深地震是地球科學(xué)中的一個未解之謎,。過去三十年里，地震學(xué)家發(fā)現(xiàn)深地震的破裂過程與淺地震有諸多不同,，認(rèn)為這些不同是由深地震獨(dú)特的產(chǎn)生機(jī)制導(dǎo)致,。中國科學(xué)技術(shù)大學(xué)李澤峰課題組利用機(jī)器學(xué)習(xí)對全球3000余個中大震級地震進(jìn)行了系統(tǒng)分析，證明了深地震破裂過程和震源參數(shù)的差異由地球剛度隨深度變化導(dǎo)致,，與地震的具體產(chǎn)生機(jī)制無關(guān),，糾正了該領(lǐng)域長達(dá)三十年的錯誤解釋。2023年5月1日,，該研究成果以“深淺地震的相似地震矩釋放過程（Similar seismic moment release process for shallow and deep earthquakes）”為題發(fā)表在國際學(xué)術(shù)期刊《Nature Geoscience》,。
深地震是指震源深度超過60公里的地震。由于地球深處高溫高壓,，巖石表現(xiàn)出塑性形變,，深地震的產(chǎn)生機(jī)制與淺地震的脆性破裂有所不同。關(guān)于深地震成因有許多猜想,，如脫水脆化,、熱失穩(wěn)和亞穩(wěn)態(tài)橄欖石相變等，但至今仍沒有定論,。了解深地震的成因和破裂過程有助于我們更好地理解地震的物理機(jī)制,、俯沖帶的性質(zhì)以及地球內(nèi)部的動力過程。長久以來,，地震學(xué)家通過分析震源時間函數(shù),，發(fā)現(xiàn)淺地震(0-60 km)、中源地震(60-300 km)和深源地震(300-700 km)具有不同的破裂特征,，并根據(jù)這些差異推斷深地震可能的產(chǎn)生機(jī)制,。
李澤峰課題組創(chuàng)新性地設(shè)計了一系列機(jī)器學(xué)習(xí)實(shí)驗(yàn)，對全球3000多個中大地震進(jìn)行了分類和相關(guān)性分析（圖1）,。結(jié)果證明淺地震和深地震的破裂過程差異都可以被隨深度變化的地球剛度所定量解釋,，而與具體的地震產(chǎn)生機(jī)制無關(guān)。這一發(fā)現(xiàn)挑戰(zhàn)了傳統(tǒng)的地震應(yīng)力降不變假設(shè),，轉(zhuǎn)而支持了應(yīng)變降不變,，即斷層滑移距與斷層破裂長度比值對不同深度,、不同介質(zhì)下的地震均保持恒定。該理論預(yù)測發(fā)生在巖石剛度較低的超淺地震（如海嘯地震）會有更長的持續(xù)間以及更大的破裂面積,，可能造成超出預(yù)期的破壞,，對地震預(yù)警以及地震災(zāi)害評估具有重要指導(dǎo)意義。
圖1. 全球震級>5.5級的淺,、中深和深源地震分布
研究團(tuán)隊據(jù)此提出了新的基于介質(zhì)剛度校正的地震標(biāo)度律（圖2）,，將地震學(xué)界沿用超過半個世紀(jì)的自相似理論拓展到不同深度不同巖石種類的地震。傳統(tǒng)地震標(biāo)度律認(rèn)為持續(xù)時間和破裂面積遵從相同的縮放關(guān)系,，但這一關(guān)系并不適用于不同深度的地震,。新的地震標(biāo)度律考慮到不同深度的地震的持續(xù)時間和破裂面積會受其破裂區(qū)巖石剛度影響，增加了對巖石剛度的校正,，使得不同深度不同介質(zhì)的地震持續(xù)時間和破裂面積都會遵循相同的縮放關(guān)系,。新的地震標(biāo)度律深化了我們對地震物理本質(zhì)的理解。
圖2. 新的地震標(biāo)度律預(yù)測了地震關(guān)鍵參數(shù)隨地球深度的系統(tǒng)性變化
本文第一作者是中國科學(xué)技術(shù)大學(xué)地球和空間科學(xué)學(xué)院博士研究生崔鑫,，李澤峰研究員為通訊作者,，合作者包括胡巖研究員。中國科大是本研究的唯一完成單位,。研究受到國家重點(diǎn)研發(fā)計劃和國家自然科學(xué)基金項(xiàng)目的資助,，是李澤峰課題組近年來致力于將人工智能應(yīng)用于地震科學(xué)發(fā)現(xiàn)(AI for Earthquake Science)的系列研究成果之一。
論文鏈接：
https://www.nature.com/articles/s41561-023-01176-5
擴(kuò)展閱讀：
Li, Z. (2022), A generic model of global earthquake rupture characteristics revealed by machine learning, Geophys. Res. Lett., 49(8), e2021GL096464.
Ma, S., Z. Li, W. Wang (2022), Machine learning of source spectra for large earthquakes, Geophys. J. Int., 231(1), 692–702.
Yin, J., Z. Li, M. Denolle (2021), Source time function clustering reveals patterns in earthquake dynamics, Seismo. Res. Lett., 92, 2343-2353.
相關(guān)公眾號文章：
https://mp.weixin.qq.com/s/lKubDiS2bWF7Hsjo8c_YIw
（地球和空間科學(xué)學(xué)院、科研部）
