Jelouston: Veštačka inteligencija otkrila 86.000 skrivenih zemljotresa ispod površine

Ispod impresivne površine Jeloustona leži hiperaktivni seizmički svet, sad bolje shvaćen zahvaljujući mašinskom učenju. Istraživači su otkrili višeod 86.000 zemljotresa – 10 puta više nego što se znalo – prikazujući haotične grupe koja se kreću duž grubih, mladih rasednih linija.

Sa ovim novim uvidima, približavamo se dešifrovanju vulkanskog srčanog ritma Zemlje i boljem predviđanju i kontroli vulkanskih i geotermalnih opasnosti.

Preporučujemo

Jelouston, popularna turistička destinacija i naziv jednako popularne televizijske serije, prvi je nacionalni park u Sjedinjenim Državama. Ispod njega do današnjeg dana ključa jedna od seizmički najaktivnijih mreža vulkanske aktivnosti na Zemlji.

U novoj studiji upotrebljeno je mašinsko učenje radi preispitivanja podataka o zemljotresima u Jeloustonskoj kalderi tokom 15 godina. Istraživači su retroaktivno detektovali i pripisali magnitude za otprilike 10 puta više seizmičkih događaja nego što je ranije registrovano.

Kaldera – kao u Jeloustonu preko delova Vajominga, Ajdaha i Montane – predstavlja veliku depresiju ili udubljenje formirano nakon erupcije vulkana kad se komora magme ispod isprazni, dovodeći do kolapsa zemljišta. Ovo je drugačije od vulkanskog kratera, koji nastaje eksplozivnim mlazom ka spolja.

Istorijski katalog Jeloustonske kaldere sad sadrži 86.276 zemljotresa u periodu od 2008. do 2022, značajno popravljajući ranije razumevanje vulkanskih i seizmičkih sistema putem boljih podataka i sistematičnih analiza.

Ključni nalaz je da je više od polovine zemljotresa zabeleženih u Jeloustonu bilo deo grupa malih, povezanih zemljotresa koji se šire i pomeraju u okviru relativno male oblasti tokom relativno kratkog perioda. Ovo je drugačije od zemljotresa koji dolazi nakon glavnog zemljotresa, koji je manji posle većeg glavnog potresa u istoj opštoj oblasti.

Iako Jelouston i drugi vulkani imaju specifične individualne odlike, istraživači se nadaju da se uvidi mogu primeniti na druge slučajeve. Razumevanje obrazaca seizmičnosti, poput zemljotresnih grupa, može poboljšati bezbednosne mere, bolje informisati javnost o potencijalnim opasnostima i čak usmeriti razvoj geotermalne energije od opasnosti u oblastima sa obećavajućim protokom toplote.

Pre primene mašinskog učenja, zemljotresi su generalno detektovani putem manuelne inspekcije. To zahteva vreme, skupo je i često detektuje manje događaja nego što je sad moguće pomoću mašinskog učenja.

Mašinsko učenja je izazvalo navalu na analizu podataka u proteklim godinama dok seizmolozi preispituju mnoštvo podataka o talasnim oblicima u bazama podataka širom sveta i saznaju više o trenutnim i ranije nepoznatim sezmičkim regionima po svetu.

„Kad bismo to morali da radimo tako što će neko manuelno prolaziti kroz sve te podatke tražeći zemljotrese, to ne bi bilo izvodljivo“, kažu naučnici.

Studija takođe pokazuje da se grupe zemljotresa ispod Jeloustonske kaldere dešavaju duž relativno mladih, grubljih rasednih struktura, u poređenju sa običnijim starijim rasednim strukturama u regionima kao što su južna Kalifornija i čak odmah izvan kaldere.

Grubost je merena karakterizovanjem zemljotresa kao fraktala – geometrijskih oblika koji ispoljavaju samosličnost, što znači da izgledaju slično u različitim razmerama. Fraktalni modeli su obeležili ove grupe zemljotresa, za koje istraživači veruju da su stvorene kombinacijom sporo krećuće podzemne vode i naglih mlazeva fluida.

„U velikoj meri ne postoji sistematično shvatanje kako jedan zemljotres izaziva drugi u grupi. Možemo samo indirektno meriti prostor i vreme između događaja“, kažu naučnici. „ Međutim, sad imamo mnogo veći katalog seizmičke aktivnosti ispod Jeloustonske kaldere i možemo primeniti statističke metode radi kvantifikacije i pronalaženja novih grupa koje ranije nismo videli, izučavati ih i videti šta možemo saznati od njih“.

(Telegraf Nauka/Science Daily)