For fem år siden ville Paul Johnson ikke have troet, at forudsigelse af jordskælv nogensinde ville være muligt. Nu er han ikke så sikker.
”Jeg kan ikke sige, at vi vil, men jeg er meget mere håbefuld, at vi vil gøre store fremskridt inden for årtier, ” siger Los Alamos National Laboratory seismolog. ”Jeg er mere håbefuld nu, end jeg nogensinde har været.”
Hovedårsagen til det nye håb er en teknologi, som Johnson begyndte at undersøge for omkring fire år siden: maskinlæring. Mange af lyde og små bevægelser langs tektoniske fejllinjer, hvor jordskælv forekommer, har længe været anset for at være meningsløse. Men maskinlæring - træning af computeralgoritmer til at analysere store mængder data for at se efter mønstre eller signaler - antyder, at nogle af de små seismiske signaler trods alt kan være vigtige.
Sådanne computermodeller kan endda vise sig at være nøglen til at låse evnen til at forudsige jordskælv, en fjerntliggende mulighed, der er så kontroversiel, at mange seismologer nægter at engang diskutere det.
Da teorien om pladetektonik fik plads i 1960'erne, troede mange forskere, at forudsigelse af jordskælv kun var et spørgsmål om tid. Når små jordskælv forårsaget af skiftende plader kunne modelleres, tænkte man, burde det være muligt at forudsige større jordskælv dage eller endda uger i forvejen. Men en mangfoldighed af faktorer, fra klippetype til afstanden til en fejlglid, påvirker styrken af et jordskælv, og det blev hurtigt tydeligt, at modeller af småskala tektonisk aktivitet ikke kunne give en pålidelig måde at forudsige større jordskælv på. Måske kan små skift og glip, der forekommer hundreder af gange om dagen, indikere en lille stigning i sandsynligheden for, at et stort jordskælv rammer, men selv efter en sværm af mindre tektonisk aktivitet er det stadig meget usandsynligt, at et stort jordskælv vil forekomme. Et bedre signal for et indgående jordskælv er nødvendigt, hvis forudsigelse nogensinde vil blive virkelighed.
Brug af maskinlæring til at finde et sådant signal er sandsynligvis langt væk - hvis det endda er muligt. I en undersøgelse, der blev offentliggjort i slutningen af sidste år, antydede Johnson og hans team, at der kunne være et tidligere ignoreret seismisk signal, der muligvis kan indeholde et mønster, der afslører, når et stort jordskælv - som den berygtede og længe ventede Cascadia-jordskælv i det nordvestlige stillehav - kunne strejke. Hvis hypotesen panderes ud, kan den ændre den måde, hvorpå jordskælv forventes fra sekunder i forvejen til, måske en dag, årtier i forvejen.
De seneste forbedringer i prognosen for jordskælv har været de dyrebare sekunder. Seismologer arbejder på at forbedre systemer til tidlig advarsel som dem i Japan og ShakeAlert-systemet rulles ud langs den amerikanske vestkyst. Disse systemer sender kun advarsler, når et jordskælv allerede er startet - men i tide til at lukke ting som elevatorer eller gasledninger og advare samfund længere væk fra episentret.
Jorden, vi lever på, brydes i et dusin eller så tektonisk, der bevæger sig i forhold til hinanden. (USGS) At prøve at ekstrapolere, hvor stort et jordskælv, der er i gang, vil blive, hvor dets episenter er, og hvad der vil blive påvirket, alt fra få sekunder med data, er allerede en enorm udfordring, siger Johnson. Eksisterende advarselssystemer har forkert bedømt store jordskælv og givet falske alarmer på andre. Men inden 2007 havde vi ikke engang sekunders varsel. Hvor kan vi være i 2027?
”Vi ved ikke, hvor godt seismologi virkelig vil gøre et årti fra nu, ” siger Johnson. ”Men det vil være meget bedre end i dag.”
Fremskridt inden for overvågning af jordskælv vil sandsynligvis stole på computere, der er blevet uddannet til at fungere som ekspertiserede seismologer. Med perfekt hukommelse, få forudfattede forestillinger og nul behov for søvn kan maskiner sortere gennem et hav af data indsamlet, når tektoniske plader skifter. Alle disse oplysninger kan sammenlignes med hvad du ville høre på en overfyldt gade - lyde fra biler, mennesker, dyr og vejr alt sammen. Forskere sigter gennem disse signaler, transkriberet som bølger, i et forsøg på at finde ud af, om nogen af dem antyder, at et jordskælv sker eller er ved at ske. Håbet har længe været, at der, gemt ind i al den støj, kan være en slags forløber, der kan måles eller observeres for at indikere hvor lang tid der er gået indtil det næste store jordskælv.
Et af disse lyde - hvad Johnson kalder et "rystelignende signal" - er blevet identificeret og studeret i et antal år. ”Jeg kastede alt, hvad jeg havde i min værktøjskasse, og besluttede, at der ikke var noget der, ” siger han.
Men de algoritmer og computere, hans team oprettede, kiggede på signalet fra et lidt andet perspektiv med fokus på dets energi. Denne energi (registreret som amplitude, et mål for størrelsen på seismiske bølger) voksede "nogensinde så lidt" gennem jordskælvscyklussen, siger Johnson. Når et jordskælv ramte, faldt signalets amplitude og genstarte cyklussen med regelmæssig vækst, indtil et andet jordskælv ramte.
Det var et mønster.
Det tidligere ignorerede signal, siger Johnson, ”indeholdt forudsigelig information til forudsigelse af den næste jordskælvscyklus” minutter i forvejen i de fremskyndede modeller af fejl i laboratoriet, som kan oversættes til årtier i forvejen i det virkelige liv. Men resultater i laboratoriet og den virkelige verden stiller ikke altid op.
På dette tidspunkt er maskinlæring ikke beregnet til at hjælpe med forudsigelse af jordskælv, men snarere at forstå jordskælv, der allerede er startet eller jordskælvsdynamik generelt. Men fremskridt med at lokalisere jordskælv, estimere størrelser og sortere gennem "støj" forbedrer vores forståelse af, hvordan jordskælv fungerer, også når de måske strejker.
”Jeg vil gøre det klart, at det, vi laver, er anderledes end forudsigelse. Men ja, alle disse ting er indirekte forbundet, ”siger Mostafa Moustavi, en seismolog fra Stanford, der bruger maskinlæring til at sortere baggrundsstøj til at opdage små jordskælv.
Men-Andrin Meier, en seismolog hos Caltech, siger, at hans ”bedste gæt er, at jordskælv i sagens natur er uforudsigelig.” Men alligevel arbejder han på at bruge maskinlæring til at forbedre tidlige advarselssystemer, og forbedringer i overvågningen, der går ind i disse advarsler, kunne potentielt forbedre jordskælvsprognoser. Bedre kort over fejl og bedre forståelse af jordskælvsprocesser, tendenser og cyklusser kunne alle gå til forbedring af prognoser, siger Moustafa.
Alligevel synes nogle seismologer ”forudsigelse” er en fantasi. Robert Geller, et seismolog fra University of Tokyo, er kendt for sin pessimisme omkring jordskælvsforudsigelse.
”Jordskælvsforudsigelsesforskning er ikke rigtig noget, ” siger han via e-mail. ”Det består bare af at indsamle masser af data i håb om, at man kan finde en pålidelig 'forløber". Der er aldrig fundet nogen til dato. ”
Ifølge Geller kan ethvert laboratorieresultat vedrørende jordskælvsignaler ignoreres, indtil de gengives konsekvent i den virkelige verden. ”Jeg er ikke i tvivl om, at de kan finde masser af tilsyneladende mønstre i observerede data om jordskælvsforekomst, der ser bagud. Men jeg ser ingen grund til at tro, at sådanne mønstre vil arbejde fremad i tiden, ”siger Geller.
Cascadia-fejlen fra Vancouver Island glider langsomt hele tiden og frembringer lav seismicitet, som du ikke kan føle, og vender derefter tilbage på plads cirka en gang om året. Den meget lille forskydning af jordoverfladen fra den glidning kan overvåges, så Johnsons team prøvede at se, om det nye signal, deres identificerede maskinlæringsalgoritmer kunne forudsige bevægelsen.
”Og se og se, det blev kortlagt til forskydningsgraden, ” siger Johnson.
Spørgsmålet er nu, hvordan signalet kan relateres til låsningen af fejlen - de sammenlåste klipper, der har holdt de tektoniske plader i at glide drastisk og producere et stort jordskælv i omkring 300 år. Til sidst vil fejlens lås bryde, og et massivt jordskælv rammer. Måske signalet Johnsons team studerer, eller et andet, som endnu ikke-opdaget signal, kunne give en fornemmelse af, hvornår det vil ske - hvis sådanne signaler overhovedet er relateret til større jordskælv.
