当格陵兰潮水冰川前缘断裂入海并形成冰山时，全球地震网络在一定条件下能够捕捉到相关信号。研究人员在2026年美国地震学会（SSA）年会上表示，地震观测对大型崩解事件的时间分辨率更高，而卫星影像在空间定位方面更具优势，将两者结合可最大程度提升冰川崩解事件的检测概率。

地震信号与卫星观测的互补

加州大学圣地亚哥分校斯克里普斯海洋研究所地球物理学教授Adrian Borsa表示，利用成对卫星图像，研究人员几乎可以对冰川崩解事件实现“接近完美”的地理定位。但他同时指出，卫星影像难以将事件发生时间精确到两三天以内，也难以区分同一时间窗口内的多次崩解。

Borsa称，相比之下，地震方法在较大事件上具备更高的时间分辨率，能够记录同一冰川在数小时间隔内发生的连续崩解。

研究人员表示，随着全球变暖，冰川崩解等大规模冰损失事件出现得更为频繁。掌握这些事件的发生频率、位置以及导致冰体最终断裂的因素，被认为对评估未来海平面上升及潜在区域性影响（如海啸）具有重要意义。

大型崩解事件可被全球地震网络探测

研究指出，冰川崩解会产生较强的地表波能量，全球地震网络能够探测到，但相关事件在地震目录中可能被遗漏或被误判。为检测并刻画格陵兰西海岸的崩解事件，Borsa及其同事使用了2019年美国境内约400个台站的“美国阵列”（USArray）数据，当时该便携式阵列仍在运行。

Borsa表示，观测结果显示，只有规模足够大的崩解事件才可能被全球地震阵列检测到，其地震等效震级约为3.9至5.5级，对应崩解面积约0.3至1.8平方公里。

他同时指出，卫星数据能够识别的崩解事件规模“比研究团队认为能产生可探测地震信号的事件小两个数量级”。此外，研究还发现地震震级与崩解面积或规模之间几乎不存在明确对应关系，较为清晰的特征是存在一个“规模阈值”，超过该阈值的事件更可能被地震方法捕捉。

Borsa称，冰川崩解能量向固体地球传递的效率可能与冰川自身条件有关，例如与着陆线的距离，或崩解冰块运动过程中的动力学特征。

建立目录后转向前兆识别与新方法

Borsa表示，在建立西格陵兰较为完整的地震与卫星影像崩解事件目录后，研究团队下一步将寻找可能预示崩解发生的信号。他指出，成像技术可提供冰川末端前方海冰与冰混合物的时空分布信息，以及崩解前上游冰川的瞬时速度变化，这些因素被视为冰川崩解与冰川系统状态反馈循环的一部分。

斯克里普斯地球物理学教授、论文合著者Wenyuan Fan表示，在地震数据中识别崩解事件的难点之一在于其地震波振幅往往从背景噪声中逐渐增强，且缺乏清晰的体波相位，使传统识别方法面临挑战。

在SSA会议上，斯克里普斯博士后研究员Fengzhou Tan介绍了其团队利用机器学习技术搜索格陵兰冰川相关地震事件的工作；澳大利亚国立大学地震学家Thanh-Son Phạm则介绍了基于区域地表波的西南极Thwaites冰川崩解检测算法。