使用海底电缆偏振信号与机器学习进行地震探测

用海底互联网电缆“聆听”地震

世界上大多数地震在海洋之下发生，远离传统的陆基传感器。然而，几乎每个大陆都由庞大的光纤电缆网络连接，承载着我们的互联网流量。本研究提出一个简单而有力的问题：那些现有的电缆能否同时充当巨大的、现成的“耳朵”，用来监听海底的地震？

为什么一条互联网电缆能“感受”地面运动

在光纤中传播的光不仅仅传输数据；当电缆弯曲、拉伸或振动时，光的内部性质会发生细微变化。其中一种性质是偏振状态，它衡量光波在传播时的方向取向。当地震导致海底移动时，掩埋或搁置的电缆会被扰动，进而影响到光纤中光的偏振。作者研究了地中海的一条重要互联网线路——连接西西里卡塔尼亚与特拉维夫的Med‑Nautilus电缆，试图确定真实地震是否在这些偏振信号中留下稳定的指纹。

将原始电缆信号转化为可用线索

在2022年中至2024年底之间，一家意大利电信运营商提供了来自该电缆、与偏振相关的持续记录，以及光学系统运行状况的信息。研究人员将这些数据与覆盖地中海的独立地震目录配对，重点关注60个5级及以上事件。他们使用标准地球模型估算每次地震到电缆的距离以及主次波的到达时间。随后对光学数据进行清洗和标准化，将其切分为围绕每次事件的时间窗口以及没有显著地震的对照时期。这种细致的准备为在完全相同的数据上测试传统检测方法与现代人工智能奠定了基础。

简单规则不够用，学习型算法更胜一筹

团队首先尝试了经典地震学风格的工具，这些方法通过固定阈值寻找信号强度或频谱能量的突变。在偏振数据上，这些规则驱动的方法要么产生过多误报，要么错过大多数真实事件，有时表现不如随机猜测。相比之下，能够同时权衡许多细微特征的机器学习模型表现明显更好。一种称为极端梯度提升（Extreme Gradient Boosting，XGBoost）的技术，通过汇聚许多小决策树的判断，当被要求区分受地震影响的日子与相对平静的日子时，达到了约60%的准确率、灵敏度和特异性。对模型行为的分析显示，它并不依赖单一的决定性特征，而是依靠一组统计量的混合，共同捕捉偏振模式中小而有意义的变化。

电缆能听到与听不到的事

作者接着考察了哪些地震最有可能被学习算法识别。令人意外的是，像与电缆的距离、震源深度甚至震级这样的直观因素并未显示出简单的趋势。有些中等强度的地震产生了明显、可检测的偏振变化，而其他具有类似特征的事件却大多被忽略。另一种深度学习方法，它学习电缆“正常”行为并将强偏离标记为异常，仅对少数最大的事件有明确反应。这表明电缆“听到”一场地震的能力不仅取决于地震本身；电缆与海底的耦合程度、埋设和构造方式以及周围的环境噪声等细节都起着重要作用。

未来海洋监测的宏观视角

尽管检测率有限且存在许多漏检，研究为概念验证提供了重要证据：即便Med‑Nautilus电缆从未被设计为传感器，其光偏振仍携带关于强震的可用信息。对公众而言，关键讯息是我们的既有数字基础设施在原理上可以兼作广泛且低成本的科学仪器网络。如果此类方法得到改进并与其他传感技术结合，全球海底电缆系统或许能帮助填补当前海洋地震监测的盲点，为沿海社区提供更早、更丰富的海底活动洞见。

引用: Caruso, M., Morelli, M., Monaco, A. et al. Seismic detection using submarine cable polarization signals with machine learning. Commun Earth Environ 7, 421 (2026). https://doi.org/10.1038/s43247-026-03434-x

关键词: 海底电缆, 地震检测, 光纤传感, 机器学习, 地中海