How Much Temporal Information Does Earthquake Declustering Remove? An Entropy-Based Analysis of the Türkiye Catalogue

地震很少孤立发生。当一次震动袭来时，它往往会引发连锁反应：一个较小的前震可能出现在主震之前，随后是一系列可能持续数周甚至数年的余震群。对于试图理解地球深层应力模式的科学家来说，这些集群就像收音机里的静电噪声，淹没了地球自然地震活动的稳定、独立的背景噪声。为了获得清晰的信号，研究人员使用一种称为“去集群化”（declustering）的过程，试图剥离这些相关的事件，只留下代表该地区真实、潜在节奏的“主震”。然而，一个悬而未决的问题始终存在：这种清洗过程是否剔除了过多的故事内容，或者它是否留下了一种可以帮助我们理解地震随时间变化行为的可预测模式？

一项针对土耳其（一个坐落在全球最活跃断层带之一的国家）的研究，通过测量当我们试图分离这些地震事件时损失了多少信息，来应对这一问题。研究人员哈坎·卡拉卡（Hakan Karaca）并没有寻找能够精确预报下一次地震何时发生的“水晶球”；这种精确预测在目前仍超出了科学范畴。相反，他提出了一个更基本的问题：如果我们知道上个月地球有多活跃，这是否能告诉我们下个月会有多活跃？为了回答这个问题，他应用了三种不同的、被广泛使用的去集群化方法，对一份跨越五十年（从1976年到2025年）的大规模土耳其地震数据库进行了处理。随后，他使用了被称为“熵”的数学概念——该概念本质上衡量了一个系统的确定性程度——来观察在清洗过程后数据中还保留了多少秩序。

研究始于一个包含近4万次地震的统一编目。研究人员随后将这些数据通过了三种不同的过滤器。前两种方法被称为 Gardner-Knopoff 和 Deniz-Yücemen，它们使用固定的时间和距离窗口来判定哪些事件属于集群，哪些是独立事件。第三种方法 Reasenberg 则使用一种更复杂的、基于相互作用的方法，其中集群随着事件的相互连接而生长和演化。这些过滤结果的结果截然不同。前两种方法非常激进，将记录中的约70%至73%判定为相关集群并予以移除，仅留下约11,000个事件。Reasember 方法则要保守得多，仅移除了约32%的事件，保留了近27,000个事件。这种保留事件数量上的差异，为测试“清洗数据的方式是否改变了数据所讲述的故事”提供了完美的实验环境。

当研究人员分析这些剩余地震的月度计数时，他将原始数字转换为四种简单的状态：低活动、中低活动、中高活动和高活动。随后，他观察了逐月的状态序列，以观察了解一个月的状态是否能降低对下一个月不确定性的认知。结果显示，清洗方法的选择完全改变了结果。对于那两种移除事件较多的方法，月份之间的联系消失了。数据看起来基本上是随机的；知道上个月很平静，并不能告诉你这个月会是平静还是剧烈。统计指标证实，这些方法剥离了几乎所有可检测到的短期依赖性，留下了一个行为类似于掷硬币的序列。

相比之下，由 Reasember 方法处理的数据则讲述了不同的故事。由于该方法保留了更多的集群事件，所得出的序列保留了显著的时间组织性。在记录的早期年份以及最近的几十年里，数据呈现出明显的模式，即一个月的活动水平能为下一个月提供真实的信息。当已知当前状态时，对未来的不确定性显著降低。这并不意味着地震在确定性意义上是可预测的，但它确实意味着集群的“噪声”并未被完全移除，从而留下了一种被其他两种方法成功抹除的结构。

研究进一步将这五十年的时间线分为三个阶段，以观察这些模式是否随时间保持一致。那两种激进的方法在任何时期都一致表现出月份之间没有显著联系。然而，Reasember 方法在第一阶段和最后阶段显示出强烈的、具有统计学意义的联系，而中间阶段则显得较为随机。这表明，地震活动的表观可预测性并非地球本身的固定属性，而是高度取决于数据的准备方式。研究人员发现，较保守的方法留下了过去活动的“记忆”，而较激进的方法则将这种记忆抹除干净。

最终，本文证明了关于地震去集群化到底移除了多少时间信息，答案完全取决于所使用的移除工具。关于数据中剩余秩序的真相并不存在单一、客观的标准；存在的只有在特定算法规则下所幸存下来的秩序。研究结果表明，如果科学家使用激进剥离集群的方法，他们看到的将是一个由独立、不可预测事件组成的世界。如果他们使用更宽松的方法，他们看到的则是一个带有残留模式和短期依赖性的世界。这并不意味着一种方法是对的而另一种是错的，但它确实意味着，任何关于地震可预测性的结论都必须在产生该结论的数据清洗过程背景下进行理解。这项研究提醒我们，我们组织观测数据的方式可以从根本上改变我们在自然界中所看到的模式。