SMC 資料庫

議題背景：

2022年5月11日晚間23:00，國際期刊《自然》發佈一篇研究〈以瞬時重力訊號追蹤地震的增長〉（Instantaneous tracking of earthquake growth with elastogravity signals）。這篇研究指出透過機器學習，可以準確地判別以光速傳遞的瞬時重力訊號（Prompt Elastogravity Signals, PEGS），並依此評估地震的演變，提早在地震一發生時，就開始監測該地震的成長規模，達到早期預警效果。

目前預警地震時，是以地震波作為依據。採用地震波的優點是訊號非常明確，但透過地震波容易低估規模大於7的地震，傳遞的速度也較慢。因此這篇研究提出採用地震引發的瞬時重力訊號，可以克服用地震波預警的限制。瞬時重力訊號以光速傳播，因此攜帶地震訊息的速度比地震波快的多。但過去之所以沒有用瞬時重力訊號預警地震，是因為訊息非常微弱，這篇研究則在AI的協助下，克服這個問題。研究團隊目前成功以瞬時重力訊號預估日本2011東北大地震的規模與海嘯波高，但尚未實際用於海嘯與地震的預警系統中。

台灣屬於地震頻繁的地區，若能更快速預警地震，有助於減少人員傷害。對此，台灣科技媒體中心也邀請專家說明台灣的地震、海嘯預警是否有機會應用這個新技術？

研究原文：Licciardi, A. (2022). “Instantaneous tracking of earthquake growth with elastogravity signals.” Nature.

專家怎麼說？

2022年05月09日
國立臺灣大學地質科學系特聘教授 吳逸民

這份研究與其他地震、海嘯預警研究相比，最重要的發現就是採用瞬時重力訊號（Prompt Elastogravity Signals, PEGS）預警地震。瞬時重力訊號雖然傳遞的速度比P波[1]快，有利於預警系統，然而目前仍不易觀測，並非如同研究者所言，稍作調整就可以普遍應用在不同國家的地震、海嘯預警系統。

瞬時重力訊號從事地震及海嘯預警，目前仍有實際應用的限制，首先瞬時重力訊號相對小，不容易被一般儀器觀測，實際被記錄的訊號相對少。因此，本篇研究是採用人造的訊號再透過機器學習分析，對於實際運用仍有相當大的距離。預警系統是於地震發生之後，快速得出地震位置及大小，即使採用瞬時重力訊號也無法提早太多時間。對於中、大型地震，目前的預警系統可能都還可以應付，然而，對於超大型地震仍有可能出現低估大地震規模的現象。超大型地震都發生於海域的板塊隱沒帶，因此，設置即時的海底地震儀、壓力儀及地殼變形儀器，加強海域的地震及地殼變形觀測，比較符合實際的技術進程。

目前台灣沒有技術可以運用瞬時重力訊號來預警地震、海嘯，瞬時重力訊號相對小，不容易被一般儀器觀測為其主要因素。然而，瞬時重力訊號傳遞速度快，對於預警地震、海嘯會有幫助，因此，目前應該加強這方面的觀測及研究，為未來的預警做準備。

2022年05月09日
國立中央大學地球科學院水文與海洋科學研究所教授 吳祚任

Q1. 這份研究與其他地震、海嘯預警研究相比，最重要的發現是什麼？採用瞬時重力訊號（Prompt Elastogravity Signals, PEGS）預警真的如同研究者所言，稍作調整就可以普遍應用在不同國預警地震、海嘯嗎？

這裡讓我先介紹一下瞬態彈性重力訊號（prompt elasto-gravity signals，PEGS）的概念。地震是由地球內部結構發生位移所引起，以重力場而言，結構位移就會引起重力的突然變化。這也是PEGS的基本概念。不過這種引力變化的效應很小，不到地球引力的十億分之一，加上現在的測量儀器還不夠靈敏，而且環境引起的干擾訊號太大。所以要採用這方法有兩個很重要的條件，第一是地震規模要大，第二是要有很厲害的模式來分析PEGS訊號。

這篇文章就是透過人工智慧，讓隱藏在雜訊中微弱的PEGS訊號，快速準確地被辨識出來。但是對我而言，這篇文章真正吸引我的地方，在於透過人工智慧的方法，追蹤地震源的發展。有別於過去，本文所提出的方法，可以在地震還沒發展到規模8.3以上，就透過追蹤規模2到5的中小型地震，來預測大規模地震，而且本方法對於大規模地震的震源機制會了解得更準確。這樣就有機會提早對大規模地震做出更準確的預警，而不用等到地震發生之後，再透過P波或是光速的重力波來爭取地震發生到震波傳達那少少的幾秒鐘時間。

因為各地或是各板塊皆有其地質結構上的特性，所以在應用人工智慧之前，需要針對該地區的地震資料進行學習。理論上如果地震資料充裕，是可以大幅度增加準確度。

所以透過本文的方法，可以將地震預警的時間大幅提前，這將有利於大地震與大海嘯的預警。以海嘯的生成條件而言，地震規模大約必須大於7，而且震源深度在底表30公里以內，且不屬於走向滑移型的地震，才開始有機會發展出有災情的海嘯。也就是地震越強越海嘯容易發生。而本文所發展的方法，已經可以預測規模8.3以上的地震，所以對於大規模的地震與海嘯將很有幫助。

Q2.目前瞬時重力訊號預警，是否有技術、研究或實際應用的限制？我們怎麼理解這些限制比較符合實際的預警技術進程？

根據這篇文章的描述，目前透過PEGS的訊號來預警地震，仍舊受限於規模8.3以上的地震。如此大的地震在日常生活中並不常發生，例如台灣在有記錄以來，尚未有如此大規模之地震。但是可預期未來在量測儀器越來越進步，以及AI分析越來越可靠的條件下，這技術將有光明的前景。

Q3.台灣是否有技術可以運用瞬時重力訊號來預警地震、海嘯？若有我們有成功預警的案例嗎？若無，是否遇到什麼挑戰？

台灣目前尚未使用瞬時重力訊號來預警地震與海嘯，最主要的關鍵仍是PEGS的應用條件是類似於311日本大海嘯地震矩規模[2]Mw = 9.1的超大型地震（Mega-Earthquake）或是超大型海嘯（Mega-Tsunami）的等級。即便本文宣稱可應用於Mw=8.3以上的地震，這對於台灣經常出現的地震仍舊力有未逮。

因此以台灣的地質條件而言，透過廣佈地震儀、海底電纜、以及海嘯浮標，來預警規模8.3以內的地震與海嘯，再結合本文之方法，來預警規模8.3以上之地震與海嘯，將是具以前瞻性的規劃。

2022年05月11日
中央研究院地球科學研究所副研究員 黃信樺

Q1. 這份研究與其他地震、海嘯預警研究相比，最重要的發現是什麼？採用瞬時重力訊號（Prompt Elastogravity Signals, PEGS）預警真的如同研究者所言，稍作調整就可以普遍應用在不同國預警地震、海嘯嗎？

這份研究最重要的發現，是透過機器學習的方法有效地偵測出過去微弱、不易觀察的瞬時重力訊號，並利用其光速傳遞的特性，爭取更多對大地震與海嘯的預警時間。瞬時重力波與地震波，就像閃電的閃光與雷聲一樣，雖然閃光與雷聲都是在閃電發生的當下同時產生，但是光速走得比聲速快，所以我們會先看到閃光才聽到雷聲。由於地震預警的原理就是利用傳遞更快、更早被接收到的P波（通常是微弱的小震動），來預估較慢較晚到達的S波（通常是主要致災的大震動），而以光速傳遞的瞬時重力波能比地震P波更早到。換言之，就能爭取更多的預警時間供民眾在S波來臨前作緊急應變。

就地震或海嘯預警的觀點，確實僅需將P波換成瞬時重力波的觀測即可進行，十分令人振奮！但如前所述，瞬時重力波的訊號通常相當微弱與長週期，對測站紀錄的品質要求較高；該研究的成功是在已知地震位置的假設下進行；並且目前只有一個日本案例，訓練的機器學習模型在其他地區的適用性還有待測試，要普及其應用仍有一段路要走。

Q2.目前瞬時重力訊號預警，是否有技術、研究或實際應用的限制？我們怎麼理解這些限制比較符合實際的預警技術進程？

雖然瞬時重力訊號有光速傳播的優點，它的其他特性與在此研究中的假設同時可能帶來一些實際應用上的困難，例如：

1. 微弱的訊號：對測站紀錄品質要求高，需要寬頻的地震儀器，但並不是每個地區都有像日本這麼密集且高品質的測站網。
2. 長週期的特性：在此研究中使用的瞬時重力訊號週期約33-500秒，遠長於週期短於1秒的地震波Ｐ波訊號。也就是說，雖然瞬時重力波可以比P波早到很多，但可能也需要更長的時間來記錄與處理訊號，這會對光速爭取到的時間有所打折，並且大地震的位置不能發生得太近。
3. 已知震央的假設：在該研究中其實是用已經知道的震央位置，去除P波後的訊號，僅留下P波前的瞬時重力波訊號。但實務上，決定震央的位置需要先有至少幾個測站收到Ｐ波後才能進行計算。這在真正的應用上也需要考慮與改善。

Q3.台灣是否有技術可以運用瞬時重力訊號來預警地震、海嘯？若有我們有成功預警的案例嗎？若無，是否遇到什麼挑戰？

就我所知，台灣目前尚無瞬時重力訊號的相關研究工作，但台灣擁有與日本相近地高密度與高品質的地震測站網，有機會觀測到並運用瞬時重力訊號來進行預警。不過，雖然瞬時重力訊號的光速預警可能可以爭取更多的預警時間，並克服傳統預警上低估規模大於7的地震的問題。其長週期的訊號特性，可能對島內很近距離的地震幫助有限，但應可大幅加強對台灣東邊與南邊鄰近外海的沖繩與馬尼拉海溝的海溝型大地震監測。可搭配傳統地震波預警，朝向複合型地震預警系統來發展，是值得期待的新技術。

資料來源與註釋：

[1] 編註：地震波依據震動的方向，可分為P波（縱向）與S波（橫向），其中P波的傳遞速度較快，因此目前預警地震是採用P波作為依據。

[2] 編註：地震矩規模（Mw）也是計算地震大小的方式之一，主要是為了解決芮氏規模（M_L）對於超大型地震會有計算極限的問題。但因超大型地震並不常見，地震矩規模與芮氏規模的測量儀器也不同，多數國家仍使用芮氏規模（M_L）最為主要的計算方式。