Development of Earthquake Early Warning (EEW) System: Empirical relationship using data from Japan

Resumen Técnico: Desarrollo de un Sistema de Alerta Temprana de Terremotos (EEW): Relación empírica utilizando datos de Japón

Planteamiento del Problema
Los sistemas de Alerta Temprana de Terremotos (EEW, por sus siglas en inglés) son fundamentales para mitigar los impactos destructivos de los eventos sísmicos al proporcionar alertas antes de la llegada de las ondas S dañinas. Si bien los sistemas en Japón y Taiwán han demostrado eficiencia, persiste un desafío significativo en la estimación rápida y precisa de la magnitud del terremoto utilizando únicamente las fases iniciales de la llegada de la onda P. Las metodologías actuales suelen depender de uno o dos parámetros (como el desplazamiento pico, $P_d$, o el tiempo característico, $\tau_c$), que pueden sufrir de saturación en magnitudes más altas ($M_w > 7.0$) o una alta sensibilidad a las relaciones señal-ruido (SNR). Este estudio aborda la necesidad de evaluar un enfoque multiparamétrico para mejorar la robustez, confiabilidad y puntualidad de la estimación de la magnitud en los sistemas EEW.

Metodología
El estudio utiliza un conjunto de datos exhaustivo que comprende 143 eventos sísmicos registrados por la red K-NET del Instituto Nacional de Ciencia y Tecnología para la Prevención de Desastres en la Tierra (NIED) en Japón entre 2010 y 2024. El conjunto de datos incluye magnitudes de momento ($M_w$) que oscilan entre 5.0 y 7.7, con distidades hipocentrales de hasta 110 km y profundidades focales de hasta 60 km, sumando un total de 4,446 formas de onda.

La metodología consiste en la extracción de parámetros de movimiento del suelo a partir de las llegadas iniciales de la onda P utilizando formas de onda de tres componentes. Los parámetros analizados incluyen:

• Valores pico: Aceleración pico ($P_a$), velocidad ($P_v$) y desplazamiento ($P_d$).
• Índices de movimiento del suelo: Aceleración máxima del suelo (PGA), velocidad (PGV) y desplazamiento (PGD).
• Parámetros acumulativos y basados en frecuencia: Absement absoluto acumulado (CAA), velocidad absoluta acumulada (CAV), periodo de tiempo característico ($\tau_c$) y velocidad acumulada de la raíz de la suma de los cuadrados (RSSCV).

Estos parámetros fueron calculados para ventanas de tiempo de 3, 4 y 5 segundos tras la llegada de la onda P. Se aplicó un filtro de paso de banda Butterworth de cuarto orden (corte bajo de 0.075 Hz) para eliminar el ruido y la deriva. Se realizaron análisis de regresión lineal para establecer relaciones empíricas entre estos parámetros y tanto la magnitud ($M$) como la distancia hipocentral ($R$), siguiendo la formulación: $\log(P) = a \cdot \log(R) + b \cdot M + c$. Se calculó la Desviación Estándar del Error (SDE) de la regresión para determinar la ventana de tiempo y los parámetros más fiables para la predicción de la magnitud.

Resultos Clave

1. Optimización de la Ventana de Tiempo: El análisis indica que la ventana de tiempo de 5 segundos produce consistentemente la menor dispersión y las correlaciones más estables para todos los parámetros en comparación con las ventanas de 3 y 4 segundos.
2. Correlaciones de Parámetros:
   • Se observaron correlaciones lineales fuertes (cercanas a 1:1) entre PGA y $P_a$, PGV y $P_v$, y PGD y $P_d$, específicamente en la ventana de 5 segundos.
   • Superioridad de CAA y RSSCV: El estudio encontró que el Absement Absoluto Acumulado (CAA) y el RSSCV exhiben las relaciones más fuertes con la magnitud. El CAA demostró la Desviación Estándar del Error (SDE) más baja de 0.356 en la regresión contra la magnitud para la ventana de 5 segundos.
   • Comportamiento de Saturación: Los parámetros tradicionales basados en amplitud ($P_a, P_v, P_d$) y el CAV mostraron signos de saturación para magnitudes superiores a 7.3, lo que conduce a una posible subestimación. En contraste, el CAA y el RSSCV mantuvieron tendencias lineales sin saturación significativa incluso en magnitudes más altas.
   • Limitaciones de $\tau_c$: Aunque el $\tau_c$ no se saturó, exhibió una alta sensibilidad a la SNR y una dispersión de datos significativa, resultando en magnitudes predichas con valores de SDE insuficientes para una alerta temprana fiable.
3. Ecuaciones Empíricas: El estudio derivó ecuaciones de regresión específicas para el intervalo de 5 segundos que relacionan $P_a, P_v, P_d, CAA, CAV, \tau_c$ y $RSSCV$ con la magnitud y la distancia. Por ejemplo, la relación para CAA viene dada por: $\log_{10}(CAA_5) = -1.408 \log_{10}(R) + 0.602 M - 0.092$.

Significancia y Reivindicaciones
El artículo sostiene que un enfoque multiparamétrico, que incorpora específicamente el CAA y el RSSCV junto con las métricas tradicionales, ofrece una base más robusta para los sistemas EEW que los métodos de un solo parámetro. Los autores afirman que:

• El CAA es un indicador de magnitud superior: Proporciona una estimación de la magnitud del terremoto más estable y fiable (SDE de 0.48 para CAA frente a 0.53 para $P_d$) y captura el campo de movimiento del suelo de manera más exhaustiva que el desplazamiento de componente vertical únicamente.
• El RSSCV evita la subestimación: Como parámetro dependiente de la energía acumulada, el RSSCV evita los problemas de saturación comunes en los parámetros basados en la amplitud, lo que lo hace eficaz para estimar el tamaño de grandes terremotos ($M > 6.0$).
• La Ventana de 5 Segundos es Óptima: El estudio concluye que un intervalo de 5 segundos tras la llegada de la onda P es el marco de tiempo más adecuado para extraer estos parámetros para equilibrar la precisión de la predicción con el tiempo de espera de la alerta.

Los autores enfatizan que estos hallazgos sientan las bases para la predicción de la magnitud en tiempo real utilizando múltiples parámetros sísmicos de las fases iniciales de la onda P, lo que potencialmente reduce las falsas alarmas y mejora la precisión de las alertas EEW. Sugieren que el trabajo futuro podría integrar aún más estos parámetros y explorar enfoques de aprendizaje automático para mejorar la precisión del sistema.