Time series of radon in air & anomalies as precursors of seismic activity

我们脚下的土地很少像看起来那样平静。在构造板块相互挤压的区域，地壳正承受着持续且无形的压力。在大规模地震发生之前很久，这种压力就会导致岩石内部产生微小的裂缝并不断开合，从而改变深层地下气体向地表逸出的方式。其中一种气体便是氡，这是一种自然存在的、无色无味的元素，从土壤中渗出。几十年来，科学家们一直在思考，氄浓度的突然飙升是否可以作为一种预警信号——来自地球的一声细微低语，预示着剧烈的震动即将到来。挑战始终在于如何将这些潜在的预警信号与日常生活的“噪音”区分开来，例如天气、风力或湿度变化，这些因素同样会影响到达空气中的氡量。

在最近一项针对克里特岛的研究中，研究员尼科斯·佩特拉基斯（Nikos Petrakis）致力于测试这些气体波动是否确实可以预测地震活动。克里特岛位于欧洲最活跃的地震带之一，使其成为此类研究的关键地点。其目标并非声称建立了一个完美的预测系统，而是观察一种特定类型的计算机分析是否能够发现一种模式，即在地震发生前氡水平上升，即便是在天气条件不断变化的情况下。通过将局部空气测量数据与强大的机器学习工具相结合，该研究旨在区分由风暴引起的氡浓度激增与由地球准备移动引起的激增。

这项研究在为期七个月的时间内进行，从2023年6月到2024年1月，位于克里特岛东北部。科学家将一台灵敏的空气监测仪放置在海拔540米的山坡上，距离地面约2.5米处，以持续追踪空气中的氄水平。该设备是一个专为家用设计但具备高精度测量能力的紧凑型单元，能够实时记录空气中氡的浓度。为了确保数据的可靠性，研究人员还从附近的官方气象站收集了每日天气报告，追踪温度、气压、湿度、降雨量和风速。这一点至关重要，因为天气变化会推动氡气的上升或下降，从而可能掩盖地震的信号。

为了理清这些海量数据，研究采用了被称为“极端梯度提升”（Extreme Gradient Boosting）的高级计算机方法。可以将这个工具想象成一个经过高度训练的模式识别引擎，它能够学习不同变量之间复杂的非线性关系。该系统并非寻找简单的直线关系，而是学习风力、气压和温度的组合通常如何影响氡水平。一旦计算机理解了在各种天气条件下气体的“正常”行为，它就能标记出氡水平显著偏离预期的情况。研究人员将显著偏差定义为足以从季节性平均值中脱颖而出的变化，具体观察那些超过标准差两个数量级的异常峰值。

分析结果揭示了一种引人注目的联系。在研究期间，计算机模型识别出了几次空气中氡水平意外激增的情况。这些激增并非随机发生；它们之后都伴随着震级在4.3至5.1之间的地震。研究重点关注了发生在监测站特定距离内的地震，该区域是根据地震规模以及地面在地震前发生形变的已知物理学原理计算得出的。数据显示，在这些特定案例中，氡异常出现在震动开始前的几天。统计测试证实，这种关系不太可能是巧合，其发生的概率极低。

然而，这项研究谨慎地将这些发现界定为一种暗示，而非已解决的谜题。研究人员指出，观测期相对较短，且依赖单一监测站限制了得出广泛结论的能力。地球是一个复杂的系统，虽然数据表明在这一特定区域，氡含量的增加可以作为地震事件的初步信号，但这并不代表它是每一次地震的保证报警器。天气的影影响仍然是一个强大的因素，不容忽视，研究强调，若要建立更稳健的理解，还需要更长的时间跨度和更多的传感器。

最终，这项工作为地震预测的拼图增添了一块虽小但重要的碎片。它证明了借助正确的工具，是有可能过滤掉日常天气的噪音，从而找到地球运动所发出的微妙且潜在危险的信号的。虽然准确预测地震的能力仍然难以捉摸，但类似的研究表明，监测氡气结合先进的数据分析，提供了一条充满希望的前行之路。对于像克里特岛这样面临持续地震威胁的地区来说，每一种可能提供几天预警的新方法，都是在拯救生命和保护社区方面迈出的一步。