Wetenschappers implementeren remote sensorarray om aardbevingenreeks in Amerikaans-Samoa te volgen

Seismological Society of America, Albany, CA

Kaart van Manu'a-eilanden met Raspberry Shake-locaties (rode driehoeken) en dorpen (zwarte vierkanten) die gevoelrapporten leverden. De oorsprong van de reeks is gelokaliseerd waar de gele en rode ringen elkaar snijden: direct onder, of offshore noord of zuid van Ta'ū-eiland. (Afbeelding: Yoon et al.)

In eind juli tot oktober 2022 voelden inwoners van de Manu'a-eilanden in Amerikaans-Samoa de aarde meerdere keren per dag schudden, wat zorgen wekte over een onmiddellijke vulkanische uitbarsting of tsunami.

Een aardbevingencatalogus voor het gebied leverde niets op, omdat de eilanden een seismisch monitoringsnetwerk misten dat de schokken kon meten en seismologen kon helpen bij hun zoektocht naar de bron van de aardbevingenreeks.

Maar de inwoners van de Ta'ū, Ofu en Olosega eilanden hadden antwoorden nodig, dus Clara Yoon van de U.S. Geological Survey en haar collega's vonden een andere manier om de seismische leegtes in te vullen. Ze gebruikten machine learning en een techniek genaamd template matching op schokdata vastgelegd van een enkele seismische sensor op 250 kilometer afstand van de Amerikaans-Samoa reeks.

Ze volgden de reeks met deze single-station data, gecombineerd met schokrapporten van inwoners, totdat lokale permanente seismische stations in augustus en september 2022 in Amerikaans-Samoa geïnstalleerd waren.

De non-eruptieve vulkanische aardbevingenreeks begon in juli 2022 ongeveer 15 kilometer offshore van Ta'ū-eiland. De Samoa vulkanische eilanden ontstaan doordat de Pacific tectonische plaat beweegt over een hotspot in de zuidelijke Pacific Ocean.

Inwonersrapporten van de frequente schokken, die meerdere keren per dag voor een paar seconden voorkwamen, waren aanvankelijk de enigste informatie over de reeks. " toen de aardbevingen begonnen, had Amerikaans-Samoa geen instrumentale geofysische monitoring, dus zelfs basisinformatie over de bron van de schokken — met implicaties voor noodbesluitvorming en publieke veiligheid — was niet bestaande," aldus Yoon.

Om dit te verhelpen, keerden de onderzoekers zich tot een remote seismisch station op Upolu, Samoa, onderdeel van het Global Seismographic Network, dat data heeft die in near-real-time gedownload kan worden via het EarthScope datacentrum, aldus Yoon.

Het seismische signaal van de Amerikaans-Samoa aardbevingenreeks was moeilijk te detecteren op het afgelegen station, dus Yoon en collega's gebruikten een deep-learning model genaamd EQTransformer, samen met een techniek genaamd template matching, om deze kleine aardbevingen uit een ruisige seismische achtergrond te filteren.

"EQTransformer vond veel aardbevingen met locaties consistent met oostelijk Amerikaans-Samoa, de grootste daarvan matched met de tijden van gevoelrapporten," aldus Yoon. "Deze gevoelrapporten, bijgedragen door lokale inwoners aan de National Weather Service, waren essentiële databronnen over de aardbevingen, en gaven ons vertrouwen dat de EQTransformer-gedetecteerde gebeurtenissen daadwerkelijk dezelfde aardbevingen waren die door de lokale bevolking gevoeld werden."

Met deze nieuwe aardbevingencatalogus voor de gebeurtenis, konden de onderzoekers de aanvang en de piek van de reeksactiviteit karakteriseren. Draagbare en goedkope Raspberry Shake sensoren geïmplementeerd in augustus 2022 hielpen het gebied van de reeks snel te lokaliseren. De reeks eindigde in oktober 2022 zonder uitbarsting, maar was waarschijnlijk gerelateerd aan vulkanische magmabeweging, concludeerden de onderzoekers.

Yoon zei dat een benadering zoals hun single-station techniek nuttig kan zijn in andere plekken over de wereld waar permanente seismische monitoring schaars is en seismische risico's slecht begrepen worden, zoals offshore regio's met tsunamipotentieel of aardbevingen binnen een tectonische plaat. Ze voegde toe dat de grootste aardbeving in de Amerikaans-Samoa reeks magnitude 4.5 was, wat het onwaarschijnlijk maakte dat het gedetecteerd zou worden door mondiale seismische netwerken.

"Als niemand in de buurt had gewoond om de frequente schokken te rapporteren, had deze Amerikaans-Samoa reeks volledig onopgemerkt kunnen blijven," aldus Yoon. "Veel onbekende seismische bronnen en fenomenen wachten om ontdekt te worden, misschien door toekomstige grootschalige, uitgebreide toepassingen van deep-learning benaderingen in de seismologie."

Voor meer informatie, contacteer de Seismological Society of America via dit e-mailadres is beschermd tegen spambots. U heeft JavaScript ingeschakeld om het te kunnen zien..