2012 年 10 月 22 日，意大利一家法院做出了一个震惊全球科学界的判决：六名地震学家和一位政府官员，因在 2009 年拉奎拉（L'Aquila）地震前"淡化风险"，被判过失杀人罪。那场 6.3 级地震夺走了约 300 条生命。检方的逻辑是：专家在地震前的一次公开评估中传递了"无需特别担心"的信息，结果灾难发生了。
这些定罪后来在上诉和意大利最高法院被陆续推翻——法庭最终认定原判建立在"不确定且错误的"推理上。但这场官司逼整个学界直面一个尴尬的事实：公众以为地震学家"应该"能预测地震，而地震学家自己知道，他们做不到。
我们能在飓风登陆前几天就发出预警，能算出小行星几十年后的轨道，却连一座城市明天会不会地震都说不出来。这一页要讲的，正是这道横亘在固体地球科学正中央的难题：确定性预测为什么近乎不可能、地震学家实际在做的"概率预报"是什么、以及 2020 年代的两条新线索——慢滑移与机器学习——把这条前沿推到了哪里。
破除误解：预测（prediction）不等于预报（forecast）
公众语境里的"地震预测"，通常指确定性短临预测：说出一场破坏性地震的具体时间、地点、震级——"下周二，洛杉矶，7 级"。这种预测，全世界没有任何方法、任何团队能够可靠做到。一次都没有过。地震学家实际做的，是概率预报：在某个区域、某段时间窗内，发生某震级以上地震的概率。这就像天气预报说"明天 70% 降雨"，而不是"明天 14:23 在你家门口下雨"。两者是完全不同的科学。
误解的代价很现实：拉奎拉审判的根源，正是公众把"专家说概率不高"误读成了"专家保证不会震"。把这两个概念分清楚，是理解整个领域的第一步——也是这门科学最需要向公众解释清楚的事。
现场：为什么确定性预测如此之难
困难不是因为我们观测得不够细，而是源于地壳本身的物理性质。
地震是一个临界、非线性、近乎混沌的系统。 一条断层积累应力到接近破裂的临界状态时，下一秒是停在那里、还是滑出一场 4 级、还是雪崩式地撕开整条断层变成 8 级——这取决于断层面上无数微观尺度的细节（摩擦、流体压力、几何凹凸），而这些细节我们既看不见、也无法测量。一个微小起始如何演变成大破裂，本质上是不可预知的。
前兆信号至今没有一个被证明可靠。 历史上人们试过无数"前兆"：地下水位变化、氡气释放、地光、动物异常、地电……每一个都在某些地震前出现过，却也在更多没有地震时出现，或在大地震前完全缺席。没有任何一个前兆通过了"高命中、低虚报"的统计检验。这与飓风形成鲜明对比——飓风在大气里有清晰、可观测、物理可解的前兆。
深度让断层不可触及。 大地震的成核区往往在地下十几到几十公里，那里我们既无法直接观测，也无法埋下足够密集的传感器。
前震只有事后才认得出来。 约半数大地震之前确实有小震活动（前震），但绝大多数看起来像前震的小震群，后面根本没有大地震跟来。换句话说，"这是不是前震"这个问题，只有在大地震发生之后才能回答——在事前，一串小震和一场即将到来的灾难之间没有可靠的区分特征。
这种困难有一个教科书级的注脚：帕克菲尔德实验（Parkfield）。圣安德烈斯断层的帕克菲尔德段在 1857、1881、1901、1922、1934、1966 年规律地发生约 6 级地震，平均每 22 年一次。1985 年，USGS 据此发布了一项正式预测：下一次将在 1993 年前到来。这里随即被建成地球上传感器最密集的一段断层，全世界都在等着抓住地震成核的瞬间。结果地震迟到了十多年，直到 2004 年 9 月 28 日才发生——而且即便有史上最完备的仪器阵列守候，事前也没有探测到任何可靠前兆。帕克菲尔德把这门科学最重要的一课钉死了：哪怕是一条被研究得最透、监测得最密的断层，也照样拒绝被预测。
谁在做、做到了哪一步：概率预报的工程化
放弃确定性预测，不等于放弃科学。地震学的主战场转向了把概率预报做得越来越严谨、越来越实时。
美国地质调查局（USGS）与南加州地震中心联合开发的 UCERF3（第三版加州统一地震破裂预报）是这条路线的代表。它是第一个能在"从不到一小时到一个多世纪"的多种时间窗上给出自洽破裂概率的模型，也是第一个能处理"多断层联合破裂"复杂情形的模型。它的余震模块（UCERF3-ETAS）在 2019 年 7 月 Ridgecrest 6.4 级地震发生后33 分钟内就跑出了余震序列模拟[ucerf]。
这就是当下地震科学真正能交付的东西：不是"明天会震"，而是"未来一周内本区域再发生 5 级以上余震的概率是 X%"。它救不了所有人，但能指导救援部署、建筑疏散和保险定价。
拉奎拉审判之后，这套思路被进一步制度化为运营级地震预报（Operational Earthquake Forecasting, OEF）。由地震学家 Tom Jordan 牵头的国际地震预报委员会提出：与其在灾难前临时拼凑一句"无需担心"，不如建立由权威机构持续发布、定期更新、讲清不确定性的官方概率预报体系。意大利在拉奎拉之后、新西兰在坎特伯雷地震序列之后，都建立了这类 OEF 系统——它们交付的不是承诺，而是一种被规范化、可问责的"概率天气预报"。
与此并行的是地震预警（early warning）——这与预测是两码事。当破裂已经开始，地震波尚未传到远处城市时，密集台网（如美国西海岸的 ShakeAlert、墨西哥与日本的系统）能抢出几秒到几十秒，让高铁刹车、手术暂停、人们就地避险。这不是预测未来，而是跑赢地震波。
两条 2020 年代的新线索
线索一：慢滑移（slow slip）。 这是近二十年固体地球最重要的发现之一。在卡斯卡迪亚（Cascadia）等俯冲带，板块边界会发生一种"无声地震"：在大约两周里，板块缓慢滑动，释放的能量相当于一次 7 级地震，却几乎不发出常规地震波，只伴随微弱的"震颤（tremor）"。这被称为幕式震颤与滑移（episodic tremor and slip, ETS）[^ets]。慢滑移之所以重要，是因为它发生在大地震成核区的边缘，可能周期性地把应力推向锁闭的断层段——它或许是离"前兆"最近的一类可观测物理过程，但能否用它来缩窄大地震的时间窗，仍是开放问题。
线索二：机器学习。 2017 年起，Paul Johnson（洛斯阿拉莫斯）团队发现，在实验室断层里，连续声发射信号中隐藏着"距离下次失稳还有多久"的统计特征，机器学习能从中预测实验室地震的时间，甚至对慢滑移也有效。这在受控实验里相当惊人。但搬到真实地壳上，热情必须降温：2024 年有研究指出，某些声称"用机器学习预测了阿拉斯加大地震"的结果，其实源于测试目录里的数据错误——当换用最新的 USGS 目录时，那个"预测"就消失了[^mlcaution]。机器学习正在深刻改变地震学（震相拾取、目录构建、余震建模），但"用它做确定性大地震预测"目前仍是未兑现的承诺，而非已有的能力。
线索三：从太空量地壳的应变。 与"预测"并行的另一条主线，是用空间大地测量把整片板块的形变"看"出来。GNSS（高精度卫星定位）连续台网能逐日记录地表毫米级的位移，InSAR（合成孔径雷达干涉）则能从卫星上绘出大范围地表形变图。它们让科学家第一次能直接观测断层在大地震间期如何被锁闭、应力在哪里悄悄积累，也正是捕捉慢滑移的关键手段。即将投入运行的 NISAR（NASA–印度合成孔径雷达卫星）等任务，将把这种"全球应变体检"的分辨率再推上一个台阶。这不会让我们"预测"出某天某地的地震，但能不断收紧"哪里更危险"的概率地图。
代价与争议
- 预测承诺的伦理重量。 拉奎拉审判暴露了一个悖论：如果科学家说"概率低"而地震来了，会被指责误导公众；如果逢震必报、宁可虚报，又会因频繁误警让公众麻木、付出巨大经济与社会代价。如何沟通不确定性，本身就是这门科学的一部分。
- 机器学习的"幻觉风险"。 地震目录稀疏、大地震样本极少，深度模型极易在噪声里"学到"并不存在的模式。一个看似准确的预测，可能只是过拟合或数据泄漏。这个领域对 ML 结果的可重复性要求格外苛刻。
- 慢滑移与大地震的因果链未证实。 慢滑移确实在调制应力，但"慢滑移 → 可预报大地震"这条链条，至今没有被任何一次真实大地震验证。
- 资源错配的风险。 把希望寄托在"终将能预测地震"上，可能挤占本该投向更确定有效的方向——抗震建筑、土地规划、地震预警系统——的资源。多数地震学家认为，让建筑扛得住比预测它什么时候来更现实、更救命。
- 误警也有代价。 即便是概率预报，频繁拉响警报也会带来巨大的经济损失（停产、疏散、交通中断）与"狼来了"式的公众麻痹。如何在漏报与虚报之间设定阈值，是个没有标准答案的社会选择，而非纯粹的科学问题。
- 数据的地域不平等。 高密度台网、慢滑移监测、机器学习训练数据，大多集中在美、日等富裕且多震的地区。地震风险最高的许多发展中地区，恰恰最缺乏观测基础设施——预报科学的进步未必能惠及最需要的人。
未知的边界
- 是否存在任何可靠的、有物理基础的短临前兆？还是大地震在本质上就不可短临预测？这是这门科学最根本、至今无解的问题。
- 慢滑移能否被用来缩窄相邻锁闭段的大地震时间窗，哪怕只是从"几十年"缩到"几年"？
- 机器学习在实验室里捕捉到的"失稳前兆"，是否对应真实地壳中存在但我们尚未识别的物理量？
- 概率预报的时间分辨率能否从"年/十年"尺度有意义地提升到"月/周"尺度？
- 一场地震在成核之初，是否就"注定"了它最终的大小？还是大小是在破裂过程中临时决定的？这个"破裂可预知性"问题，直接关系到预警系统能多早判断出"这是一场大地震"。
- 诱发地震（注水、地热、水库蓄水引发的地震）是否比天然地震更可预测？人为加载至少是我们能测量、甚至能控制的变量。
- 危险图本身能多可信？2011 年日本东北 9.0 级地震远超当地灾害模型预设的最大震级——它逼问一个根本问题：我们凭历史地震目录估计的"最大可能地震"，会不会系统性地偏低？
- 海啸预警与地震预警如何更好地耦合？对俯冲带巨震而言，抢出的几分钟既要让陆地避险，也要决定是否对沿海发出海啸撤离令。
跨域连接
- 概率论：必须区分预测与预报——确定性短临预测（说出时间、地点、震级）从未被任何方法可靠做到，一次都没有；学界实际交付的是概率预报。推论：概率预报不能用单次事件评判，只能用大量案例的校准度检验——报 30% 的事件，是否真的约三成发生。
- 混沌理论：断层是临界、非线性的系统——破裂如何从一个微小起始长成大地震，取决于断层面上无法测量的微观细节。推论：任何"前兆"若能成立也只能在统计意义上成立，单体前兆必然伴随高虚报——这正是历史上所有前兆无一通过"高命中、低虚报"检验的原因。
- 机器学习：机器学习在实验室断层里能从声发射中读出"距下次失稳还有多久"，但搬到真实地壳必须降温——曾有"预测成功"的结果源于测试目录的数据错误，换用新目录即消失。推论：地震目录稀疏、大震样本极少，这类成果必须先过可重复性这一关才算数。
- 日本东北地震：2011 年 9.0 级地震远超当地灾害模型预设的最大震级——凭历史目录估计的"最大可能地震"可能系统性偏低。推论：危险图必须考虑多断层级联破裂与更长的时间窗，只按近现代目录外推会低估尾部。
- 板块构造：慢滑移是离"前兆"最近的可观测过程——俯冲带板块无声滑动、把应力推向锁闭段；卫星测地让应变积累第一次可被直接看到。推论：但"慢滑移→可预报大震"的链条至今未被任何真实大震验证，这是必须写明的边界；预警（跑赢地震波）与预测更是两回事。
参考文献
- Field, E. H. et al. A Spatiotemporal Clustering Model for the Third Uniform California Earthquake Rupture Forecast (UCERF3-ETAS). Bulletin of the Seismological Society of America 107, 1049–1081 (2017). DOI: 10.1785/0120160173.
- Rouet-Leduc, B., Hulbert, C., Johnson, P. A. et al. Machine Learning Predicts Laboratory Earthquakes. Geophysical Research Letters 44, 9276–9282 (2017). DOI: 10.1002/2017GL074677.
- Rogers, G. & Dragert, H. Episodic Tremor and Slip on the Cascadia Subduction Zone: The Chatter of Silent Slip. Science 300, 1942–1943 (2003). DOI: 10.1126/science.1084783.
- Beroza, G. C., Segou, M. & Mostafa Mousavi, S. Machine learning and earthquake forecasting—next steps. Nature Communications 12, 4761 (2021). DOI: 10.1038/s41467-021-24952-6.
延伸阅读
- Hough, S. E. Predicting the Unpredictable: The Tumultuous Science of Earthquake Prediction. Princeton University Press, 2010.