本文与 加州理工学院合作发表。
发生大地震时，理想情况下，一线救援人员应能立即获得全市震动最强烈区域的地图，从而优先将救援力量派往受灾最严重的地区。
加州理工学院研究人员与洛杉矶联合学区（LAUSD）旗下学校开展的一项新合作，为绘制此类损毁地图迈出了关键一步，大幅扩展了洛杉矶盆地内密集地震传感器网络的覆盖范围。
为了绘制准确的震动强度图，地震学家需要在该地区多个地点测量地面运动——由于土壤和地质结构的差异，地面运动可能每隔一公里就有所不同。2011年，地球物理学教授 Rob Clayton 及其同事、工程地震学教授 Tom Heaton 以及西蒙·拉莫计算机科学荣休教授， K. Mani Chandy，着手通过 Community Seismic Network (CSN)建立此类传感器网络，该项目由戈登和贝蒂·摩尔基金会资助。
社区地震网络（CSN）由数百个小型、低成本的加速度计组成，这些仪器可在地震发生前、发生期间和发生后探测地面运动。这些加速度计最初安装在帕萨迪纳大都会区志愿者的家中。自2011年以来，每台设备都通过所在住户的网络连接持续采集地震信息并回传至CSN，使克莱顿及其同事得以绘制圣加布里埃尔谷西部的高分辨率地震活动图。但加州理工团队希望找到一种方式，将该网络的覆盖范围扩展至地震多发的整个洛杉矶盆地更广大区域。他们的创新方案是什么？将加速度计整合进洛杉矶公立学校的基础设施之中。
在CSN项目经理理查德·盖伊的努力下，目前已有100所洛杉矶联合学区学校安装了传感器，覆盖范围从洛杉矶东北部一直延伸至市中心。CSN目前正致力于扩大该项目，将该学区1000多所学校全部纳入其中。
这一新合作有望在南加州发生大地震时帮助数百万人。例如，新网络的数据可被纳入 ShakeAlert早期预警系统 ，该系统目前仍在开发中。尽管没有任何传感器能够预测地震，但这些加速度计可在洛杉矶盆地某一区域如此迅速地探测到地震，以至于在强烈震动到达之前，即可向洛杉矶盆地相邻区域的人员发出警报或预警，这或许能为他们争取到足够时间找到安全地点。
新的密集传感器网络还将为整个地区提供更精确的震动强度图。美国地质调查局已提供名为ShakeMap的类似服务，但其依赖的传感器彼此相距数英里，因此无法提供逐街区的震动及可能损毁的分辨率。新的密集传感器网络有望为ShakeMap提供更准确的损毁评估，以支持应急响应和灾后恢复工作。
“你可以想象一位消防队长走出来说：‘哇，这是一次大地震。现在我该去哪里帮助社区？’显然，他们希望把重点放在损毁和危险最严重的地方。他们还有其他事情要操心，但我们目前掌握的损毁最佳代理指标是震动强度，而我们的密集传感器网络可以提供这一信息，”克莱顿说。
但新传感器的作用不仅限于向网络输送信息，它们还能为各所学校提供宝贵信息。“校长在地震发生时面临的问题尤其棘手，”克莱顿说。“地震期间的首要动作当然是让所有人躲到课桌下。震动停止后，所有学生都会从校舍撤离到操场上。那么，校长接下来该怎么办？此时，他们必须判断返回校舍是否足够安全，还是应该直接让学生回家。但他们并不知道学校受损情况有多严重。”
克莱顿表示，新的学校传感器有助于为这一判断提供依据。这些传感器的工作方式与此前安装在志愿者家中的传感器大致相同，即记录地面加速度，并通过互联网连接将数据回传给研究人员，但它们还配备了一台机载计算机，可将地震事件与所谓的脆弱性曲线进行比对。脆弱性曲线可预测在所测震动强度下，某一特定建筑可能遭受的损坏。
“结合脆弱性曲线，这些传感器可以让学校负责人判断重返校舍是否安全，”克莱顿说。
社区地震网络与洛杉矶联合学区的合作由戈登和贝蒂·摩尔基金会资助。该网络是加州理工学院地震学、地震工程和计算机科学系之间的合作项目。
发布本文不代表世界经济论坛认同文中观点。
如需及时了解议程动态，请 订阅我们的每周通讯。
作者：Jessica Stoller-Conrad，专注于食品、健康和科学领域报道的作家。
图片：加利福尼亚发生6.0级地震后，一辆汽车驶过12号公路开裂的沥青路面。路透社/Stephen Lam。
