How Much Temporal Information Does Earthquake Declustering Remove? An Entropy-Based Analysis of the Türkiye Catalogue

Erdbeben ereignen sich selten isoliert. Wenn ein Beben einschlägt, löst es oft eine Kettenreaktion aus: Ein kleineres Vorbeben kann einem Hauptereignis vorausgehen, auf das dann ein Schwarm von Nachbeben folgt, der Wochen oder sogar Jahre anhalten kann. Für Wissenschaftler, die versuchen, die tief verwurzelten Spannungen der Erde zu verstehen, wirken diese Cluster wie das Rauschen auf einem Radio, das das stetige, unabhängige Hintergrundrauschen der natürlichen seismischen Aktivität des Planeten überlagert. Um ein klares Signal zu erhalten, nutzen Forscher einen Prozess namens Deklusterisierung, bei dem versucht wird, diese abhängigen Ereignisse zu entfernen und nur die „Hauptschocks“ übrig zu lassen, die den wahren, zugrunde liegenden Rhythmus der Region repräsentieren. Es bleibt jedoch die unbeantwortete Frage, ob dieser Reinigungsprozess zu viel von der Geschichte entfernt oder ob er ein vorhersagbares Muster hinterlässt, das uns helfen könnte zu verstehen, wie sich Erdbeben im Laufe der Zeit verhalten.

Eine neue Studie, die sich auf die Türkei konzentriert – ein Land, das auf einigen der aktivsten Verwerfungslinien der Welt liegt –, geht dieser Frage nach, indem sie misst, wie viel Information verloren geht, wenn wir versuchen, diese seismischen Ereignisse zu trennen. Der Forscher Hakan Karaca suchte nicht nach einem Kristallball, um genau vorherzusagen, wann das nächste Beben zuschlagen wird; eine solch präzise Vorhersage liegt jenseits der derzeitigen Wissenschaft. Stattdessen stellte er eine grundlegendere Frage: Wenn wir wissen, wie aktiv die Erde im letzten Monat war, sagt uns das etwas darüber, wie aktiv sie im nächsten Monat sein wird? Um dies zu beantworten, wandte er drei verschiedene, weit verbreitete Methoden zur Deklusterisierung einer massiven Datenbank türkischer Erdbeben über einen Zeitraum von fünfzig Jahren (von 1976 bis 2025) an. Er nutzte anschließend ein mathematisches Konzept namens Entropie, das im Wesentlichen misst, wie viel Unsicherheit in einem System existiert, um zu sehen, wie viel Ordnung nach dem Reinigungsprozess in den Daten verblieb.

Die Studie begann mit einem einzigen, einheitlichen Katalog von fast 40.000 Erdbeben. Der Forscher ließ diese Daten anschließend durch drei verschiedene Filter laufen. Die ersten beiden Methoden, bekannt als Gardner-Knopoff und Deniz-Yücemen, verwenden feste Zeit- und Distanzfenster, um zu entscheiden, welche Ereignisse Teil eines Clusters sind und welche unabhängig sind. Die dritte Methode, Reasenberg, verwendet einen komplexeren, interaktionsbasierten Ansatz, bei dem Cluster wachsen und sich entwickeln, während die Ereignisse miteinander verknüpft werden. Die Ergebnisse dieser Filterung waren drastisch unterschiedlich. Die ersten beiden Methoden waren aggressiv und entfernten etwa 70 bis 73 Prozent der aufgezeichneten Ereignisse als abhängige Cluster, sodass etwa 11.000 Ereignisse übrig blieben. Die Reasenberg-Methode war weita viel konservativer und entfernte nur etwa 32 Prozent der Ereignisse, wodurch nahezu 27.000 erhalten blieben. Dieser Unterschied darin, wie viele Ereignisse beibehalten wurden, bot die perfekte Grundlage, um zu testen, ob die Art und Weise, wie wir die Daten bereinigen, die Geschichte verändert, die die Daten erzählen.

Als der Forscher die monatlichen Zählungen dieser verbleibenden Erdbeben analysierte, konvertierte er die Rohzahlen in vier einfache Zustände: niedrige, moderat niedrige, moderat hohe und hohe Aktivität. Er untersuchte dann die Sequenz dieser Zustände Monat für Monat, um zu sehen, ob das Wissen um den Zustand eines Monats die Unsicherheit über den nächsten verringert. Die Ergebnisse zeigten, dass die Wahl der Reinigungsmethode das Ergebnis komplett veränderte. Bei den beiden Methoden, die die meisten Ereignisse entfernten, verschwand die Verbindung zwischen einem Monat und dem nächsten. Die Daten wirkten im Wesentlichen zufällig; zu wissen, dass der letzte Monat ruhig war, sagte nichts darüber aus, ob dieser Monat ruhig oder laut sein würde. Die statistischen Maße bestätigten, dass diese Methoden fast die gesamte detektierbare kurzfristige Abhängigkeit herausgefiltert hatten, was eine Sequenz hinterließ, die sich wie ein Münzwurf verhielt.

Im Gegensatz dazu erzählten die durch die Reasenberg-Methode verarbeiteten Daten eine andere Geschichte. Da diese Methode mehr der geclusterten Ereignisse beibehielt, wies die resultierende Sequenz eine signifikante Menge an zeitlicher Organisation auf. In den frühen Jahren der Aufzeichnung und erneut in den letzten Jahrzehnten zeigte die Datenlage ein klares Muster, bei dem das Aktivitätsniveau eines Monats tatsächliche Informationen über den nächsten lieferte. Die Unsicherheit über die Zukunft wurde messbar reduziert, wenn die Gegenwart bekannt war. Dies bedeutete nicht, dass die Erdbeben in einem deterministischen Sinne vorhersagbar waren, aber es bedeutete, dass das „Rauschen“ der Cluster nicht vollständig entfernt worden war, wodurch eine Struktur zurückblieb, die die anderen beiden Methoden erfolgreich gelöscht hatten.

Die Studie unterteilte den fünfzigjährigen Zeitraum weiter in drei verschiedene Perioden, um zu sehen, ob diese Muster über die Zeit Bestand hatten. Die beiden aggressiven Methoden zeigten konsistent keinen signifikanten Zusammenhang zwischen den Monaten, unabhängig von der Ära. Die Reasberg-Methode hingegen zeigte starke, statistisch signifikante Verbindungen in der ersten und der letzten Periode, während die mittlere Periode eher zufällig erschien. Dies deutet darauf hin, dass die scheinbare Vorhersagbarkeit seismischer Aktivität keine feste Eigenschaft der Erde selbst ist, sondern ein Merkmal, das stark davon abhängt, wie die Daten aufbereitet werden. Der Forscher fand heraus, dass der konservativere Ansatz ein „Gedächtnis“ vergangener Aktivitäten hinterließ, während die aggressiveren Ansätze dieses Gedächtnis komplett auslöschten.

Letztendlich zeigt die Arbeit, dass die Antwort darauf, wie viel zeitliche Information durch die Deklusterisierung von Erdbeben entfernt wird, vollständig von dem Werkzeug abhängt, das zur Entfernung verwendet wird. Es gibt keine einzelne, objektive Wahrheit über die verbleibende Ordnung in den Daten; es gibt nur die Ordnung, die den spezifischen Regeln des gewählten Algorithmus standhält. Die Ergebnisse legen nahe, dass Wissenschaftler, die Methoden verwenden, die Cluster aggressiv entfernen, eine Welt unabhängiger, unvorhersehbarer Ereignisse sehen werden. Wenn sie Methoden verwenden, die nachsichtiger sind, werden sie eine Welt mit anhaltenden Mustern und kurzfristigen Abhängigkeiten sehen. Dies bedeutet nicht, dass eine Methode richtig und die andere falsch ist, aber es bedeutet, dass jede Schlussfolgerung über die Vorhersagbarkeit von Erdbeben im Kontext des Datenbereinigungsprozesses verstanden werden muss, der sie hervorgebracht hat. Die Studie dient als Erinnerung daran, dass die Art und Weise, wie wir unsere Beobachtungen organisieren, die Muster, die wir in der Natur sehen, grundlegend verändern kann.