雷声与光纤电缆用于地震成像
摘要
研究人员正利用雷震和光纤电缆对地球地下结构成像,借助软件模型和来自雷暴的地震传感。
<p>我们对地球内部的了解大多来自观察地震波。这些波的传播速度会根据其穿过岩石的细节而有所不同——岩石是固态还是半熔融状态,含水量如何,是破裂的还是完整的材料,等等。从足够多的地震事件中获取足够数据后,你就可以开始拼凑出地表以下不同深度存在什么的信息。</p><p>在许多情况下,我们可以从地震等自然事件中获取数据。在其他情况下,我们使用炸药等人为制造波,从而能够在特定区域进行成像,而无需等待地震发生。现在,一个来自 Penn State 的研究团队提出,介于等待地震和自行触发地震事件之间有一个潜在选择:雷暴。</p><p>雷声携带的部分能量进入地球的上地壳,引发所谓的“雷震”。但出于各种物理原因,地震信号极其复杂,从中提取清晰信号非常困难。Penn State 团队表示,他们最终构建了一个模型,可以帮助理解这种复杂性,并用它重建了当地校园下的地形。</p><p><a href="https://arstechnica.com/science/2026/08/researchers-use-thunderquakes-to-study-structure-of-earths-surface/">阅读完整文章</a></p><p><a href="https://arstechnica.com/science/2026/08/researchers-use-thunderquakes-to-study-structure-of-earths-surface/#comments">评论</a></p>
查看缓存全文
缓存时间: 2026/08/21 22:29
# 利用雷声与光纤电缆进行地震成像
来源:https://arstechnica.com/science/2026/08/researchers-use-thunderquakes-to-study-structure-of-earths-surface/
一旦涉及地球,情况就更加复杂了。声波冲击可能作用于松软的土壤、坚硬的岩石、各类人造基础设施等不同介质,而每种介质都会影响能量的传导方式。部分能量会转化为所谓的瑞利波——能量以沿地表传播的波的形式传递。其余能量则深入地下,形成可能穿过松散物质与基岩组合层的波动。
要提取地球结构信息,必须理解雷声产生的地震波通常呈现何种形态。这在一定程度上需要对上述所有过程进行建模。由于每次雷震都会因地点和环境差异而独一无二,这个模型充其量只能是种近似。正是担心近似模型不足以生成可用数据,可能阻碍了人们更早尝试分析雷震现象。
为构建近似模型,研究团队首先使用了名为SPECFEM3D Cartesian(https://specfem3d.readthedocs.io/en/latest/01_introduction/)的软件包,该软件专精于地震波的三维重建。这个选择本身就意味着若干妥协。例如,软件将大气层简化为3.6公里厚的均质层,而雷暴附近的大气绝非如此。此外,模型更新事件的频率低于地球-大气界面波动的传播速度。为此,研究人员将地球表层20米的范围拉伸至200米来弥补差异。
这些因素都表明,有充分理由怀疑该模型能否处理真实世界数据。因此,开发团队利用途经校园的雷暴进行了实地检验。
## 通过考验
地震学领域一项令人欣喜的发现是:人们意识到那些传输猫咪照片到局域网的光纤电缆,同样可以充当地震仪(https://arstechnica.com/science/2018/06/seafloor-fiber-optic-cables-can-work-like-seismometers/)。宾夕法尼亚州立大学校园内恰好铺设了一条约4公里长、专用于地震传感的光纤线路。而该校园所在区域正值夏季雷暴频发之地。
相似文章
SubsurfaceGen: 现场尺度地球模型与地震数据的程序化生成
SubsurfaceGen 是一个基于 GPU 加速的 3D 速度模型与地震数据生成器,并发布了一个包含 4276 张 2D 速度切片及其相应波场和炮集的数据集,覆盖六种地质场景,旨在推动全波形反演的机器学习发展。
现在我们知道了吗?TerraMind与THOR的系统比较
本文对ESA的φ-lab开发的两个地理空间基础模型TerraMind和THOR进行了系统比较,分析了补丁大小和解码器类型等架构选择如何影响地球观测任务中十个用例的性能。
世界杯体育地震学实验
太平洋西北地震台网在世界杯期间于西雅图体育场部署地震传感器,记录球迷产生的震动,延续其体育地震学实验。
EON希望将数据高速公路从海底光纤转移到太空激光
EON是一家于5月成立的隐形初创公司,已筹集1075万美元,用于构建使用激光通信的卫星网络,在数据中心之间以高达2.4 Tbps的速率传输数据,旨在补充或替代高需求线路上的海底光缆。
可扩展的地理空间机器学习用于电力线路资产风险:集成遥感进行闪电和植被风险建模
本文介绍了一个可扩展的、模块化的地理空间机器学习框架,用于基于遥感数据的电力线路资产级风险建模,涵盖闪电和植被危害,以增强公用事业资产管理和气候韧性。