Stanford seismolog Gregory Beroza var ude at handle en dag, da han hørte en sang, han ikke genkendte. Så han trak sin smartphone ud og brugte den populære app Shazam til at identificere melodien.
Shazam bruger en algoritme til at finde det "akustiske fingeraftryk" til en sang - den del af en sang, der gør den unik - og sammenligner den med dens sangdatabase.
Hvad hvis, Beroza undrede sig over, at han kunne bruge en lignende teknik til at identificere jordskælv?
I årevis har seismologer forsøgt at identificere ”mikroskælv” - jordskælv så små, at de ikke engang registrerer sig på traditionelle måleværktøjer. Identificering af mikroskælv kan hjælpe forskere med at forstå jordskælvsadfærd og potentielt hjælpe dem med at forudsige farlige seismiske begivenheder.
Ligesom sange har jordskælv også fingeraftryk.
”Jordens struktur ændres meget langsomt, så jordskælv, der sker i nærheden af hinanden, har meget ens bølgeformer, det vil sige, de ryster jorden på næsten samme måde, ” forklarer Beroza.
Over tid har forskere oprettet databaser med jordskælvsfingeraftryk for at identificere jordbevægelser, der muligvis er mikroskælv. Når en jordbevægelse finder sted, kan seismologer bruge databasen til at se, om den stemmer overens med et kendt fingeraftryk for jordskælv. Men det er en langsom proces at bruge disse databaser, og seismologer forsøger ofte at læse enorme mængder data i realtid.
”Du kan forestille dig, at hvis du forsøgte at sammenligne alle tidspunkter med alle andre tidspunkter 365 dage om året, 24 timer i døgnet, bliver det hurtigt et meget stort stykke arbejde, ” siger Beroza. ”Faktisk bliver det umuligt stort.”
Sådan fungerer FAST (Stanford) (Stanford) Men en algoritme-baseret mikrokælv fingeraftrykslæser baseret på Shazam kunne have potentialet til at udføre jobbet næsten øjeblikkeligt, regnede Beroza med.
Seismologen rekrutterede tre studerende med ekspertise inden for beregningsgeovidenskab til at skabe en algoritme. Sammen kom teamet med et program kaldet Fingerprint and Similarity Thresholding (FAST). Dets forkortelse er passende: FAST kan analysere en uges kontinuerlige seismiske data på mindre end to timer, 140 gange hurtigere end traditionelle teknikker. I modsætning til traditionelle databaser, bruger FAST fingeraftryk for at sammenligne "som med lignende", hvilket skærer den tidsspildende proces med at sammenligne alle jordskælv med alle andre jordskælv.
Resultaterne af holdets arbejde blev for nylig offentliggjort i tidsskriftet Science Advances .
”Den potentielle anvendelse [af FAST] er virkelig overalt, ” siger Beroza. "Det kan være nyttigt at finde jordskælv under efterskælssekvenser [de mindre jordskælv, der ofte følger et større] for at forstå den proces, hvor et jordskælv fører til et andet jordskælv."
Det kan også være nyttigt at forstå ”induceret seismicitet” - små jordskælv forårsaget af menneskelig adfærd. En almindelig årsag til induceret seismicitet er spildevandsinjektion, hvor forurenet vand fra olie- og gasboring bortskaffes ved at indsprøjte det i dybe underjordiske brønde. Spildevandsinjektion menes at være årsagen til det største menneskeskabte jordskælv i USAs historie, et jordskælv på 5, 7 i Oklahoma i 2011. Minedrift, hydraulisk brud og opførelse af meget store reservoirer er også kendt for at fremkalde jordskælv. I modsætning til naturlige jordskælv, hvis antal har været konstant gennem årene, øges menneskeskabte jordskælv i hyppighed, siger Beroza. Hurtigt kan være særlig nyttigt på dette område og give forskerne et bedre billede af, hvor meget menneskelige aktiviteter der destabiliserer jordskorpen.
Der er stadig udfordringer, inden FAST kan implementeres fuldt ud. I holdets forskning blev FAST kun brugt med et enkelt instrument på en enkelt fejllinje. For at være bredt anvendelig skal det være netværk over en række seismiske sensorer. Det skal også være endnu hurtigere, siger Beroza. Holdet arbejder i øjeblikket på disse forbedringer, og Beroza forventer at frigive flere resultater i løbet af året.
