This is an authorized translation of an Eos article. Esta es una traducción al español autorizada de un artículo de Eos.
Los terremotos y los tsunamis que generan han traído como consecuencia casi un millón de damnificados en los últimos 30 años. Se han desarrollado muchos sistemas de alerta para limitar los costos humanos y materiales de estos desastres naturales. Sin embargo, estos sistemas tienen dificultades para estimar rápida y precisamente la magnitud de terremotos muy grandes.
Ahora, un estudio publicado en Nature ha descrito un modelo de aprendizaje automático (machine learning) que reconoce patrones en datos sísmicos para estimar mejor la magnitud y ubicación de un gran terremoto.
Utilizando 350,000 escenarios de modelado de terremotos que se inician en 1,400 lugares con potencial sísmico en Japón, Andrea Licciardi, geofísico de la Université Côte d’Azur en Francia, junto con sus colegas han logrado estimar instantáneamente la magnitud de grandes terremotos teniendo como base las señales elasto-gravitacionales inmediatas (PEGS, por sus siglas en inglés).
Las PEGS son perturbaciones gravitacionales generadas por el movimiento de grandes masas rocosas durante un terremoto. Se propagan a la velocidad de la luz, transportando información de terremotos mucho más rápido que las ondas sísmicas utilizadas tradicionalmente en los sistemas de alerta temprana.
“Lo innovador en este artículo es el uso de técnicas de aprendizaje automático, lo que permite mejorar la detección de estas señales tan pequeñas.”
Los científicos ya sabían que aunque en principio las PEGS podrían ayudar a acelerar las advertencias de terremotos, su muy débil amplitud ha impedido su uso en los sistemas de alerta. Los investigadores del nuevo estudio superaron esta limitación gracias a un algoritmo de inteligencia artificial basado en datos del Sistema Mundial de Navegación por Satélite. Usando el algoritmo, mostraron que la magnitud de los grandes terremotos podría ser estimada con precisión teniendo como base las PEGS segundos después de que el terremoto comienza y es rastreado a medida que el terremoto crece.
“Creo que este trabajo es interesante. En realidad, el descubrimiento de PEGS ya se publicó en mi artículo de 2016 y luego se confirmó en el artículo de Vallée et al. en 2017”, dijo Jean-Paul Montagner, un geocientífico del Institut de Physique du Globe de Paris que no estaba involucrado en la nueva investigación. “Así que lo innovador en este artículo es el uso de técnicas de aprendizaje automático, lo que permite mejorar la detección de estas señales tan pequeñas.”
Licciardi estuvo de acuerdo. “La principal ventaja de nuestro modelo se basa en los datos subyacentes, las señales elasto-gravitacionales inmediatas”, explicó. “Una vez que ocurre un terremoto, estas señales viajan más rápido que las ondas sísmicas y son fuertemente sensibles a la magnitud del terremoto…. Debido a eso, nuestro modelo puede estimar la magnitud del terremoto más rápido y con mayor precisión que los sistemas de alerta temprana convencionales basados en ondas P al menos para grandes terremotos (magnitud por encima de 8.3/8.4).”
Mejorar la alerta temprana de tsunamis
Licciardi señaló que el tiempo de respuesta del modelo de aproximadamente un minuto puede mejorar dramáticamente los pronósticos de alerta temprana de tsunamis. En un escenario en tiempo real, dijo, la magnitud recuperada por el modelo se puede utilizar para estimar rápidamente el tamaño de la onda inducida de tsunami y, por lo tanto, mitigar su impacto.
“Los sistemas clásicos de alerta temprana basados en ondas P no pueden distinguir entre un terremoto de magnitud 8 y un terremoto de magnitud 9, mientras que nuestro modelo no tiene esta limitación”, dijo Licciardi. “Proporciona la estimación más precisa de la magnitud en función del tiempo.”
La fortaleza del nuevo modelo para pronosticar grandes terremotos “se debe a que la señal elasto-gravitacional es fuertemente sensible a la magnitud de tales terremotos”, explicó Licciardi. “De hecho, la aplicabilidad de nuestro modelo se limita a terremotos tan grandes (magnitud por encima de 8.3/8.4) porque la amplitud de la señal para terremotos relativamente más pequeños es demasiado pequeña y está enterrada en el ruido de fondo. Por ello, siguen siendo necesarios otros instrumentos y datos en el contexto de la alerta temprana.”
“Esto es importante para los sistemas de alerta temprana de terremotos porque para los terremotos más grandes hay un tiempo prolongado (hasta minutos) en el que se acumulan magnitud y fuerza”, explicó Andreas Plesch, un científico de la Tierra de la Universidad de Harvard que no estaba involucrado en el nuevo trabajo. “Los autores señalan de manera acertada que durante este tiempo extendido el método, especialmente si se combina con otros métodos, tiene el potencial operativo para rastrear el crecimiento de tal terremoto antes y con mayor precisión.”
Plesch señaló además que al usar el nuevo modelo, las alertas de tsunami podrían emitirse no solo antes (por decenas de segundos o quizás incluso minutos) sino también con más confianza y con mejores estimaciones de altura de onda derivadas de estimaciones de magnitud mejoradas.
—Mohammed El-Said (@MOHAMMED2SAID), Escritor de ciencia
This translation by Amira Maldonado Hernández and edited by Anthony Ramírez-Salazar (@Anthnyy) was made possible by a partnership with Planeteando. Esta traducción fue posible gracias a una asociación con Planeteando.