Faza przygotowawcza dużych trzęsień ziemi ujawniona przez niesuperwizowaną kategoryzację cech katalogów sejsmicznych

Dlaczego to ma znaczenie dla osób żyjących w strefie zagrożenia sejsmicznego

Społeczności na całym świecie żyją w obawie przed niszczycielskimi trzęsieniami ziemi, a mimo to naukowcy wciąż nie potrafią dokładnie powiedzieć, kiedy i gdzie uderzy kolejne wielkie zdarzenie. W tym badaniu sprawdzono, czy subtelne zmiany w codziennych, drobnych wstrząsach mogą ujawnić, kiedy uskok cicho przygotowuje się do znacznie większego zdarzenia. Wykorzystując zaawansowane techniki wykrywania wzorców w katalogach sejsmicznych, badacze testują, czy możliwe jest wychwycenie prawdziwego „rozruchu” przed dużymi wstrząsami — jednocześnie rozpoznając sytuacje, gdy takie ostrzeżenie nie występuje.

Słuchając uskoku przez pryzmat wielu małych wstrząsów

Duże trzęsienia ziemi zwykle nie pojawiają się znikąd. Przed poważnym pęknięciem uskoki często doświadczają zmian, takich jak wstrząsy poprzedzające, skupiska drobnych wstrząsów lub powolne, pełzające przemieszczenie. Jednak fazy przygotowawcze bardzo różnią się w zależności od miejsca, a w niektórych przypadkach wydają się być nieobecne. Autorzy gromadzą szczegółowe katalogi małych i umiarkowanych wstrząsów z pięciu dobrze zbadanych regionów, w tym trzęsienia Kahramanmaraş w Turcji z 2023 r., trzęsienia L’Aquila we Włoszech z 2009 r. oraz megauderzenia Iquique w Chile z 2014 r. Dla każdego obszaru analizują lata sejsmiczności poprzedzające główny wstrząs, poszukując wzorców, które mogłyby sygnalizować, że odcinek uskoku zbliża się do awarii.

Od surowych katalogów do rodzin powiązanych zdarzeń

Zamiast traktować każde trzęsienie jako izolowany punkt, zespół grupuje zdarzenia w „rodziny” bliskie pod względem przestrzennym, czasowym i magnitudy. Każda rodzina zawiera główny wstrząs (jego największe zdarzenie) oraz powiązane wstrząsy poprzedzające i następcze. Wokół każdego zdarzenia badacze obliczają dziesiątki miar opisowych: jak szybko występują wstrząsy, jak ciasno grupują się w przestrzeni i czasie, ile energii uwalniają oraz jak rozkładają się ich wielkości. Te pomiary oparte na pojedynczych zdarzeniach są następnie uśredniane w ramach każdej rodziny i łączone z prostymi opisami wewnętrznej struktury rodziny (na przykład, czy wygląda bardziej jak prosta sekwencja następczych wstrząsów, czy jak bardziej rozproszony wir). Efektem jest zwięzły „odcisk palca” każdej rodziny, który uchwyca sposób zachowania lokalnego odcinka uskoku.

Pozwolić, by dane same się zorganizowały

Zamiast uprzednio określać komputerowi, jak powinien wyglądać „wzorzec ostrzegawczy”, autorzy stosują niesuperwizowane uczenie maszynowe. Konkretnie wykorzystują algorytm k-średnich, który automatycznie sortuje rodziny sejsmiczne do kategorii o podobnych odciskach. Kategorie te obejmują zachowania bardziej stabilne — zdarzenia rozproszone w czasie i przestrzeni, uwalniające niewiele energii — oraz zachowania bardziej krytyczne, cechujące się ciasnym skupieniem, silną interakcją między zdarzeniami i skoncentrowanym uwalnianiem naprężeń. Kluczowe jest to, że algorytm nie zna momentu wystąpienia dużego trzęsienia; grupuje rodziny jedynie na podstawie ich cech. Badacze następnie analizują, kiedy i gdzie najbardziej „krytyczne” kategorie pojawiają się w odniesieniu do ostatecznych głównych wstrząsów.

Gdzie uskoku naprawdę się „rozgrzewa” — a gdzie nie

Dla trzech trzęsień, o których wiadomo, że miały wyraźne fazy przygotowawcze — Kahramanmaraş, L’Aquila i Iquique — metoda skutecznie wyodrębnia długotrwałe, silnie zlokalizowane rodziny pojawiające się wkrótce przed głównym wstrząsem i odróżniające się od wcześniejszej aktywności. W tych przypadkach kategorie krytyczne wiążą się z gęstymi skupiskami zdarzeń, kurczącym się zasięgiem przestrzennym i większym uwolnieniem naprężeń, co jest zgodne z koncentracją naprężeń i uszkodzeń w odcinku uskoku przed jego awarią. Dla dwóch innych zdarzeń — trzęsienia Amatrice we Włoszech z 2016 r. oraz trzęsienia Noto w Japonii z 2024 r. — procedura nie znajduje jednoznacznie krytycznej rodziny utrzymującej się aż do głównego wstrząsu. Amatrice wydaje się być poprzedzone względnym spokojem, a Noto — złożoną aktywnością rojową i wpływem płynów, co sugeruje, że nie wszystkie duże trzęsienia wykazują wyraźne sejsmiczne ostrzeżenie w katalogu.

W stronę praktycznej wczesnej informacji, z ostrożnością

Na koniec autorzy testują, czy ich podejście mogłoby działać w warunkach zbliżonych do rzeczywistego czasu. Trenują kategoryzację na wcześniejszym okresie danych, a następnie przesuwają się naprzód przez katalog, żeby zobaczyć, kiedy pojawia się nowa, odrębna kategoria. W trzech przypadkach z udokumentowanymi fazami przygotowawczymi zauważalna zmiana w miarze klasteryzacji występuje na tygodnie do miesięcy przed dużym wstrząsem, co sugeruje możliwe zastosowanie w operacyjnym prognozowaniu trzęsień. Mimo to badanie podkreśla istotne ograniczenia: metoda może wykryć tylko te fazy przygotowawcze, które rzeczywiście generują wykrywalną sejsmiczność, opiera się na wysokiej jakości katalogach i wymaga interpretacji ekspertów, by ocenić, czy nowo pojawiająca się kategoria jest rzeczywiście krytyczna. Krótko mówiąc, ramy te nie „przewidują” trzęsień ziemi, ale oferują fizycznie uzasadniony sposób zwracania uwagi na miejsca i momenty, w których drobne wstrząsy mogą wskazywać, że uskok wchodzi w bardziej niebezpieczny stan.

Cytowanie: Karimpouli, S., Martínez-Garzón, P., Núñez-Jara, S. et al. Preparatory phase of large earthquakes illuminated by unsupervised categorization of earthquake catalog features. Nat Commun 17, 4024 (2026). https://doi.org/10.1038/s41467-026-72279-x

Słowa kluczowe: prognozowanie trzęsień ziemi, wzorce sejsmiczne, uczenie maszynowe, wstrząsy poprzedzające, mechanika uskoków