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

भूकंप शायद ही कभी अकेले होते हैं। जब एक कंपन होता है, तो यह अक्सर एक श्रृंखला अभिक्रिया (chain reaction) को जन्म देता है: एक मुख्य घटना से पहले एक छोटा सा 'फोरशॉक' हो सकता है, जिसके बाद आफ्टरशॉक्स (आफ्टरशॉक्स) का एक समूह आ सकता है जो हफ्तों या वर्षों तक चल सकता है। पृथ्वी के गहरे तनाव पैटर्न को समझने की कोशिश कर रहे वैज्ञानिकों के लिए, ये क्लस्टर रेडियो पर होने वाले 'स्टैटिक' (शोर) की तरह काम करते हैं, जो ग्रह की प्राकृतिक भूकंपीय गतिविधि के स्थिर, स्वतंत्र बैकग्राउंड शोर को दबा देते हैं। एक स्पष्ट संकेत प्राप्त करने के लिए, शोधकर्ता 'डिक्ल्स्टरिंग' (declustering) नामक एक प्रक्रिया का उपयोग करते हैं, जो इन आश्रित घटनाओं को हटाने और केवल उन "मुख्य झटकों" (main shocks) को छोड़ने का प्रयास करती है जो क्षेत्र की वास्तविक, अंतर्निहित लय का प्रतिनिधित्व करते हैं। हालाँकि, एक अनसुलझा प्रश्न हमेशा से रहा है कि क्या यह सफाई प्रक्रिया कहानी का बहुत अधिक हिस्सा हटा देती है, या क्या यह एक ऐसा अनुमानित पैटर्न छोड़ देती है जो हमें यह समझने में मदद कर सके कि भूकंप समय के साथ कैसे व्यवहार करते हैं।

तुर्की पर केंद्रित एक नया अध्ययन, जो दुनिया के सबसे सक्रिय फॉल्ट लाइनों में से एक के ऊपर स्थित है, इस प्रश्न को हल करता है कि जब हम इन भूकंपीय घटनाओं को अलग करने की कोशिश करते हैं तो कितनी जानकारी खो जाती है। शोधकर्ता, हकान कराका ने भविष्य बताने वाला कोई 'क्रिस्टल बॉल' नहीं खोजा; ऐसी सटीक भविष्यवाणी वर्तमान विज्ञान की पहुंच से बाहर है। इसके बजाय, उन्होंने एक अधिक मौलिक प्रश्न पूछा: यदि हम जानते हैं कि पिछले महीने पृथ्वी कितनी सक्रिय थी, तो क्या वह हमें यह बताता है कि अगले महीने यह कितनी सक्रिय होगी? इसका उत्तर देने के लिए, उन्होंने तुर्की के भूकंपों के पचास वर्षों (1976 से 2025 तक) के विशाल डेटाबेस को डिक्ल्स्टर करने के लिए तीन अलग-अलग, व्यापक रूप से उपयोग किए जाने वाले तरीकों को लागू किया। फिर उन्होंने 'एन्ट्रॉपी' (entropy) नामक एक गणितीय अवधारणा का उपयोग किया, जो मूल रूप से यह मापता है कि किसी प्रणाली में कितनी अनिश्चितता मौजूद है, ताकि यह देखा जा सके कि सफाई प्रक्रिया के बाद डेटा में कितना क्रम (order) बचा है।

अध्ययन लगभग 40,000 भूकंपों के एक एकल, एकीकृत कैटलॉग के साथ शुरू हुआ। शोधकर्ता ने इस डेटा को तीन अलग-अलग फिल्टरों के माध्यम से चलाया। पहले दो तरीके, जिन्हें गार्डनर-नोपकोफ (Gardner-Knopoff) और डेनिज़-युसेमेन (Deniz-Yücemen) के रूप में जाना जाता है, यह तय करने के लिए निश्चित समय और दूरी के अंतराल का उपयोग करते हैं कि कौन सी घटनाएं एक क्लस्टर का हिस्सा हैं और कौन सी स्वतंत्र हैं। तीसरा तरीका, रीसेबर्ग (Reasberg), एक अधिक जटिल, 'इंटरैक्शन-आधारित' दृष्टिकोण का उपयोग करता है जहाँ क्लस्टर विकसित होते हैं और घटनाएं आपस में जुड़ती हैं। इन फिल्टरों के परिणाम बिल्कुल भिन्न थे। पहले दो तरीके आक्रामक थे, जिन्होंने दर्ज की गई घटनाओं में से लगभग 70 से 73 प्रतिशत को आश्रित क्लस्टर के रूप में हटा दिया, जिससे लगभग 11,000 घटनाएं शेष रहीं। रीसेबर्ग विधि कहीं अधिक रूढ़िवादी (conservative) थी, जिसने दर्ज की गई घटनाओं का केवल लगभग 32 प्रतिशत हटाया और लगभग 27,000 घटनाओं को बरकरार रखा। घटनाओं की संख्या में यह अंतर यह परीक्षण करने के लिए एक आदर्श सेटअप प्रदान करता था कि डेटा को साफ करने का तरीका उस कहानी को बदल देता है जो डेटा हमें बताता है।

जब शोधकर्ता ने शेष भूकंपों की मासिक गणना का विश्लेषण किया, तो उन्होंने कच्चे आंकड़ों को चार सरल अवस्थाओं में बदल दिया: कम, मध्यम कम, मध्यम उच्च और उच्च गतिविधि। फिर उन्होंने महीने-दर-महीने इन अवस्थाओं के अनुक्रम को देखा ताकि यह पता लगाया जा सके कि क्या एक महीने की स्थिति जानने से अगले महीने की अनिश्चितता कम होती है। परिणामों ने दिखाया कि सफाई पद्धति का चुनाव परिणाम को पूरी तरह से बदल देता है। उन दो तरीकों के लिए जिन्होंने सबसे अधिक घटनाओं को हटाया, एक महीने और दूसरे महीने के बीच का संबंध समाप्त हो गया। डेटा अनिवार्य रूप से यादृच्छिक (random) दिखाई दिया; यह जानना कि पिछला महीना शांत था, आपको कुछ नहीं बताता था कि यह महीना शांत होगा या अशांत। सांख्यिकीय मापों ने पुष्टि की कि इन तरीकों ने लगभग सभी पता लगाने योग्य अल्पकालिक निर्भरता को हटा दिया था, जिससे एक ऐसा अनुक्रम बना जो सिक्का उछालने (coin toss) जैसा व्यवहार करता था।

इसके विपरीत, रीसेबर्ग पद्धति द्वारा संसाधित डेटा एक अलग कहानी बताता था। क्योंकि इस पद्धति ने क्लस्टर की गई अधिक घटनाओं को बनाए रखा, इसलिए परिणामी अनुक्रम ने महत्वपूर्ण मात्रा में 'टेम्पोरल ऑर्गनाइजेशन' (समय संबंधी संगठन) को बनाए रखा। रिकॉर्ड के शुरुआती वर्षों में और हाल के दशकों में फिर से, डेटा ने एक स्पष्ट पैटर्न दिखाया जहाँ एक महीने की गतिविधि का स्तर अगले महीने के बारे में वास्तविक जानकारी प्रदान करता था। भविष्य के बारे में अनिश्चितता तब मापने योग्य रूप से कम हो गई जब वर्तमान ज्ञात था। इसका मतलब यह नहीं था कि भूकंप नियतिवादी (deterministic) अर्थ में अनुमानित थे, बल्कि इसका मतलब यह था कि क्लस्टर्स का "शोर" पूरी तरह से हटाया नहीं गया था, जिससे एक संरचना पीछे रह गई थी जिसे अन्य दो तरीकों ने सफलतापूर्वक मिटा दिया था।

अध्ययन ने इन पैटर्नों को देखने के लिए पचास साल की समयरेखा को तीन अलग-अलग अवधियों में विभाजित किया। दो आक्रामक तरीकों ने लगातार महीनों के बीच कोई महत्वपूर्ण संबंध नहीं दिखाया, चाहे वह कोई भी युग हो। हालाँकि, रीसेबर्ग पद्धति ने पहले और अंतिम अवधियों में मजबूत, सांख्यिकीय रूप से महत्वपूर्ण संबंध दिखाए, जबकि मध्य अवधि अधिक यादृच्छिक प्रतीत हुई। यह सुझाव देता है कि भूकंपीय गतिविधि की प्रत्यक्ष अनुमान लगाने की क्षमता पृथ्वी का कोई निश्चित गुण नहीं है, बल्कि यह इस बात पर निर्भर करती है कि डेटा को कैसे तैयार किया गया है। शोधकर्ता ने पाया कि अधिक रूढ़िवादी दृष्टिकोण ने पिछली गतिविधि की "स्मृति" (memory) को पीछे छोड़ दिया, जबकि अधिक आक्रामक दृष्टिकोणों ने उस स्मृति को पूरी तरह से मिटा दिया।

अंततः, यह शोध पत्र यह प्रदर्शित करता है कि भूकंप डिक्ल्स्टरिंग कितना 'टेम्पोरल इंफॉर्मेशन' (समय संबंधी जानकारी) हटाती है, यह पूरी तरह से इस बात पर निर्भर करता है कि हटाने के लिए किस उपकरण का उपयोग किया गया है। डेटा में शेष बचे क्रम के बारे में कोई एक, वस्तुनिष्ठ सत्य नहीं है; वहां केवल वह क्रम है जो चुने गए एल्गोरिदम के विशिष्ट नियमों के माध्यम से जीवित रहता है। निष्कर्ष बताते हैं कि यदि वैज्ञानिक उन तरीकों का उपयोग करते हैं जो क्लस्टर्स को आक्रामक रूप से हटाते हैं, तो वे स्वतंत्र, अप्रत्याशित घटनाओं की दुनिया देखेंगे। यदि वे अधिक उदार तरीकों का उपयोग करते हैं, तो वे निरंतर पैटर्न और अल्पकालिक निर्भरताओं वाली दुनिया देखेंगे। इसका मतलब यह नहीं है कि एक तरीका सही और दूसरा गलत है, लेकिन इसका मतलब यह है कि भूकंप की अनुमान लगाने की क्षमता के बारे में कोई भी निष्कर्ष उस डेटा सफाई प्रक्रिया के संदर्भ में समझा जाना चाहिए जिसने इसे निर्मित किया है। यह अध्ययन एक अनुस्मारक के रूप में कार्य करता है कि हमारे अवलोकनों को व्यवस्थित करने का तरीका प्राकृतिक दुनिया में दिखने वाले पैटर्न को मौलिक रूप से बदल सकता है।