基于智能手机众包数据的高分辨率地震动图构建方法及其在城市地震风险评估中的应用

《Nature Communications》：Citizens’ smartphones unravel earthquake shaking in urban areas

本刊推荐：为解决传统ShakeMaps在城区空间分辨率不足的问题，研究人员通过融合地震台站与地震网络（EQN）公民科学计划提供的智能手机加速度计数据，开发了基于空间统计模型的高分辨率场地放大效应映射方法。研究以意大利Campi Flegrei火山区为案例，成功生成了空间分辨率显著提升的峰值地面加速度（PGA）ShakeMaps，并将区域地震动模型（GMM）的残差标准差降低13%。该成果为城市地震风险精准评估提供了创新技术路径。

　　

随着全球城市化进程加速，人口和建筑密集区的地震风险持续攀升。传统地震动图（ShakeMaps）依赖稀疏分布的专业地震台站数据和地震动模型（GMM）进行构建，在城区尺度上难以捕捉因复杂地下结构引起的场地放大效应空间变异，而这类变异对震害分布具有决定性影响。尤其在高风险火山区域如意大利Campi Flegrei"红区"，约50万居民暴露于火山碎屑流与地震双重威胁下，对高精度震动分布图的需求尤为迫切。

《Nature Communications》最新发表的研究提出了一种突破性解决方案：利用公民智能手机内置加速度计构建高分辨率地震动图。该研究团队整合了地震网络（Earthquake Network, EQN）倡议下7000-9000部智能手机的峰值智能手机加速度（PSmA）数据与29个专业台站的峰值地面加速度（PGA）记录，通过创新性的空间统计模型实现了数据融合，成功绘制出首张百米级精度的场地放大效应图。

关键技术方法包括：（1）基于四场Md3.6-3.9地震事件的台站与智能手机加速度记录；（2）建立考虑各向同性衰减的空间高斯过程模型分离场地放大效应；（3）通过双变量空间模型实现台站PGA与智能手机PSmA数据的无标定融合；（4）利用欧洲建筑数据库进行人口与建筑暴露量分析。研究区域覆盖130平方公里，包含334,837栋建筑和498,817名居民的精确位置数据。

智能手机与台站记录的偏差量化

研究发现智能手机记录存在系统性振幅依赖偏差：当PGA为0.1g时PSmA平均偏高1.67倍，PGA为0.01g时偏差达3倍。该偏差源于智能手机在建筑内的非固定放置位置及建筑结构滤波效应，阻碍了直接数据整合。

高分辨率场地放大效应图

通过数据融合模型生成的放大效应图空间分辨率显著提升，61.0%的红区面积显示出显著非零放大效应（仅用台站数据时为29.8%）。该图成功将台站残差变异性降低71.4%，揭示西部地区普遍存在放大效应而东部呈现衰减特征。

高分辨率PGA地震动图实践

对2023年9月27日Md4.2地震的实证显示，融合智能手机数据后的ShakeMap呈现出传统各向同性模型无法捕捉的小尺度空间变异。该方法无需预先确定震级和震源位置即可实时生成震动图。

区域地震动模型优化

将放大效应图作为场地效应项嵌入区域GMM后，模型残差标准差从0.410降至0.357（改进13%）。对假设Md5.0地震的模拟显示，新模型能保持放大效应图的高分辨率空间模式，显著优于基于VS₃₀场地分类的传统方法。

该研究首次实现了无需标定的智能手机与专业台站数据融合，通过动态众包网络持续学习场地特性，为地震预警系统提供了可扩展的技术框架。值得注意的是，该方法仅适用于2Hz以上频段的PGA预测，对依赖低频信息的峰值地面速度（PGV）等参数存在局限。随着全球智能手机渗透率提升，这项技术有望成为弥补专业监测网络空白区的关键手段，为高风险城市区的抗震防灾决策提供科学支撑。