Подготовительная фаза крупных землетрясений, освещённая с помощью неконтролируемой категоризации признаков каталога землетрясений

Почему это важно для людей, живущих в зонах сейсмического риска

Сообщества по всему миру живут с опасением разрушительных землетрясений, однако учёные до сих пор не могут точно сказать, когда и где произойдёт следующее крупное событие. В этом исследовании изучается, могут ли тонкие изменения в повседневных мелких землетрясениях указывать на то, что разлом незаметно готовится к гораздо более крупному событию. С помощью современных методов поиска закономерностей в каталогах землетрясений авторы проверяют, возможно ли выделить истинный «разгон» к большим подземным толчкам — одновременно распознавая случаи, когда такого предупреждения нет.

Слушая разлом через многочисленные мелкие толчки

Крупные землетрясения обычно не происходят внезапно. Перед основной разрывной фазой разломы нередко демонстрируют изменения — предвестники, серии мелких толчков или медленное «ползучее» смещение. Однако такие подготовительные фазы сильно различаются в разных местах и в некоторых случаях кажутся отсутствующими. Авторы собирают детализированные каталоги малых и умеренных землетрясений из пяти хорошо изученных регионов, включая землетрясение в Кахраманмараше (Турция) 2023 года, землетрясение в Аквиле (Италия) 2009 года и событие на мегатолчке в Икике (Чили) 2014 года. Для каждой области они анализируют годы сейсмической активности, предшествовавшие основному толчку, в поисках закономерностей, которые могли бы сигнализировать о приближении разлома к разрушению.

От сырых каталогов к семействам связанных событий

Вместо того чтобы рассматривать каждое землетрясение как изолированную точку, команда группирует события в «семейства», близкие по пространству, времени и величине. Каждое семейство содержит главный толчок (самое крупное событие) и его связанные пред- и послетолчки. Вокруг каждого события исследователи вычисляют десятки описательных показателей: как быстро происходят толчки, насколько тесно они сгруппированы в пространстве и времени, какое напряжение они высвобождают и как распределены их размеры. Эти измерения на уровне событий затем усредняются внутри каждого семейства и комбинируются с простыми описателями внутренней структуры семейства (например, похоже ли оно на стандартную последовательность послетолчков или на более рассеянный рой). В результате получается компактный «отпечаток» для каждого семейства, отражающий поведение локального сегмента разлома.

Пусть данные сами организуют себя

Вместо того чтобы заранее задавать компьютеру, каким должен быть «паттерн предупреждения», авторы используют неконтролируемое машинное обучение. В частности, они применяют алгоритм k-средних, который автоматически сортирует семейства землетрясений по категориям с похожими отпечатками. Эти категории варьируются от более стабильного поведения — события, распределённые во времени и пространстве и высвобождающие мало напряжения — до более критического поведения, отмеченного плотной кластеризацией, сильным взаимодействием между событиями и концентрированным высвобождением напряжения. Ключевой момент: алгоритм не знает, когда произойдёт крупное землетрясение; он просто группирует семейства по их признакам. Затем исследователи изучают, когда и где появляются наиболее «критические» категории относительно последующих основных толчков.

Где разлом действительно «разогревается» — и где это не происходит

Для трёх землетрясений, известных своим ясным подготовительным этапом — Кахраманмараш, Аквила и Икике — метод успешно выделяет длительно существующие, строго локализованные семейства, которые появляются незадолго до основного толчка и отличаются от более ранней активности. В этих случаях критические категории связаны с плотными скоплениями событий, сокращающимся пространственным охватом и повышенным высвобождением напряжения, что согласуется с фокусировкой стресса и повреждений в сегменте разлома перед разрушением. Напротив, для двух других событий — землетрясения в Аматриче (Италия) 2016 года и Ното (Япония) 2024 года — рабочий процесс не находит единой критической категории, устойчивой вплоть до основного толчка. Аматриче, по-видимому, предшествовал относительный покой, а Ното — сложная ройная активность и участие флюидов, что указывает на то, что не все крупные землетрясения демонстрируют ясное сейсмическое предупреждение в каталоге.

К практической ранней информации — с осторожностью

Наконец, авторы проверяют, может ли их подход работать ближе к реальному времени. Они обучают категоризацию на более раннем периоде данных, а затем скользят вперёд по каталогу, чтобы увидеть, когда появляется новая, отличающаяся категория. В трёх случаях с известными подготовительными фазами заметное изменение в мерах кластеризации происходит за недели — месяцы до крупного толчка, что намекает на возможное применение в оперативном прогнозировании землетрясений. В то же время исследование подчёркивает важные ограничения: метод может обнаруживать только те подготовительные фазы, которые действительно сопровождаются обнаруживаемой сейсмичностью, он зависит от высококачественных каталогов и требует экспертной интерпретации, чтобы решить, является ли вновь возникающая категория по-настоящему критической. Проще говоря, эта схема не «предсказывает» землетрясения, но предлагает физически обоснованный способ выделить, когда и где мелкие толчки могут указывать на то, что разлом переходит в более опасное состояние.

Цитирование: 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

Ключевые слова: прогнозирование землетрясений, модели сейсмичности, машинное обучение, предвестники, механика разломов