通过对地震目录特征的无监督分类揭示大型地震的筹备阶段

这对生活在地震风险区的人意味着什么

世界各地的社区都生活在对毁灭性地震的恐惧中，但科学家仍不能确切判断下一次大震何时何地发生。该研究探讨了日常小地震中的细微变化是否能够揭示断层正在悄然为更大事件做准备。研究人员通过对地震目录应用先进的模式发现技术，检验是否有可能识别出真正的重大地震“前兆期”——同时也能识别何时不存在这种警告信号。

通过大量小地震倾听断层

大型地震通常不是凭空发生的。在重大断裂之前，断层常常出现诸如前震、小地震群或缓慢蠕动等变化。然而，这些筹备阶段在不同地点差异很大，有时甚至看起来不存在。作者收集了五个研究充分的区域中小至中等地震的详细目录，包括2023年土耳其卡赫拉曼马拉什地震、2009年意大利拉奎拉地震和2014年智利伊基克巨冲事件。针对每个区域，他们检查了主震前多年的地震活动，寻找可能表明断层接近破裂的模式。

从原始目录到相关事件的“家族”

研究团队并不将每次地震视为孤立点，而是将发生在空间、时间和震级上接近的事件分为“家族”。每个家族包含一个主震（即其最大事件）及其相关的前震和余震。围绕每个事件，研究者计算了数十个描述性指标：地震发生的速度、在空间和时间上的聚集程度、释放的应变量以及地震规模的分布等。这些基于事件的度量随后在每个家族内取平均，并与家族内部结构的简单描述符结合（例如，该家族更像是单一的余震序列还是更为分散的群震）。最终得到的是每个家族的紧凑指纹，反映了局部断层段的行为。

让数据自行组织

作者并未预先告诉计算机“警告模式”应是什么样子，而是使用无监督机器学习。具体来说，他们应用了k-means算法，自动将具有相似指纹的地震家族归入同一类别。这些类别涵盖从更稳定的行为——事件在时间和空间上分散、释放的应变较少——到更临界的行为，表现为紧密聚集、事件间强烈相互作用以及集中的应变释放。关键是，算法并不知道何时发生主震；它只是基于特征对家族进行分组。研究人员随后检查最“临界”类别何时何地出现在与最终主震的关系中。

断层真正“预热”的地方——以及没有预热的地方

对于三次已知具有明确筹备阶段的地震——卡赫拉曼马拉什、拉奎拉和伊基克——该方法成功识别出在主震前不久出现且与早期活动区分开来的长期局部高度集中的家族。在这些情况下，临界类别与事件密集聚集、空间足迹收缩和更高的应变释放有关，符合断层段在破裂前集中应力和损伤的情形。相反，对于另外两次事件——2016年意大利阿马特里切地震和2024年日本能登地震——该流程未发现持续到主震前的独特临界家族。阿马特里切似乎以相对平静为前兆，而能登则由复杂的群震活动和流体作用主导，这表明并非所有大地震在地震目录中都有明显的地震预警。

谨慎迈向可操作的早期信息

最后，作者测试了该方法在更接近实时情形下的可行性。他们在较早时期的数据上训练分类模型，然后向前滑动遍历目录，观察何时出现新的、与众不同的类别。在三起有已知筹备阶段的案例中，聚类指标在大震发生前几周到几个月出现了显著变化，这提示该方法在操作性地震预报中可能有用途。不过，研究强调了重要的局限：该方法只能检测出确实产生可观测地震性的筹备阶段，依赖于高质量的地震目录，并需要专家解读以判断新出现的类别是否真正处于临界状态。简言之，该框架并不“预测”地震，但提供了一种基于物理的方式，突出显示何时何地小地震可能表明断层正进入更危险的状态。

引用: Karimpouli, S., Martínez-Garzón, P., Núñez-Jara, S. et al. Preparatory phase of large earthquakes illuminated by unsupervised categorization of earthquake catalog features. Nat Commun 17, 4024 (2026). https://doi.org/10.1038/s41467-026-72279-x

关键词: 地震预报, 地震活动模式, 机器学习, 前震, 断层力学