Seismisk detektion med undervattenskabelns polariseringssignaler och maskininlärning

Lyssna på skalv med undervattens-internetkablar

De flesta jordbävningar sker under haven, långt från traditionella markbaserade sensorer. Samtidigt är nästan alla kontinenter redan sammankopplade av vidsträckta nätverk av fiberoptiska kablar som bär vår internettrafik. Denna studie ställer en enkel men kraftfull fråga: kan dessa befintliga kablar också fungera som jättelika, färdiga öron för att lyssna på jordbävningar på havsbotten?

Varför en internetkabel kan känna när jorden rör sig

Ljus som färdas genom en fiberoptisk kabel gör mer än att bara transportera data; dess inre egenskaper förändras subtilt när kabeln böjs, töjs eller skakas. En sådan egenskap är polarisationstillståndet, ett mått på hur ljusets vågor är orienterade när de färdas. När havsbotten rör sig vid en jordbävning kan den skaka en begravd eller vilande kabel och därigenom rubba polarisationen hos ljuset inuti. Författarna undersökte en betydande internetlinje i Medelhavet, Med-Nautilus-kabeln som förbinder Catania på Sicilien med Tel Aviv, för att ta reda på om verkliga jordbävningar lämnar ett konsekvent fingeravtryck i dessa polariseringssignaler.

Att omvandla råa kabelsignaler till användbara ledtrådar

Mellan mitten av 2022 och slutet av 2024 levererade en italiensk teleoperatör kontinuerliga register över polarisationrelaterade storheter från kabeln, tillsammans med information om hur det optiska systemet uppförde sig. Forskarna kombinerade detta med en oberoende jordbävningskatalog för Medelhavet, med fokus på 60 händelser med magnitud 5 eller högre. De uppskattade hur långt varje skalv låg från kabeln och när primära och sekundära seismiska vågor borde ankomma, med hjälp av standardmodeller av jorden. Därefter rengjorde och standardiserade de de optiska data, delade upp dem i tidsfönster kring varje händelse och i kontrollperioder utan betydande skalv. Denna noggranna förberedelse banade väg för att testa både traditionella detektionsmetoder och modern artificiell intelligens på exakt samma data.

Enkla regler räcker inte, inlärande maskiner gör bättre ifrån sig

Teamet provade först klassiska seismologiska verktyg som söker plötsliga hopp i signalstyrka eller spektral energi, styrda av fasta tröskelvärden. På polariseringsdata gav dessa regelbaserade metoder antingen för många falsklarm eller missade de flesta verkliga händelser, ibland med en prestanda som inte var mycket bättre än slumpen. Däremot presterade maskininlärningsmodeller som kunde väga många subtila egenskaper samtidigt tydligt bättre. En teknik kallad Extreme Gradient Boosting, som aggregerar beslut från många små beslutsträd, nådde ungefär 60 procents noggrannhet, känslighet och specificitet när den ombads skilja skalvdrabbade dagar från lugnare dagar. Analys av modellens beteende visade att den inte förlitade sig på en enda uppenbar egenskap, utan på en blandning av statistiska mått som tillsammans fångade små men meningsfulla förändringar i polarisationmönstren.

Vad kabeln kan och inte kan höra

Författarna undersökte sedan vilka skalv som mest sannolikt kända igen av inlärningsalgoritmen. Överraskande nog visade enkla faktorer som avstånd från kabeln, skalvets djup eller till och med magnitud inte tydliga trender. Vissa måttligt starka jordbävningar gav klara, detekterbara polariseringsförändringar, medan andra med liknande egenskaper i huvudsak förblev omärkta. En ytterligare deep learning-ansats, som lärde sig hur ”normalt” kabelbeteende ser ut och flaggade kraftiga avvikelser som anomalier, reagerade bara tydligt på ett fåtal av de största händelserna. Detta tyder på att hur väl en kabel ”hör” ett skalv beror på mer än skalvet självt; detaljer som hur hårt kabeln är fäst vid havsbotten, dess nedgrävning och konstruktion samt den omgivande miljöbruset spelar alla viktiga roller.

Det större perspektivet för framtida oceanövervakning

Trots måttliga detektionsgrader och många missade händelser ger studien ett viktigt bevis på konceptet: även om Med-Nautilus-kabeln aldrig designades som en sensor, bär den ändå användbar information om starka jordbävningar genom ljusets polarisation. För allmänheten är huvudbudskapet att vår befintliga digitala infrastruktur i princip skulle kunna fungera som ett omfattande och kostnadseffektivt nätverk av vetenskapliga instrument. Om metoder som dessa förfinas och kombineras med andra sensortekniker kan globala system av undervattenskablar hjälpa till att fylla dagens blinda fläckar i havsseismisk övervakning och ge kustsamhällen tidigare och rikare insikter om vad som händer under vågorna.

Citering: Caruso, M., Morelli, M., Monaco, A. et al. Seismic detection using submarine cable polarization signals with machine learning. Commun Earth Environ 7, 421 (2026). https://doi.org/10.1038/s43247-026-03434-x

Nyckelord: undervattenskablar, jordbävningsdetektion, fiberoptisk mätning, maskininlärning, Medelhavet