Seismologi har ett Big Data-problem. Seismologer från Northwestern University tror att vardagsmedborgare är lösningen.

Den här vintern, ett nordvästra team av studenter och fakulteter lanserade "Earthquake Detective, " ett interaktivt projekt som ber om hjälp från frivilliga för att sortera genom mängder av data från världens tiotusentals seismogram. Genom att sortera och klassificera jordbävningar, darrningar och stadig bakgrundsbrus registrerat inom särskilt intressanta tidsfönster, frivilliga kan hjälpa forskare att bättre förstå seismiska händelser och de förhållanden under vilka de inträffar.

"Att klassificera dessa uppgifter hjälper oss att måla en mer fullständig bild av när större jordbävningar kan utlösa mindre eller skakningar, sa Suzan van der Lee, en seismolog och professor i jord- och planetvetenskap vid Northwesterns Weinberg College of Arts and Sciences. "Då kan vi lära oss vilka förhållanden som är gynnsamma och vilka faktorer som måste anpassas för att tillåta dem att hända, som i slutändan också kan informera det omvända om hur små seismiska händelser interagerar med stora."

Vivian Tang skapade projektet efter att hon samarbetat i ett år med Kevin Chao, en datavetenskapsforskare vid Northwestern Institute on Complex Systems och expert på dynamiskt utlöst seismisk aktivitet. Data som samlats in från seismogram runt om i världen är redan sammanställd i ett gigantiskt arkiv med öppen tillgång. Tang kände sig inspirerad när han tänkte på de dolda insikter som ligger begravda i all denna data men överväldigad av tanken på att bryta igenom allt.

"Det har skett en dataexplosion inom seismologi, sa Tang, en seismolog och Ph.D. kandidat i Van der Lees laboratorium. "Det finns alldeles för mycket data att titta igenom, Det är därför jag ville starta ett medborgarvetenskapligt projekt som ber om hjälp av frivilliga."

För att göra projektet användarvänligt, Tang samarbetade med andra Northwestern Ph.D. kandidat Boris Rösler, som skrev datorkod som förvandlade de seismiska frekvenserna till hörbara tonhöjder. Seismogram registrerar kontinuerligt de små rörelserna på jordens yta med en serie snirkliga linjer. För ett otränat öga, det är nästan omöjligt att fastställa vilka linjer som orsakas av en darrning och vilka som kanske kommer från en storm, fallande träd, strövande djur eller ett tunnelbanetåg som rullar förbi.

Genom att förvandla dessa snirkliga linjer till ljudfiler, Northwestern-teamet gjorde det mycket lättare för volontärer att klassificera typer av evenemang. Allt de behöver göra är att lyssna på skillnaderna mellan ljud. Med en jordbävning, till exempel, det finns ett plötsligt frisläppande av energi som låter som en dörr som smäller. En darrning, å andra sidan, är en långsam frigöring av energi som kan låta mer som ett tåg som mullrar över spår. Sedan finns det bakgrundsljud, som kan låta som allt från en val till "aliens" till en visselpipa.

Efter att ha genomgått en kort onlinehandledning, frivilliga lär sig hur man klassificerar dessa ljud och sorterar dem från tvetydiga ljud orsakade av konstruktion, hård vind eller till och med högljudda sportmatcher.

"Med ljudfilerna, volontärer behöver inte vara seismologer eller geologer, ", sa Tang. "De kan bara lyssna på dessa filer var som helst och skilja på om det är en jordbävning, tremor eller bara bakgrundsljud."

"Det verkar som om våra öron kan höra mycket mer än våra ögon kan se, " tillade Van der Lee.

Än så länge, nästan 900 volontärer arbetar för att klassificera fler än 16, 000 ljud. Efter att en fil har klassificerats av minst 10 personer, då anses ärendet avslutat. Teamet Earthquake Detective fokuserar inledningsvis på seismiska händelser i Nordamerika men kommer att fortsätta att lägga till ljudfiler till webbplatsen när projektet växer.

Efter att frivilliga klassificerat tillräckligt med data, seismologer och datavetenskapare kan mata in data i seismiska modeller som kan hjälpa forskare att bättre förstå hur, var, när och varför jordbävningar inträffar.