合肥又双叒叕地震了！10月1日16时34分在安徽合肥市肥东县又发生了3.3级地震。接连不断的地震让不少人不禁感叹：在我们所处的这个高度科技化的时代，几乎每个领域都在突飞猛进。我们有卫星可以实时追踪全球气候变化，有超级计算机模拟各种复杂的自然现象，甚至可以在纳米尺度上操控物质。然而，地震，这种古老而常见的自然灾害，依然是一个无法准确预报的谜团。

图：合肥市地震局消息截图

目前，人类掌握的地震预警技术，利用的是地震波传播速度的差异。每当地震发生，大地都会释放两位“信使”——纵波（P波）和横波（S波）。纵波是个急性子，速度达到每秒5至8千米，穿透固体迅速到达目的地，即使在液体中也能以每秒1至5千米的速度前行。尽管它来得快，破坏力却较小。而横波则像是沉稳的“力量派”，虽然移动较慢（每秒3至4千米），但破坏力显著增强。不过，横波的致命弱点是无法在液体和气体中传播，只能在坚硬的岩石中肆虐。

图：9月18日地震预警截图

地震预警系统正是基于这个原理，通过捕捉纵波，在横波到达前抢先发出警报，为人们争取宝贵的避险时间。至于预警时长，则取决于你离震源的远近——越近，警报越短促；越远，准备时间越充裕。而这几秒到几十秒的预警，可能就是生死攸关的转折点。

然而，这也引出了一个更深的疑问：有没有更有效的方式，能够在地震发生前几天、几周，甚至几个月准确预测？我们能否提前洞察到灾难的征兆？许多人不禁开始质疑：既然连地震都无法预测，那地球科学究竟在研究什么？在投入了如此多的资源和精力后，为什么仍然无法解决这一关乎人类安全的难题？

地震预测的科学历程

在2005年，美国《科学》杂志提出了125个重大科学问题，其中第55个问题是：“是否存在有助于预报地震的先兆？”到2021年，《科学》再次提出了125个科学难题，其中包括：“我们能否更准确地预测灾害性事件，如海啸、飓风和地震？”这些问题至今悬而未决，反映出地震预测的巨大挑战。

图：杂志封面

尽管如此，科学家们从未停止探索这一难题，并提出了多种不同的预测方法。

早在1994年，King、Stein和Lin通过研究静态应力变化与地震触发的关系，揭示了地壳应力积累与地震发生的潜在联系，为预测地震的触发机制提供了理论框架。众所周知，地震是地壳在快速释放能量的过程中造成的振动，地壳就像一根被不断拉紧的橡皮筋，压力积累到一定程度后突然断裂，这一瞬间就是地震的发生。

除了计算应力变化，King等人于1996年在《Science》上发表文章，通过观测1995年阪神（大阪和神户地区）地震前地下土壤中的氡浓度变化，发现氡气浓度在震前一周显著升高，似乎是大地发出的“预警信号”。这为利用化学变化预测地震提供了一个实例，但这样的变化并非每次地震前都会出现，使地震预测变得格外困难。Toutain和Baubron（1999）的研究进一步证实了氡气等气体在地震前兆现象中的重要作用，拓展了气体地球化学的研究方向。

图：展示地下氡气逸散的示意图 大气中的氡浓度是，在地震前后，通过发生的岩石裂缝（裂口），含有氡（222Rn）的气体向地面逸散，并在辐射管理（RI）设施中进行测量。

不过，这些化学信号可能只是地球活动的表象，科学家们也在尝试利用物理变化来预测地震。

在物理现象方面，Freund（2007）研究了地震前的物理信号，特别是电磁和化学前兆现象，并认为地震发生前的电磁波变化可能是一个重要的预测依据。此外，Parsons（2005）则通过分析地震应力转移，构建了地震概率预测的数学框架，使科学家们能够更加准确地估算未来地震的发生概率。

不仅如此，科学家们还将目光投向了高空的电离层。地球上空的这一层充满了带电粒子，仿佛是一片隐形的海洋。当地震即将发生时，这片海洋的波动或许会提前透露出大地的变化。Pulinets和Boyarchuk（2004）的研究表明，电离层的扰动可能是地震前兆的表现形式，这为利用空间科学手段预测地震开辟了新方向，似乎可以通过“天象”来洞察大地的变化。

图：希腊地区的电离层地震前兆掩模：横坐标标记地震前一天和地震后一天，零标记地震当天

在地表监测方面，Avouac等人（2015）利用GPS技术对喜马拉雅地区的地壳形变进行了长期监测，研究了地震循环与应力积累之间的联系，为通过地壳形变预测地震提供了宝贵的数据支持。全球研究中，Bouchon等人（2013）发现，大地震前通常伴随着显著的前震活动，这为通过前震预测大地震提供了新的研究基础。而在统计模型领域，Rundle等人（2000）应用统计物理学模型结合临界点理论，进一步探讨了地震活动的前兆现象，为地震预测提供了理论支持。

图：利用空间大地测量观测研究岩石圈变形、地震、海啸、火山爆发及其对大气的影响

随着科技的进步，机器学习和人工智能也在地震预测中展现出潜力。Mousavi等人（2020）开发了一种基于深度学习的模型，用于识别微弱的地震信号；而Lauer和Weiss（2018）则探索了大数据和人工智能在预测地震中的应用前景，揭示了现代技术为解决这一长期难题带来的希望。

为什么地震预测依旧困难

尽管科学家们在地震预测方面进行了大量探索，提出了多种方法和模型，但要精确预测地震的“时间、地点和强度”仍是一个巨大的挑战。

首先，地壳的复杂性是地震预测面临的核心难题之一。地震的发生通常涉及大规模构造运动和长期应力积累，而这一过程并非线性进行。地壳中的岩石层、断裂带、压力状态等多种因素都会影响应力的释放模式，这使得预测地震的时机和地点极为困难。即使在相似的地壳应力条件下，不同地区的地震表现也可能千差万别。虽然科学家能够通过监测断层滑移速度和地壳形变来大致估算某些区域的地震风险，但准确预报具体的时间、地点和震级仍然遥不可及。

其次，地震源头深藏于地表之下，直接观测这些深层过程几乎是不可能的。与此同时，地震前兆现象的不确定性进一步增加了预测难度。尽管科学家们已观测到氡气浓度变化、地震前的电磁波异常和地壳形变等潜在的预警信号，但这些现象并非每次地震前都会出现，而且它们的强度、出现时间和持续时间也没有固定的规律。因此，这些前兆现象并不能作为可靠的地震预测依据。例如，氡气浓度的升高或电磁波的异常，有时会在地震发生前几天显现，有时却仅在震前几分钟出现，甚至有些前兆现象可能根本与地震无关。这种高度的不确定性极大地削弱了前兆信息的可靠性。

此外，地震的发生是多个因素共同作用的结果，属于高度非线性系统，类似于混沌现象。极小的变化可能导致完全不同的结果。地震涉及应力积累、板块运动及局部构造环境等多种复杂因素。应力的积累可能持续几百年，最后几秒钟突然释放。这样一种复杂的动力学过程，使科学家很难找到明确的临界点来预测地震的发生。正如Parsons（2005）所指出的，虽然通过应力转移分析可以估算未来地震的概率，但并不能精确预测其发生时间。

图：混沌系统-蝴蝶效应

最后，现有的技术手段也存在局限。尽管机器学习和大数据技术已经应用于地震预测，但这些技术高度依赖历史数据，特别是那些极为稀缺的高精度前兆数据。由于地震本身是一种低频、高破坏的自然现象，积累足够的有效数据非常困难，导致预测模型的优化受到限制。即便深度学习模型能够从历史数据中捕捉一些规律，自然界的复杂性与多变性仍然远远超出了现有模型的预测能力。

因此，地震的预测是非常困难的，想仅从这几次合肥地震就预测未来会有大地震的观点，基本没有太多的科学依据。

那么，地球科学真的就无用吗？

那么，是否因此就认为地球科学毫无用处呢？这样的结论显然过于片面。事实上，当前唯一能够利用纵波与横波速度差实现地震预警的技术，本身就源自地球科学的一个重要分支——固体地球物理学。

总的来说，地球科学是一门研究地球结构、形成与演化的基础学科，涵盖了地理学、地质学、地球化学、地球物理学、空间物理学、大气科学、海洋科学以及环境科学等多个分支。它所研究的对象是一个复杂而庞大的系统，跨越数万里，时间跨度达数亿年。

实际上，地球科学在众多领域对人类社会产生了深远的影响。正如中国科学院学部第九届学术年会上，徐义刚院士所提到的，地球科学为人类带来了以下几方面的重要贡献：

1. 认知层面的贡献

推动进化论的发展：19世纪初，英国地质学家查尔斯·莱尔在《地质学原理》中提出了地球演化是一个渐进的过程，这为达尔文的进化论提供了坚实的基础。地球科学家通过精确测定地球年龄（约45亿年）以及研究化石记录，揭示了生命形式的渐进演化过程。这些发现帮助人类在更广阔的时间和空间尺度上，解答了“我们是谁？从哪里来？要到哪里去？”这一根本性问题。

图：地质学原理

改变人类的世界观：20世纪中叶，板块构造理论的提出，彻底革新了人们对大陆和海洋的认识。大陆分裂与漂移、海底扩张等现象的发现，不仅改变了地理认知，还为人类开辟了探索未知领域的可能性，推动了全球范围内社会和生活方式的深刻变革。

图：板块运动

2. 财富创造层面

助力工业革命：能源是工业发展的基石，地球科学在能源的发现和开发中发挥了关键作用。煤炭引发了第一次工业革命，石油推动了第二次工业革命，第三次工业革命依赖于铀、锗、硅、锂和稀土等关键元素，而第四次工业革命则依靠新型能源和能源金属。中国科学家提出的陆相生油理论，打破了“中国贫油”的观念，发现了大庆和胜利油田，为我国现代工业体系的建立奠定了坚实基础。

图：第二次工业革命

促进矿产资源开发：地质学中的成矿理论为大规模矿产资源的发现提供了理论支持。在新中国成立初期，地质勘探为国家经济发展提供了重要保障。在“一五”时期，国家重点建设项目中，有一半的投资用于资源型城市的建设，这些城市因矿产而兴起，为建立我国独立完整的工业体系做出了巨大贡献。

3. 规则制定层面

应对气候变化，推动可持续发展：地球科学家对气候变化的研究，如爱德华·洛伦茨提出的“蝴蝶效应”和华莱士·布洛克对全球变暖的预测，为应对气候变化提供了科学依据。这些研究推动了全球范围内低碳、绿色生活方式的倡导，成为各国制定环保政策和协议的基础，促进了全球可持续发展。

指导人类活动的合理规划：地质学家通过对资源分布规律的认知，为工业化进程中的基础设施建设提供了参考。例如，他们可以根据地质构造和地层条件，预测大型矿床的分布，为工厂和交通网络的合理布局提供科学支持，极大地推动了工业化发展。

地球科学的前沿

地震预测的难题不仅源于地壳的复杂性和前兆现象的不可预见性，还与地震系统的非线性特征密切相关。尽管科学家们在地震预测方面提出了多种理论和方法，并不断探索新技术，但要在具体的时间、地点和震级上做出精确预测仍然十分困难。然而，这并不意味着地球科学毫无用处。实际上，地球科学不仅在地震预警、气候变化、资源开发等方面作出了重大贡献，还帮助人类加深了对地球演化、生命起源等根本问题的认识。

根据中国科学院与科睿唯安公司面向全球发布的年度《2023研究前沿》报告和《2023研究前沿热度指数》，当前全球关注的十大热点前沿主题包括：

地理学（6个主题）：包括集成卫星激光测高数据的海洋及森林测绘；气候变化对美国西部野火后森林恢复力的影响；高亚洲冰川质量变化的水文响应；南极洲和格陵兰岛冰量损失对海平面变化的影响；全球海风和海浪测量与评估；利用重力勘测和气候试验及其后继任务研究陆地水储量变化。

大气科学（3个主题）：包括CMIP6模式高气候敏感性成因及影响研究；基于卫星遥感数据的城市热岛效应研究；多种地球系统模型的配置优化与进展研究

行星地质学（1个主题）：小行星地表特征和样本成分分析

图：《2023研究前沿》

除了报告中提到的气候变化与环境变化领域，地球科学的前沿研究还涉及地球深部过程、极端环境生命与生物圈-地圈相互作用、地球与行星的比较科学、水圈-大气圈相互作用等领域。

由于地震、火山喷发、海啸和滑坡等自然灾害对人类社会构成巨大威胁，如何更好地预测和监测这些灾害，成为地球科学的重要研究方向之一，这也包括自然灾害的监测与预测。地球科学是一门高度依赖观测技术的学科。随着技术的不断进步，未来预测地震的日子或许不会太远。科学家们正通过融合多学科的方法，利用先进的仪器和大数据分析，逐步揭开地震预测的神秘面纱，为人类社会的安全与可持续发展提供更加可靠的保障。

END

参考文献

Avouac, J. P., et al. (2015). Lower crustal flow and seismic cycle in the Himalaya. Nature Geoscience, 8, 638-646.

Bouchon, M., Durand, V., & Marsan, D. (2013). The long precursory phase of most large interplate earthquakes. Nature Geoscience, 6(4), 299-302.

Freund, F. (2007). Pre-earthquake signals: Underlying physical processes. Journal of Asian Earth Sciences, 29(4), 605-613.

King, C.-Y., Azuma, S., Igarashi, G., Ohno, M., & Saito, H. (1996). Increased radon-222 in soil gas before the Kobe earthquake of January 17, 1995. Science, 269(5220), 1568-1571.

King, G. C. P., Stein, R. S., & Lin, J. (1994). Static stress changes and the triggering of earthquakes. Bulletin of the Seismological Society of America, 84(3), 935-953.

Lauer, M., & Weiss, J. (2018). Deep learning for earthquake prediction. In Proceedings of the AAAI Conference on Artificial Intelligence, 32(1).

Marzocchi, W., & Lombardi, A. M. (2009). Real-time forecasting during seismic sequences. Geophysical Research Letters, 36(21).

Mousavi, S. M., Ellsworth, W. L., Zhu, W., Chuang, L. Y., & Beroza, G. C. (2020). Earthquake transformer—An attentive deep-learning model for simultaneous earthquake detection and phase picking. Nature Communications, 11(1), 1-12.

Parsons, T. (2005). Significance of stress transfer in time-dependent earthquake probability calculations. Journal of Geophysical Research: Solid Earth, 110(B5).

Pulinets, S., & Boyarchuk, K. (2004). Ionospheric Precursors of Earthquakes. Springer.

Rundle, J. B., Turcotte, D. L., Klein, W., & Malamud, B. D. (2000). Precursor seismic activation and critical-point phenomena. Pure and Applied Geophysics, 157(11), 2165-2182.

Toutain, J.-P., & Baubron, J.-C. (1999). Gas geochemistry and seismotectonics: A review. Tectonophysics, 304(1-2), 1-27.

来源：石头科普工作室

编辑：亦山

转载内容仅代表作者观点

不代表中科院物理所立场

如需转载请联系原公众号