DOI: https://doi.org/10.1038/s43247-025-02045-2
تاريخ النشر: 2025-01-30
المؤلف: G. Giacomuzzi وآخرون
الموضوع الرئيسي: دراسات الزلازل والتكتونيات
نظرة عامة
تتعرض حوض كامبي فليغري حاليًا لاضطرابات كبيرة، تتميز بزيادة تشوه الأرض، والنشاط الزلزالي، وانبعاثات الغاز، والتي تُعزى إلى تدخل الصهارة. تستخدم هذه الدراسة خوارزميات متقدمة للتعلم الآلي لاكتشاف المراحل لتعزيز التصوير الزلزالي ونمذجة السرعة، مما يكشف أن الزلزالية السطحية مدفوعة بشكل أساسي بصعود السوائل، بينما تتماشى الزلزالية الأعمق مع حلقة مستمرة فوق المصدر الصهاري المستنتج، مما يشير إلى الضغط الناتج عن العمليات الأعمق. هذه النتائج حاسمة لفهم هجرة الصهارة وتقييم المخاطر في الحوض.
تسلط الأبحاث الضوء على فعالية تقنيات التعلم الآلي في المراقبة في الوقت الحقيقي، مما يؤدي إلى مجموعات بيانات عالية الجودة تسهل إعادة تحديد مواقع الزلازل بدقة. تشير التحليلات إلى أن الأحداث الزلزالية السطحية مرتبطة بحركة السوائل من العمق، بينما تتأثر الزلزالية الأعمق بتضخم خزان صهاري يقع على عمق حوالي 4.5-5 كم. الهيكل الزلزالي الملحوظ يتماشى مع أحواض أخرى عالمية، مما يشير إلى تفاعل معقد بين العمليات التكتونية والبركانية. ومن الجدير بالذكر أن الدراسة تقترح أن الارتباط المكاني بين الزلزالية العميقة وحدود خزان الصهارة يدعم فرضية آلية الاضطراب المدفوعة بالصهارة، والتي يمكن أن تُفيد في تطوير نظام إنذار مبكر للنشاط البركاني المستقبلي في كامبي فليغري.
الطرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، يتضمن جمع البيانات من خلال استبيانات منظمة وتجارب محكومة. تم اختيار المشاركين بناءً على معايير إدراج محددة لضمان عينة تمثيلية، وتم تحليل البيانات باستخدام برامج إحصائية لتحديد الأنماط والارتباطات الهامة.
بالإضافة إلى ذلك، يتناول القسم النماذج الرياضية المطبقة لتفسير النتائج، بما في ذلك تحليل الانحدار واختبار الفرضيات. استخدم الباحثون مقاييس قياسية لتقييم موثوقية وصلاحية نتائجهم، مما يضمن أن الاستنتاجات المستخلصة قوية وقابلة للتكرار. بشكل عام، تم تصميم المنهجية لتوفير إطار شامل لفهم الظواهر الأساسية التي يتم دراستها.
النتائج
في هذه الدراسة، تم استخدام تقنيات التعلم الآلي لتطوير كتالوج زلزالي جديد يغطي الفترة من يناير 2023 إلى يونيو 2024، مستفيدًا من بيانات من عقدة EIDA. يتكون الكتالوج من حوالي 8,400 حدث زلزالي، مع 2,200 حدث يظهر أخطاء مركزية منخفضة (أقل من 1 كم) وقيم جذر متوسط مربع (RMS) أقل من 0.2 بعد إعادة التحديد المطلقة باستخدام طريقة Hypoellipse ضمن نموذج سرعة أحادي الأبعاد. ومن الجدير بالذكر أن نسبة مراحل P المكتشفة إلى مراحل S كانت 1.5، وهو ما يقل بشكل كبير عن متوسط الاختيار اليدوي البالغ 4، مما يشير إلى تحسين اكتشاف مرحلة S وإعادة تحديد مواقع الزلازل بدقة أكبر.
كشفت توزيع الزلزالية عن نمط شبه بيضاوي مركزي على منطقة الارتفاع الأقصى، مع تركيز للأحداث السطحية (1-2.5 كم) في المنطقة الشمالية الشرقية والزلزالية الأعمق تشكل حلقة مستمرة، واضحة بشكل خاص قبالة الساحل. أشار نموذج السرعة المحدث إلى أن الزلزالية تحدث على عمق متوسط أعمق بمقدار 1 كم مقارنة بالدراسات السابقة، حيث تصل إلى أعماق تتراوح بين 5-5.5 كم في قطاع الحوض الجنوبي. أظهرت المقارنات بين خوارزميات إعادة التحديد المختلفة اختلافات طفيفة في توزيع العمق، مما يبرز أن عمق الزلزالية يتأثر بشكل أساسي بنموذج السرعة بدلاً من طريقة إعادة التحديد. بالإضافة إلى ذلك، اقترحت المقاييس المحلية المحسوبة من الكتالوج تقديرات محتملة منخفضة للأحداث ذات الحجم الأصغر، مما يبرز الحاجة إلى مزيد من المعايرة في هذا النطاق.
المناقشة
في هذا القسم، يناقش المؤلفون التوزيع المكاني للأحداث الزلزالية وعلاقتها بالهياكل البركانية التكتونية الأساسية في حوض كامبي فليغري. تتركز الزلزالية السطحية (عمق 1-2.5 كم) في المنطقة الشمالية الشرقية، محاطة بصدوع وفوهات كبيرة، بينما تظهر الزلزالية الأعمق (>3 كم) توزيعًا حلقيًا، مع تجمعات من الزلازل بشكل أساسي قبالة الساحل. تشير النتائج إلى أن النشاط الزلزالي يتأثر بالسوائل المضغوطة وإعادة تنشيط هياكل جيولوجية متنوعة، بما في ذلك صدوع سيغليانو-أغنانو وصدع ماستر، المرتبطة بأحداث بركانية تاريخية. تسلط الدراسة الضوء على تعقيد الهيكل الداخلي للحوض، مما يشير إلى أن الزلزالية السطحية مدفوعة على الأرجح بصعود السوائل، بينما تتماشى الزلزالية الأعمق مع تضخم خزان صهاري يقع على عمق حوالي 4.5-5 كم.
يستفيض المؤلفون في توضيح آثار نتائجهم لفهم نظام أنابيب الحوض. يقترحون أن توزيع الزلزالية يتماشى مع مناطق الانتقال بين التكوينات الغازية المضغوطة والصخور البركانية المعالجة بالمياه الحرارية. يُفترض أن الزلزالية العميقة ناتجة عن تغييرات الضغط بسبب الضغط الزائد للصهارة، خاصة على طول الصدوع الحلقية المرتبطة بانهيارات الحوض السابقة. تختتم الدراسة بأن الأنماط الزلزالية الملحوظة تشير إلى عملية مدفوعة بالصهارة، والتي يمكن أن تكون بمثابة مقدمة لاضطراب بركاني. لقد أثبت دمج تقنيات التعلم الآلي لاكتشاف وتحليل الأحداث الزلزالية فعاليته في تعزيز جودة مجموعات البيانات الزلزالية، مما قد يساعد في تطوير أنظمة إنذار مبكر للنشاط البركاني المستقبلي في المنطقة.
DOI: https://doi.org/10.1038/s43247-025-02045-2
Publication Date: 2025-01-30
Author(s): G. Giacomuzzi et al.
Primary Topic: earthquake and tectonic studies
Overview
The Campi Flegrei caldera is currently experiencing significant unrest, characterized by increased ground deformation, seismic activity, and gas emissions, which are attributed to the involvement of magma. This study employs advanced machine-learning algorithms for phase detection to enhance seismic imaging and velocity modeling, revealing that shallow seismicity is primarily driven by the ascent of fluids, while deeper seismicity aligns with a continuous ring above the inferred magmatic source, indicating stress induced by deeper processes. These findings are crucial for understanding magma migration and assessing hazards at the caldera.
The research highlights the effectiveness of machine-learning techniques in real-time monitoring, resulting in high-quality datasets that facilitate accurate earthquake relocations. The analysis indicates that shallow seismic events are linked to fluid movement from depth, whereas deeper seismicity is influenced by the inflation of a magmatic reservoir located approximately 4.5-5 km deep. The seismic structure observed is consistent with other global calderas, suggesting a complex interplay of tectonic and volcanic processes. Notably, the study proposes that the spatial correlation between deep seismicity and the magmatic reservoir boundaries supports the hypothesis of a magmatic-driven unrest mechanism, which could inform the development of an early warning system for future volcanic activity at Campi Flegrei.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, involving the collection of data through structured surveys and controlled experiments. Participants were selected based on specific inclusion criteria to ensure a representative sample, and the data were analyzed using statistical software to identify significant patterns and correlations.
Additionally, the section details the mathematical models applied to interpret the results, including regression analysis and hypothesis testing. The researchers employed standard metrics to evaluate the reliability and validity of their findings, ensuring that the conclusions drawn are robust and reproducible. Overall, the methodology is designed to provide a comprehensive framework for understanding the underlying phenomena being studied.
Results
In this study, machine learning techniques were employed to develop a new seismic catalog covering the period from January 2023 to June 2024, utilizing data from the EIDA node. The catalog comprises approximately 8,400 seismic events, with 2,200 events exhibiting low hypocentral errors (less than 1 km) and root mean square (RMS) values below 0.2 after absolute relocations using the Hypoellipse method within a 1D velocity model. Notably, the ratio of detected P-phases to S-phases was 1.5, significantly lower than the manual picking average of 4, indicating improved S-phase detection and more accurate earthquake relocations.
The seismicity distribution revealed a sub-elliptical pattern centered on the maximum uplift zone, with a concentration of shallow events (1-2.5 km) in the northeastern region and deeper seismicity forming a continuous ring, particularly evident offshore. The updated velocity model indicated that seismicity occurs at an average depth of 1 km deeper than previous studies, reaching depths of 5-5.5 km in the southern caldera sector. Comparisons of different relocation algorithms showed minimal depth distribution differences, emphasizing that the depth of seismicity is primarily influenced by the velocity model rather than the relocation method. Additionally, local magnitudes computed from the catalog suggested potential underestimations for smaller magnitude events, highlighting the need for further calibration in this range.
Discussion
In this section, the authors discuss the spatial distribution of seismic events and their relationship with the underlying volcano-tectonic structures in the Campi Flegrei caldera. Shallow seismicity (1-2.5 km depth) is concentrated in the northeastern region, bounded by significant faults and craters, while deeper seismicity (>3 km) exhibits a ring-like distribution, with clusters of earthquakes primarily offshore. The findings suggest that the seismic activity is influenced by pressurized fluids and the reactivation of various geological structures, including the Cigliano-Agnano and Master faults, which are associated with historical volcanic events. The study highlights the complexity of the caldera’s internal structure, indicating that the shallow seismicity is likely driven by fluid ascent, while deeper seismicity correlates with the inflation of a magmatic reservoir located at approximately 4.5-5 km depth.
The authors further elaborate on the implications of their findings for understanding the caldera’s plumbing system. They propose that the distribution of seismicity aligns with the transition zones between gas-bearing overpressured formations and hydrothermalized volcanic rocks. The deep seismicity is hypothesized to result from stress changes due to magmatic overpressure, particularly along ring faults associated with past caldera collapses. The study concludes that the observed seismic patterns are indicative of a magmatic-driven process, which could serve as a precursor to volcanic unrest. The integration of machine-learning techniques for seismic event detection and analysis has proven effective in enhancing the quality of seismic datasets, potentially aiding in the development of early warning systems for future volcanic activity in the region.