DOI: https://doi.org/10.1007/s10291-024-01808-2
PMID: https://pubmed.ncbi.nlm.nih.gov/39990601
تاريخ النشر: 2025-01-01
المؤلف: Fiona Luhrmann وآخرون
الموضوع الرئيسي: كشف الزلازل وتحليلها
نظرة عامة
في هذا البحث، يقدم المؤلفون نهجًا جديدًا للكشف عن الشذوذ الأيوني الناتج عن الأحداث الزلزالية باستخدام بيانات محتوى الإلكترون الكلي (TEC) في الوقت الحقيقي من نظام GUARDIAN. من خلال استخدام محرك كشف الشذوذ القائم على الذاكرة طويلة وقصيرة الأجل (LSTM)، تمكنوا بنجاح من تحديد الاضطرابات الأيونوسفيرية الناتجة عن الزلازل (TIDs) في مقتطفات بيانات مدتها 10 دقائق دون معالجة إضافية. يمثل هذا العمل أول عرض للكشف في الوقت الحقيقي عن الأحداث الجيوفيزيائية باستخدام تدفقات بيانات TEC المعتمدة على GNSS، مما يبرز التحديات الفريدة المرتبطة بهذه البيانات، بما في ذلك فقدان الإشارة وضرورة الحصول على معلومات سياقية من مصادر قياس أخرى لتمييز الشذوذ الحقيقي عن الشوائب.
تشير النتائج إلى أنه بينما تظل أجهزة قياس الزلازل الطريقة الأكثر موثوقية للكشف عن الزلازل بسبب الانتشار السريع للموجات الزلزالية، يمكن أن يوفر المراقبة المعتمدة على GNSS رؤى قيمة، خاصة في المناطق ذات التغطية الزلزالية المحدودة. يؤكد المؤلفون على إمكانيات طريقتهم في الإشارة بشكل مستقل إلى الشذوذ الأيوني، مما قد يكون مفيدًا بشكل خاص لمراقبة أحداث تسونامي، حيث يمكن أن تكمل شبكات GNSS أنظمة العوامات البحرية التقليدية. كما يسلط البحث الضوء على جدوى استخدام شبكات GNSS النادرة للكشف عن الاضطرابات الزلزالية المتزامنة، على عكس المنهجيات السابقة التي اعتمدت على الشبكات الأكثر كثافة والبيانات المعالجة بعد الحدث. بشكل عام، يُظهر هذا البحث قوة وابتكار أداة كشف الشذوذ المقترحة، مما يمهد الطريق لتطبيقات مستقبلية في مراقبة المخاطر الطبيعية.
مقدمة
لقد شهدت منطقة صدع شرق الأناضول (EAFZ) في تركيا تاريخيًا عددًا أقل من الزلازل مقارنةً بمنطقة صدع شمال الأناضول (NAFZ)، لكن النشاط الزلزالي الأخير، بما في ذلك تسلسل زلزال كهرمان مرعش المدمر في 6 فبراير 2023، أثار مخاوف بشأن إمكانياته الزلزالية. شمل هذا التسلسل زلزالين كبيرين، بقوة $M_w$ 7.8 و $M_w$ 7.5، مما أسفر عن أكثر من 50,000 حالة وفاة وتأثيره على 13 مليون شخص عبر 11 محافظة. يستكشف البحث العلاقة بين الأحداث الزلزالية والاضطرابات في الأيونوسفير، مع التركيز بشكل خاص على التغيرات في محتوى الإلكترون الكلي (TEC) التي يمكن مراقبتها باستخدام أجهزة استقبال نظام الملاحة العالمي عبر الأقمار الصناعية (GNSS). لقد أثبتت الأبحاث السابقة أن الأحداث الزلزالية يمكن أن تسبب اضطرابات أيونية من خلال موجات الضغط الصوتي، ومع ذلك، فإن القليل من الدراسات قد نفذت بنجاح طرقًا للكشف في الوقت الحقيقي عن هذه الاضطرابات.
تقدم هذه الورقة نهجًا جديدًا باستخدام شبكة عصبية قائمة على الذاكرة طويلة وقصيرة الأجل (LSTM) للكشف عن الشذوذ الأيوني في الوقت الحقيقي، مستفيدة من شبكة معلومات الكوارث والتنبيهات في الوقت الحقيقي للغلاف الجوي العلوي المعتمدة على GNSS (GUARDIAN). يهدف النظام المقترح إلى تحديد الاضطرابات دون الحاجة إلى مجموعات بيانات موسومة واسعة، مع التركيز فقط على قيم TEC. من خلال محاكاة تدفق بيانات GUARDIAN في الوقت الحقيقي، يُظهر البحث جدوى هذه الطريقة القائمة على LSTM للكشف عن الشذوذ، خاصة في سياق تسلسل زلزال كهرمان مرعش. يتناول البحث التحديات المتعلقة بتحديد الشذوذ في الوقت الحقيقي، بما في ذلك وجود الشذوذ غير الفيزيائي في البيانات، ويهدف إلى تعزيز كفاءة أنظمة مراقبة المخاطر وأنظمة الإنذار المبكر على مستوى العالم. ستفصل الأقسام التالية المنهجية، ومحطات GNSS الإقليمية المستخدمة، ونتائج عملية الكشف عن الشذوذ.
طرق
في هذا القسم، يتم توضيح المنهجية للكشف عن الشذوذ الأيوني باستخدام محتوى الإلكترون الكلي المائل (TEC). يتم تقدير TEC المائل، المقاس بوحدات TEC (1 TECU = \(10^{16}\) إلكترون/م²)، بواسطة نظام GUARDIAN من خلال تركيبة خطية من قياسات التردد المزدوج L1 و L2، كما وصفه تونيزن ومونتينبروك (2017). تخضع البيانات لمعالجة في الوقت الحقيقي باستخدام فلتر باحث من الدرجة الرابعة، والذي يقضي على الترددات التي تقل عن فترات 15 دقيقة (حوالي 1.1 م هرتز)، كما أشار إليه مارتير وآخرون (2022). يتم تحديد النطاقات المتوقعة من الاضطرابات، مع اضطرابات TID الناتجة عن موجات الجاذبية بين 1 إلى 3 م هرتز، واضطرابات الموجات الصوتية عند أو فوق 4 م هرتز، وترددات الموجات العامة أقل من 10 م هرتز، بناءً على نتائج ماتوزا وآخرون (2022).
بعد عملية التصفية، المشار إليها باسم dTEC، يتم تقييد البيانات إلى ارتفاع قطع يبلغ 30° وقيم dTEC المطلقة ≤ 3 TECU لاستبعاد القيم المتطرفة الشديدة التي من المحتمل أن تكون ناتجة عن ظواهر غير أيونية. بالإضافة إلى ذلك، يوفر GUARDIAN مواقع نقاط اختراق الأيونوسفير (IPP) المقابلة لقيم dTEC، باستخدام نموذج أيوني ذو غلاف واحد مثبت على ارتفاع 350 كم، كما هو مفصل من قبل مارتير وآخرون (2022).
نتائج
في هذه الدراسة، استخدمنا طريقة الكشف عن الشذوذ الأيوني في الوقت القريب (NRT) لتحليل البيانات من 1 يناير إلى 28 فبراير 2023، مع تحديد إجمالي سبعة شذوذ أيوني. من الجدير بالذكر أن طريقة الكشف نجحت في الإشارة إلى اضطراب أيوني عابر (TID) حدث بعد حوالي 10 دقائق من زلزال بقوة 7.5، مع الكشف عن الشذوذ في محطة NICO. أظهر الاضطراب سعات تبلغ حوالي [-2، 2] TECU، وسرعة انتشار أفقية تبلغ حوالي 1.9 كم/ث، وترددات قصوى حول 4 م هرتز، مما يتماشى مع خصائص TIDs الزلزالية الموثقة سابقًا. على الرغم من الكشف عن اضطرابات كبيرة في محطات أخرى، فإن عتبات الخوارزمية حدت من تحديد هذه الإشارات، مما يبرز التحديات في تحقيق توازن بين عتبات الخطأ وعدد الكشف.
أظهر التحليل أن 0.02% فقط من البيانات المختبرة تحتوي على اضطرابات أيونية زلزالية مرئية، مما يبرز عدم التوازن الشديد في الفئات في مجموعة البيانات. على وجه التحديد، من بين 475,776 إشارة تمت معالجتها، تم التقاط ثلاث إشارات فقط واثني عشر إشارة بعد زلزال Mw 7.7 و Mw 7.5، على التوالي. تشير هذه النتائج إلى أن الكشف عن خمس إشارات شاذة بعد زلزال Mw 7.5 هو نتيجة واعدة، مما يدل على إمكانية تطبيقات تشغيلية لهذه الطريقة في الكشف. ستركز الأعمال المستقبلية على تعزيز قدرات الكشف لتشمل نطاقًا أوسع من الاضطرابات، مما يحسن من موثوقية المراقبة الأيونوسفيرية الآلية.
مناقشة
تميز تسلسل زلزال كهرمان مرعش في تركيا، الذي أسفر عن دمار كبير وفقدان للأرواح، بوجود حدثين زلزاليين متميزين مع آليات تمزق مختلفة. تضمن الزلزال الأول تمزقات منفصلة متعددة على طول خط صدع بطول 350 كم، بينما كان الثاني تمزقًا أكثر تركيزًا على طول مقطع بطول 80 كم. استكشفت هذه الدراسة أيضًا تطبيق شبكات الذاكرة طويلة وقصيرة الأجل (LSTM) في توقع الاضطرابات الأيونوسفيرية المرتبطة بالأحداث الزلزالية. تم تصميم بنية LSTM لتعلم الديناميات الزمنية لمحتوى الإلكترون الكلي (TEC) في الأيونوسفير والإشارة إلى الشذوذ عندما تنحرف القياسات الفعلية عن التوقعات. استخدم التدريب بيانات TEC من ثلاث محطات GNSS، مع التركيز على تحسين المعلمات الفائقة لتعزيز دقة التوقع.
على الرغم من الإطار الواعد، لم يتمكن LSTM من الكشف بشكل مستقل عن زلزال بقوة 7.8، مما يبرز حساسية الطريقة لعوامل مختلفة، بما في ذلك جودة الإشارة والطريقة المختارة لإزالة الاتجاه. بالإضافة إلى ذلك، لم يتم الإشارة إلى الاضطرابات الجوية الكبيرة بعد الزلزال الثاني كشواذ، مما يشير إلى أن إعدادات عتبة الخطأ قد تتطلب تحسينًا. تؤكد الدراسة على إمكانية استخدام مراقبة TEC المعتمدة على GNSS للكشف في الوقت الحقيقي عن الأحداث الجيوفيزيائية، خاصة في المناطق ذات الشبكات النادرة. تهدف الأعمال المستقبلية إلى تعزيز قوة النموذج واستكشاف تطبيقه في الكشف عن مخاطر طبيعية أخرى، مثل تسونامي، مما يساهم في تحسين استراتيجيات المراقبة والاستجابة.
DOI: https://doi.org/10.1007/s10291-024-01808-2
PMID: https://pubmed.ncbi.nlm.nih.gov/39990601
Publication Date: 2025-01-01
Author(s): Fiona Luhrmann et al.
Primary Topic: Earthquake Detection and Analysis
Overview
In this research, the authors present a novel approach for detecting ionospheric anomalies induced by seismic events using real-time Total Electron Content (TEC) data from the GUARDIAN system. By employing a Long Short-Term Memory (LSTM)-based anomaly detection engine, they successfully identified earthquake-generated Traveling Ionospheric Disturbances (TIDs) in 10-minute data snippets without further processing. This work marks the first demonstration of real-time detection of geophysical events using GNSS-based TEC data streams, highlighting the unique challenges associated with such data, including signal loss and the necessity for contextual information from other measurement sources to differentiate true anomalies from artifacts.
The findings suggest that while seismometers remain the most reliable method for earthquake detection due to the rapid propagation of seismic waves, GNSS-based monitoring can provide valuable insights, particularly in areas with limited seismic coverage. The authors emphasize the potential of their method to autonomously flag ionospheric anomalies, which could be particularly beneficial for monitoring tsunami events, where GNSS networks can complement traditional ocean buoy systems. The study also underscores the feasibility of using sparse GNSS networks for detecting co-seismic disturbances, contrasting with previous methodologies that relied on denser networks and post-processed data. Overall, this research demonstrates the robustness and novelty of the proposed anomaly detection tool, paving the way for future applications in natural hazard monitoring.
Introduction
The East Anatolian Fault Zone (EAFZ) in Türkiye has historically experienced fewer earthquakes than the North Anatolian Fault Zone (NAFZ), but recent seismic activity, including the devastating Kahramanmaraş Earthquake Sequence on February 6, 2023, has raised concerns about its seismic potential. This sequence included two significant earthquakes, measuring $M_w$ 7.8 and $M_w$ 7.5, resulting in over 50,000 fatalities and affecting 13 million people across 11 provinces. The study explores the relationship between seismic events and disturbances in the ionosphere, particularly focusing on changes in total electron content (TEC) that can be monitored using Global Navigation Satellite System (GNSS) receivers. Previous research has established that seismic events can induce ionospheric disturbances through acoustic pressure waves, yet few studies have successfully implemented methods for real-time detection of these disturbances.
This paper introduces a novel approach using a Long Short-Term Memory (LSTM) neural network to detect ionospheric anomalies in real-time, leveraging the GNSS-based Upper Atmospheric Realtime Disaster Information and Alert Network (GUARDIAN). The proposed system aims to identify disturbances without the need for extensive labeled datasets, focusing solely on TEC values. By simulating GUARDIAN’s real-time data stream, the study demonstrates the feasibility of this LSTM-based anomaly detection method, particularly in the context of the Kahramanmaraş earthquake sequence. The research addresses the challenges of real-time anomaly identification, including the presence of nonphysical anomalies in the data, and aims to enhance the efficiency of hazard monitoring and early warning systems globally. Subsequent sections will detail the methodology, regional GNSS stations utilized, and the results of the anomaly detection process.
Methods
In this section, the methodology for detecting ionospheric anomalies using Slant Total Electron Content (TEC) is outlined. The Slant TEC, measured in TEC Units (1 TECU = \(10^{16}\) electrons/m²), is estimated by the GUARDIAN system through a linear combination of dual-frequency L1 and L2 measurements, as described by Teunissen and Montenbruck (2017). The data undergoes real-time processing with a fourth-order Butterworth high-pass filter, which eliminates frequencies below 15-minute periods (approximately 1.1 mHz), as noted by Martire et al. (2022). The expected ranges of disturbances are identified, with TID disturbances due to gravity waves between 1 to 3 mHz, acoustic wave disturbances at or above 4 mHz, and overall wave frequencies below 10 mHz, based on findings from Matoza et al. (2022).
Following the filtering process, referred to as dTEC, the data is constrained to a cutoff elevation of 30° and absolute dTEC values of ≤ 3 TECU to exclude extreme outliers likely resulting from non-ionospheric phenomena. Additionally, GUARDIAN provides the ionospheric pierce point (IPP) locations corresponding to the dTEC values, utilizing a single-shell ionospheric model fixed at an altitude of 350 km, as detailed by Martire et al. (2022).
Results
In this study, we employed an ionospheric near-real-time (NRT) anomaly detection method to analyze data from January 1 to February 28, 2023, identifying a total of seven ionospheric anomalies. Notably, the detection method successfully flagged a transient ionospheric disturbance (TID) occurring approximately 10 minutes after a magnitude 7.5 earthquake, with the anomaly detected at station NICO. The disturbance exhibited amplitudes of approximately [-2, 2] TECU, a horizontal propagation velocity of about 1.9 km/s, and maximum frequencies around 4 mHz, aligning with characteristics of previously documented co-seismic TIDs. Despite the detection of significant disturbances at other stations, the algorithm’s thresholds limited the identification of these signals, highlighting the challenges of balancing error thresholds against detection counts.
The analysis revealed that only 0.02% of the tested data contained visible co-seismic ionospheric disturbances, emphasizing the extreme class imbalance in the dataset. Specifically, out of 475,776 processed signals, only three and twelve signals were captured post the Mw 7.7 and Mw 7.5 earthquakes, respectively. These findings suggest that the detection of five anomalous signals following the Mw 7.5 earthquake is a promising outcome, indicating potential for operational applications of this detection method. Future work will focus on enhancing detection capabilities to encompass a broader range of disturbances, thereby improving the reliability of automated ionospheric monitoring.
Discussion
The Kahramanmaraş earthquake sequence in Türkiye, which resulted in significant destruction and loss of life, was characterized by two distinct seismic events with differing rupture mechanisms. The first earthquake involved multiple discrete ruptures along a 350 km fault line, while the second was a more focused rupture along an 80 km segment. This study also explored the application of Long Short-Term Memory (LSTM) networks for predicting ionospheric disturbances associated with seismic events. The LSTM architecture was designed to learn the temporal dynamics of ionospheric total electron content (TEC) and flag anomalies when actual measurements deviated from predictions. The training utilized TEC data from three GNSS stations, with a focus on optimizing hyperparameters to enhance prediction accuracy.
Despite the promising framework, the LSTM did not autonomously detect the magnitude 7.8 earthquake, highlighting the method’s sensitivity to various factors, including signal quality and the chosen detrending approach. Additionally, significant atmospheric disturbances following the second earthquake were not flagged as anomalies, suggesting that the error threshold settings may require refinement. The study emphasizes the potential of using GNSS-based TEC monitoring for real-time detection of geophysical events, particularly in regions with sparse networks. Future work aims to enhance the model’s robustness and explore its application in detecting other natural hazards, such as tsunamis, thereby contributing to improved monitoring and response strategies.