پیش بینی عملیاتی زلزله – چیست و چگونه انجام می شود؟

صدای سردبیران وبلاگی از اداره انتشارات AGU است.

درک ما از زمین لرزه ها در چند دهه گذشته بسیار بهبود یافته است، اما مکان دقیق، زمان و بزرگی آنها هنوز قابل پیش بینی نیست. با این حال، با استفاده از توالی زمین لرزه های گذشته به عنوان راهنما، دانشمندان می توانند احتمال وقوع زمین لرزه های آینده را تخمین بزنند.

مقاله جدید در بررسی های ژئوفیزیک سیستم های پیش بینی زلزله عملیاتی (OEF) در سراسر جهان و نحوه استفاده از آنها برای اطلاع رسانی به تصمیم گیرندگان را بررسی می کند. ما از نویسنده اصلی درخواست کردیم تا سیستم های OEF را بررسی کند، کارشناسان در مورد آنها چه می گویند و کدام جنبه ها نیاز به بهبود دارند.

به زبان ساده، “پیش بینی عملیاتی زلزله” (OEF) چیست؟

در پیش‌بینی عملیاتی زلزله، یک نهاد مجاز، احتمال وقوع زمین‌لرزه‌ها را در یک منطقه و محدوده زمانی مشخص محاسبه می‌کند. این احتمالات بر اساس فعالیت فعلی زلزله محاسبه شده و با دفاع مدنی، سازمان‌های دولتی یا مردم به اشتراک گذاشته می‌شوند تا به آنها در تصمیم‌گیری آگاهانه کمک کنند.

تشخیص پیش بینی زلزله از پیش بینی زلزله مهم است. پیش بینی دقیق مکان، زمان و بزرگی زمین لرزه های آینده امکان پذیر نیست. با این حال، الگوهای رخدادهای مشاهده شده در توالی های زلزله گذشته می تواند برای بیان چیزی در مورد آنچه در یک توالی زلزله فعلی مورد انتظار است استفاده شود. مهم‌ترین مؤلفه‌های مدل‌های پیش‌بینی زلزله، آگاهی از رفتار گروهی زمین‌لرزه‌ها در مکان و زمان و توزیع فراوانی بزرگی‌های زلزله است.

چند نمونه از سیستم های OEF در سراسر جهان چیست و چه تفاوتی با یکدیگر دارند؟

در حال حاضر کشورهای زیادی سیستم OEF ندارند. در بررسی خود، سه مثال را مورد بحث قرار می دهیم: سیستم های OEF ایتالیا، نیوزلند و ایالات متحده. این سه سیستم از جهات مختلفی با یکدیگر متفاوت هستند، که ما آنها را به جنبه های مربوط به مدل های اساسی، نحوه آزمایش مدل ها و نحوه گزارش پیش بینی ها دسته بندی می کنیم.

همه کشورها از مدل‌های مختلف با پیچیدگی‌های متفاوت استفاده می‌کنند، اما اصول اساسی زیربنای مدل‌ها مشابه هستند. مدل‌ها با استفاده از انواع مختلف آزمون‌ها و با طرح‌های آزمایشی متفاوت ارزیابی شدند. ارتباطات پیش بینی نیز به طور قابل توجهی متفاوت است. در ایتالیا، پیش‌بینی‌ها به‌طور منظم به صورت هفتگی انجام می‌شود، در حالی که نیوزلند و ایالات متحده پیش‌بینی‌هایی را برای دنباله‌های خاص انجام می‌دهند. روشی که در آن احتمالات تجسم یا به اطلاعات عملی ترجمه می‌شوند، از نقشه‌های تعاملی، جداول و سری‌های زمانی، از طریق توصیف سناریوهای آینده با احتمال بیشتر و کمتر، تا برگه‌های خلاصه حاوی مجموعه‌ای از اطلاعات مفید را شامل می‌شود.

چرا کشورهای کمی سیستم OEF دارند؟

عوامل متعددی می تواند مانع ایجاد سیستم های OEF شود، از جمله داده های ناکافی، شکاف های دانش، محدودیت های منابع، یا فقدان راهنمایی های لازم.

همانطور که توسط سیستم های OEF بسیار متفاوت ایتالیا، نیوزلند و ایالات متحده نشان داده شده است، هیچ مدل پیش فرض توافق شده واضحی وجود ندارد که باید مورد استفاده قرار گیرد یا آزمون های توافق شده ای وجود ندارد که یک مدل باید آن را پاس کند تا برای پیش بینی زلزله مناسب در نظر گرفته شود. هیچ روش منحصر به فردی برای اطلاع رسانی پیش بینی زلزله یا برآورد تلفات زلزله وجود ندارد.

به همین دلیل، بررسی ما همچنین شامل یک تحلیل استخراج کارشناسی می‌شود که در آن از گروهی از کارشناسان جهانی پیش‌بینی زلزله نظرشان در مورد توسعه، آزمایش و ارتباط پیش‌بینی‌های زلزله پرسیده شد.

کارشناسان چه توصیه های کلی برای توسعه، آزمایش و اطلاع رسانی پیش بینی زلزله دارند؟

به طور کلی، کارشناسان در تأیید مدل ها یا آزمایش های خاص کاملاً مردد بودند. با این حال، آنها نشان دادند که مدل دنباله دنباله از نوع اپیدمی (ETAS) یک مدل پیش فرض خوب است. این مدل به دلیل این واقعیت است که پس‌لرزه‌های ناشی از زلزله می‌توانند خود پس‌لرزه‌ها و غیره را ایجاد کنند و منجر به آبشار پس‌لرزه‌ها شوند. گروه کارشناسی این را یکی از ویژگی های مهم مدل می دانند. آنها همچنین ترکیب چندین مدل را در مجموعه های مدل تشویق می کنند.

در مورد آزمایش مدل، کارشناسان مقایسه با مدل‌های معیار، آزمایش آینده نگر (یعنی آزمایش در برابر داده‌های آینده که در زمان پیش‌بینی وجود نداشتند)، شفافیت و تکرارپذیری را تشویق می‌کنند. به اشتراک گذاری کد منبع مدل و پیش بینی های آرشیو شده برای استفاده جامعه تشویق می شود. در مورد ارتباطات پیش‌بینی، کارشناسان توافق کردند که محصولات ارتباطی باید با همکاری کاربران پیش‌بینی توسعه داده شوند.

برخی از چالش ها و فرصت های اصلی برای بهبود پیش بینی عملیاتی زلزله چیست؟

مدل‌هایی که در حال حاضر برای OEF استفاده می‌شوند یک محدودیت مشترک دارند: آن‌ها نمی‌توانند زلزله‌های بزرگ آینده را با احتمال بالا پیش‌بینی کنند. تلاش‌های اخیر برای بهبود قابلیت‌های پیش‌بینی شامل گنجاندن دانش فرآیندهای فیزیکی در مدل‌های موجود، شناسایی سیگنال‌های پیش‌ساز، استفاده از بینش لرزه‌خیزی آزمایشگاهی، یا استفاده از تکنیک‌های یادگیری ماشین و مجموعه داده‌های جدید با وضوح بالا است. با این حال، مشخص نیست که آیا پیش‌بینی قطعی زلزله ممکن است یا نه.

همکاری برای تحقیقات در مورد قابلیت پیش بینی زلزله (CSEP) به تسهیل تحقیقات باز و طولانی مدت در مورد قابلیت پیش بینی زلزله اختصاص دارد. این شامل ارائه ابزارهای نرم افزاری دسترسی باز و بسته های تکرارپذیری و همچنین تحقیقاتی است که از تنوع روش های مورد استفاده در آزمایش های آینده نگر مدل های شخص ثالث موجود پشتیبانی می کند. با توجه به ارتباطات پیش‌بینی، تلاش‌های آتی مورد نیاز است تا به طور سیستماتیک آزمایش شود که چگونه رویدادهای با احتمال کم و تأثیر بالا می‌توانند به بهترین وجه به ذینفعان اجتماعی منتقل شوند. این امر از فرآیندهای تصمیم گیری سیاست گذاران و برداشت ها و واکنش های فردی به پیش بینی ها حمایت می کند.

—لیلا میزراهی (leila.mizrahi@sed.ethz.ch; 0000-0002-5262-3168)، سرویس لرزه نگاری سوئیس در ETH زوریخ، سوئیس

نقل قول: میزراحی، ل (1393)، پیش بینی عملیاتی زلزله – چیست و چگونه انجام می شود؟، Eos، 105، https://doi.org/10.1029/2024EO245024. ارسال شده در 29 آگوست 2024

این مقاله نظر AGU را نشان نمی دهد، ایوس، یا هر یک از شرکت های وابسته به آن. این صرفاً نظر نویسنده (نویسندگان) است.

متن © 2024. نویسندگان. CC BY-NC-ND 3.0
مگر اینکه غیر از این ذکر شده باشد، تصاویر مشمول حق چاپ هستند. هرگونه استفاده مجدد بدون اجازه صریح از صاحب حق چاپ ممنوع است.

متصل شد