美国地震局提出DAS地震预警模型，4秒P波应变数据实现中强地震快速分级
内容提要
该研究利用机器学习方法，基于P波到达后4秒内的应变波形特征，快速判断地震是否达到M5.4预警阈值。模型在钻孔应变仪数据上训练，并在DAS光缆数据中验证，成功识别2024年门多西诺角M7.0地震。该方法绕开传统震中定位，为近海地震预警提供新路径，有望补充传统台网监测不足。
延伸解读
绕开定位，直接分级：预警思路的转变
传统地震预警依赖台网先定位震中再估算震级，而本研究直接利用P波后4秒的应变特征判断是否达到M5.4阈值，绕开了易受光缆形态影响的定位环节。这种思路降低了对台站密度和方位的要求，为近海等台站稀疏区域提供了新可能。但需注意，模型只做二元分级，不输出具体震级，实际应用中需与其他系统配合。
跨设备迁移的验证与局限
模型在钻孔应变仪上训练，在DAS光缆数据上验证，对2024年门多西诺角M7.0地震的平均召回率达96%，显示一定迁移能力。但DAS数据仅来自加州一段15千米陆上光缆，且样本量有限（25次地震），海底环境、更长光缆的适用性尚未验证。跨设备迁移的稳健性仍需更多场景检验。
低频特征与静态形变：提升识别的关键
研究发现，0.2-0.5Hz频带的低频能量是区分中强震的关键，因为大震破裂过程更长，低频信号更突出。同时，部分近场地震存在静态应变偏移，仅靠动态振幅可能低估震级。未来若将动态P波特征与静态形变结合，有望提高识别能力，但静态形变的实时获取仍是挑战。
Q&A
美国地质调查局提出的DAS地震预警模型是如何工作的？
该模型利用机器学习方法，基于P波到达后4秒内的应变波形特征，通过振幅和多频带小波特征，快速判断地震是否达到M5.4预警阈值。它绕开了传统震中定位，直接进行震级分级。
DAS技术在地震预警中相比传统台网有哪些优势和不足？
DAS可利用现有通信光缆，将光纤转化为连续分布的应变传感阵列，成本低且覆盖广，尤其适合海底等传统台网稀疏区域。但光缆线性铺设导致方位信息有限，难以稳定定位震中，且记录的是应变而非传统地震仪的速度等物理量。
为什么该模型选择使用P波到达后4秒的数据？
因为P波传播较快，先于破坏性更强的S波到达，利用P波到达后4秒内的数据可以快速判断地震规模，为预警争取时间。
该模型在钻孔应变仪数据上的性能如何？
模型在钻孔应变仪数据上整体准确率达到96%，平均召回率为81%，平均精确率为79%，F1分数为78%。
该模型在DAS数据上的验证结果如何？
模型在DAS数据上成功识别了2024年门多西诺角M7.0地震，平均召回率达到96%，表明模型具备跨设备迁移能力。
该模型与ShakeAlert系统相比有何不同？
ShakeAlert依赖至少4个地震台站并需实时定位和震级估算，而该模型仅使用单台应变仪数据，无需震中定位。在2021-2024年加州预警区55次M4.5以上地震中，ShakeAlert召回率100%但精确率仅30%，该模型召回率81%但精确率79%，更注重降低误报。
该模型使用了哪些核心特征？
模型最终保留3项核心特征：0.2-0.5Hz频带三阶高斯小波系数最大值、0.5-2.0Hz频带一阶高斯小波系数极差，以及P波到达后4秒内的最大应变振幅。
该研究对地震预警有何意义？
该研究为近海地震预警提供了新路径，DAS有望补充传统台网监测不足，尤其在卡斯卡迪亚俯冲带等近海高风险区域，可更早捕捉潜在大震，为沿海地区争取额外预警时间。
