监测地震灾害研究的新成果
(一)建设监测地震灾害的新网络
1.构建新型实时地震灾害监测分析网[42]
2012年4月24日,美国国家航空航天局,对外展示了应用GPS系统监测美国西部地震灾害情况的研究成果。一种使用GPS技术,建立的新型实时地震灾害监测分析网,即将用于对地震灾害监测和精确预报海啸工作之中。
这个已经筹建多年的监测研究网络,得到了美国国家科学基金会、国防部、美国国家航空航天局和美国地质调查局等部门的支持。该网络利用实时GPS技术,收集来自加利福尼亚、俄勒冈和华盛顿三州近500个观测站得到的数据。当大地震发生后,GPS数据被用于自动计算出地震的一些重要特征,如位置、震级和详细的断裂层情况等。
精确而迅速地鉴别里氏6级以上地震的情况,对于减轻灾害损失和采取应急措施十分重要,特别是对于预防海啸。计算海啸的强度,需要地震震级大小等具体信息,以及地震波在地面运动的状况,而捕获这方面的数据,对于传统的地震学仪器来说是十分困难的,因为这些仪器一般只用作测量地面的震动情况。使用GPS进行高精度、以秒计算的地面位移监测,可以有效减少测定大地震特性的时间,提高对随之而来的海啸预测的准确性。据美国国家航空航天局介绍,该网络能力得到全面验证之后,将被美国地质调查局和国家海洋和大气管理局分别用于对地震和海啸的监测和预报工作。
美国国家航空航天局总部地球科学部自然灾害项目负责人克雷格·布森认为,通过网络,人们能够继续通过开发和应用GPS实时技术,提高国家和国际早期灾害预报系统的能力。该网络技术,朝最终实现预报太平洋盆地自然灾害情况,迈出了关键的一步。
参与研究的加州斯克里普斯海洋学研究所耶胡达·博克介绍说:“使用GPS测定大地震引起的地面变形情况,让我们仅用几秒钟时间就测定出由地震波造成的损失情况。目前我们已经做好在今年全面测试该系统的准备。”
与常规灾害监测网相比,使用GPS技术获取地震等自然灾害情况,具有实时、快捷和准确等优势,因此,美国国家航空航天局在很多年前,就开始组织力量将这一技术,应用到地震等自然灾害监测研究中。
2.提出利用手机内置传感器创建城市地震监察防护网[43]
2013年10月,物理学家组织网报道,意大利国家地理和火山学研究所地震学家安东尼奥·德亚历山德罗和朱塞佩·安娜领导的一个研究小组,在《美国地震学会通报》上发表论文提出,在智能手机上安装一个微小芯片,可创建实时城市地震监察网,以增加在大地震期间收集强烈运动的数据量。
微机电系统加速计可测量汽车、建筑和装置地面运动和振动的加速度。在20世纪90年代,微机电系统加速计彻底改革了汽车安全气囊行业,并被用于许多日常设备之中,包括智能手机、视频游戏和笔记本电脑。
意大利研究小组测试了安装在苹果手机上的微机电系统加速计,并与美国凯尼公司生产的地震传感器ES-T力平衡加速计相比较,以检测其是否能可靠和准确地探测出由地震引起的地面运动。
测试表明,当位于震中附近时,微机电系统加速计可以探测中度到强烈的地震(超过5级)。而该设备产生的噪声妨碍其准确地检测到较小地震,因而限制了其应用。意大利地震学家改进了这项技术,使得微机电系统传感器对于5级以下地震也能敏感检测到。
研究人员说,改进后的微机电系统技术,能在手机和笔记本电脑中广泛使用,大幅度提高地震发生时采集数据的范围。他们建议,微机电系统传感器当前的状态,可用于创建一个城市的地震监察防护网络,将实时的地面运动数据传输到一个中心位置进行评估。每当地震发生时,政府部门可藉此获得丰富的数据量,识别潜在危险最大的地域,从而能够更有效地分配资源。
(二)研制监测地震灾害的新设备
1.开发用于监测地震灾害的卫星
发射首颗地震电磁监测试验卫星。[44]2018年2月3日,《光明日报》报道,历经近十年艰苦攻关、五年工程研制,我国首颗地震电磁监测试验卫星2月2日终于发射升空。这颗卫星取名为“张衡一号”,它是我国地震立体观测体系的第一个天基平台。
中国地震局地壳应力研究所总工申旭辉介绍道,我国境内地震分布广、强度大、震源浅,是世界上大陆地震活动最强烈、灾害最严重的国家之一。然而,长期以来,我国地震监测主要依靠陆地上的监测台站设备,地面观测台网在青藏高原和海域地区观测不足,制约了我国地震监测研究的水平。
科学研究表明,一旦发生地震,地球内部的电磁信息就会发生异常,因此,构建空间电磁监测体系,对研究地震机理与空间电磁扰动的耦合关系、探索地震监测新方法有着重要意义。卫星具有覆盖范围广、电磁环境好、动态信息强、无地域限制等优势,使用卫星进行地球电磁环境的研究,能够从更大的尺度上提高对地震孕育发生规律的认识,弥补常规地面地震监测手段的不足。因此,国外利用卫星进行地震前空间电磁异常现象的研究已有多年历史,俄罗斯、法国、美国等国家曾发射过同类卫星。
据悉,“张衡一号”卫星科学应用中心依托中国地震局地壳应力研究所建设和运行。通过监测设备,它可将全球电磁场、电离层等离子体、高能粒子观测数据实时传回地面,为研究人员的科学研究提供连续稳定的大数据支持。
申旭辉说:“‘张衡一号’填补了我国在全球地磁场电离层信息获取能力上的空白,提升中国全境电磁场和电离层监测能力,还弥补了地面观测台网在青藏高原和海域地区观测的不足,可帮助我们获取全球震例,大幅增加震例检验机会。”
2.探索用通信光缆作地震监察系统
⑴发现通信光缆或可用作地震监测系统。[45]2018年7月3日,德国地球科学研究中心科学家菲利普·朱赛特及其同事组成的研究团队,在《自然·通讯》杂志发表的一项地球科学研究称,光纤电缆已被用于检测地震信号,为地质断层成像。这表明未来宽带通信网络或可用于定位和评估地质断层,光纤电缆或可用作地震仪的一种替代工具。
地震监测是指在地震发生前后,对地震前兆异常和地震活动的监视、测量。专业的地震台站和群测点,主要用水位仪、地震仪、电磁波测量仪等监测仪器。一般来讲,传统的地震台网可能需要耗资几十万美元才能运转和维护,但是这对于地震多发区域至关重要。不过,有人提出,可以采用通信用的光纤电缆作为一种低成本的地震监测方式。
该研究团队在冰岛设置了一项实验:把光纤电缆改造为一系列传感器,用以记录天然地震波和人为地震波。这些传感器通过检测地震波通过时光纤电缆长度的细微变化,来量化光纤电缆所承受的应力。研究团队发现,光纤电缆不仅记录了地震信号,还能详细解析周围断层和其他深层地质结构。
目前,世界各地已经铺设了成千上万千米的通信光缆,所以材料几乎是现成的,因此这一方式被认为造价便宜、灵敏度高。虽然光纤通信网络也许能够用于监测地震灾害,但是研究人员提醒,相关技术还有待进一步发展。
⑵实验表明可用海底光缆监测地震。[46]2019年11月28日,美国加利福尼亚大学伯克利分校纳特·琳赛,与蒙特雷湾海洋生物研究所同行共同组成的研究小组,在《科学》杂志上发表论文称,他们成功完成了一次用海底光缆监测地震的实验,这说明全球已存在的光缆系统有潜力变成一个巨大的地震监测网络。
研究人员说,他们利用蒙特雷湾海底光缆中一段长约20公里的部分进行了实验,通过向光缆中发射激光脉冲并检测反射光,可分析出光缆形变并进一步推断地震情况。据介绍,这段20公里长的光缆用于监测地震,相当于在有关区域设置了1万个地震台站。在为期4天的实验中,研究人员监测到一次3.5级地震,还监测到一些地震波活动。
海洋占地表大部分的面积,但目前海洋中的地震台站数量很少。琳赛说,海底地震学研究需求很大,任何置于海中的相关仪器都是有帮助的。
研究人员说,此前曾用陆地光缆测试过上述监测地震的方法,这是首次用海底光缆研究相关海洋学信号和对地质断层成像。目前全球陆地和海底的光缆总长度可能超过1000万公里,这个巨大的网络有潜力被用于监测地震,特别是在那些缺乏地震台站的地区。
3.探索用海洋漂浮物作地震监测装置
发现装有水听器的海洋漂浮物可“监听”地震。[47]2019年4月24日,国外媒体报道,美国普林斯顿大学地震学家弗雷德里克·西蒙斯及该校研究生乔·西蒙等人组成的研究小组,在近日召开的欧洲地球科学联盟会议上发表研究报告称,他们运用一种从海洋中研究地球内部的多用途、低成本方法,已经画出了第一张图像。他们通过把水听器安装在深海中的漂浮物上,正在探测发生在海底的地震,并利用这些信号在缺乏数据的地方窥探地球内部。
2019年2月,研究人员报告说,厄瓜多尔加拉帕戈斯群岛附近的这些漂浮物,有9个帮助追踪到地幔柱。地幔柱是一种从群岛深处升起的热岩柱。
在会议报告中,研究人员说,现在,18个在塔希提岛下寻找羽状流的漂浮物也记录了地震。美国加州大学伯克利分校地震学家芭芭拉·罗曼诺维奇说:“看起来他们已经取得了很大进步。”
西蒙斯表示,“南太平洋舰队”2019年夏天将会壮大。他设想在全球范围内建立一支由成千上万个此类漫游装置组成的“舰队”,这些装置还可用来探测雨声或鲸的叫声,或者配备其他环境或生物传感器。他说:“我们的目标,是探测所有的海洋。”
几十年来,地质学家一直把地震仪安装在陆地上,以研究遥远的地震是如何传播的。但不同密度的深层结构,例如沿着俯冲带下沉到地幔中的海洋地壳冷板,可以加速或减缓地震波。通过结合在不同地点检测到的地震信息,研究人员可以绘制出这些结构的地图。然而,上升羽流和海洋中其他巨型结构则更为神秘。原因很简单:海底的地震仪要少得多。
漂浮物是一种廉价探测方法。它们漂浮在1500米深的地方,这样可以将背景噪音降到最低,并减少周期性上升传输新数据所需的能量。每当漂浮物的水听器接收到强烈的声音脉冲,计算机就会评估这种压力波是否可能来自海底震动。若是如此,漂浮物将在数小时内浮出水面,并通过卫星发送地震记录。
西蒙在此次会议上说,到目前为止,漂浮物已经识别出258次地震,其中大约90%也被其他地震仪探测到。
(三)开发监测地震灾害的新技术
1.研究监测地震的钻洞探查技术
计划通过钻探到印度板块来监测地震。[48]2011年5月4日,《科学》网报道,印度科学家正打算着手进行一项雄心勃勃的计划:钻探到印度板块的深处,监测由即将发生的地震引发的震动以及其他地震特征。
印度科学部长阿什瓦尼·库玛于近日宣布,该国国家地球物理研究所将开展一项耗资7500万美元、持续时间达30个月的项目:在柯依那钻一个8千米深的洞,这一地区位于印度西部,曾频繁经历小到中型的地震。这次钻洞过程中将用传感器测量化学、电学以及引力扰动。
领导这项计划的国家地球物理研究所地震学家哈什·古普塔表示:“柯依那地区非常理想,因为这是一个地震的多发区域,诱导和原发的地震一直都在发生。监测到即将发生的地震信号的可能性非常高。”
这一计划将与国际大陆科学钻探项目进行合作,它同时将成为第四个这样的地震观测站。类似的钻探项目还在俄罗斯的科拉半岛、德国的巴伐利亚州以及美国加利福尼亚州的圣安德列亚斯断层进行过。之前的工作多选择在构造板块的边缘地带进行;而印度的选址将首次瞄准内陆板块进行钻探,其目的在于寻找地震的先兆。柯依那之所以独特,还在于钻洞的位置位于一座大型水坝附近,水库水平的上涨和下降会频繁引发地震。
印度反核能主义者担心钻探会增加这一地区的地震活动,并因此增加位于64公里之外马哈拉施特拉邦的一个大型核电站的风险。美国博尔德市科罗拉多大学的地震学家罗杰·比尔汉姆驳斥了这种观点。他说:“钻一个洞并不会产生弱化效应。这是因为发生在柯依那的地震,实际上是由该地区数千条充满了水的裂缝引发的。一个额外的洞如同九牛一毛。”
2.开发能捕捉到微震活动S波的地震监测技术
运用新技术首次监测到S波微震。[49]2016年9月,美国《科学》网站报道,日本地球科学与灾害预防国家研究所专家主持的研究小组,借助该所运营的Hi-net台站新技术,成功监测到由遥远且强烈的北大西洋风暴(又称气象弹)所触发的P波微震,同时,更令人惊奇的是,还监测到了S波微震。对整个地震学界而言,这一特殊类型地震的发现尚属首次,因此,很快受到世界各国有关专家的关注。
在暴风雨期间,海洋波浪对固体地球造成的晃动会产生微震现象。在世界很多地方都可以监测到微震,其以各种各样的波形在地球表面和内部传播。到目前为止,科学家仅能通过对P波(在地震发生之前,动物可以感受到)的分析来研究地球的微震活动,而难以借助不易捕捉的S波(地震发生时,人类可以感受到)。
在发现S波微震后,日本研究小组还分析了震波的方向,及其与发源地的距离,进而揭示出了其传播路径和路径的大地结构。通过这样一种路径,由海洋风暴产生的地震能量在地球内部传播,从而“照亮”了地球内部许多未发现之处。
日本研究人员这一发现,为地震学家研究地球内部结构提供了新的工具,将有助于绘制更为清晰的地球运动图,即使这些运动来源于大气与海洋系统。此外,它也有助于更精确地监测地震和海洋风暴。
3.开发监测地震的人工智能技术
⑴借助人工智能估算出监测地震的震源机制参数。[50]2021年3月,中国科学技术大学地球和空间科学学院张捷教授率领的研究小组,在《自然·通讯》杂志上发表研究成果称,在监测地震方面,他们应用人工智能实时估算地震震源破裂机制参数领域取得突破性进展:地震发生后,借助人工智能可在1秒内准确估算出震源机制参数。
地震的发生是震源处岩石的破裂和错动过程,可以采用两个相对错动面的走向、倾向及倾角等参数描述,它不仅可推断断层的破裂方向、速度等,还可以帮助预测海啸、强余震的可能分布等。
据介绍,从多台地面地震记录反推地震震源机制,是监测地震的一项重要工作,但从地震记录推算地震震源机制是个计算耗时的过程。自1938年地震学家第一次开始推算地震断层面解,震源机制参数一直是个研究性问题。目前,世界各地地震监测台网在地震速报信息里,只有发震时刻、震级、地点和深度,不包括震源机制参数,地震发生几分钟或更长的时间后才报出震源机制参数。
该研究小组借助人工智能方法,有效地解决了这个复杂计算问题。应用完备的理论地震大数据训练人工智能神经网络,完善了该系统的准确性和可靠性。当地震发生后,实际地震数据进入人工智能系统,在不到1秒的时间内系统准确地估算出震源机制参数,大量实际数据测试证实了这种方法的有效性,实现了该领域的重要突破。
目前,这项成果正在转化成实际运行的功能,近期将在中国科学技术大学和中国地震局合作研发的“智能地动”人工智能地震监测系统上试运行。
⑵开发光速级地震监测人工智能模型。[51]2022年5月11日,法国蔚蓝海岸大学兼法国国家科学研究中心安德莉亚·利恰尔迪领导的研究团队,在《自然》杂志发表论文称,他们研究发现,一个机器学习模型,可以对大型地震的演化进行准确的实时估测,这个经过训练的机器学习模型能测定以光速传播的重力变化信号。
对地震的监测一般需要测定地震波,地震波是在地壳中传播的能量脉冲。然而,基于地震波的预警系统有时候反应太慢,无法在大型地震(矩震级 8或以上)发生的当下准确估算地震规模。有一种解决办法是追踪即时弹性重力信号,这种信号以光速传播,由岩体突然错动导致重力变化而产生。不过,即时弹性重力信号,是否能用来对大型地震出现后的方位和发展做出快速可靠的实时估算,一直有待验证。
该研究团队在日本1400个潜在地震位置模拟了35万个地震情景,并利用即时弹性重力信号训练了一个深度学习模型。之后,他们又用2011年日本东北大地震的实时数据测试了这个模型。2011年日本东北大地震,是迄今有记录的规模最大、破坏力最强的地震之一。
他们发现,深度学习模型能准确计算地震方位、地震规模,以及地震随时间的变化。重要的是,深度学习模型能快速给出以上信息,在地震波到达前就做出判断。
作者总结道,深度学习模型在大型地震及其演化,即从地表破裂到可能出现相关海啸的早期监测方面,或能发挥重要作用。虽然这个模型主要针对日本,但作者强调,该模型也能很好地适用于其他地区,只需很小的调整就能实时使用这一策略。