SeisBlue深度學習地震目錄：解析2022 MW6.9臺東關山池上地震序列及其地震地體構造
郭陳澔1、孫維芳1、潘勝彥1、黃俊銘1、管卓康1、顏一勤2、何俊瑋3、紀宗志4、古進上4、黃柏壽4、傅慶州4
1國立臺灣大學地質科學系
2顏一勤應用地質技師事務所
3交通部中央氣象署
4中央研究院地球科學研究所
地震目錄一直是地震研究的奠基石，提供基礎震源資訊，例如地震規模與分布、震源機制與b值等。尤其大地震過後，製作快速且準確的餘震序列目錄 (Kuo-Chen et al., 2022)，不僅是重要的學術成果，所提供的斷層錯動與餘震發展方向等相關資訊，能有效協助防救災專責單位評估災損與規劃救災。以2022 MW6.9臺東關山池上地震為例，大地震的餘震數量一天內可以超過1000個，若依靠傳統人工處理模式，將耗費數月才能完成相對完整的地震目錄，失去地震防救災的時效性。近年來，全台地震站數量快速增長加上中大型地震發生頻繁，欲定位完成的地震數量不斷地堆疊，需要相當時日才能逐步消化完成。交通部中央氣象署所提供的地震目錄，是許多地震統計研究的基礎數據，然而，一直以來，地震挑波與定位被視為基層工作，自然較不易受到重視。2018年花蓮地震後，因東部中大型地震發生頻繁，龐大的地震到時資料仍依賴人工處理，短時間內地震目錄一直難以完整，在分析資料後(尤其地震統計)，逐漸體認完整地震目錄的重要性。
近年來，利用深度學習於地震定位的蓬勃發展(郭陳澔等，2022)在“適當的應用”下，提供了一個非常好的契機，可以有效率並精簡人力的完成地震目錄。而所謂的“適當的應用”，即利用在地化的訓練資料集與建立好的資料品質篩選流程。在地化的訓練資料集代表特定區域的地震波特性，使得深度學習模型可以更精準的挑出地震訊號，減少誤判。另外，建立好的資料品質篩選流程，可以快速篩出非地震訊號，加以剔除。本篇文章即在這樣的思考架構下，建立並完成2022 MW6.9臺東關山池上地震序列目錄(Sun et al., 2024)。
根據SeisBlue深度學習地震目錄結果顯示(圖一)，地震分布主要在花東縱谷兩側，分為中央山脈與海岸山脈孕震構造，地震深度大多分布在20公里以上。縱谷盆地下地震並不多見，這與縱谷盆地反射震測的結果一致(圖二)，顯示縱谷盆地少有斷層切穿(Kuo-Chen et al., 2023)。另外，餘震序列震源機制解非常的複雜，各種錯動型式的機制皆有，需要再針對各地震分群加以分析其應力狀態。地震目錄的規模完整度為ML0.8(圖三)，顯示SeisBlue地震資料處理平台，搭配中研院與國科會MAGIC計畫架設的地震寬頻網資料，對此區域地震有非常好的偵測能力。
圖一、臺東關上池上地震序列地震分布(2022年九月至十月)。(a) 兩個整月，(b)九月初到最大前震前，(c)前震後一天內，(d)主震後一天內，(e)主震後第二至七天，(f)主震後第八天至十月底。紅色三角形為池上微震寬頻觀測網測站位置，紅色矩形為BATS地震站，地震資訊為SeisBlue地震目錄 (Sun et al., 2024)。
圖二、在關山前震與池上主震地區的反射震測剖面顯示在縱谷淺層(深度兩公里內)並沒有明顯斷層構造存在(Kuo-Chen et al., 2023)。
圖三、臺東關上池上地震序列地震規模(2022年九月至十月)。(a) 芮氏規模(ML)與震矩規模(MW)，(b)地震規模數量分布，(c)與autoBATS震矩規模(MW)比較，(d) 與氣象署(GDMS)芮氏規模(ML)比較 (Sun et al., 2024)。
參考文獻
Kuo-Chen, H., Sun, W.-F., Huang, C.-M., & Pan, S.-Y. (2022). Near real-time seismic data processing helps scientist understand aftershocks. Temblor. https://doi.org/10.32858/temblor.276
Kuo-Chen, H., Brown, D., Lai, S.-Y., & Chen, J.-Y. (2023). Reflection seismic profiling along the Longitudinal Valley Basin, Eastern Taiwan: In search of the Central Range fault. Tectonophysics, 869, 230129. https://doi.org/10.1016/j.tecto.2023.230129
Sun, W.-F., Pan, S.-Y., Huang, C.-M., Guan, Z.-K., Yen, I.-C., Ho, C.-W., Chi, T.-C., Ku, C.-S., Huang, B.-S., Fu, C.-C., & Kuo-Chen, H. (2024). Deep learning-based earthquake catalog reveals the seismogenic structures of the 2022 MW 6.9 Chihshang earthquake sequence. Terrestrial, Atmospheric and Oceanic Sciences, 35(1). https://doi.org/10.1007/s44195-024-00063-9
郭陳澔、黃俊銘、孫維芳(2022)。深度學習法在地震資料處理上之發展與應用。地質，41(3-4)，98–101。