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

Wanneer de grond schudt, is de heftigheid van de trilling op een specifieke locatie niet alleen een kwestie van hoe groot de aardbeving was of hoe ver deze verwijderd was. Het is ook een verhaal over het pad dat de energie door de aarde heeft afgelegd en de specifieke aard van de grond onder een gebouw. Wetenschappers die deze schudpatronen bestuderen, gebruiken wiskundige modellen om te voorspellen hoe sterk de grondbeweging op een bepaalde plek zal zijn. Deze voorspellingen zijn essentieel voor het ontwerpen van gebouwen die een beving kunnen overleven en voor het begrijpen van het risico voor gemeenschappen. Europa vormt echter een unieke uitdaging. In tegen tegenover regio's met frequente, enorme aardbevingen, ervaart een groot deel van Europa kleinere, minder frequente bevingen. Deze schaarste aan grote gebeurtenissen maakt het moeilijk om nauwkeurige voorspellingsmodellen te bouwen, waardoor wetenschappers gedwongen worden te vertrouwen op gegevens van kleinere bevingen en te proberen deze op te schalen. Het probleem is dat de grond in Frankrijk of België anders reageert dan de grond in Italië of Griekenland, en een model dat werkt voor de ene regio, faalt vaak in een andere.

Een team onderzoekers gevestigd in Grenoble, Frankrijk, heeft een nieuwe manier ontwikkeld om deze grondbewegingen te voorspellen die beter rekening houdt met deze regionale verschillen. Ze creëerden een model dat gegevens combineert uit drie verschillende bronnen: een enorme Europese database van aardbevingsopnames, een gespecialiseerde dataset uit Frankrijk, en een andere uit België. Door deze records samen te voegen, bouwden ze een allesomvattend beeld van hoe seismische golven zich over het continent voortbewegen, variërend van minuscule trillingen tot grote gebeurtenissen. Het resultaat is een instrument dat de intensiteit van het schudden door ondiepe aardbevingen overal in Europa met grotere nauwkeurigheid kan voorspellen dan voorheen gebruikte methoden, met name in gebieden waar grote aardbevingen zeldzaam maar nog steeds mogelijk zijn.

De onderzoekers begonnen met het verzamelen van een enorme collectie seismische records. Ze combineerden gegevens van meer dan 55.000 opnames van grondschudden, waarbij gebeurtenissen werden vastgelegd die plaatsvonden tussen 1976 en 2026. Deze opnames kwamen van sensoren geplaatst in een breed deel van Europa, van de hoog-seismische zones van Italië en Griekenland tot de stillere regio's van Frankrijk en België. Een essentieel onderdeel van hun werk was het opschonen en standaardiseren van deze gegevens. Aardbevingsmagnitudes, die de omvang van de gebeurtenis meten, waren door verschillende groepen op verschillende manieren berekend. Het team verving deze uiteenlopende schattingen door een enkele, consistente set magnitude-waarden. Deze stap was cruciaal omdat inconsistente metingen de relatie tussen de omvang van een aardbeving en de resulterende schudding kunnen verstoren. Ze zorgden er ook voor dat de gegevens een breed scala aan aardbevingen bevatten, van zeer kleine gebeurtenissen met magnitudes rond de 1,6 tot grote gebeurtenissen nabij de 7,7, zodat ze de schudding over het hele spectrum konden bestuderen.

Zodra de gegevens waren voorbereid, bouwde het team een nieuw voorspellingsmodel met behulp van een geavanceerde statistische benadering die bekend staat als Bayesiaanse regressie. In tegen tegenover oudere methoden die elke locatie als een generiek punt beschouwden, erkent dit nieuwe model dat de aarde niet uniform is. Het verdeelt Europa in een raster van kleine vierkantjes, elk met een afmeting van een half graad bij een half graad. Voor elk vierkant op dit raster leert het model hoe de grond seismische golven dempt, of verzwakt. Dit is een significante verschuiving ten opzien van eerdere modellen, die vaak een enkele, brede regio een uniforme set regels toewezen. Door een raster te gebruiken, kan het nieuwe model subtiele variaties detecteren. Het kan bijvoorbeeld onderscheid maken tussen de hoog-dempende zones van de Pyreneeën, waar golven snel uitdoven, en de laag-dempende zones van de onderste Rijngraben, waar golven verder reizen met minder verlies.

Het model scheidt ook de effecten van de aardbevingbron van de effecten van de registratieplaats. Het berekent hoeveel schudding wordt veroorzaakt door de specifieke kenmerken van de aardbeving zelf, zoals de locatie en diepte, en hoeveel wordt veroorzaakt door de lokale geologie waar de sensor is geplaatst. Deze scheiding maakt het model nauwkeuriger. Zo kan het identificeren dat een specifieke vallei in Frankrijk schudding consequent meer versterkt dan een nabijgelegen heuvel, zelfs als ze dicht bij elkaar liggen. De onderzoekers ontdekten dat dit niveau van detail de onzekerheid in hun voorspellingen verminderde. Het nieuwe model produceert kleinere foutmarges vergeleken met het voorheen beste model dat in heel Europa werd gebruikt, wat betekent dat ingenieurs en risicobeoordelaars meer vertrouwen kunnen hebben in de cijfers die zij ontvangen.

Een van de belangrijkste bevindingen betreft de wijze waarop het model omgaat met kleine aardbevingen. In het verleden hadden modellen vaak moeite met het voorspellen van de schudding van kleinere gebeurtenissen, waarbij soms onrealistische resultaten werden geproduceerd waarbij de schudding groter leek te worden naarmate de aardbeving kleiner werd. Het nieuwe model corrigeert dit door de overvloedige gegevens van kleine en matige aardbevingen te gebruiken om een betrouwbare basislijn vast te stellen. Dit stelt het model in staat om te worden toegepast op regio's met een lage tot matige seismische activiteit, zoals Frankrijk en België, waar kleine aardbevingen gebruikelijk zijn maar nog steeds schade kunnen veroorzaken in kwetsbare gebieden zoals rivierdalen. Het model gedraagt zich nu op een manier die overeenkomt met de fysieke realiteit, waarbij het laat zien dat kleinere aardbevingen minder schudding produceren, en het kan de effecten van gebeurtenissen vanaf magnitude 4 betrouwbaar voorspellen.

De onderzoekers ontdekten ook dat de manier waarop seismische golven energie verliezen sterk afhangt van de frequentie van de trilling. Hoogfrequente golven, die snelle, scherpe schokken veroorzaken, gedragen zich anders dan laagfrequente golven, die langzamere, rollende bewegingen veroorzaken. Het nieuwe model legt deze frequentieafhankelijkheid vast door de dempingsregels te laten veranderen op basis van de periode van de golf. Dit betekent dat het model niet alleen de maximale schudding kan voorspellen, maar het volledige patroon van hoe de grond beweegt in de tijd. Dit is essentieel voor het ontwerpen van verschillende soorten constructies, aangezien een hoog gebouw anders kan reageren op laagfrequente rollende bewegingen dan een kort, stijf huis op hoogfrequente schokken.

De studie bevestigt dat het nieuwe model een significante verbetering is ten opzichte van zijn voorganger. Het beslaat een breder bereik aan aardbevingen en afstanden, van zeer dicht bij de bron tot honderden kilometers ver weg. Het biedt ook een duidelijker beeld van de onzekerheid die bij elke voorspelling betrokken is. Door het model te behandelen als een levend systeem dat kan worden bijgewerkt met nieuwe gegevens, hebben de onderzoekers een instrument gecreëerd dat met meer gegevens steeds nauwkeuriger zal worden. Dit is bijzonder belangrijk voor Europa, waar het seismische netwerk voortdurend wordt uitgebreid. Het model wordt al aangepast voor gebruik in nationale gevarenkaarten voor België en Frankrijk, wat helpt bij het verfijnen van de veiligheidsnormen voor gebouwen in die landen.

Hoewel het model een grote stap voorwaarts vertegenwoordigt, erkennen de onderzoekers dat er nog werk te doen is. Sommige regio's, met name de Balkan, zijn nog ondergesampled, wat betekent dat het model minder gegevens heeft om mee te werken in die gebieden. Daarnaast kan de diepte van aardbevingen moeilijk precies te bepalen zijn, wat enige onzekerheid met zich meebrengt. Het raamwerk dat zij hebben gebouwd is echter ontworpen om met deze beperkingen om te gaan. Naarmate er nieuwe gegevens beschikbaar komen, kan het model worden bijgewerkt om de hiaten op te vullen en de onzekerheid te verminderen. Het uiteindelijke doel is om een naadloos, uiterst nauwkeurig beeld van het seismische risico in heel het continent te creëren, om ervoor te zorgen dat gemeenschappen beter voorbereid zijn op de grond onder hen.

Dit werk toont aan dat door enorme hoeveelheden gegevens te combineren met geavanceerde statistische technieken, wetenschappers de lagen van complexiteit kunnen afpellen die ons begrip van aardbevingen lang heeft vertroebeld. Het nieuwe model voorspelt niet alleen getallen; het onthult de verborgen patronen van hoe energie door de Europese korst beweegt. Het laat zien dat de grond geen passief decor is, maar een actieve deelnemer in elke aardbeving, die het gevaar vormt op manieren die nu eindelijk duidelijk worden. Voor de mensen die in deze regio's wonen, vertaalt die helderheid zich in veiligere gebouwen en een beter geïnformeerde aanpak van het altijd aanwezige risico van seismische activiteit.