听说地震也有“密集恐惧症”?

“密集恐惧症”可能大家都有所了解,密集恐惧症(Trypophobia)是一种恐惧症,其主要症状是对密集排列的相对小或有孔洞的事物敏感,如莲蓬、肥皂泡、青蛙卵及蜂巢(来源于 perplexity.ai,最近很火的 ChatGPT 类似款)。对于部分人来说,密集的东西比较恐怖,没有想到的是,地震也有“密集恐惧症”。这该从何说起呢?就从地震属性谈起吧。

彩色泡泡(来源:搜狐)

地震,就我们所理解的,就是地震动。地壳的颤动传达到地面,如果我们没有感受到那就是无震感的地震,如果天崩地裂,那么这个地震震级就往高了去了。抛开地震震级不谈,我们总是收到相应的地震速报,大致包含了以下关键信息:震级大小,发震时刻,发震位置,发震深度以及震中距(你与地面地震中心的距离)等。

地震速报截图

那你有没有思考过,这些信息到底是怎么来的?有过一定了解或者环境周边见过的,一定知道地震台,这就是固定的地震监测系统,全国的地震台所组成的台网就是地震台网 —— 密集地震观测网 (Dense Observation Network),这是监测地震的天眼。因此利用地震台网,再结合一些技术手段就可以定位到地震发生的相关信息(地震定位多台法等等)。不过,对于区域性的地震而言,地震台的数量是相对少的,这就导致了一定的局限性。那为什么不多建一些呢?考虑到实际成本、实际效用,如果国家没有富足到随意拨科研经费的程度,那就不会存在太多的固定地震台。因此,相对固定地震台,流动地震台(也就是节点地震仪)也就体现了它的优势。

节点地震仪(SmartSolo)

节点式的地震仪因为其便于携带的特性,因此被地球物理学家广泛应用在区域性的科学研究上。而不同的布设方式,对于不同的科学问题又会有不同的作用。近年来计算机和存储的发展使得数据处理的算了大幅提升,这个时候“密集台阵”—— 超密集地震台阵 (Dense Seismic Array),就应运而生了。密集台阵得益于其布设的密集性,能够对区域地球物理问题有着很好的解决能力。那为什么密集台阵能够有效得解决区域地球物理问题呢?这是因为密集的观测能够获取到更多的观测数据,结合后续的处理分析,能够获得更多的有效信息。例如,在地震定位方面,密集台阵能够获取到更多的地震走时信息,这就为其精确定位提供了更多的约束。

eSeis 陆上节点地震仪器达到国际领先水平并实现产业化(科学网)

早在 2011 年,美国相关高校研究人员就在洛杉矶长滩(Long Beach)布设了间距约 100m 的密集台阵,5200 个地震仪以 500Hz 的采样连续监测了 6 个月,覆盖的工区范围达到了 10km * 7km。2012 年又布设了另外一期密集台阵,数量是 2500 个,其下方是 Newport-Inglewood 断层带。虽说已经是十年前的观测实验了,但是围绕着这个实验的相关工作一直到现在都陆陆续续地公布,这就是科研工作的特性,不同时期不同技术方法的发展能够对于旧数据的有更好的理解。

洛杉矶长滩两期密集台阵 —— 蓝框一期、绿框二期 (Lei et al., 2022)

2016 年,Inbal 等研究人员利用长滩的这个密集台阵研究了台阵下方的地震活动性。如何研究活动性呢?研究基础就是地震定位,我们知道密集台阵的特性就是各个地震仪之间数据的相似性,具体是怎么相似的呢?我们来看具体的数据。下面这张图是经过深度学习去噪后的地震数据(关于深度学习,我们后续的推文再来详细说说),把每个地震仪的波形数据按照震中距排列起来,横纵坐标分别是时间和震中距,我们可以看到地震信号的一个明显传播过程,利用这些信息就可以精确定位到地震起源的位置。

去噪后的地震信号(Lei et al., 2022)

通过地震信号的识别,然后对其定位,就可以获得观测时段内的地震定位结果,进而了解其活动性。2016 年这篇《SCIENCE》文章的结果表明了,转换断层的上地幔存在地震活动性。一般而言陆地上的转换断层的地震活动基本局限在上地壳,而 Newport-Inglewood 断层带在上地幔也存在地震活动,这就与以往认知不相符,属于是新的发现了。不过有意思的是,2022 年在《SCIENCE ADVANCES》上发布的一篇文章表明,Newport-Inglewood 断层带在上地幔不存在地震活动性。

且不论谁对谁错,只有一点我们 get 到了,科学认知的过程是曲折且上升的!对相应的具体内容和技术细节感兴趣的可以阅读下原文。

地震定位深度结果图(Inbal et al., 2016)

密集台阵技术是近几年来普遍使用的区域研究的技术手段,也使得地球物理学科有了一个质的飞跃。这也是为什么说,地震也有“密集恐惧症”!

参考文献:

  • [1] Inbal, A., Ampuero, J. P., & Clayton, R. W. (2016). Localized seismic deformation in the upper mantle revealed by dense seismic arrays. Science, 354(6308), 88-92.

  • [2] Yang, L., Liu, X., Zhu, W., Zhao, L., & Beroza, G. C. (2022). Toward improved urban earthquake monitoring through deep-learning-based noise suppression. Science advances, 8(15), eabl3564.

本文来自微信公众号:石头科普工作室 (ID:Dr__Stone),作者:行雨

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

文章价值:
人打分
有价值还可以无价值
置顶评论
    热门评论
      全部评论
      一大波评论正在路上
        取消发送
        软媒旗下人气应用

        如点击保存海报无效,请长按图片进行保存分享