A Bayesian Parametric Ground-Motion Prediction Model: Response Spectra of Shallow Crustal Seismicity in Europe

Cuando el suelo tiembla, la violencia del temblor en un lugar específico no es solo una cuestión de qué tan grande fue el terremoto o de qué tan lejos ocurrió. Es también una historia del camino que la energía tomó a través de la Tierra y de la naturaleza específica del suelo bajo un edificio. Los científicos que estudian estos patrones de sacudida utilizan modelos matemáticos para predecir qué tan fuerte será el movimiento del suelo en un punto dado. Estas predicciones son vitales para diseñar edificios que puedan sobrevivir a un sismo y para comprender el riesgo para las comunidades. Sin embargo, Europa presenta un desafío único. A diferencia de las regiones con terremotos masivos y frecuentes, gran parte de Europa experimenta temblores más pequeños y menos frecuentes. Esta escasez de eventos de gran magnitud dificulta la construcción de modelos de predicción precisos, obligando a los científicos a depender de los datos de sismos menores e intentar escalarlos. El problema es que el suelo en Francia o Bélgica se comporta de manera diferente al suelo en Italia o Grecia, y un modelo que funciona para una región a menudo falla en otra.

Un equipo de investigadores con sede en Grenoble, Francia, ha desarrollado una nueva forma de predecir estos movimientos del suelo que tiene en cuenta mejor estas diferencias regionales. Crearon un modelo que combina datos de tres fuentes distintas: una base de datos europea masiva de registros sísmicos, un conjunto de datos especializado de Francia y otro de Bélgica. Al fusionar estos registros, construyeron una imagen integral de cómo viajan las ondas sísmicas a través del continente, abarcando desde diminutos temblores hasta eventos mayores. El resultado es una herramienta que puede predecir la intensidad de la sacudida de terremotos superficiales en cualquier parte de Europa con mayor precisión que los métodos anteriores, particularmente en áreas donde los terremotos grandes son raros pero aún posibles.

Los investigadores comenzaron recopilando una vasta colección de registros sísmicos. Combinaron datos de más de 55,000 registros de sacudidas del suelo, capturando eventos que ocurrieron entre 1976 y 2026. Estos registros provinieron de sensores colocados en una amplia franja de Europa, desde las zonas de alta sismicidad de Italia y Grecia hasta las regiones más tranquilas de Francia y Bélgica. Una parte clave de su trabajo consistió en limpiar y estandarizar estos datos. Las magnitudes de los terremotos, que miden el tamaño del evento, habían sido calculadas de diferentes maneras por distintos grupos. El equipo reemplazó estas variadas estimaciones con un conjunto único y consistente de valores de magnitud. Este paso fue crucial porque las mediciones inconsistentes pueden distorsionar la relación entre el tamaño de un terremoto y la sacudida que produce. También se aseguraron de que los datos incluyeran una amplia gama de tamaños de terremotos, desde eventos muy pequeños con magnitudes alrededor de 1.6 hasta otros grandes cercanos a 7.7, lo que les permitió estudiar cómo escala la sacudida a través de todo el espectro.

Una vez preparados los datos, el equipo construyó un nuevo modelo de predicción utilizando un enfoque estadístico sofisticado conocido como regresión bayesiana. A diferencia de los métodos antiguos que trataban cada ubicación como un punto genérico, este nuevo modelo reconoce que la Tierra no es uniforme. Divide a Europa en una cuadrícula de pequeños cuadrados, cada uno de medio grado por medio grado. Para cada cuadrado de esta cuadrícula, el modelo aprende cómo el suelo atenúa, o debilita, las ondas sísmicas. Este es un cambio significativo respecto a los modelos anteriores, que a menudo asignaban un conjunto uniforme de reglas a una región amplia y general. Al usar una cuadrícula, el nuevo modelo puede detectar variaciones sutiles. Por ejemplo, puede distinguir entre las zonas de alta atenuación de los Pirineos, donde las ondas mueren rápidamente, y las zonas de baja atenuación del bajo Graben del Rin, donde las ondas viajan más lejos con menos pérdida.

El modelo también separa los efectos de la fuente del terremoto de los efectos del sitio de registro. Calcula cuánto de la sacudida es causada por las características específicas del terremoto en sí, como su ubicación y profundidad, y cuánto es causado por la geología local donde se encuentra el sensor. Esta separación permite que el modelo sea más preciso. Por ejemplo, puede identificar que un valle específico en Francia amplifica la sacudida de manera constante más que una colina cercana, incluso si están muy cerca entre sí. Los investigadores descubrieron que este nivel de detalle redujo la incertidumbre en sus predicciones. El nuevo modelo produce márgenes de error más pequeños en comparación con el mejor modelo anterior utilizado en toda Europa, lo que significa que los ingenieros y los evaluadores de riesgos pueden tener más confianza en los números que reciben.

Uno de los hallazgos más importantes se refiere a cómo el modelo maneja los terremotos pequeños. En el pasado, los modelos a menudo tenían dificultades para predecir la sacudida de eventos menores, produciendo a veces resultados poco realistas donde la sacudida parecía aumentar a medida que el terremoto se hacía más pequeño. El nuevo modelo corrige esto utilizando la abundante cantidad de datos de terremotos pequeños y moderados para establecer una línea base confiable. Esto permite que el modelo se aplique a regiones de sismicidad baja a moderada como Francia y Bélgica, donde los terremotos pequeños son comunes pero aún pueden causar daños en áreas vulnerables como los valles de los ríos. El modelo ahora se comporta de una manera que se alinea con la realidad física, mostrando que los terremotos más pequeños producen menos sacudida, y puede predecir de manera confiable los efectos de eventos tan pequeños como magnitud 4.

Los investigadores también descubrieron que la forma en que las ondas sísmicas pierden energía depende en gran medida de la frecuencia de la sacudida. Las ondas de alta frecuencia, que causan sacudidas rápidas y bruscas, se comportan de manera diferente a las ondas de baja frecuencia, que causan movimientos lentos y ondulantes. El nuevo modelo captura esta dependencia de la frecuencia al permitir que las reglas de atenuación cambien según el periodo de la onda. Esto significa que el modelo puede predecir no solo la sacudida máxima, sino todo el patrón de cómo se mueve el suelo a lo largo del tiempo. Esto es esencial para diseñar diferentes tipos de estructuras, ya que un edificio alto podría responder de manera distinta a un movimiento ondulante de baja frecuencia que una casa corta y rígida ante sacudidas de alta frecuencia.

El estudio confirma que el nuevo modelo es una mejora significativa respecto a su predecesor. Cubre un rango más amplio de tamaños y distancias de terremotos, desde muy cerca de la fuente hasta cientos de kilómetros de distancia. También proporciona una imagen más clara de la incertidumbre involucrada en cualquier predicción. Al tratar el modelo como un sistema vivo que puede actualizarse con nuevos datos, los investigadores han creado una herramienta que se volverá más precisa con el tiempo a medida que se recopilen más registros sísmicos. Esto es particularmente importante para Europa, donde la red sísmica está en constante expansión. El modelo ya está siendo adaptado para su uso en mapas de peligros nacionales de Béliga y Francia, ayudando a refinar los estándares de seguridad para los edificios en esos países.

Si bien el modelo representa un gran avance, los investigadores reconocen que aún queda trabajo por hacer. Algunas regiones, particularmente los Balcanes, siguen estando submuestreadas, lo que significa que el modelo tiene menos datos con los que trabajar en esas áreas. Además, la profundidad de los terremotos puede ser difícil de precisar con exactitud, lo que introduce cierta incertidumbre. Sin embargo, el marco de trabajo que han construido está diseñado para manejar estas limitaciones. A medida que haya nuevos datos disponibles, el modelo podrá actualizarse para llenar los vacíos y reducir la incertidumbre. El objetivo final es crear una imagen continua y altamente precisa del riesgo sísmico en todo el continente, asegurando que las comunidades estén mejor preparadas para el suelo bajo sus pies.

Este trabajo demuestra que, al combinar grandes cantidades de datos con técnicas estadísticas avanzadas, los científicos pueden desvelar las capas de complejidad que durante mucho tiempo han ocultado nuestra comprensión de la sacudida de los terremotos. El nuevo modelo no solo predice números; revela los patrones ocultos de cómo la energía se mueve a través de la corteza europea. Muestra que el suelo no es un telón de fondo pasivo, sino un participante activo en cada terremoto, moldeando el peligro de formas que ahora finalmente están quedando claras. Para las personas que viven en estas regiones, esta claridad se traduce en edificios más seguros y un enfoque más informado sobre el riesgo siempre presente de la actividad sísmica.