一個利用人工智慧自動偵測和定位地震的新方法。 該系統成功的定位了臺灣最近的地震，並幫助科學家們追蹤正在進行的地震分布。
作者: 郭陳澔博士、孫維芳、黃俊銘、潘勝彥, 國立臺灣大學
Citation: Kuo-Chen, H., Sun, W., Huang, C., Pan, S., 2022, 近即時地震資料處理有助科學家了解地震特性, Temblor, http://doi.org/10.32858/temblor.276
This article is also available in English.
9 /17 (六)晚間臺灣東部關山地區發生了震矩規模 6.5 地震。僅僅相隔17 小時後，在池上地區又發生震矩規模 6.9 主震，使花東縱谷南部兩側的建築物、道路和橋樑產生嚴重的破壞，隨後也發生多起餘震。 前震與主震對於了解該地區的地震災害很重要，而這些伴隨主震後的餘震事件則提供了許多有價值的資訊，例如：整個地震序列的破裂過程、該區域存在的小斷層系統等等。
當地震來襲時，科學家們透過分析在各地震站所記錄的地震波形資料，來了解地震相關的訊息。準確的判定P波和S波何時到達各地震站，對於地震定位來說至關重要。然而，利用傳統人工地震定位的方式，在海量般的地震波形資料中去判識 P 波和 S 波到達時間，是極度耗時的，特別是大震後的餘震序列，會在非常短的時間內發生大量地震事件。
能夠快速評估餘震的分布，可以幫助科學家追踪大地震後和未來可能發生地震災害的區域，這對於地震災害管理提供極有價值的資訊。
我們最近開發了人工智慧(AI)地震波資料處理的技術，應用於我們在2021 年底開始於臺灣東部池上地區部署的五個地震站網。非常幸運的，這個地震站網剛好包覆整個主震區域，能夠很好地記錄此地震的完整序列。因為此人工智慧系統 (SeisBlue)可自動監測到傳入的地震波形並進行判讀，成功地近即時監控整個地震序列─從前震、主震到餘震的發震過程。SeisBlue 是一個深度學習地震數據處理平台，可用於建立離線或近即時地震目錄。
近即時地震目錄
在震矩規模 6.5 前震發生後的 39 小時內，SeisBlue 共偵測到 6,104 次地震並有1,223 次地震可定位。 大部分餘震分布於花東縱谷南部 ，南北展距長約20 公里。 據居民回憶，建築設施的破壞多為主震發生後所致，且破裂分布範圍大致與我們監測到的地震分布相似。
在震矩規模 6.5 前震發生後的兩天內，SeisBlue 監測到的地震目錄已向公眾發布。 一般來說，若利用傳統方法建立像這次相當規模大地震的地震目錄，可能需要六個多月或甚至更久的時間才可能完成。 地震學家和防救災單位可使用該近即時地震目錄進行災害評估，學界更可使用該目錄來確定地表破裂的潛在位置並快速進行地表調查。
參考文獻
https://github.com/SeisBlue/SeisBlue
Mousavi, S. M., Ellsworth, W. L., Zhu, W., Chuang, L. Y., & Beroza, G. C. (2020). Earthquake transformer—an attentive deep-learning model for simultaneous earthquake detection and phase picking. Nature communications, 11(1), 1-12.
