طراحی یک مدل جدید برای پیش بینی زلزله

پیش بینی زمان و مکان زلزله قبل از وقوع، آماده سازی نهایی برای کاهش خطر خواهد بود. پیش بینی زمین لرزه هنوز عملی نشده است و ممکن است هرگز عملی نشود، اما در یک مطالعه جدید، دانشمندان مدل های پیش بینی خود را با بررسی نحوه رفتار گسیختگی گسل در زلزله های قبلی بهبود بخشیدند.

مدل های پیش بینی زلزله این امکان را فراهم می سازد که با ارایه احتمالات زلزله - مانند مدل های پیش بینی آب و هوا، برای زلزله آمادگی بهتری پیدا کنیم. جیمز نیلی، زلزله شناس دانشگاه شیکاگو و نویسنده اصلی این مطالعه، می گوید: در پیش بینی آب وهوا، داده های زیادی وارد مدل های پیش بینی آب و هوا می شود و استفاده از مدل های آماری قابل قبول است. با این حال، زلزله شناسان تنها مقدار کمی از داده های زمین لرزه های گذشته را برای پیش بینی زلزله در اختیار دارند که چالش های موجود در مدل های آماری پیش بینی زمین لرزه را توضیح می دهد.

در حال حاضر، در مدل های پیش بینی زلزله فرض براین است که زلزله تمام انرژی ذخیره شده را آزاد می کند و هر بار که زلزله ای اتفاق می افتد، گسل ها به شرایط قبل بازمی گردند. با این حال، این شرایط لزوماً نشان دهنده اتفاقی نیست که در یک گسل اتفاق می افتد.

محققان یک مدل پیش بینی جدید به نام مدل حافظه گسل بلند مدت (LTFM) طراحی کرده اند که به گفته نیلی، این مدل جدید بیشتر نشان دهنده اتفاقاتی است که در گسل ها رخ می دهد.

محققان خاطرنشان می کنند که از آنجا که این مدل رفتارهای واقعی تر گسل را در نظر می گیرد، روش آنها ممکن است پیش بینی واقعی تر زلزله را ایجاد کند.

رفتار گسل ها مانند باتری های قابل شارژ است

کریس گلدفینگر، زمین شناس دانشگاه ایالتی اورگان که در این مطالعه مشارکت نداشته است، می گوید: گسل ها مانند باتری ها هستند. یک گسل می تواند تمام انرژی خود را در جریان یک گسیختگی تخلیه کند یا بخشی از کرنش را از طریق دسته ی از زلزله های متعدد و کوچکتر آزاد کند.

یکی از نمونه های گسل با آزادسازی جزیی کرنش، گسل سن آندریاس است. مطالعات دیرینه لرزه ای نشان داده است سوابق تاریخی زمین لرزه در گسل سن آندریاس پیچیده است. دوره های زمانی طولانی بدون زلزله سپری شده است که با دسته های زمین لرزه ها مشخص شده اند. براساس تحقیقات جدید، این رویدادها پراکنده هستند و نشان می دهد زلزله ها همیشه در فاصله های زمانی مورد انتظار تکرار نمی شوند.

پالت کریک، که در ابتدا در دهه 1970 حفاری شد، یکی از اولین مواردی بود که برای آشکار کردن زمان و بزرگی زمین لرزه های تاریخی در امتداد گسل سن آندریاس مورد مطالعه قرار گرفت. نیلی می گوید اگرچه مدل های کنونی پیش بینی زلزله در ایجاد یک مدل ساده احتمال زلزله کارآمد هستند، اما این احتمالات همیشه با سوابق زمین شناسی زلزله های گذشته مطابقت ندارند.

برای مثال، بخش موهاوی گسل سن آندریاس قبل از سال 1812 به مدت 300 سال، شاهد هیچ زلزله بزرگی نبوده است، اما زلزله ای به همان بزرگی، 45 سال بعد در سال 1857 رخ داد. نیلی و همکارانش با استفاده از مدل های فعلی، احتمال وقوع زمین لرزه سال 1857 را بسیار پایین برآورد کردند.

نیلی وهمکارانش با استفاده از LTFM، همان بخش گسل بررسی کردند. آنها احتمال وقوع زلزله 1857 را 41 درصد برآورد کردند. این رقم بسیار بیشتر از پیش بینی سایر مدل ها بود که احتمال وقوع زلزله را بین یک تا 27 درصد پیش بینی می کردند.

این محققان همچنین احتمال زمین لرزه در دوره 30 ساله را برای زلزله بزرگ بعدی در بخش جنوبی گسل سن آندریاس محاسبه کردند. آنها احتمال بسیار مشابهی را بین مدل های فعلی و LTFM پیدا کردند که حدود 35 درصد است.

یک تفاوت مهم بین مدل این محققان و مدل های پیش بینی کنونی این است که احتمال زلزله در قرن های آینده در گسل سن آندریاس به طور قابل توجهی با فرض اینکه زلزله هنوز اتفاق نیفتاده است، متفاوت است. به عبارت دیگر، هر چه زمان بیشتر می گذرد، احتمال افزایش می یابد. مدل های فعلی احتمال وقوع زلزله در 200 سال آینده را کمی کاهش داده اند، در حالی که LTFM احتمال وقوع زلزله در قرن های آینده را فزاینده برآورد کرده است.

آینده پیش بینی زلزله

گلدفینگر می گوید: ما نمی دانیم چرا گسل ها دارای خوشه های لرزه ای هستند و به تازگی تاریخچه طولانی از علمکرد گسل ها بدست آورده ایم.

مدل های پیش بینی زلزله را می توان با مستندسازی بیشتر داده های تاریخی و بلندمدت زلزله بهبود بخشید تا مدل ها واقعی تر شوند.

اگرچه LTFM از مدل پیش بینی فعلی پیچیده تر است، اما قوی تر است و مبنای بهتری برای مدل های پیش بینی زلزله دارد. گلدفینگر می گوید: این مدل گامی منظم در مسیر درست برای پیش بینی زلزله است.

نیلی می گوید مدل LTFM می تواند برای شرایط دیگری مانند Cascadia Subduction Zone نیز به کار گرفته شود. وی خاطرنشان کرد که آنها قصد دارند در آینده مدل خود را با زلزله هایی با بزرگی متفاوت آزمایش کنند.

5858