Vor fünf Jahren hätte Paul Johnson nicht gedacht, dass Erdbeben jemals möglich sein würden. Jetzt ist er sich nicht so sicher.
"Ich kann nicht sagen, dass wir es tun werden, aber ich bin viel hoffnungsvoller, dass wir in Jahrzehnten große Fortschritte erzielen werden", sagt der Seismologe des Los Alamos National Laboratory. "Ich bin jetzt hoffnungsvoller als je zuvor."
Der Hauptgrund für diese neue Hoffnung ist eine Technologie, mit der sich Johnson vor etwa vier Jahren befasst: maschinelles Lernen. Viele der Geräusche und kleinen Bewegungen entlang tektonischer Verwerfungslinien, an denen Erdbeben auftreten, galten lange als bedeutungslos. Aber maschinelles Lernen - das Training von Computeralgorithmen zur Analyse großer Datenmengen, um nach Mustern oder Signalen zu suchen - legt nahe, dass einige der kleinen seismischen Signale schließlich von Bedeutung sein könnten.
Solche Computermodelle könnten sich sogar als Schlüssel herausstellen, um die Vorhersage von Erdbeben zu ermöglichen, eine abgelegene Möglichkeit, die so umstritten ist, dass viele Seismologen sich weigern, sie überhaupt zu diskutieren.
Als die Theorie der Plattentektonik in den 1960er Jahren an Boden gewann, dachten viele Wissenschaftler, dass die Vorhersage von Erdbeben nur eine Frage der Zeit sei. Sobald kleine Beben, die durch Plattenverschiebungen verursacht wurden, modelliert werden konnten, sollte es möglich sein, größere Erdbeben Tage oder sogar Wochen im Voraus vorherzusagen. Eine Vielzahl von Faktoren, von der Gesteinsart bis zur Entfernung eines Verwerfungsschlupfes, beeinflusst die Stärke eines Erdbebens, und es stellte sich schnell heraus, dass Modelle der tektonischen Aktivität im kleinen Maßstab keine zuverlässige Möglichkeit bieten, größere Erdbeben vorherzusagen. Vielleicht deuten kleine Verschiebungen und Ausrutscher, die hunderte Male am Tag auftreten, auf einen leichten Anstieg der Wahrscheinlichkeit eines großen Erdbebens hin, aber selbst nach einem Schwarm geringer tektonischer Aktivität ist es sehr unwahrscheinlich, dass ein großes Beben auftritt. Ein besseres Signal für ein ankommendes Erdbeben ist erforderlich, wenn die Vorhersage jemals Realität werden soll.
Das maschinelle Lernen zu nutzen, um ein solches Signal zu finden, ist wahrscheinlich weit entfernt - wenn es überhaupt möglich ist. In einer Ende letzten Jahres veröffentlichten Studie schlugen Johnson und sein Team vor, dass es ein zuvor ignoriertes seismisches Signal geben könnte, das ein Muster aufzeigen könnte, wann ein schweres Erdbeben - wie das berüchtigte und lang erwartete Cascadia-Beben im pazifischen Nordwesten - ausbrechen könnte. Wenn sich die Hypothese ändert, könnte sich die Prognose von Erdbeben von Sekunden im Voraus auf vielleicht einen Tag im Voraus ändern.
Die letzten Verbesserungen bei der Erdbebenvorhersage waren diese wertvollen Sekunden. Seismologen arbeiten an der Verbesserung von Frühwarnsystemen wie in Japan und an der Einführung des ShakeAlert-Systems an der Westküste der USA. Diese Systeme senden Warnmeldungen erst, nachdem ein Erdbeben bereits begonnen hat - aber rechtzeitig, um z. B. Aufzüge oder Gasleitungen abzuschalten und Gemeinden zu warnen, die weiter vom Epizentrum entfernt sind.
Die Schicht der Erde, auf der wir leben, ist in etwa ein Dutzend tektonische Schichten unterteilt, die sich relativ zueinander bewegen. (USGS) Der Versuch, zu extrapolieren, wie groß ein in Bearbeitung befindliches Beben werden wird, wo sich sein Epizentrum befindet und was betroffen sein wird, und zwar ausgehend von wenigen Datensekunden, ist laut Johnson bereits eine große Herausforderung. Bestehende Warnsysteme haben schwere Erdbeben falsch eingeschätzt und andere falsch alarmiert. Vor 2007 hatten wir jedoch noch nicht einmal Sekunden Vorsprung. Wo könnten wir im Jahr 2027 sein?
"Wir wissen nicht, wie gut die Seismologie in einem Jahrzehnt wirklich funktionieren wird", sagt Johnson. "Aber es wird viel besser als heute."
Fortschritte bei der Erdbebenüberwachung werden wahrscheinlich auf Computern beruhen, die als erfahrene Seismologen ausgebildet wurden. Mit perfektem Gedächtnis, wenigen vorgefassten Vorstellungen und null Schlafbedürfnissen können Maschinen ein Meer von Daten durchsuchen, die während der Verschiebung der tektonischen Platten gesammelt werden. All diese Informationen sind vergleichbar mit dem, was Sie auf einer überfüllten Straße hören würden - die Geräusche von Autos, Menschen, Tieren und Wetter vermischen sich. Die Forscher durchsuchen diese als Wellen transkribierten Signale, um herauszufinden, ob eines von ihnen auf ein Erdbeben hindeutet, das sich ereignet oder in Kürze ereignet. Die Hoffnung besteht seit langem darin, dass es unter all dem Lärm eine Art Vorläufer geben könnte, der gemessen oder beobachtet werden kann, um die Zeitspanne bis zum nächsten großen Beben anzuzeigen.
Eines dieser Geräusche - was Johnson ein "zitterndes Signal" nennt - wurde für eine Reihe von Jahren identifiziert und untersucht. „Ich habe alles in meine Werkzeugkiste geworfen und festgestellt, dass nichts da ist“, sagt er.
Aber die Algorithmen und Computer, die sein Team eingerichtet hatte, betrachteten das Signal aus einer etwas anderen Perspektive und konzentrierten sich auf seine Energie. Diese Energie (gemessen als Amplitude, ein Maß für die Größe der seismischen Wellen) wuchs während des gesamten Erdbebenzyklus "nur geringfügig", sagt Johnson. Sobald ein Erdbeben eintraf, sank die Signalamplitude und setzte den Zyklus des regelmäßigen Wachstums fort, bis ein weiteres Beben eintraf.
Es war ein Muster.
Dieses zuvor ignorierte Signal enthielt laut Johnson "Vorhersageinformationen für die Vorhersage des nächsten Erdbebenzyklus" Minuten im Voraus in den beschleunigten Fehlermodellen im Labor, was sich im realen Leben auf Jahrzehnte im Voraus auswirkt. Die Ergebnisse im Labor und in der realen Welt stimmen jedoch nicht immer überein.
An dieser Stelle soll maschinelles Lernen nicht bei der Vorhersage von Erdbeben helfen, sondern vielmehr bereits begonnene Beben oder die Bebendynamik im Allgemeinen verstehen. Fortschritte bei der Ortung von Beben, der Schätzung von Größenordnungen und der Sortierung nach „Lärm“ verbessern jedoch unser Verständnis für das Verhalten von Beben, einschließlich des Zeitpunkts, zu dem sie möglicherweise auftreten.
„Ich möchte klarstellen, dass das, was wir tun, sich von der Vorhersage unterscheidet. Aber ja, all diese Dinge hängen indirekt zusammen “, sagt Mostafa Moustavi, ein Stanford-Seismologe, der maschinelles Lernen einsetzt, um Hintergrundgeräusche zu sortieren und kleine Beben zu erkennen.
Men-Andrin Meier, Seismologe bei Caltech, sagt, dass er "am besten davon ausgeht, dass Erdbeben von Natur aus unvorhersehbar sind". Dennoch arbeitet er daran, maschinelles Lernen zur Verbesserung von Frühwarnsystemen und Verbesserungen bei der Überwachung dieser Warnmeldungen einzusetzen potenziell Erdbebenprognosen verbessern. Laut Moustafa könnten bessere Fehlerkarten und ein besseres Verständnis der Erdbebenprozesse, -trends und -zyklen zur Verbesserung der Prognosen beitragen.
Trotzdem denken einige Seismologen, dass „Vorhersage“ eine Fantasie ist. Robert Geller, Seismologe an der Universität Tokio, ist bekannt für seine pessimistische Einstellung zur Erdbebenvorhersage.
"Forschung zur Vorhersage von Erdbeben ist nicht wirklich eine Sache", sagt er per E-Mail. „Es geht nur darum, viele Daten zu sammeln, in der Hoffnung, dass ein zuverlässiger‚ Vorläufer 'gefunden werden kann. Bisher wurde noch keine gefunden. “
Laut Geller können Laborergebnisse in Bezug auf Erdbebensignale ignoriert werden, bis sie in der realen Welt konsistent reproduziert werden. „Ich habe keinen Zweifel daran, dass sie in beobachteten Erdbebenereignisdaten viele offensichtliche Muster finden können, die nach hinten schauen. Aber ich sehe keinen Grund zu der Annahme, dass solche Muster mit der Zeit funktionieren werden “, sagt Geller.
Die Cascadia-Verwerfung vor Vancouver Island rutscht die ganze Zeit langsam ab und erzeugt eine geringe Seismizität, die Sie nicht spüren können. Ungefähr einmal im Jahr kehrt sie an ihren Platz zurück. Die geringfügige Verschiebung der Erdoberfläche von diesem Rutschen aus kann überwacht werden. Daher versuchte Johnsons Team zu prüfen, ob das neue Signal, das von ihren Algorithmen für maschinelles Lernen identifiziert wurde, die Bewegung vorhersagen kann.
"Und, siehe da, es wurde auf die Verdrängungsrate abgebildet", sagt Johnson.
Die Frage ist nun, in welchem Zusammenhang das Signal mit der Sperrung der Verwerfung stehen könnte - den ineinandergreifenden Gesteinen, die die tektonischen Platten davor bewahrt haben, drastisch abzurutschen und etwa 300 Jahre lang ein schweres Erdbeben auszulösen. Irgendwann wird die Sperrung des Fehlers aufbrechen und ein massives Erdbeben auslösen. Vielleicht kann das Signal, das Johnsons Team studiert, oder ein anderes noch unentdecktes Signal einen Eindruck davon vermitteln, wann dies passieren wird - wenn solche Signale überhaupt mit schweren Erdbeben zusammenhängen.
