火山進階：聽診一座火山，預測它何時甦醒
從岩漿庫超壓、Mogi 變形模型到失效預報法——現代火山監測如何把「何時噴發」變成可計算的科學問題
如果大屯火山明天要醒了，我們會在多久前知道？
入門篇我們談過岩漿為什麼會熔、為什麼有的火山溫和、有的猛烈。但對住在台北盆地的兩百多萬人來說，真正攸關性命的問題其實更尖銳：一座火山從「躁動」到「噴發」，地表會留下哪些可以被儀器抓到的前兆？我們能不能在它爆炸前幾天、甚至幾週，發出警報？
這正是現代火山學最前沿、也最務實的一塊：火山監測與噴發預測(volcano monitoring and eruption forecasting)。它把岩漿物理、地球物理觀測與統計推論縫合在一起，目標只有一個——把「火山什麼時候噴」這個看似玄學的問題，變成一個可以量化、可以下決策的科學問題。這篇進階篇，我們就站在台灣大屯火山觀測站(TVO)的視角，把這套「聽診器」拆開來看。
岩漿庫的「超壓」：噴發的力學開關
要預測噴發，得先理解噴發的力學起點。一個位於地殼中的岩漿庫(magma chamber/reservoir)，並不是裝滿岩漿就會噴。它需要累積足夠的超壓(overpressure, $\Delta P$)——也就是岩漿庫內壓力超出周圍岩石所能承受的程度——才能撐裂上方岩石、開出一條通往地表的岩脈(dike)。
超壓從哪裡來？主要兩條路：
- 注入(recharge)：深部有新岩漿補進岩漿庫，體積增加，壓力上升。
- 結晶與出溶(crystallization & exsolution)：岩漿冷卻結晶時，殘餘熔體富集揮發物；當水氣出溶成氣泡，氣相體積遠大於溶解相，等於在密閉容器裡「打氣」。
岩石的抗張強度(tensile strength)有限，通常岩漿庫壁只要承受約 $\Delta P \sim 10$–$40\ \mathrm{MPa}$ 的超壓就會破裂。把岩漿庫粗略當成一個埋在彈性半空間裡的球狀壓力源，它造成的地表變形可以用經典的 Mogi 模型(Mogi model) 描述。對一個深度 $d$、半徑 $a$、超壓 $\Delta P$ 的球狀源，正上方地表的垂直隆起 $u_z$ 近似為：
$$u_z = \frac{(1-\nu)\,\Delta P\, a^3}{\mu\, d^2}$$
其中 $\mu$ 是岩石的剪切模量(shear modulus)、$\nu$ 是帕松比(Poisson's ratio)。這條看似簡單的式子是火山大地測量(volcano geodesy)的基石：它告訴我們，地底岩漿庫的脹縮，會在地表留下毫米到公分等級、可被測量的「呼吸」。反過來，只要量到地表變形，就能反推地下壓力源的深度與體積變化。
三支聽診器：地震、變形、氣體
現代火山監測靠三大支柱交叉驗證，三者各自看到岩漿活動的不同側面。
第一支：地震(seismicity)。 岩漿與氣體在地下移動會敲打、撐裂岩石，產生各式微震。其中最關鍵的是兩種訊號的對比：
- VT 地震(volcano-tectonic earthquake)：脆性岩石被撐裂的高頻訊號，像一般構造地震，代表岩漿正在「開路」。
- LP 地震 / 火山顫動(long-period event / volcanic tremor)：低頻、持續的振動，被認為來自流體（岩漿、氣體）在裂隙與通道中的共振流動。當監測網從零星 VT 轉為持續性顫動，往往意味著流體已逼近地表，是噴發迫近的危險訊號。
第二支：地表變形(deformation)。 這是 Mogi 模型大顯身手的地方。早年靠水準測量與傾斜儀，今天則靠兩大利器：連續式 GNSS（衛星定位） 測站，可達毫米級精度；以及 InSAR（合成孔徑雷達干涉測量），用衛星雷達波的相位差，繪出整片地表的變形圖。InSAR 一張影像就能覆蓋整座火山，看出哪裡在鼓、哪裡在消——這是地面測站做不到的空間解析度。
第三支：氣體地球化學(gas geochemistry)。 岩漿上升時，溶解度低的氣體先出溶逸出，所以噴氣的化學成分像血液檢驗報告。特別關鍵的是 $\mathrm{CO_2/SO_2}$ 比值：$\mathrm{CO_2}$ 在較深、較高壓就出溶，$\mathrm{SO_2}$ 要到較淺才大量釋放。因此當監測到 $\mathrm{CO_2/SO_2}$ 比值下降、$\mathrm{SO_2}$ 通量上升，通常代表有新鮮、富氣的岩漿上升到淺部——這在大屯火山群的小油坑、大油坑噴氣孔監測中正是核心指標之一。
三支聽診器單獨都可能誤判，但當「VT 地震增多 + 地表加速隆起 + $\mathrm{SO_2}$ 通量飆升」同時出現，火山學家就有相當把握判斷：岩漿真的在動了。
從訊號到預報：失效預報法
有了前兆訊號，怎麼把它變成一個「哪一天可能噴」的數字？這裡介紹一個漂亮而實用的工具：失效預報法(Failure Forecast Method, FFM)，由 Voight 在 1988 年提出。
它的核心洞見是：火山岩體在噴發前的破裂，和材料科學裡的「潛變失效(creep failure)」遵循同一條普適規律。某個前兆量 $\Omega$（例如地震發生率、變形速率）的演化，可以寫成：
$$\frac{d^2\Omega}{dt^2} = A\left(\frac{d\Omega}{dt}\right)^{\alpha}$$
當指數 $\alpha = 2$ 時，這個方程有一個關鍵性質：前兆速率的倒數 $1/\dot{\Omega}$ 會隨時間「線性下降」，並在某個時刻趨近於零。那個 $1/\dot{\Omega} \to 0$ 的時間點，就是系統「失效」（噴發）的預估時刻。
這給了監測者一個極簡單的操作方法：把「地震速率的倒數」對時間畫圖，如果出現一條往下的直線，把它延伸到碰觸時間軸，交點就是預測的噴發日。這條方法曾在數次噴發中（如蒙特賽拉特、雷東巴火山）展現價值。
動手算一下：用 $1/\dot{N}$ 反推噴發日
假設某火山進入躁動期，我們統計每天的 VT 地震次數 $\dot{N}$（次/天），整理出倒數：
| 觀測日（第 $t$ 天） | 地震速率 $\dot{N}$（次/天） | $1/\dot{N}$（天/次） |
|---|---|---|
| 第 0 天 | 5 | 0.200 |
| 第 4 天 | 10 | 0.100 |
| 第 8 天 | 20 | 0.050 |
可以看到 $1/\dot{N}$ 大致呈線性下降。用前兩點求斜率：
$$\text{斜率} = \frac{0.100 - 0.200}{4 - 0} = -0.025\ \text{（天/次）/天}$$
直線方程為 $\dfrac{1}{\dot{N}} = 0.200 - 0.025\,t$。令 $1/\dot{N} = 0$（速率趨近無限大、岩體失效）：
$$0 = 0.200 - 0.025\,t \quad\Rightarrow\quad t_{\text{噴發}} = \frac{0.200}{0.025} = 8\ \text{天}$$
於是模型預測第 8 天左右噴發。注意第 8 天我們實測 $1/\dot{N} = 0.05$ 仍未到零，現實中數據會有雜訊與彎曲，必須滾動更新這條直線。FFM 的精神不是「一次算準」，而是隨著新數據持續修正逼近——這也是所有噴發預測的共同宿命：它是機率性的逼近，不是水晶球。
為什麼火山這麼難「測準」：非線性與開放系統
如果方法這麼漂亮，為什麼火山預報還是常常失準？因為火山是一個高度非線性、開放的系統，至少有三道難關：
第一，前兆不一定通向噴發。 火山可能轟轟烈烈地隆起、地震、冒煙，然後……又安靜下去。這叫失敗噴發(failed eruption) 或岩漿侵入未達地表。岩漿可能在淺處停下、冷卻、結晶，前兆就消退了。所以「躁動(unrest)」不等於「噴發」，這讓警報充滿「狼來了」的兩難。
第二，通道幾何會反饋改變系統行為。 噴發過程本身會改變岩漿通道的形狀、改變氣體逸散效率，進而改變壓力演化——這是個會自我修改規則的系統。淺部岩漿的氣體若能透過裂隙網滲流(permeable degassing)逸出，可能就溫和釋壓；若通道被堵死，壓力累積就導向爆炸。同一座火山，可以在寧靜與猛烈之間反覆切換（如大屯山的安山岩質系統就具備這種潛在雙面性）。
第三，數據往往不足。 多數危險火山的「上一次大噴發」可能是幾百、幾千年前，現代儀器只記錄到它生命中極短的一瞬。沒有完整的「噴發前行為樣本」，統計模型就難以校準。這也是為什麼長期、連續、不中斷的監測本身就是無價的科學資產——大屯火山觀測站自 2011 年運作以來累積的基線數據，價值正在於此。
重點回顧
- 噴發的力學起點是岩漿庫累積足夠超壓 $\Delta P$（約 $10$–$40\ \mathrm{MPa}$）撐裂岩石；超壓來自岩漿注入與揮發物出溶。
- Mogi 模型 把地下球狀壓力源與地表變形連起來（$u_z \propto \Delta P\, a^3 / d^2$），是火山大地測量反推岩漿活動的基礎。
- 監測靠三支聽診器交叉驗證：地震（VT 對 LP/顫動）、地表變形（GNSS、InSAR）、氣體（$\mathrm{CO_2/SO_2}$ 比值與 $\mathrm{SO_2}$ 通量）。
- 失效預報法(FFM) 把「前兆速率的倒數」對時間外推到零，估計噴發時刻，須滾動更新。
- 火山是非線性開放系統：躁動不必然噴發、通道幾何會反饋、歷史數據稀少，使預報本質上是機率性逼近而非確定預言。
深入探討（研究所視角）
通道流與黏滯加熱：噴發風格的「轉轍器」。 把岩漿想成在垂直通道(conduit)中上升的黏滯流體，其行為可由通道流模型描述。岩漿的黏滯度 $\eta$ 對溫度、含水量與晶體分率高度敏感，常以類 Vogel–Fulcher–Tammann 關係刻劃。一個關鍵的非線性回饋是黏滯加熱(viscous heating)與減壓出溶硬化的競爭：上升過程中水氣出溶會使 $\eta$ 急遽上升（剛性化），而高應變速率的剪切又會生熱降黏。當減壓速率快、岩漿來不及滲流脫氣，氣泡過壓便觸發入門篇談過的碎裂(fragmentation)，轉為爆裂式；反之若上升慢、滲透性脫氣有效，則走向寧靜溢流或圓頂(lava dome)生長。同一條通道因此可以是「寧靜—猛烈」之間的雙穩態開關，這也是為什麼安山岩—流紋岩質火山（包含大屯系統）的行為特別難以預測。
貝氏事件樹：把不確定性制度化。 現代噴發預警已從單一決定論模型，走向機率火山災害評估(probabilistic volcanic hazard assessment)。代表性框架如 BET（Bayesian Event Tree），把「是否躁動 → 是否噴發 → 噴在哪 → 規模多大 → 影響哪些區域」拆成一棵事件樹，每個節點賦予條件機率，並用貝氏推論整合監測數據、歷史頻率與專家判斷，輸出帶信賴區間的機率分布。這讓決策者面對的不再是「會噴/不會噴」的二元答案，而是「未來兩週發生 VEI≥3 噴發的機率為 $X\%$」這種可直接對接疏散門檻的陳述。它把火山學的不確定性，從弱點轉化為可被決策框架吸收的明確輸入。
監測的未來：機器學習與密集陣列。 前沿方向之一是用機器學習對連續地震波形做自動分類與異常偵測，在人眼之前抓出 LP 事件群聚或顫動模式的轉變；另一條線是分散式光纖聲學感測(DAS)，把一條既有光纜變成數千個地震感測點，提供前所未有的空間密度。再加上衛星 InSAR 對全球數百座「無人看守」火山的常態掃描，火山學正從「逐座火山的個案研究」邁向「全球火山的系統性監測」。最終的科學目標，是把每一座火山的躁動，都還原成岩漿庫力學、通道流體動力學與地表觀測之間一條可被求解的物理鏈——讓「火山何時噴」這個古老的問題，逐步逼近一個可計算的答案。