玻尔百科地球持续不断的随机颤动——即我们通常试图滤除的环境噪声——竟能成为深刻地质见解的源泉，这似乎有悖直觉。然而，革命性的环境噪声干涉技术恰恰实现了这一点。它提供了一种无需依赖不可预测的地震或昂贵、侵入性的人工源（如爆炸）即可对地球内部进行成像并监测其随时间变化的方法。这种方法解决了长期以来如何获得关于我们这个动态星球的连续、高分辨率视图的挑战。
本文将引导您了解这项非凡的技术。在第一章 “原理与机制” 中，我们将探讨其基本概念，从通过互相关的数学魔力从噪声中提取清晰信号，到提取作为虚拟地震实验的关键格林函数。随后，在 “应用与跨学科联系” 一章中，我们将展示该方法的强大实际应用。我们将看到它如何被用来创建精细的地球地壳图，如何像行星级的听诊器一样监测火山和断层，甚至如何在城市环境中找到应用，将城市的轰鸣声转化为岩土工程的工具。
想象一下，您身处一个完全黑暗的巨大洞穴中。您什么也看不见，但想绘制出它的形状。您会怎么做？您可以拍拍手，然后听回声。回声返回所需的时间告诉您到墙壁的距离。现在，想象这个房间并非寂静无声，而是充满了持续的、嘶嘶作响的静电声——一种随机、无方向的嘈杂声音。在这种喧嚣中听到任何回声似乎是不可能的任务。然而，环境噪声干涉技术的非凡核心在于，这种随机噪声并非障碍，而是我们信息的来源。通过倾听地球无处不在的微弱嗡嗡声，我们可以描绘出其内部的图像，就如同我们自己引爆了可控的爆炸源一樣。让我们一起探究这一看似神奇的壮举是如何实现的。
我们工具箱中的核心工具是一种名为互相关的数学运算。让我们回到那个嘈杂的房间，但现在我们有两个麦克风A和B，相隔一定距离。我们在两个位置都记录下嘶嘶声。互相关函数，我们称之为 ，是衡量当麦克风B的记录在时间上偏移量为 时，麦克风A的信号与麦克风B的信号有多相似的度量。
如果一个随机声波恰好先经过麦克风A，稍后又经过麦克风B，两者都会记录到一个相似的波形。当我们将B的记录在时间上向后滑动并与A进行比较时，我们会找到一个时刻，一个特定的时间延迟 ，使得这两个波形完美对齐。在这个特定的 值下，相关值会很高。当然，这个时间延迟正是声音在A和B之间传播的时间。
现在，单个随机声波提供不了太多信息。但在一个随机噪声场中，波浪不断地从各个可能的方向穿过我们的麦克风。当我们对很长一段时间的互相关进行平均时，奇妙的事情发生了。所有不相关、不相干的波（那些只击中A而未击中B，或以错误顺序击中它们的声波）的贡献会平均为零。而剩下并得到加强的，是那些沿着A和B之间路径传播的波的一致回声。我们最终从噪声中得到了一个清晰的信号，其峰值出现在等于传播时间的时间延迟 處。更美妙的是，我们还在 处得到了一个峰值，对应于从B传播到A的波。互相关函数是双边的，为我们提供了两个方向的传播时间！
我们提取的这个“回声”并非普通信号。在适当条件下，它是一个被称为格林函数的深刻物理量。您可以将格林函数（通常表示为 ）看作是一个系统最基本的响应。它是在位置 、 时刻对介质施加一个单一、无限尖锐的“戳刺”（狄拉克δ函数脉冲）后，您在位置 将记录到的精确振动。它包含了关于波如何从B传播到A的所有信息，包括它们的传播时间、形状变化以及因衰减而导致的能量损失。
地震干涉技术的惊人结果是，一个扩散噪声场的互相关经过一些处理后，就变成了格林函数。具体来说，互相关函数 的时间导数与从B到A的格林函数 减去其时间反转版本 成正比。这意味着通过被动地聆听噪声，我们创造了一个虚拟源。就好像我们在B台站放置了一个源，并在A台站记录结果，而我们自己从未产生任何信号。
这种魔力依赖于自然界一种被称为互易性的深刻对称性。在大多数简单介质中，从A到B的路径与从B到A的路径是相同的；形式上，。这个基本原理可以从波动方程本身推导出来，它确保了虚拟源实验在两个方向上都有效，并使得被动噪声和主动源实验之间的联系如此优雅。
格林函数的提取并非必然成功。它需要在一个关键假设下才能实现：即环境噪声场是扩散的。一个扩散场是指，平均而言，波能向所有方向均匀流动。这是一种能量均分的状态，即能量均匀分布在所有可能的波类型和传播方向上。可以将其想象成，站在一个角落里只有一个扬声器的房间，与身处一个由无数个随机喋喋不休的小扬声器组成的球体内部，两者之间的区别。只有在第二种情况下，声场才是真正扩散的。
在地震学中，环境噪声的主要来源是海浪与海底相互作用，产生全球性的“嗡嗡声”。如果这些源完美地分布在我们的地震台站周围，噪声场将是扩散的。这对我们的互相关意味着什么？这意味着从A传播到B的能量，平均而言，与从B传播到A的能量相同。因此，我们相关的因果部分（对于正时间延迟 ）和非因果部分（对于负时间延迟 ）将具有对称、等强度的振幅。
但如果噪声不是扩散的呢？想象一下，大部分噪声来自一个遥远的海岸线，从一个主导方向传来。这种各向异性的源分布打破了对称性。如果主导波从A传播到B，我们将在相关的因果部分得到一个强信号，但在非因果部分得到一个非常弱的信号。互相关变得不平衡。但这远非一个问题，这种不对称性是一个强大的诊断工具，告诉我们地球主要噪声源的方向性。
从理论到实践的飞跃依赖于两个强大的统计思想：平稳性和各态遍历性。如果一个随机过程的基本统计特性（如均值和方差）不随时间变化，那么它就是广义平稳（WSS）的。地球的嗡嗡声在几天或几个月的平均尺度上，可以很好地近似为一个平稳过程。这意味着噪声的基本统计特性是一致的。
更重要的是，我们假设噪声是各态遍历的。各态遍历性是一个关键属性，它允许我们用时间平均来替代“系综平均”。系综平均需要我们观察无限多个平行宇宙中的噪声场并取其平均值——这显然是不可能的。一个各态遍历过程是指，一次足够长的记录就能代表整个系综。这意味着通过长时间记录，系统会遍历其所有可能的状态，时间平均值会收敛到真实的统计平均值。正是各态遍历性授权我们，可以利用单一、长时间的地震记录，通过时间平均，揭示出其内在的、确定性的格林函数。为了在数学上成立，噪声过程必须在时间上足够“混合”，这个条件与其自相关函数衰减得足够快有关。
我们已经将互相关描述为时域中的“移位、相乘、求和”操作。这很直观，但在计算上很慢。幸运的是，一个优美的数学定理——维纳-辛钦定理，在频域中提供了一种优雅且快速的替代方法。
首先，我们使用傅里葉变换将我们的时域信号 和 分解为其频率分量 和 。对于每个频率 ，这些分量都是一个复数，包含振幅和相位信息。该定理指出，互相关函数的傅里葉变换就是单个傅里葉变换的乘积，其中一个需要进行复共轭。这个乘积被称为互功率谱密度或互谱，。
为了得到我们的时域相关 ，我们只需对互谱执行傅里葉反变换。这种频域方法效率极高，并允许我们在变换回时域之前以强大的方式处理信号。
真实世界的地震数据并非我们理想化模型中完美的、平稳的高斯噪声。它被地震、局部人类活动和仪器故障所污染。环境噪声谱本身也不是平坦的；它在某些频率（微震）上有巨大的峰值。为了获得一个干净的格林函数，我们必须首先“驯服”这些原始数据。这涉及一个多步骤的处理流程。
一个关键的第一步是精确的时间校正。在数天和数月的时间里，台站时钟可能会漂移。即使是毫秒级的误差也可能破坏相干平均过程，因此信号会被重采样到一个共同的高精度时钟上。
接下来，我们处理信号振幅的剧烈波动。为此使用了几种巧妙的归一化方案，所有这些方案都涉及一个有趣的权衡：它们牺牲了真实的振幅信息，以便稳定和清晰化走时（相位）信息。
一种更先进的技术，反褶积干涉技术，更进了一步。它不仅仅是关联台站A和B，而是将互谱 除以台站B的自谱 。在理想条件下，这可以更有效地消除噪声源的谱“色彩”，从而提供对地球响应的更干净的估计。
我们拼图的最后一块揭示了物理学中一个惊人的统一性。虽然大多数环境地震噪声来自海洋和大气，但其中一些确实是地球自身的内部热噪声——原子随机抖动的结果，就像电子电阻器中的热噪声一样。在这个范畴内，地震干涉技术成为涨落-耗散定理的直接体现。
这个深刻的定理指出，一个系统在受扰动时耗散能量的方式（一个由格林函数封装的属性）与其在热平衡状态下自发涨落的谱直接相关。换句话说，一个系统的随机嘶嘶声包含了其确定性响应的蓝图。该定理预测，对于处于热平衡的系统，噪声互谱与格林函数的虚部成正比，并按温度和频率进行缩放。这将统计力学的微观世界与地震学的行星尺度观测联系起来，表明同样的基本原理支配着放大器的嘶嘶声和行星的嗡嗡声。它有力地提醒我们，在宇宙看似随机的噪声中，现实最深层的结构正等待被发现。
在上一章中，我们揭示了一项非凡的魔法。我们了解到，通过耐心聆听地球看似随机、不相干的颤动——即“环境噪声”——并执行一个简单的互相关数学技巧，我们可以变出如果我们的一个地震检波器是震源时本应记录到的信号。本质上，我们可以让地球按需对我们说话，而无需地震的剧烈呼喊或爆炸的人为巨响。我们已经提取了格林函数，即任意两点之间介质的基本响应。
这是一个令人愉快和惊讶的结果。但一个好的物理学家，或任何好奇的人，都会立即问：“那又怎样？” 这个技巧有什么用？我们现在拥有了这种能力，可以做些什么新事情？事实证明，这不仅仅是一个巧妙的奇思妙想；它是一把钥匙，解锁了观察、探测和理解我们世界的无数新方法。我们已经从仅仅开发一种新型“麦克风”发展到拥有一个完整的成像系统、一个行星级的听诊器，甚至一个土木工程工具包。现在让我们踏上旅程，探索其中一些迷人的应用。
我们新发现的能力最直接的应用是创建地球内部的地图，这项技术被称为地震层析成像。其原理很简单，至少在概念上是这样。我们在两个台站之间提取的格林函数本质上是一个波从一个台站传播到另一个台站的记录。通过测量传播时间，我们可以推断出波的传播速度。如果我们对许多台站对都这样做，用密集的路径网格纵横交错地覆盖一个区域，我们就能建立该区域地震速度的地图，就像CT扫描利用来自多个角度的X射线来构建人体的三维图像一样。
但这里有一个微妙之处。在环境噪声场中占主导地位的面波是频散的，这意味着不同频率的波以不同的速度传播。低频波以其长波长“感受”到地球更深处，而高频波只对浅层结构敏感。这是一份美妙的礼物！这意味着通过将我们提取的信号分解为其组成频率，我们可以在不同深度绘制地球的速度结构图。
用于此的技术是一种优美的信号处理方法，称为频率-时间分析（FTAN）。我们取互相关信号，让它通过一系列非常窄的“滤波器”，每个滤波器都调谐到一个特定的频率。这就像拥有一套只与特定音符共鳴的音叉。对于每个滤波后的信号，我们观察能量包到达的时间。这个到达时间对应于*群速度——即该特定频率能量的速度。通过对整个频率范围执行此操作，我们可以测量出一条频散曲线*，它显示了速度如何随频率变化。这里的一个关键见解是滤波器的选择；科学家们经常使用高斯形滤波器，因为它们在确定波的确切时间和确切频率之间提供了最佳的折衷，这是物理学基本的不确定性原理所施加的限制。
一旦我们为许多台站对收集了这些频散曲线，每条曲线都告诉我们沿路径的平均速度，我们就可以执行统计反演来创建详细的地下地图。对于给定的频率，我们有许多关于不同距离 的走时 的测量值。通过绘制 对 的图，我们期望看到一条直线，其斜率是速度的倒数。通过找到穿过我们所有数据点的最佳拟合线，我们可以获得对我们路径采样区域速度的稳健估计。对我们所有的频率重复此过程，我们就建立了一个地壳和上地幔的三维模型，揭示了古老的构造缝合带、火山下的岩浆房和沉积盆地。
也许环境噪声干涉技术最具革命性的应用是它不仅能在空间上，而且能在时间上监测地球的能力。地球不是一个静态的物体；它是一个活生生的、呼吸的躯体。岩浆在火山下移动，应力沿断层线累积和释放，地下水位上升和下降。这些过程虽然通常缓慢而微妙，却会导致岩石地震波速的微小变化。在干涉技术出现之前，检测这些微小的变化几乎是不可能的。
利用我们的技术，我们可以每天计算两个台站之间的格林函数。如果它们之间的路径发生变化，即使是微小的变化，我们提取的波形也会改变。想象一下我们有一个来自“安静”时期的基准记录 。一个月后，介质发生了一些微妙的变化，我们记录到一个新的波形 。如果岩石的速度降低了一个微小的比例，比如0.1%，这意味着波在其旅程的每一段都将多花0.1%的时间。新的波形看起来与旧的几乎完全相同，但它在时间上会被轻微拉伸。
这导致一种测量速度变化的极其优雅的方法，通常被称为“拉伸”法。我们取新波形 ，并将其在时间上按一个可变数量 进行拉伸和压缩，创建一系列信号 。然后我们找到使拉伸后的信号与原始基准信号匹配得最完美的 值。这个最佳拉伸值 直接给出了速度的相对变化量，。令人惊讶的是，用于此测量的信号中最敏感的部分不是干净、直接的到时，而是信号那长而杂乱的尾部，即尾波。这个尾波由在其旅程中经历了多次散射的波组成，广泛地采样了介质。因为它们传播了很長時間，它们的路径被大大延长，所以它们累积了更大且更易于测量的时间偏移，这使得它们对微小的、均匀的速度变化极其敏感。
这项技术改变了火山学，使科学家能够观察岩浆房的膨胀和收缩。它被用来监测断层带的应力变化，这可能预示着地震的发生。在更小的尺度上，它甚至被用于土木工程中，以监测建筑物、桥梁和水壩的结构健康状况，寻找损坏或老化的迹象。我们简直是在利用地球的嗡嗡声作为一个行星尺度的健康监测系统。
到目前为止，我们一直在讨论测量走时或速度。但这就像仅仅用节拍来描述一首交响乐。波的特征不仅仅是它的速度；它还有振幅（其响度）和相位（其时间点）。当波穿过地球时，它不仅需要时间，还会损失能量——这种现象称为衰减。含有裂缝或流体的岩石比坚固、寒冷的岩石更能衰减波的能量。此外，波的能量可以被速度结构聚焦或散焦，就像透镜聚焦光线一样。
我们基于噪声的格林函数也能告诉我们这些属性吗？答案是肯定的。通过分析全波场——包括其相位和振幅——我们可以创建这些其他物理属性的地图。一种被称为亥姆霍兹层析成像的强大技术正是这样做的。它从基本的波动方程出发，表明我们提取的波场的振幅和相位的空间变化是相互关联的。具体来说，振幅场的局部“曲率”告诉我们关于聚焦和散焦的信息，而振幅和相位梯度的组合则揭示了局部的衰减情况[@problem_spt_id:3575711]。这使我们能够创建地球对地震波的“模糊度”或“清晰度”地图，提供了仅凭速度无法获得的关于温度、流体含量和岩石类型的线索。
此外，地球中的许多物质，特别是在地壳和地幔中，是各向异性的——它们的特性取决于你观察的方向。想想一块木头的纹理；顺着纹理劈开比逆着纹理容易得多。同样，地震波的传播速度或衰减程度可能因其传播方向与岩石中矿物或裂缝排列方向的相对关系而异。通过使用密集的地震仪阵列记录所有方向传播的波，并将来自环境噪声的丰富信息与来自地震振动器等主动源的清晰、直接路径相结合，我们可以开始解开这些复杂的方向特性。正在开发先进的反演策略，以创建不仅是单个衰减参数（）的地图，而是其完整各向异性特征的地图，为我们提供了关于地球岩石圈结构和应力状态的前所未有的洞察。
我们一直在讨论我们可以用环境噪声做的所有事情，但我们对这些噪声实际上来自哪里一直含糊其辞。在这些研究通常使用的频段（周期从几秒到几十秒），地球“嗡嗡声”的主要来源是海洋。当深海中的海浪来回晃动时，它们会相互干涉，产生压力波，推动和拉动海底，从而生成在全球传播的地震波。这就是为什么位于大陆中心的地震仪能听到遥远太平洋风暴的轰鸣声。
但這並不是唯一的來源。在一个将“某人的垃圾”变成“另一人的宝藏”的绝佳例子中，地震学家发现城市中人类活动产生的高频噪声——汽车、火车、建筑施工——也可以用于干涉测量！。通过在城市区域放置地震仪，我们可以利用无處不在的交通轰鸣声来提取格林函数，并绘制极浅地表的地图。这对于岩土工程、滑坡灾害评估和城市规划具有巨大潜力。当然，新的噪声源带来了新的挑战。与可以相当扩散的海洋嗡嗡声不同，交通噪声通常是高度定向的——想想一条繁忙的高速公路。这种方向性可能会使我们的测量产生偏差，但如果我们正确地建模，我们仍然可以提取准确的信息。
这将环境噪声干涉技术带入了一个新的领域，可以直接与传统浅层地球物理技术，如使用大錘等主动源的表面波多道分析（MASW）进行比较。比较这两种方法的研究表明，它们可以提供非常一致的结果，同时也突出了各自独特的偏差——例如被动噪声的源方向性和主动方法的近源效应。这种协同作用使得对我们脚下地面的表征更加完整和稳健。
与任何真实世界的测量一样，应用环境噪声干涉技术既是一门艺术，也是一门科学。地球并非我们简单模型中完美的、均匀的球体。一个直接的复杂因素是地形：地球有山脉和山谷。穿过山脉传播的波必须覆盖比穿过平原更长的路径，这会引入延迟，可能被误解为慢速区域。幸运的是，如果我们能够表征地形的统计特性——例如其平均粗糙度和相关长度——我们就可以在数学上预测这将给我们的测量带来的平均偏差和不确定性，从而使我们能够对其进行校正。
此外，为了测试我们的理论和反演算法，我们严重依赖计算机模拟。我们建立地球的数值模型并模拟波的传播，看看是否能重現我们的观测结果。但这些数值方法本身并不完美；它们会引入自己微妙的误差，例如“数值频散”，即模拟的波速取决于模型的网格大小。理解和基准测试这些不同计算工具的行为是科学过程中一个关键但有时被忽视的部分。
最后，现代地震学中庞大的数据量——来自全球数千个台站的连续记录——为另一个跨学科联系打开了大门：机器学习。我们现在可以反过来思考这个问题，并使用数据科学技术来提问：什么样的环境条件能给我们带来最优质的格林函数？通过向机器学习模型输入噪声源的每日代理数据——如风速、海浪高度，甚至人类交通模式——我们可以训练它来预测我们干涉测量结果的质量。然后通过解释该模型，例如使用像SHAP分析这样的方法，我们可以获得关于驱动我们信号的物理洞察。例如，我们可能会发现，高海浪是获得良好信号的主要贡献者，而局部高风通过在接收器附近产生不相干噪声来降低信号质量。这不仅帮助我们更好地理解噪声场，而且还能智能地为我们的成像和监测任务选择最佳数据。
从深部地幔到城市街道，从绘制古老大陆到预测火山爆发，对噪声进行互相关这一简单行为，为我们提供了一种全新而强大的与我们的星球互动的方式。它将地震学从一门关于间歇性、剧烈冲击的科学转变为一门关于持续、微妙聆听的科学。通过拥抱“噪声”，我们学会了倾听地球真实、永恒的音乐。