Software de modelagem revela padrões em formas de ondas sísmicas contínuas durante séries de terremotos stick-slip de magnitude 5

Uma equipa do Laboratório Nacional de Los Alamos utilizou a aprendizagem automática – uma aplicação de inteligência artificial – para detectar os sinais ocultos que precedem um terramoto. As descobertas no vulcão Kīlauea, no Havaí, fazem parte de um esforço de pesquisa de anos iniciado em Los Alamos, e este último estudo representa a primeira vez que os cientistas foram capazes de detectar esses sinais de alerta em uma falha stick-slip, do tipo que pode gerar destruição massiva.

O artigo está publicado na revista Cartas de Pesquisa Geofísica.

“Queríamos ver se conseguiríamos extrair sinais do ruído e identificar em que ponto do ciclo de carregamento o sistema estava em termos de aproximação de um grande deslizamento, que causa terremotos”, disse Christopher Johnson, sismólogo de Los Alamos e líder da equipe. investigador. “Esta é a primeira vez que conseguimos aplicar este método a um terremoto deste tipo e desta magnitude.”

A equipe usou dados registrados entre 1º de junho de 2018 e 2 de agosto de 2018, pelo Observatório de Vulcões Havaianos do US Geological Survey. Neste período, o vulcão sofreu mais de 50 terremotos de magnitudes variadas. Os investigadores concentraram-se em janelas de 30 segundos de dados sísmicos e o seu modelo identificou algo semelhante a uma impressão digital, um sinal oculto, que rastreava o ciclo de carregamento de cada evento. Em média, esse sinal oculto parecia contínuo antes de um grande movimento detectável no solo.

Combinados com testes anteriores, os resultados sugerem que algumas falhas sísmicas partilham uma física semelhante, o que significa que este método pode ser usado para avaliar os riscos sísmicos em todo o mundo.

Padrões no ruído

A pesquisa baseia-se em trabalhos anteriores conduzidos por Los Alamos sobre falhas na Califórnia e no noroeste do Pacífico, onde o aprendizado de máquina foi capaz de detectar esses sinais precursores.

À medida que as placas tectônicas pressionam umas contra as outras, elas criam tremores fracos no solo, chamados de emissões acústicas ou sísmicas contínuas. Esses sinais aparecem como formas de onda quando registrados, mas anteriormente se acreditava serem ruídos – dados sem informações que descrevessem o estado da falta. Em vez disso, os pesquisadores de Los Alamos descobriram que as formas de onda de emissão acústica contínua são, de fato, ricas em dados e podem ser usadas para inferir propriedades físicas de uma falha, como deslocamento, atrito e espessura.

Mais importante ainda, os cientistas de Los Alamos encontraram padrões altamente previsíveis nos sinais, uma espécie de cronograma para o fracasso.

“Quando olhamos para estes sinais contínuos, podemos extrair informações que nos dizem onde está a falha no seu ciclo de carga”, disse Johnson. “Estamos observando como o ruído evolui e isso nos dá detalhes sobre seu estado atual e onde está no ciclo de escorregamento”.

Do deslizamento lento ao deslizamento

A pesquisa da equipe foi a primeira vez que aplicou com sucesso a abordagem às falhas sismogênicas, a camada na qual os terremotos se originam. Neste caso, foi uma sequência de eventos stick-slip altamente ativos de magnitude 5 no vulcão Kīlauea, que sofreu um evento sísmico de meses de duração que levou a caldeira a afundar 1.600 pés.

Durante esse período, um sistema global de navegação por satélite mediu o deslocamento do solo em escala milimétrica. O modelo de aprendizado de máquina analisou esses dados, processou os sinais sísmicos e estimou com sucesso o deslocamento do solo e o tempo até a próxima falha.

Anteriormente, os investigadores de Los Alamos tinham aplicado modelos de aprendizagem automática semelhantes a eventos de deslizamento lento, que fazem com que o solo chacoalhe subtilmente durante dias, meses ou mesmo anos antes de um evento sísmico. Esses grandes conjuntos de dados foram úteis para treinar os modelos de aprendizado de máquina. Mas os terramotos mais destrutivos são causados ​​por falhas stick-slip, como a encontrada no vulcão Kīlauea, que pode gerar movimentos terrestres muito mais fortes mais rapidamente, e que até agora escaparam à previsão.