Der Stanford-Seismologe Gregory Beroza war eines Tages auf Einkaufstour, als er ein Lied hörte, das er nicht kannte. Also zog er sein Smartphone heraus und benutzte die beliebte App Shazam, um die Melodie zu identifizieren.
Shazam verwendet einen Algorithmus, um den „akustischen Fingerabdruck“ für einen Song zu finden - den Teil eines Songs, der ihn einzigartig macht - und vergleicht ihn mit seiner Songdatenbank.
Was wäre, wenn Beroza mit einer ähnlichen Technik Erdbeben identifizieren könnte?
Seit Jahren versuchen Seismologen, „Mikrobeben“ zu identifizieren - Erdbeben, die so winzig sind, dass sie sich auf herkömmlichen Messgeräten nicht einmal registrieren lassen. Das Erkennen von Mikrobeben kann Wissenschaftlern helfen, das Erdbebenverhalten zu verstehen und potenziell gefährliche seismische Ereignisse vorherzusagen.
Wie Lieder haben auch Erdbeben Fingerabdrücke.
„Die Erdstruktur ändert sich sehr langsam, so dass Erdbeben, die sich in der Nähe ereignen, sehr ähnliche Wellenformen aufweisen, das heißt, sie schütteln den Boden fast auf die gleiche Weise“, erklärt Beroza.
Im Laufe der Zeit haben Forscher Datenbanken mit Erdbebenfingerabdrücken erstellt, um Bodenbewegungen zu identifizieren, bei denen es sich möglicherweise um Mikrobeben handelt. Wenn eine Bodenbewegung auftritt, können Seismologen die Datenbank verwenden, um festzustellen, ob sie mit einem bekannten Erdbebenfingerabdruck übereinstimmt. Die Verwendung dieser Datenbanken ist jedoch ein langsamer Prozess, und Seismologen versuchen häufig, enorme Datenmengen in Echtzeit zu lesen.
„Man kann sich vorstellen, dass es an 365 Tagen im Jahr, 24 Stunden am Tag, sehr schnell eine große Aufgabe wird, wenn man versucht, alle Zeiten mit allen anderen zu vergleichen“, sagt Beroza. "Tatsächlich wird es unglaublich groß."
So funktioniert FAST (Stanford) (Stanford) Ein algorithmischer Mikrobeben-Fingerabdruckleser auf Basis von Shazam könnte die Aufgabe jedoch fast augenblicklich erledigen, vermutete Beroza.
Der Seismologe rekrutierte drei Studenten mit Erfahrung in rechnergestützten Geowissenschaften, um einen Algorithmus zu erstellen. Gemeinsam entwickelte das Team ein Programm namens Fingerprint and Similarity Thresholding (FAST). Das Akronym ist angemessen: FAST kann eine Woche mit kontinuierlichen seismischen Daten in weniger als zwei Stunden analysieren, 140-mal schneller als herkömmliche Techniken. Im Gegensatz zu herkömmlichen Datenbanken verwendet FAST Fingerabdrücke, um „Gleiches mit Gleichem“ zu vergleichen, wodurch der zeitaufwändige Prozess des Vergleichs aller Erdbeben mit allen anderen Erdbeben entfällt.
Die Ergebnisse der Teamarbeit wurden kürzlich in der Fachzeitschrift Science Advances veröffentlicht .
"Der potenzielle Einsatz von [FAST] ist wirklich überall", sagt Beroza. "Es könnte nützlich sein, Erdbeben nach einem Schock zu finden (die kleineren Erdbeben, die häufig auf ein größeres folgen), um den Prozess zu verstehen, durch den ein Erdbeben zu einem anderen Erdbeben führt."
Es könnte auch nützlich sein, um die „induzierte Seismizität“ zu verstehen - kleine Erdbeben, die durch menschliches Verhalten verursacht werden. Eine häufige Ursache für die induzierte Seismizität ist die Abwasserinjektion, bei der kontaminiertes Wasser aus Öl- und Gasbohrungen durch Injektion in tiefe unterirdische Brunnen entsorgt wird. Man geht davon aus, dass die Abwassereinspritzung die Ursache des größten von Menschen verursachten Erdbebens in der Geschichte der USA ist, einem Erdbeben der Stärke 5, 7 in Oklahoma im Jahr 2011. Bergbau, Hydrofracking und der Bau sehr großer Stauseen können ebenfalls Erdbeben auslösen. Im Gegensatz zu natürlichen Erdbeben, deren Zahl im Laufe der Jahre konstant geblieben ist, nehmen die vom Menschen verursachten Erdbeben immer häufiger zu, so Beroza. FAST könnte in diesem Bereich besonders hilfreich sein, um den Forschern ein besseres Bild davon zu geben, inwieweit menschliche Aktivitäten die Erdkruste destabilisieren.
Es gibt immer noch Herausforderungen, bevor FAST vollständig implementiert werden kann. In der Forschung des Teams wurde FAST nur mit einem einzelnen Instrument an einer einzelnen Fehlerlinie verwendet. Um von großem Nutzen zu sein, muss es über eine Reihe von seismischen Sensoren vernetzt werden. Es muss auch noch schneller sein, sagt Beroza. Das Team arbeitet derzeit an diesen Verbesserungen und Beroza erwartet, dass im Laufe des Jahres weitere Ergebnisse veröffentlicht werden.
