Tidlig påvisning af jordskælv kunne forbedres meget ved at tappe ind i verdens internetnetværk med en banebrydende ny algoritme, siger forskere.
Fiberoptiske kabler, der bruges til kabel -tv, telefonsystemer og den globale webmatrix, har nu potentialet til at hjælpe med at måle seismiske rumblinger takket være de nylige teknologiske fremskridt, men at udnytte dette gennembrud har vist sig problematisk.
Et nyt papir, der blev offentliggjort i dag i Geophysical Journal International Søger at tackle disse udfordringer ved at tilpasse en simpel fysikbaseret algoritme til at omfatte fiberoptiske data, der derefter kan bruges hånd i hånd med traditionelle seismometermålinger.
Ikke kun kunne denne “spændende” fremskridt integreres i eksisterende jordskælvets tidlige advarselssystemer, det kan også hjælpe med at opdage seismisk aktivitet forbundet med udbrud af vulkaner, geotermiske borehuller og gletscheris.
“Evnen til at omdanne fiberoptiske kabler til tusinder af seismiske sensorer har inspireret mange tilgange til at bruge fiber til detektion af jordskælv. Dog er fiberoptisk jordskælvsdetektion ikke en let udfordring at løse,” sagde hovedforsker Dr. Thomas Hudson, en senior forskning Forsker ved Eth Zürich.
“Her læner vi os på at kombinere fordelen ved tusinder af sensorer med en simpel fysikbaseret tilgang til at detektere jordskælv ved hjælp af ethvert fiberoptisk kabel, hvor som helst.
“Spændende kan vores metode kombinere fiberoptiske og traditionelle seismometermålinger, hvilket gør det muligt for fiberoptisk sensing at blive inkluderet i eksisterende jordskælvets tidlige advarselssystemer.”
Distribueret akustisk sensing (DAS) er en begynnende teknologi, der bruger fiberoptiske kabler til at detektere akustiske signaler og vibrationer. Det kan bruges til at overvåge en række ting, herunder rørledninger, jernbaner eller undergrunden.
Det har derfor potentialet til at dreje fiberoptiske netværk – som bærer data superhurtige – til målinger af seismisk aktivitet, der kan bruges til at detektere jordskælv.
Dette er fristende, fordi fiberoptiske netværk er allestedsnærværende i befolkede regioner og endda krydser oceaner, hvilket giver muligheden for langt mere detaljerede og effektive seismiske overvågningsnetværk end dem, der i øjeblikket findes.
At omdanne dette potentiale til virkelighed er imidlertid et meget vanskeligere forslag.
Virksomhedsnetværksgeometrier i den virkelige verden er ofte komplekse-og seismologer har ingen kontrol over geometrien. På toppen af dette er fiberoptiske kabler ofte placeret i støjende bymiljøer, hvilket gør det vanskeligt at skelne mellem jordskælvaktivitet og andre kilder i den måde, traditionelle seismometre gør.
En anden udfordring er, at DAS -målinger kun er følsomme over for belastning i fiberens akse, mens seismometre måler 3D -jordbevægelse. Dette gør overfladefiberoptiske kabler langt mere følsomme over for langsommere S-bølger (som kun bevæger Registrer jordskælv og lokaliser dem.
En løsning er at kombinere information fra både traditionelle seismometre og fiberoptiske kabler for at detektere jordskælv, men dette er ikke let på grund af de forskellige instrumentfølsomheder og måleenheder.
Det andet problem er, at det at omdanne et fiberoptisk kabel til tusinder af sensorer genererer en masse data. Behandling af disse data i realtid er vigtig for overvågning af jordskælv, så effektive databehandlingsalgoritmer er påkrævet.
Den nye algoritme fungerer ved at tage den energi, der observeres ved modtagere – enten fiberoptiske kabelkanaler og/eller seismometre – og migrerer denne energi tilbage gennem rum og tid for at finde en sammenhængende top i energi svarende til et potentielt jordskælv.
Denne fremgangsmåde viste sig også at være effektiv til at detektere jordskælv ved udbrud af vulkaner, geotermiske borehuller og gletscheris.
“En nøglestyrke i denne fysikbaserede tilgang er, at den fungerer godt selv i støjende miljøer, da støj generelt er mindre sammenhængende end et jordskælvssignal,” sagde Dr. Hudson. “Det kan også anvendes uden for boksen på ethvert fibernetværk.”
Han tilføjede, “Selvom vi ikke hævder at have løst det store datavolumens problem fuldstændigt, præsenterer vi pragmatiske måder at håndtere dette og vores algoritme kører i realtid for de testede datasæt. Metoden leveres open source, så det Det bredere seismologisamfund kan straks drage fordel. “