Integrated Detection and Classification of Low-Frequency Earthquakes Using a PhaseNet-Based Deep Learning Framework

Diep onder de aardkorst, waar het gesteente heet is en de druk immens, vindt vaak een stille vorm van schudden plaats die onopgemerkt blijft. Dit zijn laagfrequente aardbevingen, gebeurtenissen die energie vrijgeven in een trage, brommende puls in plaats van de scherpe, hoogfrequente klap van een typische beving. Terwijl gewone aardbevingen kunnen trillen met een frequentie die vergelijkbaar is met een hoge noot op een piano, brommen deze diepe trillingen op een veel lagere toonhoogte, vaak met een begin dat zo geleidelijk is dat het moeilijk is om precies te bepalen wanneer ze beginnen. Wetenschappers vermoeden al lang dat deze subtiele rillingen niet willekeurig zijn; ze zijn waarschijnlijk het resultaat van vloeistoffen, zoals water of magma, die door scheuren in het gesteente bewegen of langs breuklijnen glijden zonder een gewelddadige breuk te veroorzaken. Het begrijpen van deze verborgen bewegingen is cruciaal omdat ze aanwijzingen kunnen bevatten over hoe spanning zich opbouwt in de aarde, wat potentieel kan leiden tot grotere, meer destructieve aardbevingen. Omdat deze signalen echter zwak zijn en gemakkelijk opgaan in de achtergrondruis, missen traditionele methoden om naar de aarde te luisteren ze vaak volledig, waardoor er een aanzienlijk gat ontstaat in onze kennis van diepe crustale processen.

Om dit gat te vullen, ontwikkelde een team van onderzoekers een nieuwe manier van luisteren met behulp van kunstmatige intelligentie. Ze trainden een computermodel, gebaseerd op een systeem dat oorspronkelijk werd ontworpen om standaard aardbevingen te vinden, om de unieke handtekeningen van deze laagfrequente gebeurtenissen te herkennen. In plaats van alleen te kijken naar een scherp begin en een einde, werd het model geleerd om vijf verschillende mogelijkheden in de seismische gegevens te identificeren: het begin van een normale aardbeving, het einde van een normale aardbeving, het begin van een laagfrequente gebeurtenis, het einde van een laagfrequente gebeurtenis en achtergrondruis. Door het systeem duizenden opgenomen golfvormen uit Japan te voeren, leerden de onderzoekers het systeem onderscheid te maken tussen de duidelijke, scherpe aankomsten van gewone bevingen en de vage, langdurige aankomsten van het laagfrequente type. Eenmaal getraind, fungeerde het model als een zeer gevoelig oor, dat continue opnames van de trillingen van de aarde scande en aankomsten oppikte die menselijke waarnemers of oudere software zouden hebben genegeerd.

De onderzoekers pasten dit nieuwe instrument vervolgens toe op een specif으로 gebied met intense seismische activiteit in het noorden van de prefectuur Yamaguchi, waar een zwerm aardbevingen voorkwam op diepten van meer dan 20 kilometer. De resultaten waren opmerkelijk. De nieuwe methode detecteerde meer dan twee keer zoveel aardbevingen als de officiële catalogus die wordt bijgehouden door de Japan Meteorological Agency. Het vond honderden kleine gebeurtenissen die voorheen onzichtbaar waren, inclusief vele die te klein waren om door standaardinstrumenten te worden geregistreerd. Belangrijker nog, het systeem telde de gebeurtenissen niet alleen; het classificeerde ze. Door de specifieke waarschijnlijkheidsscores te analyseren die het model aan elke aankomst toekende, creëerden de onderzoekers een eenvoudige index om te bepalen of een gedetecteerde gebeurtenis een laagfrequente aardbeving of een standaardbeving was. Dit stelde hen in staat de zwerm in kaart te brengen met een detailniveau dat voorheen onmogelijk was, waarbij zij ontdekten dat de laagfrequente gebeurtenissen niet willekeurig verspreid waren, maar geconcentreerd waren in specifieke, diepere zones binnen de zwerm.

De studie onthulde echter ook een complicatie. De onderzoekers ontdekten dat de nieuwe index niet perfect was in het onderscheiden van natuurlijke laagfrequente aardbevingen van door mensen gemaakte explosies, zoals die van steengroeve-explosies. Sterker nog, sommige van de gebeurtenissen die het systeem als laagfrequente aardbevingen markeerde, bleken explosies te zijn van een nabijgelegen steengroeve, die toevallig vergelijkbare laagfrequente bromgeluiden produceren. Deze bevinding dient als een herinnering dat, hoewel de technologie krachtig is, deze zorgvuldige interpretatie vereist om natuurlijke geologische processen van menselijke activiteiten te scheiden. Ondanks deze beperking bood het vermogen om een dergelijk groot aantal voorheen verborgen gebeurtenissen te detecteren een duidelijker beeld van het gedrag van de zwerm. De gegevens toonden aan dat de aardbevingen in de loop van de tijd migreerden, van diepere delen van de korst naar ondiepere niveaus, in een patroon dat nauw overeenkwam met de beweging van vloeistoffen die door gesteente diffunderen.

De ruimtelijke verdeling van deze gebeurtenissen bood verder bewijs voor deze vloeistofgestuurde theorie. De laagfrequente aardbevingen waren geclusterd in de diepste en meest westelijke delen van de zwerm, een regio waar de rotsstructuur tekenen vertoonde van een hoog vloeistofgehalte. Deze uitlijning suggereert dat de beweging van hete vloeistoffen uit de bovenmantel of de onderste korst waarschijnlijk de motor was die de hele zwerm aandreef. De onderzoekers observeerden dat de migratie van de aardbevingen niet een eenvoudig, constant pad volgde; in plaats daarvan versnelde en vertraagde het, en keerde soms zelfs van richting, wat wijst op een complexe interactie tussen vloeistofdruk, hitte en het vermogen van het gesteente om te breken. Door de nieuwe detectiemethode te combineren met gedetailleerde kaarten van de ondergrondse rotsstructuur, suggereert de studie dat de zwerm werd in stand gehouden door een continue toevoer van vloeistoffen die het gesteente zwak en vatbaar voor verschuivingen hielden.

Uiteindelijk toont dit werk aan dat diepe laagfrequente aardbevingen veel gebruikelijker en wijdverspreider zijn dan voorheen werd aangenomen, verborgen in het volle zicht binnen de ruis van standaard seismische records. Het nieuwe kader biedt een robuuste manier om deze gebeurtenissen automatisch te monitoren, wat een venster biedt op de diepe aarde dat voorheen gesloten was. Hoewel de methode nog verfijning nodig heeft om menselijke ruis perfect te filteren, heeft het al het begrip van een specifieke aardbevingenzwerm hervormd, door te laten zien dat wat lijkt op een chaotische bende van kleine bevingen, eigenlijk een gestructureerd, vloeistofgestuurd proces is. Naarmate de technologie verbetert, belooft het de verborgen ritmes van de diepe korst te onthullen, wat wetenschappers helpt om de langzame, vloeistofgestuurde bewegingen beter te begrijpen die de seismische toekomst van onze planeet vormen.