聆听森林中的声音：基于机器学习与拓扑声学的地震噪声遥感
地球物理
2026-02-24 v1 数据分析、统计与概率
摘要
监测偏远森林是全球气候减缓和生物多样性保护中面临的挑战，但卫星观测常受天气、密集林冠和太阳依赖性限制。本文展示了被动地震感知可为自主生态系统监测提供持续且全天候的替代方案，通过捕获树木在环境波场中的特征可学习信号。利用阿拉斯加的地震数据，我们证明，站点之间的横向相关性为森林检测提供了物理基础，通过近似介质的经验Green函数。应用到这些数据上的监督式机器学习模型实现了86%的分类准确率，识别出关键判别频率（35至60 Hz），与已知的林-波相互作用一致。独立的拓扑声学分析几何相位变化进一步确认了这些数据驱动分类的物理来源。这些结果首次表明，细微的森林-波相互作用在环境地震噪声中显现，并可被利用作为持续植被监测的可扩展工具，为跟踪挑战性地区的环境变化提供了稳健的解决方案。
引用
@article{arxiv.2602.18485,
title = {Hearing the forest for the trees: machine learning and topological acoustics for remote sensing with seismic noise},
author = {Jiayang Wang and I-Tzu Huang and Bingxu Luo and Susan L. Beck and Falk Huettmann and Skyler DeVaughn and Benjamin Stilin and Keith Runge and Pierre Deymier and Marat I. Latypov},
journal= {arXiv preprint arXiv:2602.18485},
year = {2026}
}