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

地面が揺れるとき、特定の場所における震動の激しさは、単に地震がどれほど大きかったか、あるいはどれほど遠くで発生したかという問題だけではありません。それは、エネルギーが地球の中を辿った経路と、建物の真下にある地面の具体的な性質の物語でもあります。これらの揺れのパターンを研究する科学者たちは、数学的モデルを用いて、特定の地点で地面の動きがどの程度強くなるかを予測します。これらの予測は、地震に耐えうる建物を設計することや、コミュニティへのリスクを理解するために不可欠です。しかし、ヨーロッパは特有の課題を抱えています。頻繁に大規模な地震が発生する地域とは異なり、ヨーロッパの大部分は、より小さく、発生頻度の低い震動を経験しています。このような大規模な事象の不足は、正確な予測モデルの構築を困難にしており、科学者たちは小さな地震のデータに頼り、それをスケールアップさせることを余儀なくされています。問題は、フランスやベルギーの地面はイタリアやギリシャの地面とは挙動が異なることであり、ある地域で機能するモデルが別の地域では機能しないことが多いという点です。

フランスのグルノーブルを拠点とする研究チームは、こうした地域的な違いをより適切に考慮した、地面の動きを予測する新しい手法を開発しました。彼らは、3つの異なるソースからのデータを組み合わせたモデルを作成しました。それは、ヨーロッパの膨大な地震記録データベース、フランスの特化したデータセット、そしてベルギーのデータセットです。これらの記録を統合することで、彼らは微小な震動から大規模な事象に至るまで、大陸全土を網羅する、地震波がどのように伝わるかについての包括的な全体像を構築しました。その結果、大規模な地震が稀ではあるものの発生する可能性がある地域においても、以前の手法よりも高い精度で浅発地震の揺れの強度を予測できるツールが完成しました。

研究者たちはまず、膨大な地震記録の収集から始めました。彼らは、1976年から2026年の間に発生した事象を捉えた55,000件以上の地面の揺れの記録を統合しました。これらの記録は、イタリアやギリシャの高地震活動帯から、フランスやベルギーのような静かな地域まで、ヨーロッパの広い範囲に配置されたセンサーから得られたものです。彼らの作業の重要な部分は、データのクリーニングと標準化でした。地震の規模（マグニチュード）は、グループによって異なる方法で算出されていました。チームは、これらの多様な推定値を、単一の一貫したマグニチュード値に置き換えました。このステップは極めて重要でした。なぜなら、不一致な測定値は、地震の大きさとそれが引き起こす揺れとの関係を歪めてしまうからです。彼らはまた、データにマグニチュード約1.6の非常に小さなイベントから7.7に近い大きなものまで、幅広い地震のサイズが含まれるようにし、あらゆるスペクトルにわたって揺れがどのようにスケールするかを研究できるようにしました。

データが準備されると、チームはベイズ回帰として知られる高度な統計的手法を用いて、新しい予測モデルを構築しました。すべての場所を一般的な点として扱う古い手法とは異なり、この新しいモデルは地球が均質ではないことを認識しています。モデルはヨーロッパを、一辺が0.5度ずつの小さな正方形の格子（グリッド）に分割します。このグリッド上のすべての正方形に対して、モデルは地面が地震波をどのように減衰させるか（弱めるか）を学習します。これは、以前のモデルがしばしば一つの広範な領域に一律のルールを割り当てていたことからの重要な転換です。格子を使用することで、新しいモデルは微妙な変化を検出できます。例えば、波がすぐに消散してしまうピレネー山脈の高減衰ゾーンと、波が損失少なく遠くまで伝わるローネ・グラベン低地のような低減衰ゾーンを区別することができます。

また、モデルは地震の震源による影響と、観測地点による影響を分離しています。モデルは、地震の場所や深さといった地震自体の特定の特性によって引き起こされる揺れと、センサーが設置されている現地の地質によって引き起こされる揺れをそれぞれ計算します。この分離により、モデルはより精密になります。例えば、特定のフランスの谷が、近くにある丘よりも一貫して揺れを増幅させることを特定できます。研究者たちは、この詳細レベルによって予測の不確実性が減少することを発見しました。新しいモデルは、ヨーロッパ全域で使用されている従来の最良のモデルと比較して、誤差範囲が小さくなっており、これはエンジニアやリスク評価者が受け取る数値に対してより高い信頼を持てることを意味します。

最も重要な発見の一つは、モデルが小さな地震をどのように扱うかに関するものです。過去のモデルは、小さな地震による揺れの予測に苦慮することが多く、地震が小さくなるにつれて揺れが増大するという非現実的な結果を示すことがありました。新しいモデルは、豊富にある小規模および中規模の地震のデータを使用して信頼できるベースラインを確立することで、これを修正しました。これにより、モデルをフランスやベルギーのような低〜中程度の地震活動地域に適用できるようになりました。これらの地域では小さな地震が一般的ですが、河川敷のような脆弱なエリアでは被害をもたらす可能性があります。モデルは現在、物理的な現実に沿った挙動を示しており、小さな地震はより少ない揺れを生み出すことを示しており、マグニチュード4程度の事象の効果を確実に予測できます。

研究者たちはまた、地震波がエネルギーを失う方法は、揺れの周波数に大きく依存することも発見しました。高周波の波（急速で鋭い衝撃を引き起こすもの）は、低周波の波（ゆっくりとした回転運動を引き起こすもの）とは異なる挙動を示します。新しいモデルは、波の周期に基づいて減衰の規則が変化することを許容することで、この周波数依存性を捉えています。これは、モデルが最大揺れだけでなく、地面が時間の経過とともにどのように動くかというパターン全体を予測できることを意味します。これは、高い建物が低周波の回転運動に対してどのように反応するか、短い硬い家がどのように高周波の衝撃に対して反応するかといった、異なる構造物の設計において不可欠です。

この研究は、新しいモデルが以前のモデルよりも大幅に改善されていることを裏付けています。それは、震源のすぐ近くから数百キロメートル離れた場所まで、より広い範囲の地震規模と距離をカバーしています。また、予測に伴う不確実性のより明確な全体像を提供します。モデルを新しいデータとともに更新可能な「生きたシステム」として扱うことで、研究者たちは、より多くの地震記録が集まるにつれて精度が高まっていくツールを作り上げました。これは、地震観測ネットワークが絶えず拡大しているヨーロッパにとって特に重要です。このモデルはすでにベルギーとフランスの国家ハザードマップへの適用が進められており、これらの国々における建物の安全基準の精緻化に役立てられています。

このモデルは大きな前進ではありますが、研究者たちはまだすべきことが残っていることも認めています。バルカン半島などの一部の地域は、依然としてサンプリングが不足しており、モデルが活用できるデータが少ない状態にあります。さらに、地震の深さを正確に特定することは難しく、それが不確実性を生む要因となります。しかし、彼らが構築した枠組みは、これらの制限に対処できるように設計されています。新しいデータが入手可能になるにつれ、モデルは空白を埋め、不確実性を減らすために更新することができます。究極の目標は、大陸全土の地震リスクに関するシームレスで極めて正確な全体像を作り上げることであり、それによってコミュニティが足元の地面に対してより良い備えができるようにすることです。

この研究は、膨大な量のデータと高度な統計的手法を組み合わせることで、科学者が地震の揺れに関する理解を長らく覆い隠してきた複雑な層を剥ぎ取ることができることを証明しています。新しいモデルは単に数値を予測するだけではありません。それは、エネルギーがヨーロッパの地殻を通じてどのように移動するかという隠れたパターンを明らかにします。それは、地面が受動的な背景ではなく、あらゆる地震における能動的な参加者であり、今やようやく明確になりつつある方法で危険を形作っていることを示しています。この地域に住む人々にとって、この明晰さは、より安全な建物と、常に存在する地震リスクに対するより情報に基づいたアプローチへとつながるのです。