Integrated Detection and Classification of Low-Frequency Earthquakes Using a PhaseNet-Based Deep Learning Framework
本研究提出了一种基于扩展 PhaseNet 架构的统一深度学习框架，该框架能够同时检测并分类低频地震与普通地震，通过引入一种新型的“类低频事件（LFE-likeness）”指数来识别微弱地震事件，并揭示了山口县北部比传统目录中具有显著更高的事件发生率。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在地球地壳深处，岩石炽热且压力巨大，一种静谧的震动经常被忽视。这些是低频地震，它们释放能量的方式是一种缓慢、隆隆的脉冲，而非典型地震那种尖锐、高频的断裂。普通地震的振动频率可能类似于钢琴上的高音，而这些深层震颤则发出更低的嗡鸣，其起始过程往往如此渐进，以至于很难精确判定其开始的时刻。科学家们长期以来一直怀疑，这些细微的颤动并非随机发生的；它们很可能是由于流体（如水或岩浆）在岩石裂缝中移动，或沿着断层线滑动，而没有引发剧烈的破裂。理解这些隐藏的运动至单元，因为它们可能包含关于应力如何在地球内部积累的线索，并可能导致更大规模、更具破坏性的地震。然而，由于这些信号微弱且极易与背景噪声混淆，传统的地球监听方法往往会完全错过它们，从而在深层地壳过程的研究中留下了显著的知识空白。
为了填补这一空白，研究团队开发了一种利用人工智能进行监听的新方法。他们训练了一个计算机模型，该模型基于最初用于寻找标准地震的系统，旨在识别这些低频事件的独特特征。该模型并非仅仅寻找一个尖锐的起点和终点，而是被教导去识别地震数据中的五种不同可能性：标准地震的开始、标准地震的结束、低频事件的开始、低频事件的结束，以及背景噪声。通过向系统输入来自日本的数千个记录波形，研究人员教会了它如何区分普通地震清晰、尖锐的到达信号与低频地震模糊、持久的到达信号。训练完成后，该模型充当了一个高度敏感的“耳朵”，扫描地球振动的连续记录，并捕捉那些人类观察者或旧软件会忽略的到达信号。
研究人员随后将这一新工具应用于日本山口县北部一个地震活动频繁的特定区域，那里的地震群发生在深度超过20公里的地方。结果令人震惊。这种新方法检测到的地震数量是日本气象厅官方目录所维护数量的两倍多。它发现了数百个此前“隐形”的微小事件，其中许多事件甚至小到无法被标准仪器记录。更重要的是，该系统不仅能计数，还能进行分类。通过分析模型为每个到达信号分配的具体概率得分，研究人员创建了一个简单的指数，用以判断检测到的事件是低频地震还是标准地震。这使他们能够以以前不可能实现的细节水平来绘制地震群的分布图，揭示出低频事件并非随机散布，而是集中在地震群内特定的深层区域内。
然而，这项研究也揭示了一个复杂情况。研究人员发现，新的指数在区分自然发生的低频地震与人为爆炸（如采石场爆破）方面并不完美。事实上，一些被系统标记为低频地震的事件实际上是来自附近采石场的爆破，因为爆破也会产生类似的低频隆隆声。这一发现提醒人们，尽管这项技术非常强大，但仍需要仔细的解读，以将自然地质过程与人类活动区分开来。尽管存在这一局限性，但这种能够检测到如此大量此前隐藏事件的能力，为地震群的行为提供了更清晰的图像。数据显示，地震随时间发生了迁移，从地壳较深的部分向较浅的层面移动，其模式与流体在岩石中扩散的运动高度吻契合。
这些事件的空间分布为上述流体驱动理论提供了进一步证据。低频地震聚集在地震群最深且最西侧的部分，在那个区域，岩石结构显示出高流体含量的迹象。这种一致性表明，来自上地幔或下地壳的热流体运动很可能是驱动整个地震群的引擎。研究人员观察到，地震的迁移并非遵循简单的、稳定的路径；相反，它时而加速，时而减速，有时甚至发生方向逆转，这暗示了流体压力、热量与岩石破碎能力之间复杂的相互作用。通过将新的检测方法与详细的地下岩石结构图相结合，研究表明，该地震群是由持续的流体供应维持的，这些流体使岩石保持脆弱并易于发生滑动。
最终，这项工作证明了深层低频地震比此前认为的更为普遍和广泛，它们就隐藏在标准地震记录的噪声之中。这一新框架提供了一种自动监测这些事件的稳健方式，为此前封闭的深层地球研究开启了一扇窗口。虽然该方法仍需改进以完美过滤掉人为噪声，但它已经重塑了对特定地震群的理解，表明看似混乱的微小地震丛集，实际上是一个受流体驱动的有组织过程。随着技术的进步，它有望揭示深层地壳的隐藏律动，帮助科学家更好地理解塑造我们星球地震未来的缓慢流体运动。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。