Forskare i Europa har identifierat en underjordisk signal som kan vara en föregångare till kraftiga skalv.
Dr Quentin Bletery har några goda nyheter angående ett alltför ofta dystert ämne:jordbävningar.
En forskare vid det franska nationella forskningsinstitutet för hållbar utveckling, eller IRD, Bletery tror att det en dag kan vara möjligt att förutsäga kraftiga jordbävningar minuter eller till och med timmar i förväg.
Jordbävningar orsakas vanligtvis av rörelsen av två tektoniska plattor på vardera sidan av djupa geologiska underjordiska sprickor, så kallade förkastningslinjer.
"Felet börjar glida någon gång före jordbävningen", sa Bletery. "Frågan är:accelererar detta på en mikrosekund eller är det något som tar längre tid och kan spåras?"
Baserat på tidigare experiment har Bletery anledning att tro att gradvisa glidningar inträffar. Nu kanske han har ännu mer anledning.
Bletery och IRD-kollegan Dr Jean-Mathieu Nocquet upptäckte en signal som - teoretiskt sett - kunde användas för att varna om kraftiga skakningar i förväg.
Projektet, som heter EARLI, började i januari 2021 och kommer att pågå fram till 2027 efter ett års förlängning.
Jordbävningar inträffar över hela världen dagligen. De flesta är för små för att kännas på ytan.
Större skalv, över magnituden 6, är ofta dödliga. Till exempel dödade en som slog Turkiet och Syrien i februari 2023 mer än 50 000 människor och lämnade omkring 1,5 miljoner andra hemlösa.
Under de senaste två decennierna har jordbävningar dödat omkring 1 miljon människor världen över, enligt EARLI.
Jordbävningar kan inte bara mätas med precision utan var de tenderar att slå till är också välkänt. Södra Europa inklusive Medelhavet, Japan, Indonesien, Chile och USA:s delstater Kalifornien och Alaska är alla hotspots.
Hittills har forskare inte kunnat identifiera några detekterbara tecken på gradvisa felglidningar.
Bletery och Nocquet misstänkte att en sådan signal kan vara för svag för att kunna fångas upp av seismometrar och använde istället höghastighetsdata från Global Positioning System från mer än 3 000 stationer över hela världen.
GPS-information är ett alternativ till seismologiska data för att mäta hur mycket marken rörde sig under en jordbävning och mellan skalv.
GPS-informationen inkluderade data som registrerats timmar före vart och ett av 90 jordbävningar av magnituden 7 eller högre.
Detta tillvägagångssätt gav resultat. Forskarna hittade ett knappt märkbart, men fortfarande statistiskt signifikant, mönster som börjar visa sig två timmar före jordbävningar nära det eventuella epicentret.
"Det är bara en liten signal, men du kan inte hitta den slumpmässigt på andra ställen och någon annan tid", sa Bletery. "Det är väldigt spännande."
Han sa att mer forskning behövs för att utöka förståelsen av den observerade signalen och för att överväga genomförbarheten av jordbävningsförutsägelser.
Ett hinder är att nuvarande jordbävningsövervakningsinstrument saknar täckning och precision för denna typ av forskning, enligt Bletery.
Ett svar här kan vara att koppla akustiska sensorer till optiska fiberkablar som ligger på havsbotten såväl som under jord och som är ryggraden i dagens globala kommunikationssystem.
Samtidigt har EARLI-forskarna ett mer blygsamt mål:att påskynda befintliga varningar till människor på sina mobiltelefoner minuter före en jordbävning.
Dessa varningar är baserade på de seismiska vågorna som orsakats av skalvet och registrerade av seismometrar.
Bletery och hans team försöker förbättra sådana varningar genom att använda seismometrar för att mäta något annat:störningar i jordens gravitationsfält orsakade av massiva rörelser av sten.
Även om den här indikatorn är mycket mindre än seismiska vågor, är den snabbare.
Bletery och hans team använde en artificiell intelligens (AI) algoritm för att analysera denna typ av data och uppskatta risken för en potentiell tsunami.
Det befintliga varningssystemet för en tsunami behöver 20 till 30 minuter för den första uppskattningen. Även om EARLI-metoden fortfarande var experimentell tog den en minut.
"Målet är att göra system för tidig varning mycket snabbare", säger Bletery.
Att begränsa konsekvenserna av jordbävningar är också en forskningsprioritering.
Detta var fokus för ett annat projekt. Kallas RISE och pågick från september 2019 till maj 2023.
"Vår utgångspunkt var att göra Europa mer motståndskraftigt mot jordbävningar", säger professor Stefan Wiemer, chef för den schweiziska seismologiska tjänsten vid ETH Zürich. "Och det finns ingen enskild åtgärd för att uppnå det."
Wiemer ledde en grupp ingenjörer och experter inom seismologi, informationsteknologi, geologi och samhällsvetenskap från två dussin organisationer i 13 länder, allt från Japan och Italien till Israel och Mexiko.
Forskarna förbättrade EU:s förmåga att uppskatta dödsoffer och skador orsakade av en jordbävning – något som kallas "snabb konsekvensbedömning."
Teamet byggde på befintliga globala tjänster inklusive ShakeMap, som samlar in data om markskakningar i områden som drabbats av jordbävningar.
Med hjälp av nya, mer detaljerade data etablerade forskarna en europeisk version av ShakeMap-tjänsten. European Shakemap tar automatiskt emot all inspelad data när en jordbävning över magnituden 4 inträffar.
Samtidigt sammanställer den relevant information som antalet människor som bor i området, de lokala markförhållandena och sårbarheten hos strukturer i zonen som drabbades.
"Vi kan inom bara 30 minuter efter en händelse uppskatta ett ungefärligt antal offer, skadade människor och olika nivåer av skador och kostnader", säger Wiemer, som också är ordförande för seismologi vid institutionen för geovetenskap vid ETH Zürich.
Detta är inte bara användbart för brådskande beslut i spåren av en jordbävning utan kan också förbättra kunskapen om vad som skulle hända i ett visst område om ett nytt skalv inträffade där.
Systemet är det första i sitt slag som blir operativt på europeisk nivå och är nu även operativt i Italien och Schweiz.
RISE har även avancerade metoder – inklusive genom AI – för att förutse starkare efterskalv. I efterdyningarna av en jordbävning kan hundratals eller tusentals mindre skakningar överväldiga seismiska nätverk.
"Det är svårt att bearbeta alla dessa data, speciellt när du måste göra det manuellt", sa Wiemer. "Med maskininlärningsteknik kan vi nu bearbeta dessa händelser snabbare och mer exakt."
Mer information:
Tillhandahålls av Horizon:The EU Research &Innovation Magazine
Denna artikel publicerades ursprungligen i Horizon EU Research and Innovation Magazine.
