 min，相对误差为5.0%和2.9%.本文中的所有滑移模型对海啸波振幅和到时的预测误差汇总在表1中.总的来说，将均匀滑移模型放在gCMT中心对于远场海啸波的预测是比较可靠的，但对于局地海啸预测，必须更加谨慎地选取模型位置.

4 结论

（1）本文基于海啸数据反演得到了2021年M _w 8.2 Alaska地震的有限断层模型，揭示了同震滑移的分布特征.破裂沿断层走向延伸约180 km，主要分布在20~40 km的深度范围，最大滑移约为6 m，发生在震源附近，深度小于15 km的浅部断层未发生破裂.

（2）通过全局搜索得到了预测海啸波的最优均匀滑移模型，与有限断层模型相比，两种模型对海啸波的预测都与观测波形非常接近，给出的海啸波振幅和到时几乎一致.其中振幅预测误差分别为-0.3 cm（-6.4%）和0.83 cm（17.8%），到时预测误差分别为-1.1 min（-1.6%）和-4.4 min（-6.2%）.这一结果表明，将均匀滑移模型应用于海啸预警、尤其是远场预警，能够获得较高的预测精度.

（3）在本次事件中，基于gCMT中心和两种不同标度关系An2018和Blaser2010的均匀滑移模型所预测的远场波形几乎一致，都与观测数据符合较好.两种模型对所有台站海啸波振幅的平均预测误差分别为1.5 cm（31.6%）和0.5 cm（10.5%），到时预测误差分别为3.5 min（5.0%）和2.0 min（2.9%）.与有限断层模型相比，基于gCMT中心和标度关系的模型构造方法不会显著降低预测精度.由此推断，对于远场预警，这一方法能够快速且基本可靠地预报海啸波特征，且不同标度关系对预测结果影响较小.但对于近场预警，均匀滑移模型的位置和范围有必要采用更精细的方法进行估计.

参考文献

[1] An, C., Liu, H., Ren, Z. Y., et al., 2018. Prediction of Tsunami Waves by Uniform Slip Models. Journal of Geophysical Research: Oceans, 123(11): 8366-8382. https://doi.org/10.1029/2018jc014363

[2] An, C., Sepúlveda, I., Liu, P. L. F., et al., 2014. Tsunami Source and its Validation of the 2014 Iquique, Chile, Earthquake. Geophysical Research Letters, 41(11): 3988-3994. https://doi.org/10.1002/2014gl060567

[3] Bernard, E., Titov, V., 2015. Evolution of Tsunami Warning Systems and Products. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences,373(2053): 20140371. https://doi.org/10.1098/rsta.2014.0371

[4] Blaser, L., Kruger, F., Ohrnberger, M., et al., 2010. Scaling Relations of Earthquake Source Parameter Estimates with Special Focus on Subduction Environment. Bulletin of the Seismological Society of America, 100(6): 2914-2926. https://doi.org/10.1785/0120100111

[5] Elliott, J. L., Grapenthin, R., Parameswaran, R. M., et al., 2022. Cascading Rupture of a Megathrust. Science Advances, 8(18): eabm4131. https://doi.org/10.1126/sciadv.abm4131

[6] Fujii, Y., Satake, K., Sakai, S., et al., 2011. Tsunami Source of the 2011 off the Pacific Coast of Tohoku Earthquake. Earth, Planets and Space, 63(7): 815-820. https://doi.org/10.5047/eps.2011.06.010

[7] Geist, E. L., 2002. Complex Earthquake Rupture and Local Tsunamis. Journal of Geophysical Research: Solid Earth,107(B5): ESE2-1-ESE2-15. https://doi.org/10.1029/2000JB000139

[8] Gonzalez, F. I., Milburn, H. M., Bernard, E. N., et al., 1998. Deep-Ocean Assessment and Reporting of Tsunamis (Dart): Brief Overview and Status Report. Proceedings of the international workshop on Tsunami Disaster Mitigation,

[9] Greenslade, D. J. M., Allen, S. C. R., Simanjuntak, M. A., 2011. An Evaluation of Tsunami Forecasts from the T2 Scenario Database. Pure and Applied Geophysics, 168(6/7): 1137-1151. https://doi.org/10.1007/s00024-010-0229-3

[10] Greenslade, D. J. M., Titov, V. V., 2008. A Comparison Study of Two Numerical Tsunami Forecasting Systems. Pure and Applied Geophysics, 165(11/12): 1991-2001. https://doi.org/10.1007/s00024-008-0413-x

[11] Hayes, G. P., Moore, G. L., Portner, D. E.,et al., 2018. Slab2, a Comprehensive Subduction Zone Geometry Model. Science, 362(6410): 58-61. https://doi.org/10.1126/science.aat4723

[12] Kamigaichi, O., 2022. Tsunami Forecasting and Warning. Complexity in Tsunamis, Volcanoes, and Their Hazards, 335-371.

[13] Lawson, C. L., Hanson, R. J., 1995. Solving Least Squares Problems (Vol. 161). SIAM, Englewood Cliffs, N. J. https://doi.org/10.1137/1.9781611971217

[14] Li, L. L., Qiu, Q., Li, Z. G., et al., 2022. Tsunami Hazard Assessment in the South China Sea: A Review of Recent Progress and Research Gaps. Science China Earth Sciences, 65(5): 783-809. https://doi.org/10.1007/s11430-021-9893-8

[15] Li, L., Qiu, Q., Li, Z., et al., 2022. Tsunami Hazard Assessment in the South China Sea: A Review of Recent Progress and Research Gaps. Science China Earth Sciences, 52(5): 803-831 (in Chinese with English abstract).

[16] Liu, C. L., Lay, T., Xiong, X., 2022. The 29 July 2021 M _W 8.2 Chignik, Alaska Peninsula Earthquake Rupture Inferred from Seismic and Geodetic Observations: Re‐Rupture of the Western 2/3 of the 1938 Rupture Zone. Geophysical Research Letters, 49(4): e2021GL096004. https://doi.org/10.1029/2021gl096004

[17] Liu, P. L.F., Woo, S.B., Cho, Y.S., 1998. Computer Programs for Tsunami Propagation and Inundation (Technical Report). Cornell University, Ithaca, N.Y.

[18] Mai, P. M., Beroza, G. C.,2000. Source Scaling Properties from Finite-Fault-Rupture Models. Bulletin of the Seismological Society of America, 90(3): 604-615. https://doi.org/10.1785/0119990126

[19] Melgar, D., Williamson, A. L., Salazar-Monroy, E. F., 2019. Differences between Heterogenous and Homogenous Slip in Regional Tsunami Hazards Modelling. Geophysical Journal International,219(1): 553-562. https://doi.org/10.1093/gji/ggz299

[20] Mueller, C., Power, W., Fraser, S., et al., 2015. Effects of Rupture Complexity on Local Tsunami Inundation: Implications for Probabilistic Tsunami Hazard Assessment by Example. Journal of Geophysical Research: Solid Earth, 120(1): 488-502. https://doi.org/10.1002/2014jb011301

[21] Mulia, I. E., Gusman, A. R., Heidarzadeh, M., et al., 2022. Sensitivity of Tsunami Data to the Up-Dip Extent of the July 2021 Mw 8.2 Alaska Earthquake. Seismological Research Letters, 93(4): 1992-2003. https://doi.org/10.1785/0220210359

[22] Murotani, S., Miyake, H., Koketsu, K., 2008. Scaling of Characterized Slip Models for Plate-Boundary Earthquakes. Earth, Planets and Space, 60(9): 987-991. https://doi.org/10.1186/bf03352855

[23] Okada, Y., 1985. Surface Deformation Due to Shear and Tensile Faults in a Half-Space. Bulletin of the Seismological Society of America, 75(4): 1135-1154. https://doi.org/10.1785/bssa0750041135

[24] Ren, J., Sun, M., Bing, H., 2021. A Giant Submarine Landslide and Its Triggering Mechanisms on the Nansha Trough Margin, South China Sea. Earth Science, 46(3): 1058-1071 (in Chinese with English Abstract).

[25] Rudloff, A., Lauterjung, J., Münch, U., et al., 2009. Preface: The GITEWS Project (German-Indonesian Tsunami Early Warning System). Natural Hazards and Earth System Sciences, 9(4): 1381-1382. https://doi.org/10.5194/nhess-9-1381-2009

[26] Setiyono, U., Gusman, A. R., Satake, K., et al., 2017. Pre-Computed Tsunami Inundation Database and Forecast Simulation in Pelabuhan Ratu, Indonesia. Pure and Applied Geophysics, 174(8): 3219-3235. https://doi.org/10.1007/s00024-017-1633-8

[27] Tanioka, Y., Satake, K., 1996. Tsunami Generation by Horizontal Displacement of Ocean Bottom. Geophysical Research Letters, 23(8): 861-864. https://doi.org/10.1029/96gl00736

[28] Wang, X. M., Liu, P. L. F., 2006. An Analysis of 2004 Sumatra Earthquake Fault Plane Mechanisms and Indian Ocean Tsunami. Journal of Hydraulic Research, 44(2): 147-154. https://doi.org/10.1080/00221686. 2006. 9521671

[29] Wang, Y. C., Su, H. Y., Ren, Z. Y., et al., 2022. Source Properties and Resonance Characteristics of the Tsunami Generated by the 2021 M 8.2 Alaska Earthquake. Journal of Geophysical Research: Oceans, 127(3): e2021JC018308. https://doi.org/10.1029/2021jc018308

[30] Wei, Y., Cheung, K. F., Curtis, G. D., et al., 2003. Inverse Algorithm for Tsunami Forecasts. Journal of Waterway, Port, Coastal, and Ocean Engineering, 129(2): 60-69. https://doi.org/10.1061/(asce)0733-950x(2003)129:2(60)

[31] Wells, D. L., Coppersmith, K. J., 1994. New Empirical Relationships among Magnitude, Rupture Length, Rupture Width, Rupture Area, and Surface Displacement. Bulletin of the Seismological Society of America, 84(4): 974-1002. https://doi.org/10.1785/bssa0840040974

[32] Ye, L. L., Bai, Y. F., Si, D. J., et al., 2022. Rupture Model for the 29 July 2021 M_W 8.2 Chignik, Alaska Earthquake Constrained by Seismic, Geodetic, and Tsunami Observations. Journal of Geophysical Research: Solid Earth, 127(7): e2021JB023676. https://doi.org/10.1029/2021jb023676

[33] Yue, H., Lay, T., Rivera, L., et al., et al., 2014. Localized Fault Slip to the Trench in the 2010 Maule, Chile Mw = 8.8 Earthquake from Joint Inversion of High-Rate Gps, Teleseismic Body Waves, Insar, Campaign Gps, and Tsunami Observations. Journal of Geophysical Research: Solid Earth, 119(10): 7786-7804. https://doi.org/10.1002/2014JB011340

[34] Zhu, Y., An, C., Wang, T., et al., 2021. Time-Dependent Tsunami Source Following the 2018 Anak Krakatau Volcano Eruption Inferred from Nearby Tsunami Recordings. China Ocean Engineering, 35(1): 145-152. https://doi.org/10.1007/s13344-021-0013-4

[35] 任金锋, 孙鸣, 韩冰, 2021. 南海南沙海槽大型海底滑坡的发育特征及成因机制. 地球科学, 46(3)：1058-1071.

[36] 李琳琳, 邱强, 李志刚, 等, 2022. 南海海啸灾害研究进展及展望. 中国科学: 地球科学, 52(5)：803-831.

基金资助

国家自然科学基金项目(T2122012;U1901602)