标题： 一个全球规模的地震相云拾取数据集（PB级） 显示英文标题

标题： A Global-scale Database of Seismic Phases from Cloud-based Picking at Petabyte Scale

摘要： 我们展示了首个全球规模的数据库，其中包含从 1.3 PB 连续地震数据中提取的 43 亿个 P 波和 S 波拾取结果，这些结果是通过云原生工作流生成的。 利用亚马逊云服务（Amazon Web Services）的云计算服务，我们在跨越 2002 年至 2025 年的 47,354 个台站的连续记录上启动了约 145,000 个容器化任务，所有任务在不到三天的时间内完成。 震相到达时间通过深度学习模型 PhaseNet 确定，PhaseNet 是一个用于深度学习的开源 Python 生态系统 SeisBench 的一部分。 为了可视化并全面了解这些拾取结果，我们展示了初步结果，揭示了 Omori 律余震衰减、与噪声水平相关的季节性变化以及密集区域覆盖情况，这将提升地震目录和机器学习数据集的质量。 我们将所有拾取结果存储在一个可公开查询的数据库中，为研究全球地震活动的研究人员提供了一个强大的资源。 本报告提供了对数据库及其底层工作流的见解，证明了在云上进行千兆字节规模的地震数据分析的可行性，并展示了以自动化方式向社区提供智能数据产品的可能性。 显示英文摘要

摘要： We present the first global-scale database of 4.3 billion P- and S-wave picks extracted from 1.3 PB continuous seismic data via a cloud-native workflow. Using cloud computing services on Amazon Web Services, we launched ~145,000 containerized jobs on continuous records from 47,354 stations spanning 2002-2025, completing in under three days. Phase arrivals were identified with a deep learning model, PhaseNet, through an open-source Python ecosystem for deep learning, SeisBench. To visualize and gain a global understanding of these picks, we present preliminary results about pick time series revealing Omori-law aftershock decay, seasonal variations linked to noise levels, and dense regional coverage that will enhance earthquake catalogs and machine-learning datasets. We provide all picks in a publicly queryable database, providing a powerful resource for researchers studying seismicity around the world. This report provides insights into the database and the underlying workflow, demonstrating the feasibility of petabyte-scale seismic data mining on the cloud and of providing intelligent data products to the community in an automated manner.