深度學習與人工智慧在黃石火山活動分析中的應用:一項長達 15 年的突破性研究

AI趨勢專家 / Anson Luo
深度學習與人工智慧在黃石火山活動分析中的應用:一項長達 15 年的突破性研究

黃石火山以其獨特且複雜的水熱系統與頻繁的地震群活動而聞名,但長期以來,控制這些地震群空間分佈與時間演變的因素始終是科學家們難以釐清的謎團。 一篇發表於《科學進展》(Science Advances)期刊的研究,利用深度學習模型與人工智慧,成功分析了黃石地區長達 15 年的地震數據,為我們揭示了這些地質活動背後的關鍵機制。


主要研究內容

  • 探討了黃石火山(Yellowstone caldera)地震群的長期動態。
  • 研究人員利用先進的深度學習演算法和詳細的三維速度模型,構建了一個涵蓋 15 年的高解析度黃石火山地震數據。
  • 研究的主要目的是釐清控制火山系統中地震群空間分佈和時間演變的因素。

主要發現

  • 地震群的長期時空分佈:

    黃石水熱系統的一個顯著特徵是地震群活動在長時間內的時空分佈。研究發現,許多大規模的地震群(事件數 n>50)彼此空間相近或相鄰, 但卻被相對平靜的長時間間隔所分隔。這種模式在研究區域至少三個不同的橫截面中都得到了證實。

  • 流體遷移是驅動因素:

    這種地震活動的發作可能反映了一個長時間的水熱流體遷移過程。當滲透性封層突然破裂時,可能會觸發附近的地震活動。

  • 流體擴散與注入:

    緩慢擴散的水性流體(時間尺度為數年)與觀察到的地震活動間歇期一致。一旦滲透性封層破裂,孔隙壓力會迅速擴散,驅動持續數週的地震群活動。

  • 與諾里斯間歇泉盆地的關聯:

    諾里斯間歇泉盆地(Norris Geyser Basin)曾發生過顯著的變形事件,包括 2013-2014 年的快速抬升,隨後是 2016 年到 2018 年的地震、 突然沉降和再次抬升。黃石火山地震群很可能與諾里斯間歇泉盆地記錄的變形事件有關。

  • 地震活動與岩漿房的關係:

    研究發現,2022 年地震群中較深的地震(深度 9 到 11 公里)比推測的岩漿房(深度 10 到 15 公里)還要淺。這表明地震活動是由揮發物的傳輸觸發的,而非岩漿房本身。


深度學習:突破性地震數據分析工具

傳統的地震學研究在處理海量地震波形數據時面臨巨大挑戰,而這項研究的成功正是建立在人工智慧技術的基礎上。

  • 高解析度地震數據的建構:

    研究人員運用領先的深度學習演算法,並結合詳細的三維速度模型,建立了一個涵蓋 2008 年至 2022 年、長達 15 年的高解析度地震數據。 這個數據為分析黃石火山區的長期動態提供了前所未有的精確度。

  • EQTransformer 模型的應用:

    為確保分析的可靠性,研究團隊選用了名為 EQTransformer 的預訓練模型。該模型不僅能可靠地在單通道和三通道儀器上運作,更被證明具有極低的偽陽性檢測率。

  • 大量高信度數據的生成:

    透過在連續波形數據上執行此模型,研究共產生了約 470 萬個高可信度的震相拾取結果。其中,高達 83% 的 P 波到達都有對應的 S 波拾取,突顯了人工智慧在數據處理上的卓越能力。


人工智慧洞察:揭示地震群的驅動機制

藉由這個前所未有的高解析度地震數據,研究人員得以深入分析黃石火山地震群的長期時空分佈。

  • 水熱流體遷移是核心驅動因素:

    黃石水熱系統的一個顯著特徵是地震群活動的長期時空分佈。這種地震活動的發作很可能反映了持續多年的水熱流體遷移過程。

  • 「擴散-注入」模式:

    該研究提出了一種可能的機制,緩慢擴散的水性流體,其時間尺度可達數年,這與觀察到的地震活動間歇期相符。 而一旦滲透性封層破裂,孔隙壓力便會迅速擴散,觸發持續數週的地震群活動。這種強烈活動的空間分佈並非隨機,而是受到系統長期動態的強烈影響。

  • 地震活動與岩漿房的關係釐清:

    研究還對地震活動與岩漿房的關係進行了深入探討。分析發現2022 年地震群中較深的地震(深度 9 至 11 公里)比推測的岩漿房(深度 10 至 15 公里)還要淺, 這一發現強烈表明,地震活動是由揮發物的傳輸觸發的,而不是岩漿房本身。

  • 與諾里斯間歇泉盆地的關聯:

    研究進一步將數據與歷史記錄聯繫起來。很可能與諾里斯間歇泉盆地記錄的顯著變形事件有關。 該盆地曾於 2013-2014 年發生快速抬升,隨後是 2016 年至 2018 年的地震、突然沉降和再次抬升。這些事件被認為與 2 至 3 公里深處的揮發物積累有關。


這項研究透過深度學習與人工智慧的結合,為我們理解黃石地區的地震活動提供了前所未有的詳細見解。它不僅證實了長期的水熱流體過程在驅動地震群活動中扮演著關鍵角色 , 也為其他火山系統的地震學分析提供了可借鑑的先進方法。隨著人工智慧技術的持續發展,我們可以期待未來能建立更精準、更全面的地震監測與預測模型,為地質災害的預防與管理提供更有力的支持。


參考資料:
- ScienceAdvance Volume 11| Issue29 | 18 Jul 2025
- Long-term dynamics of earthquake swarms in the Yellowstone caldera


聯絡我們

台灣



劉小姐
0983-778-980
emmie.liu@papagoinc.com
劉小姐 QRcode
姓名 *
聯絡電話 *
Email *
企業名稱
職位
需求

香港


Alvin Lo
852-9301 0058
info@face8.hk