海嘯預測面臨的挑戰
天災來臨時，預警是唯一的守護者
海嘯，為人類面對自然力量反撲時最無助的瞬間之一。它們來勢洶洶，幾乎沒有任何徵兆。歷史上多次重大海嘯事件皆發生於大地震之後的數十分鐘內，造成鄰近沿岸地區極大傷亡。2004年印度洋海嘯導致約23萬人罹難；2011年日本東北外海地震引發的海嘯也造成福島核災，留下震撼全球的記憶（Imamura et al., 2019）。這些悲劇強烈提醒我們：即時預警是唯一能對抗海嘯的方法。而要做到這一點，科學家與工程師必須在極短的時間內，精確掌握海嘯的起源、波高、傳播方向與到達時間。這聽來簡單，實際上卻充滿挑戰。
海嘯模擬的核心難題：地形資料與波傳模型
海嘯預測模型高度依賴地震震源資訊（如震央位置、破裂方向、斷層滑移）與海底地形資料。地形資料尤其關鍵，因為海嘯波在海中的傳播速度為水深的平方根（shallow water wave theory）。深海中波速可達每小時700公里，但在靠近陸地的淺海，速度驟降，波高也會因此急遽上升，造成破壞。問題在於，世界大部分海域的水深資料解析度不足，甚至臨岸區域完全缺乏。尤其在太平洋島鏈、南美西岸、印尼群島與印度洋邊緣等海嘯高風險區，精細水深資料的取得不僅困難，更新速度亦緩慢。即使是像GEBCO（General Bathymetric Chart of the Oceans）這樣的全球資料庫，其解析度仍有限，無法提供足夠準確的海床資料以支撐高精度模擬。
高成本的全球防災網與它的極限
為提升預警效能，已有國家投入大量資金建置海底觀測系統，如美國DART系統、日本的S-net與DONET（Kanazawa et al., 2016）。這些系統具備即時壓力偵測與資料回傳能力，能在地震發生後數分鐘內提供初步波形資訊。然而，這些系統建置成本高昂，維護不易。例如一顆DART浮標的成本約為25萬美金，每年還需專人維修、定期更換電池與校準感測器。大多數國家難以承擔這種規模的佈建成本。在這些現實考量下，是否能跳脫傳統框架，找到更普及、成本低、又有效的新技術？我們的答案是：來自海洋的環境噪音。
環境噪訊干涉法的創新應用
「噪音」並不無用：海浪的微弱低語
海洋從未真正安靜過。即使在沒有風暴的承平時期，海面上也總有微弱的波浪與風互相作用，形成背景能量場。這些能量穿過海水，造成海底壓力微幅變化，被布設在深海海床上的壓力感測器捕捉(圖一)。這些看似雜亂無章的訊號中，包含了長周期的重力波(GWs)和亞重力波（IGWs），其波長可達上千公里，週期為30–1000秒。雖然能量微弱，但它們能在海洋中穩定傳播數千公里而不衰減，因此常被科學家比喻為「海洋中的低語」（Webb et al., 1991）。而低頻段的重力波之動力學行為與海嘯波相當類似，都是典型的淺水波（shallow water waves），其波速僅和水深有關。這項特性為我們提供了關鍵線索：或許我們可以用低頻重力波，來模擬海嘯的傳播。
圖一、太平洋DART站位示意圖與深海壓力計的時頻變化。各區域壓力紀錄除了海洋噪訊外亦具有季節性特徵，反映風場與氣候系統變化和極端事件(如地震、風暴)的影響。
從地震學借鏡：環境噪訊干涉法
這套技術的理論基礎來自地震學，稱為「環境噪訊干涉法」（Ambient Noise Interferometry），最早由Campillo與Paul（2003）提出，隨後被廣泛應用於地震波速度變化監測（Shapiro et al., 2005）、火山活動監控（Donaldson et al., 2017）與冰川消融（Mordret et al., 2016）等研究。其核心概念為：當噪訊源足夠隨機擴散（diffuse）時，任兩個觀測點的環境噪音資料交互相關（cross-correlation），就可以近似出波從一點傳到另一點的格林函數（Green’s function），即兩觀測點之間波傳介質的響應。這等同於不需要主動震源，只靠自然環境中的「背景能量」，就能反推出系統的響應行為。在我們的研究中，我們將這個概念首度大規模應用於海嘯模擬與預測，證明這套方法在海洋環境中同樣成立，且效果優異。我們分析了2008–2017年DART系統29個海底壓力站的資料。原始資料經過潮汐移除和簡易正規化處理後，我們計算逐天任兩側站間的交互相關函數，最終將十年的資料進行疊加取得任一測站對之間的格林函數(圖二A)。若分析格林函數之波速，與每一測站對之間的平均水深之關係。其結果顯示周期300秒以上的亞重力波之波速介於150–250 m/s之間 (圖二B)，完全符合淺水波理論預測（Bosboom and Stive, 2021）。
圖二、(A)不同站間距的洋底壓力計測站對近似之格林函數展示。(B)不同頻段的環境噪訊格林函數呈現頻散特性，高頻波傳播速度明顯變慢，低頻波較快且符合淺水波理論。
案例驗證：阿拉斯加2018年海嘯事件
我們將這套方法應用於2018年阿拉斯加海嘯事件，並與傳統的數值模擬COMCOT（Liu et al., 1998）結果對比。結果顯示，經由環境噪音方法推估的波形，在到達時間、主波結構、甚至尾波段的特徵上，都與DART實測資料吻合度更高(圖三)。
圖三、比較阿拉斯加地震引發之海嘯波於各壓力計的真實紀錄(黑色)、傳統COMCOT海嘯波模擬(藍色)、以及環境噪訊干涉技術推估之格林函數(紅色)。
開啟普及海嘯預測的新篇章
降低門檻，擴大全球應用
環境噪訊干涉法的優勢在於不需詳細海底地形（bathymetry）資料;可依賴既有壓力感測資料;可先建立格林函數資料庫，事件發生即可快速比對。這讓缺乏資源的小型島嶼國家與沿海城市，有機會建構「輕量化的海嘯預警能力」，在第一時間作出反應。
增強韌性與即時反應力
由於環境噪訊技術能事前預建格林函數資料庫，一旦地震發生，便可直接套用，與地震震源函數進行捲積（convolution）而快速產生海嘯模擬結果。這種方法不僅反應速度快，也能減少對精細水深與高性能計算資源的依賴，大幅提升預測系統的操作彈性與抗錯誤能力。
這項研究展示了科學如何從微小、看似無用的環境訊號中，提取出對人類有價值的資訊。我們從「海浪的低語」中學會傾聽，從中辨識危機來臨的腳步聲，讓預測不再是奢望，而是實用且可普及的技術。當科技與自然對話，預警不再是奢侈的特權，而是每一位沿海居民的基本權利。未來，我們期待這項技術能在全球各地開花結果，真正落實海嘯減災的最後一哩路。
參考文獻
Bernard, E. N., & Meinig, C. (2011). History and future of deep-ocean tsunami measurements. Proceedings of Oceans'11 MTS/IEEE Kona, 1–7. https://doi.org/10.23919/OCEANS.2011.6107113
Bosboom, J., & Stive, M. J. F. (2021). Coastal dynamics. Delft University of Technology. https://coastaldynamics.org/
Campillo, M., & Paul, A. (2003). Long-range correlations in the seismic coda. Science, 299(5606), 547–549. https://doi.org/10.1126/science.1078551
Denolle, M. A., Dunham, E. M., Prieto, G. A., & Beroza, G. C. (2014). Strong ground motion prediction using virtual earthquakes. Science, 343(6169), 399–403. https://doi.org/10.1126/science.1245678
Donaldson, C., Caudron, C., Green, R. G., & White, R. S. (2017). Open-path seismic interferometry at volcanoes. Geophysical Research Letters, 44(20), 10,804–10,812. https://doi.org/10.1002/2017GL074926
Felix, R., Hubbard, J., Wilson, K., & Switzer, A. (2024). Heatmap analysis of modeled coastal tsunamis using different bathymetry data resolutions. Geoscience Letters, 11(1), 47. https://doi.org/10.1186/s40562-024-00289-0
Godin, O. A., Zabotin, N. A., Sheehan, A. F., & Collins, J. A. (2014). Interferometry of infragravity waves off New Zealand. Journal of Geophysical Research: Oceans, 119(2), 1103–1122. https://doi.org/10.1002/2013JC009376
Herbers, T. H. C., Elgar, S., & Guza, R. T. (1995). Generation and propagation of infragravity waves. Journal of Geophysical Research: Oceans, 100(C12), 24,863–24,872. https://doi.org/10.1029/95JC02680
Ho, K.-C., Ko, J. Y.-T., Huang, H.-H., & Lee, S.-J. (2025). A novel approach to tsunami prediction using ambient noise-derived Green's functions. Geophysical Research Letters, 52, e2024GL113971. https://doi.org/10.1029/2024GL113971
Imamura, F., Boret, S. P., Suppasri, A., & Muhari, A. (2019). Recent occurrences of serious tsunami damage and future challenges. Progress in Disaster Science, 1, 100009. https://doi.org/10.1016/j.pdisas.2019.100009
Kanazawa, T., Kawaguchi, K., et al. (2016). S-net project: Real-time tsunami observation network on the seafloor along the Japan Trench. Submarine Science and Engineering Journal, 51(2), 85–92. (Japanese reference, commonly cited in S-net literature)
Lin, S.-C., Wu, T.-R., Yen, E., et al. (2015). Development of a tsunami early warning system for the South China Sea. Ocean Engineering, 100, 1–18. https://doi.org/10.1016/j.oceaneng.2015.03.021
Liu, P. L.-F., Woo, S.-B., & Cho, Y. S. (1998). Computer programs for tsunami propagation and inundation. Cornell University, Report No. CE-TR-186.
Mordret, A., Mikesell, T. D., Harig, C., Lipovsky, B. P., & Prieto, G. A. (2016). Monitoring southwest Greenland’s ice sheet melt with ambient seismic noise. Science Advances, 2(5), e1501538. https://doi.org/10.1126/sciadv.1501538
Satake, K., Namegaya, Y., et al. (2010). Tsunami observations and modeling from bottom pressure gauges. Japan Geoscience Union Meeting Abstracts, TTT021-04.
Shapiro, N. M., Campillo, M., Stehly, L., & Ritzwoller, M. H. (2005). High-resolution surface-wave tomography from ambient seismic noise. Science, 307(5715), 1615–1618. https://doi.org/10.1126/science.1108339
Titov, V. V., Gonzalez, F. I., et al. (2005). Real-time tsunami forecasting: Challenges and solutions. Natural Hazards, 35(1), 41–58. https://doi.org/10.1007/s11069-004-2403-3
Webb, S. C., Zhang, X., & Crawford, W. C. (1991). Infragravity waves in the deep ocean. Journal of Geophysical Research: Oceans, 96(C2), 2723–2736. https://doi.org/10.1029/90JC02212
