Mehr

8.12: Seismizität und Erdbebenvorhersage - Geowissenschaften

8.12: Seismizität und Erdbebenvorhersage - Geowissenschaften


Seismizität ist die Untersuchung, wie oft Erdbeben in einem bestimmten Gebiet auftreten, welche Arten von Erdbeben dort auftreten und warum.

In den Vereinigten Staaten sind die Gebiete, die am häufigsten von Erdbeben betroffen sind, die Küste von Kalifornien, Oregon und Washington, die Südküste und die Aleuten von Alaska, Hawaii und der Berg westlich von den Rocky Mountains bis zur Pazifikküste. Die zentralen und östlichen Vereinigten Staaten erleben selten bedeutende Erdbeben.

Auf einer Karte zusammengestellte Erdbeben-Epizentren zeigen, dass weltweit die meisten Erdbeben am Rande des Pazifischen Ozeans, in den Bergen Südasiens von China bis zum Nahen Osten und im Mittelmeerraum auftreten. Erdbeben-Epizentren zeichnen auch die mittelozeanischen Rücken auf den Böden der Ozeane nach.

Da fast alle Erdbeben auf Verwerfungen auftreten, besteht die Bestimmung der seismischen Risiken in einem feineren Maßstab hauptsächlich darin, aktive Verwerfungen in jedem Staat oder jeder Region zu identifizieren, zu kartieren und zu untersuchen. Viele aktive Verwerfungen sind jedoch verborgen, entweder weil alle Steilhänge, die sie an der Oberfläche gebildet haben, erodiert oder von Sedimenten, Boden und Vegetation bedeckt sind, oder weil es sich um blinde Verwerfungen handelt. Eine versteckte Verwerfung wird oft erst identifiziert und lokalisiert, wenn auf ihr ein oder mehrere bedeutende Erdbeben aufgetreten sind und die seismischen Wellen untersucht wurden, um ihren Ort und die Art der Verwerfungsbewegung zu bestimmen.

Zu den Informationen, die zur Bestimmung der Seismizität eines Gebiets verwendet werden, gehören:

  • Häufigkeit von Erdbeben in der Vergangenheit, abgeleitet aus:
    • historische Aufzeichnungen
    • geologische Studien, die Beweise für die prähistorische Erdbebenaufzeichnung untersuchen
  • Ort bekannter aktiver Fehler
  • seismologische Daten, die über die jüngsten Erdbeben in der Region gesammelt wurden
  • tektonische Einstellung des Gebiets in Bezug auf die Nähe zu Plattengrenzen und Informationen über die Plattengrenze, falls eine in der Nähe ist
  • Spannungen und Dehnungen, denen die Kruste in diesem Bereich ausgesetzt ist, basierend auf Messungen mit GPS-Geräten und aus Spannungs- und Dehnungsmessungen, die in Bohrlöchern durchgeführt wurden
  • unterirdische geologische Schichten und Strukturen in diesem Gebiet basierend auf Querschnitten aus geologischen Kartierungen, Daten aus Bohrungen und Fernaufnahmen tieferer Schichten der Kruste und des Mantels

Basierend auf diesen Informationen kann das Erdbebenrisiko eines bestimmten Gebiets statistisch quantifiziert werden. Beispielsweise kann die Wahrscheinlichkeit eines großen Erdbebens im nächsten Jahrhundert oder in den nächsten 10 Jahren für eine bestimmte seismische Zone geschätzt werden.

Es wurde jedoch noch keine wissenschaftliche Methode entwickelt, die genau vorhersagen kann, wann das nächste Erdbeben in einer bestimmten Region stattfinden wird, wo es passieren wird oder wie seine Stärke sein wird. Wissenschaftler haben die Verwendung möglicher Indikatoren vor dem Erdbeben untersucht, wie Bodenneigung, Änderungen des Brunnenwasserstands, Änderungen des Radongases im Grundwasser in der Nähe von Verwerfungszonen, Änderungen der elektrischen Leitfähigkeit der Erde um Verwerfungen, Änderungen oder Muster der seismischen Aktivität, die von Seismometern gemessen, obwohl es vom Menschen nicht wahrgenommen wird, und seltsames Tierverhalten, das nach zahlreichen, weitgehend unbestätigten Anekdoten vor einem Erdbeben stattfindet. Bisher konnte jedoch keine dieser Datentypen zu zuverlässigen Erdbebenvorhersagen führen.

Man hat sich auch mit Korrelationen zwischen Erdbeben und Mondphasen, Erdbeben und der Tageszeit (wie der Morgendämmerung, wenn die Sonne zum ersten Mal auf den Boden scheint) und so weiter untersucht. Es wurden keine Verbindungen zwischen Erdbeben und diesen anderen Arten von Phänomenen gefunden.

Aufgrund des aktuellen Stands der Seismizität können wir feststellen, welche Gebiete der Erde in den kommenden Jahrzehnten und Jahrhunderten von schweren Erdbeben betroffen sein werden, wir können abgrenzen, welche Gebiete der Erde für die stärksten Erdbebenarten gefährdet sind, und die Küstengebiete kartieren, die sind am stärksten gefährdet, von einem Tsunami überschwemmt zu werden, aber wir können das Datum oder den Ort des nächsten großen Erdbebens nicht im Voraus bestimmen.

REFLEXIONSFRAGEN

  • Welche Fähigkeiten helfen Ihnen diese Inhalte zu entwickeln?
  • Was sind die wichtigsten Themen, die in diesem Inhalt behandelt werden?
  • Wie kann der Inhalt dieses Abschnitts Ihnen helfen, die Beherrschung einer bestimmten Fähigkeit zu demonstrieren?
  • Welche Fragen haben Sie zu diesem Inhalt?

Seit 2000 gab es in den Vereinigten Staaten 51 schwere Erdbeben, die Schäden in Höhe von über 3,4 Milliarden US-Dollar und 31 Todesfälle verursacht haben. 1 Während große Erdbeben entlang der Westküste und in Alaska eine erhebliche Bedrohung darstellen, können sie auch die zentralen und östlichen Vereinigten Staaten betreffen, wie sie es während der Erdbeben von New Madrid 1811 und 1812 und 1886 in Charleston, SC, taten. Erdbeben können weitreichende Auswirkungen haben, wie das Erdbeben der Stärke 5,8 in Mineral, VA, das sich 2011 ereignete und in mehreren Staaten entlang der Ostküste zu spüren war und Schäden in Höhe von 200 bis 300 Millionen US-Dollar verursachte, und das diesjährige Erdbeben der Stärke 7,1 in der Nähe von Ridgecrest, Kalifornien, das war in Nevada und Arizona zu spüren und forderte Schadenersatz in Höhe von 100 Millionen US-Dollar. 1,2,3 Ein einzelnes Ereignis kann verheerend sein: Zum Beispiel verursachte das Erdbeben der Stärke 6,7 in Northridge, Kalifornien, 1994 einen direkten Schaden von mindestens 40 Milliarden US-Dollar und tötete etwa sechzig Menschen. 3

Da die Bevölkerung weiterhin in risikoanfällige Gebiete expandiert, sind verbesserte Risikomanagementpraktiken zunehmend erforderlich, um die Notfallvorsorge und -reaktion zu verbessern, indem Informationen über Erdbebenprozesse bereitgestellt, die Angemessenheit der gebauten Infrastruktur und der Bauvorschriften bewertet und Einblicke in die Verbesserung der zukünftigen Wiederherstellung bereitgestellt werden und Stadtentwicklungsbemühungen. Technische Clearinghouses nach Erdbeben sind eine erfolgreiche Strategie, um die Erfassung von Informationen über Bodenversagen, strukturelle Schäden und andere Auswirkungen von schweren Erdbeben zu verfolgen, Doppelarbeit bei der Datenerfassung zu reduzieren und Informationen über Ereignisse an Notfallmanager weiterzugeben. In diesem Webinar diskutieren unsere Referenten das Erdbebenrisiko in den USA, die Bedeutung einer koordinierten Reaktion nach Erdbeben und die Wirksamkeit technischer Clearinghouses nach dem Erdbeben bei der Verbesserung der Erdbebenresistenz.

  • Matthew Wall, Exekutivdirektor, Rat für Erdbebenpolitik der westlichen Staaten | Folien| Video
  • Maggie Ortiz-Mailand, Programmmanagerin, Forschungsinstitut für Erdbebeningenieurwesen | Folien | Video
  • Cynthia Pridmore, Ingenieurgeologin, Seismic Hazard Program, California Geological Survey Chair, California Earthquake Clearinghouse | Folien | Video

Zusätzliche Ressourcen:

  • Sehen Sie sich die Frage- und Antwortsitzung dieses Webinars an
  • Sehen Sie sich eine Liste mit zusätzlichen Fragen und Antworten aus diesem Webinar an
  • U.S. Geological Survey, Rundschreiben 1242, Der Plan zur Koordinierung der NEHRP-Untersuchungen nach dem Erdbeben
  • Nevada Bureau of Mines and Geology Sonderveröffentlichung 36, 21. Februar 2008 MW 6.0 Wells, Nevada, Erdbeben, Abschnitt IIV. Reaktion auf das Erdbeben, Auswirkungen auf die Gemeinschaft und Notfallwiederherstellung
  • EERI Earthquake Clearinghouse-Website: http://www.learningfromearthquakes.org/activities/clearinghouses
  • California Earthquake Clearinghouse: www.californiaeqclearinghouse.org

1 M5.8 23. August 2011 Mineral, Virginia, U.S. Geological Survey Earthquake Hazards Program. https://www.usgs.gov/natural-hazards/earthquake-hazards/science/m58-august-23-2011-mineral-virginia
2 M 7.1 - 2019 Ridgecrest Earthquake Sequence, U.S. Geological Survey Earthquake Hazards Program. https://earthquake.usgs.gov/earthquakes/eventpage/ci38457511/executive
3 Nationales Geophysikalisches Datenzentrum / World Data Service (NGDC/WDS): Significant Earthquake Database. Nationales Geophysikalisches Datenzentrum, NOAA. doi: 10.7289/V5TD9V7K

CEU-Guthaben

Um CEU-Credits zu erwerben, absolvieren Sie bitte den zugehörigen On-Demand-GOLI-Kurs, der aus diesem Webinar entwickelt wurde, mit einer Note von 70% oder höher und reichen Sie dann Ihren Antrag für CEUs ein. CEUs werden vom American Institute of Professional Geologists vergeben. Um die vollständige Liste der On-Demand-GOLI-Kurse anzuzeigen, durchsuchen Sie bitte den GOLI-Kurskatalog.


Die Erdbeben in Gyeongju vom 12. September 2016: 1. Beobachtung und offene Fragen

Zwei Erdbeben (m L 5.1 und 5.8) brachen am 12. September 2016 Zweige des Yangsan-Verwerfungssystems in Gyeongju, Südkorea m L 5,8 Erdbeben, Nachbeben traten weiterhin auf, darunter zwei bemerkenswerte Erdbeben (m L 4.3 und 4.5) am 12. und 19. September 2016. Dieser Artikel beschreibt die frühen Berichte des Yangsan-Verwerfungssystems im Gyeongsang-Becken aus verschiedenen geologischen und geophysikalischen/seismologischen Perspektiven. Basierend auf einer Überprüfung und einer ersten seismologischen Analyse der Ergebnisse der drei Erdbeben (m L 5.1, 5.8 und 4.5) präsentieren und diskutieren wir die folgenden Themen: (1) die tektonische Umgebung und die geophysikalische/seismische Struktur des Yangsan-Verwerfungssystems, (2) historische Seismizität und abgeleitete seismische Gefahr aus historischen (Literatur-)Daten, und (3) Quellenmechanismen der drei Erdbeben. Abschließend beleuchten wir einige der noch offenen Fragen in Bezug auf Erdbeben und zukünftige Forschungsthemen.


Warum ist es so schwierig, das nächste große Beben vorherzusagen?

Beginnen wir mit einem einfacheren Teil der Frage: woWird es das nächste „große“ Erdbeben geben?

Es hat sich gezeigt, dass größere Verwerfungen typischerweise zu größeren Erdbeben führen. Theoretisch sollten wir in der Lage sein, die stärksten Erdbeben, die eine bestimmte Region erleiden würde, einzuschränken, wenn alle Verwerfungen kartiert würden. Dies ist wichtig, da die durch Erdbeben freigesetzte Energie um einen Faktor von Billiarden schwanken kann.

Die Abschätzung der Fehlergröße und der entsprechenden freigesetzten Energie ist jedoch nicht immer so einfach. Verwerfungen weisen oft komplexe Geometrien auf, was die Modellierung des Verwerfungsbereichs erschwert. Darüber hinaus können Verwerfungen gleichzeitig aufbrechen: Beim Kaikōura-Erdbeben 2016 in Neuseeland sind dreizehn verschiedene Verwerfungen gleichzeitig ausgefallen. Darüber hinaus hat die jüngste Geschichte gezeigt, dass die Erdbebengröße nicht immer mit dem Schaden korreliert, je nachdem, wo es auftritt. Ein Erdbeben mittlerer Stärke kann verheerender sein als ein „großes“ Erdbeben. Beispielsweise führte das Erdbeben der Stärke 6,7 in Northridge in Kalifornien von 1994 zu großen Sachschäden und zum Verlust von Menschenleben, während das Erdbeben der Stärke 8,2 in Fidschi 2018, das 178-mal stärker war, keine Schäden verursachte. Daher sagt die Stärke des Erdbebens nicht die ganze Geschichte aus.

Nun zum komplizierteren Teil der Frage: WennWird das nächste große Erdbeben auftreten?

Das Timing ist die schwierigste Herausforderung im Spiel der Erdbebenvorhersage. Tatsächlich könnten zwei der Theorien, die unsere (besten) Vorhersagen stützen, fehlerhaft sein. Die erste Theorie heißt Elastic Rebound Theory, die besagt, dass sich die Erdkruste unter starker Belastung verbiegt und verformt, bis sie schließlich unter der Belastung bricht. Ein Rutschen entlang der Bruchstelle (d. h. ein Erdbeben) ermöglicht es dem Gestein auf jeder Seite, in einen weniger deformierten Zustand zurückzuprallen und die gespeicherte Energie freizugeben, wodurch der Prozess der Ansammlung von Spannungen von neuem beginnt. Die zweite Theorie wird als charakteristisches Erdbeben bezeichnet und beschreibt, wie die am besten untersuchten erdbebenerzeugenden Verwerfungen unterschiedliche Segmente zu haben scheinen. Diese Segmente reißen wiederholt, um Erdbeben ähnlicher Stärke zu erzeugen, nachdem sie in der Zwischenzeit zwischen Erdbebenereignissen eine ähnliche Belastung angesammelt haben. Unter der Annahme, dass diese beiden Theorien immer gültig waren, könnten Sie basierend auf 1) dem Ort der größten ungelösten Dehnung, 2) der Zeit seit dem letzten Erdbeben auf der Verwerfung und 3) der genauen Kenntnis der Verwerfungszone (die werden wir in vielen Bereichen vielleicht nie erreichen).

1985 führte dieser Rahmen Erdbebenwissenschaftler zu der Annahme, dass das Parkfield-Segment der San-Andreas-Verwerfung für ein Erdbeben überfällig war. Um es in Aktion zu erfassen, wurde der ausgefeilteste Überwachungsaufwand der Welt eingesetzt. Wissenschaftler gaben zuversichtlich an, dass das nächste Erdbeben spätestens 1993 eintreffen würde. Das Erdbeben ereignete sich jedoch über ein Jahrzehnt später im Jahr 2004 und ohne Vorwarnung. Diese Art der Diskordanz zwischen Vorhersagen und Daten ist weit verbreitet, und trotz zahlreicher Versuche wurde keine zuverlässige Vorhersagemethode entdeckt. Daher sind selbst die beiden am weitesten verbreiteten Arbeitstheorien der Erdbebenvorhersage, die auf wissenschaftlicher Grundlage und nützlich für das Verständnis von Erdbebenphänomenen sind, für Vorhersagezwecke nicht vollständig zuverlässig.


Implikationen der Radonüberwachung für die Erdbebenüberwachung mit statistischen Techniken: Eine Fallstudie zum Erdbeben in Wenchuan

Die seismotektonisch bedingten Veränderungen des Grundwasser-Radons (Rn) gelten als starke Imputationen für die Überwachung bevorstehender schwerer Erdbeben. Grundwasser erleichtert die Wanderung von Bodengasen durch tektonische Spannungen. In diesem Zusammenhang wird eine Radon-Zeitreihe statistisch analysiert, um die Radonanomalien zu identifizieren, die möglicherweise durch das Erdbeben in Wenchuan verursacht wurden. Die statistische Analyse umfasst hauptsächlich die deterministische Analyse der Rn-Daten und die Rest-Rn-Analyse unter Verwendung eines Kriteriums

der Anomalieauswahl mit einem Konfidenzintervall von 95 %. Die deterministische Analyse zeigt, dass die Rn-Zeitreihe einem anhaltenden Trend folgt

was das Fehlen eines chaotischen Regimes bestätigt. Auf der anderen Seite zeigt der Rest-Rn einen bemerkenswerten Anstieg über die Zeit des Wenchuan-Erdbebens in Form von Veränderungen vor und nach dem Erdbeben an Messstationen mit

. Der Rest-Rn-Gehalt erfüllt das Anomalie-Auswahlkriterium und wird als tektonisch induzierte Rn-Anomalie deklariert. Im Gegensatz dazu ist die Reaktion entfernter Messstationen (

) zu diesem speziellen Erdbeben bestätigt den Zusammenhang zwischen Rn und Erdbebenaktivität weiter. Zusammenfassend hebt die vorliegende Studie die möglichen Auswirkungen erdbebenbedingter Radonanomalien für die Erdbebenvorhersageforschung hervor.

1. Einleitung

In den letzten Jahrzehnten hat die Forschung zur Erdbebenvorhersage aufgrund der verheerenden Natur dieses Phänomens die Aufmerksamkeit der wissenschaftlichen Gemeinschaft auf sich gezogen. Aufgrund der Beteiligung vieler Variablen gibt es jedoch bisher keinen offensichtlichen Erfolg [1–4]. Daher ist es unerlässlich, in diese Richtung zu forschen, um die damit verbundenen Geogefahren zu mindern und den Verlust von Leben und Eigentum zu minimieren. In diesem Zusammenhang belegen zahlreiche retrospektive Studien das Vorhandensein atmosphärischer, ionosphärischer und hydrogeochemischer Prozesse, die von Erdbebenaktivitäten begleitet werden [5–16]. Diese Begleitprozesse gelten als Erdbebenvorläufer und werden weltweit beobachtet [11, 14, 17–23].

Unter ihnen wurde die hydrogeochemische Reaktion der Erdbebenaktivität in den letzten Jahrzehnten umfassend untersucht [24]. Die hydrogeochemischen Studien umfassen hauptsächlich die Überwachung von Wasserstandsänderungen, Rn-Variabilität in Luft, Boden oder Grundwasser, einer Emanation von Bodengasen (CO2, CH4, und He) und andere Bestandteile wie Cl − ,

werden auch als Vorläufer für den Zugang zu den erdbebenbedingten Veränderungen herangezogen [7, 10, 11, 24–27]. Die Verwendung von Rn wird jedoch im Vergleich zu anderen Vorläufern aufgrund seiner relativ langen Halbwertszeit und einfachen Vorhersagbarkeit weltweit bevorzugt [14].

In den letzten Jahren wurden zahlreiche physikalische Modelle zur Erklärung von Erdbebenvorstufen vorgeschlagen [1–3, 20, 28, 29]. Pulinets und Ouzounov [3] schlugen beispielsweise ein Lithosphären-Atmosphärisch-Ionosphären-Kopplungs-(LAIC)-Modell vor, das die Synergie zwischen Erdbebenaktivität und seinen Vorläufern erklärt. Nach dem LAIC-Modell führt die Relativbewegung tektonischer Blöcke zur Erzeugung tektonischer Spannungen. Darüber hinaus haben Koike et al. [30] führten einen Laborversuch durch, um das Wachstum der Rn-Emissionen infolge von Druckspannungen zu überprüfen. Diese tektonischen Spannungen sind für das Öffnen und Schließen von Mikrorissen/Risse verantwortlich, die die Migration von Rn aus der Kruste an die Oberfläche mithilfe von Trägerflüssigkeiten wie Grundwasser oder anderen Bodengasen wie CO . erleichtern2, CH4, oder N 2 in einer Vielzahl von geologischen Umgebungen [20]. Insbesondere Cicerone et al. [2] berichtete über eine Korrelation zwischen der Rn-Konzentration und der regionalen Variation von Spannung/Dehnung. Darüber hinaus weisen zahlreiche Studien auf das Vorhandensein von bemerkenswerten Rn-Anomalien im Grundwasser um die Zeit der Erdbebenaktivität hin [19, 31–33].

In diesem Zusammenhang lieferte das Erdbeben von Taschkent (M 5.3 1966) erste Hinweise auf erdbebenbedingte Rn-Anomalien im Grundwasser und gab Hoffnung auf die Erforschung von Erdbebenvorstufen [34]. Eine mehrjährige Analyse der Rn-Daten zeigt einen mehrfachen Anstieg der Rn-Werte um die Zeit dieses speziellen Erdbebens, und die gleichen Muster wiederholten sich auch für seine Nachbeben über einen kurzen Zeitraum [35]. Ein solches analoges Verhalten von Rn, Erdbeben und seinen Nachbeben weist auf erdbebenbedingte Rn-Anomalien hin. Später wurde eine erfolgreiche Vorhersage für das Haicheng-Erdbeben (M 7.3 1975) basierend auf mehreren Datensätzen zusammen mit Rn gemacht, wie von [36] diskutiert. In ähnlicher Weise haben Hirotaka et al. [37] beobachteten zwei Wochen vor dem Erdbeben in der Präfektur Nagano (M 6.8 1984) 65 km von seinem Epizentrum entfernt einen allmählichen Anstieg der Rn-Zahl. Danach analysierten Igarashi und Wakita [5] die Rn-Anomalien im Zusammenhang mit Erdbebenereignissen von Januar 1984 bis Dezember 1988 in Japan und Umgebung. Vor der Korrelation von Rn mit Erdbeben wurde die Bayes-Statistik erfolgreich angewendet, um Hintergrundvariationen zusammen mit einem Kriterium für die Anomalieauswahl ( ), Ereignismagnitude (

) von der Überwachungsstelle. Zwanzig Rn-Anomalien erfüllten die Anomalie-Auswahlkriterien und zeigten bemerkenswerte Veränderungen vor bzw. nach dem Erdbeben. Dem Kobe-Erdbeben (M 7.2 1995) ging auch eine deutliche Grundwasser-Rn-Anomalie an einem 17 m tiefen Beobachtungsbrunnen 30 km vom Epizentrum entfernt voraus [38]. Gegenwärtig haben zahlreiche Studien über die Grundwasser-Rn-Anomalien berichtet und schlagen eine detailliertere Analyse der Rn-Anomalien für eine zuverlässigere Vorhersage von großen verheerenden Erdbeben vor [11, 17, 20, 27, 33, 35].

In diesem Zusammenhang liefert die vorliegende Studie eine detaillierte zeitliche Analyse der Rn-Schwankungen im Grundwasser über die Zeit der großen (Mw 7,9) und flachen (

) Erdbeben von Wenchuan. Das Erdbeben in Wenchuan ereignete sich am 12. Mai 2008 entlang der Longmenshan-Verwerfung (31,0 ° N, 103,4 ° E) in der Provinz Sichuan, China [39, 40]. Es ist das zerstörerischste Erdbeben in China seit dem Erdbeben von Tangshan 1976 [41]. Dieses verheerende Ereignis war auf regionaler Ebene für Tausende von Opfern und massive Zerstörungen verantwortlich. Das Erdbeben in Wenchuan löste auch eine Vielzahl von Geogefahren wie Erdrutsche, Hangeinbrüche und Murgänge aus, die Landkreise in der Provinz Sichuan, China, schwer beschädigten [42, 43]. Angesichts der durch dieses Ereignis verursachten Verwüstungen ist es unerlässlich, das Wissen über die Erdbebenvorstufen in dieser Region zu erweitern. Daher haben wir die Rn-Variationen des Grundwassers an nahen und entfernten Standorten analysiert. Es ist wichtig zu erwähnen, dass zahlreiche Forschungen auch die Schwankungen verschiedener boden- und weltraumbasierter Parameter analysiert haben, jedoch fehlt die systematische Analyse von Radon. Daher wird die vorliegende Studie dazu beitragen, eine Synergie zwischen zahlreichen Parametern im Kontext der Erdbebenvorhersage herzustellen.

2. Seismotektonische Einstellungen der untersuchten Region

Seismisch zählt China zu den hochaktiven Regionen der Welt mit extremer Interplate-Seismizität. Die berühmte plattentektonische Theorie kann diese Intraplatten-Seismizität Chinas, die das Auftreten von Erdbeben innerhalb einer engen Plattenrandzone aussagt, nicht erklären [44]. Der historische Katalog Chinas zeigt das Auftreten von mehr als 1000 ( ) Erdbeben seit 23 n. Chr., wobei dreizehn als schwere Katastrophe (

) Veranstaltung. Ein klassisches Beispiel für ein verheerendes historisches Erdbeben in China ist das Huaxian-Erdbeben (1556), bei dem etwa 830.000 Menschen ums Leben kamen und das als das tödlichste Erdbeben der Menschheitsgeschichte gilt [45]. Das Erdbeben von Tangshan (M 7.8 1976) ist das bekannteste Beispiel für ein modernes Ereignis in China in Bezug auf den Verlust von Menschenleben (getötete

250.000 Menschen und Millionen Verletzte) und Sachwerte [46]. Insbesondere die Seismizität Westchinas wird hauptsächlich durch die indo-eurasische Kollision beeinflusst, die für die Entstehung des E-W-Trendverwerfungssystems verantwortlich ist [47, 48].

Das wichtigste tektonische Merkmal in dieser Region ist die Longmenshan-Verwerfung (LMSF), die parallel (etwa 500 km lang und 40-50 km breit) zu Osttibet und dem Sichuan-Becken in nordöstlicher und südwestlicher Richtung verläuft [12]. Die LMSF-Zone wird hauptsächlich von der Wenchuan-Maowen-Verwerfung, der Yingxiu-Beichuan-Verwerfung und der Guanxian-Jiangyou-Verwerfung dominiert (Abbildung 1) mit mehreren Schubstörungen, die aus der Kompression zwischen dem Jangtse-Kraton und dem östlichen tibetischen Plateau resultieren [40]. Historisch wurden nur zwei bemerkenswerte Erdbeben mittlerer Stärke (M 6.5, 6.2) in den Jahren 1657 und 1956 entlang der LMSF-Zone registriert und bis 2008 als seismisch inaktiv angesehen [40, 46], während Shi et al. [12] berichtete nur über ein Erdbeben (Mw 6.1 1989) auf dieser Verwerfung. Im Jahr 2008 löste die LMSF ein schweres (Mw 7,9) und flachfokussiertes ( ) Erdbeben in Wenchuan (12. Mai 2008) aus, das die Aufmerksamkeit der Gemeinde auf sich zog, als die LMSF-Zone reaktiviert wurde. Das Erdbeben in Wenchuan hat ein insgesamt 290 km langes Segment des LMSF zerstört. Dieser Bruch breitet sich 270 km einseitig in NE-Richtung und 20 km in südwestlicher Richtung mit 80 km koseismischem Oberflächenbruch aus. Das Erdbeben in Wenchuan resultierte aus der Änderung des Neigungswinkels der LMSF (30 ° –50 ° SW auf 60 ° –70 ° NE) und der Verwerfungsbewegung (SW-Schubbewegung zu NE-Schlag-Schlupf-Bewegung), wie sie in verschiedenen vorgeschlagenen Gleitmodellen üblich ist zusammengefasst von [40].

Das Erdbeben in Wenchuan führte zu schätzungsweise 69.225 Todesursachen, 374.640 Verletzten, 17.939 Vermissten und etwa 5 Millionen Menschen wurden obdachlos. Es gilt als das zweitzerstörerischste Erdbeben dieses Jahrhunderts nach dem großen Erdbeben von Sumatra im Jahr 2004 [41]. Auf das Erdbeben in Wenchuan folgten mehr als 10.000 Nachbeben, die bis zum 31. Dezember 2008 andauerten [50]. Dieses verheerende Erdbeben war auch für die Auslösung von mehr als 15.000 Geogefahren (Erdrutsche, Steinschlag und Murgang) verantwortlich, die etwa 20.000 Todesopfer forderten [39]. Die durch das Ereignis verursachte Zerstörung unterstreicht die Bedeutung von Erdbebenvorläuferstudien in seismisch aktiven Regionen, um den Verlust von Menschenleben und Eigentum zu minimieren.

3. Methodik

Die in der aktuellen Studie angewandte Methodik gliedert sich hauptsächlich in zwei Phasen: (a) instrumenteller Aufbau und (b) theoretischer Aufbau. Der instrumentelle Aufbau erläutert die für die Datenerhebung gewählte Strategie und eine kurze Beschreibung des zur Radonüberwachung verwendeten Instruments, während der theoretische Aufbau die statistische Analyse von Radondaten zur Identifizierung von Radonanomalien erklärt, die möglicherweise durch Erdbeben verursacht wurden.

3.1. Instrumental-Setup

Seit 1966, unmittelbar nach der Erdbebenfolge in Xingtai (22. März 1966), hat China eine organisierte, beharrliche und systematische Anstrengung unternommen, um das Postulat von Anomalien vor dem Erdbeben im Kontext der Erdbebenvorhersage der China Earthquake Administration (CEA) zu bestätigen. Dieses Forschungsprogramm konzentrierte sich hauptsächlich auf die Erdbebenvorhersage und deren Auswirkungen, um die unwiderrufliche Zerstörung durch schwere Erdbeben zu minimieren. Das CEA hat dieses Forschungsprogramm hauptsächlich in folgende Klassifikationen eingeteilt: bevorstehende (Wochen bis Tage, sogar Stunden), kurze (Monate bis Wochen), mittelfristige (Jahre) und langfristige (Jahrzehnte) Erdbebenvorhersagen. In diesem Zusammenhang hat das CEA seismologische, geodätische/geoelektrische/geomagnetische, Bodenflüssigkeits- und hydroseismologische Netzwerke zur Überwachung potenzieller Erdbebenvorläufer installiert [42].

Insbesondere betreibt die CEA ein sehr dichtes Radonmessnetz zur Überwachung der Erdbebenaktivität. Für die Erdbebenvorhersageforschung wird Rn aufgrund seiner vergleichsweise längeren Halbwertszeit und leichten Nachweisbarkeit bevorzugt [14]. In der aktuellen Studie haben wir die Schwankungen der kontinuierlichen Rn-Konzentration im Grundwasser im Zusammenhang mit dem verheerenden Erdbeben in Wenchuan (12. Mai 2008 Mw 7,9) an 9 Stationen über das ganze Jahr (2008) in der Nähe des Ereignisepizentrums analysiert. Die Details der Rn-Messstationen bezüglich ihrer Lage und Entfernung vom Ereignis-Epizentrum sind in Tabelle 1 dargestellt.

Die in der aktuellen Forschung verwendeten Rn-Daten wurden mit zwei Instrumenten erfasst. Für die automatische kontinuierliche Probenahme wurde das aus dem Brunnen stammende Gemisch aus entweichendem Gas und Wasser durch einen Entgaser und eine Gassammelvorrichtung geleitet und dann in einem ZnS (Ag)-Detektorsystem zur Messung der Rn-Konzentration gesammelt. Dies ist eine digitalisierte Messmethode, und die Beobachtungsausrüstung besteht hauptsächlich aus SD-3A mit einem Abtastintervall von einer Stunde und einer Messgenauigkeit von 0,1 Bq/L. Für die Erfassung der täglichen Variation der Rn-Konzentration wurde Wasser aus dem Brunnen entnommen und durch Blasenentgasung entgast und dann in eine Ionenkammer oder einen ZnS (Ag)-Detektor transportiert, wo die Rn-Konzentration durch eine Ionisations- oder Szintillationsmethode unter Verwendung von FD . gemessen wurde -125 Instrument. Die Messgenauigkeit beträgt ebenfalls 0,1 Bq/L bei einem Abtastintervall von einer Messung pro Tag. Weitere Details zu instrumentellen Setups, die für das Rn-Monitoring verwendet werden, werden von [51] bereitgestellt. Der Niederschlag wird vom CEA nicht für alle Stationen überwacht, die in der aktuellen Forschung verwendet werden, und daher sind solche Daten nicht verfügbar. Um dieses Problem zu lösen, wurde in diesem Beitrag der Niederschlagsdatensatz des Satelliten der Tropical Rainfall Measuring Mission (TRMM) für das Jahr 2008 verwendet. Der TRMM-Datensatz wurde als die beste Lösung unter den verfügbaren Quellen für Niederschlagsdaten für China angesehen. Die beobachtete negative Korrelation zwischen Grundwasser-Rn-Anomalien und Niederschlag für das ganze Jahr und den gewählten Zeitrahmen ist in Tabelle 2 dargestellt.

) für das Verhältnis von Niederschlag und Grundwasser Rn für Stationen, die in der aktuellen Forschung verwendet werden und eine negative Korrelation aufweisen.

3.2. Theoretischer Aufbau
3.2.1. Fraktale Analyse von Radondaten

Die Dynamik der Rn-Zeitreihen zeigt ein sehr komplexes nichtlineares zeitliches Muster, das normalerweise durch instationäre und multiskalige Merkmale gekennzeichnet ist [52]. Dieses chaotische Regime der Zeitreihen wird durch tägliche, saisonale, mehrjährige und dekadische Rn-Zyklen sowie wichtige Einflussparameter realisiert [14, 53, 54]. Daher wird die Rn-Zeitreihe fraktalen Schätzungen unterzogen, um den Grad des chaotischen Verhaltens von Rn und ggf. intrinsische Langzeitgedächtniskorrelationen zu bestimmen [55]. Darüber hinaus führt die Schätzung fraktaler Elemente für die Rn-Zeitreihen zu einer weiteren Untersuchung der zugrunde liegenden Dynamik physikalischer Systeme wie der seismischen Aktivität [56]. In diesem Zusammenhang wird die fraktale Größe, bekannt als Hurst-Exponent ( ) für die Rn-Zeitreihe unter Verwendung des Reskalierungsbereichs (

) Analyse. Die Schätzung von basiert auf den folgenden Beziehungen:

Dabei ist der Bereich, die Standardabweichung, der Hurst-Exponent und die Anzahl der Einträge in einer Gruppe.

Hier ist die Menge der Beobachtungen (

) ist in nicht überlappende Intervalle von , (

. Danach wird die Rn-Zeitreihe basierend auf dem erhaltenen Wert von als antipersistent, zufällig und persistent kategorisiert. Insbesondere die Antipersistenz bedeutet, dass auf niedrige Barwerte wahrscheinlich hohe Zahlenwerte folgen werden und umgekehrt. Die Persistenz zeigt, dass innerhalb der Zeitreihe eine lang anhaltende Autokorrelation besteht, was bedeutet, dass auf hohe Gegenwartswerte wahrscheinlich hohe Zukunftswerte folgen werden und umgekehrt. Und Random Walk bedeutet, dass sie unkorreliert sind oder keinen langen Gedächtnistrend besitzen [14, 56].

3.3. Identifizierung von Radon-Anomalien

Die Untersuchung der fraktalen Dynamik von Rn-Zeitreihen ermöglicht die Identifizierung von anomalen Rn-Variationen, falls vorhanden. Zur zuverlässigen Identifizierung einer Erdbebenanomalie muss die Messstation innerhalb der Erdbebenvorbereitungszone (EPZ) liegen. Die EPZ ist definiert als ein Gebiet, in dem die mit dem tektonisch bedingten bevorstehenden Erdbeben verbundenen Vorüberwachungsschwankungen beobachtet werden können. In [57] wird eine empirische Beziehung für EPZ (km) basierend auf der Magnitude ( ) des Erdbebenereignisses vorgeschlagen, angegeben als

wobei die epizentrale Distanz (km) zwischen der Messstelle und dem Ereignisepizentrum berechnet wird als

Hier sind die Koordinaten des Erdbebenereignisses, sind die Koordinaten der Rn-Messstation und

ist der Erdradius [58]. Im Idealfall werden nur solche Ereignisse für Erdbebenvorhersagestudien berücksichtigt. In unserem Fall liegen alle Stationen im Inneren, wie von [57] vorgeschlagen und in zahlreichen Studien übernommen [14, 18, 22].

Darüber hinaus werden die erfassten Rn-Daten des Grundwassers untersucht, um anomale Perioden zu identifizieren, die möglicherweise mit diesem speziellen Ereignis verbunden sind. Die erkannten Anomalieperioden liegen hauptsächlich um den Erdbebenzeitpunkt in einem Zeitfenster von ±3 Monaten (März bis Juli 2008). Der Grund für die Wahl dieses flexiblen Zeitfensters besteht darin, die Auswirkungen der gesamten Nachbebensequenz des Wenchuan-Erdbebens zu analysieren. Die identifizierten anomalen Perioden wurden mit Techniken der Restsignalverarbeitung weiter analysiert, um den regulären Filtereffekt zu eliminieren, wie in zahlreichen Studien gezeigt [14, 22, 59]. Das Rest-Rn (

) wird über eine Beziehung berechnet als

wobei die tägliche durchschnittliche Rn-Konzentration und die 7-tägige gleitende Rn-Konzentration ist. Darüber hinaus haben wir auch ein statistisches Kriterium ( ) der Anomalie-Selektion auf Rest-Rn mit einem Konfidenzintervall von 95 % angewendet, das mit anderen Studien konsistent ist [14, 18, 23, 60, 61].

4. Ergebnis und Diskussion

Die zeitliche Variabilität des Grundwassers Rn wurde von Januar bis Dezember 2008 in der Nähe der LMSF-Zone an neun verschiedenen Standorten in China aufgezeichnet. Die Datenanalyse zeigt anomale Fluktuationen des Rn an einigen Stationen unter normalen meteorologischen Bedingungen, was den Aspekt einer tektonisch induzierten Rn-Anomalie hervorhebt, während die Betrachtung des Erdbebenkatalogs dieses ausgewählten Zeitraums den Aspekt einer tektonisch induzierten Radonanomalie aufgrund der due Das Erdbeben in Wenchuan ereignete sich am 12. Mai 2008 in Sichuan, China. Einzelheiten des Erdbebens sind in Tabelle 3 dargestellt.

In diesem Zusammenhang haben wir eine detaillierte statistische Analyse der Rn-Konzentrationen durchgeführt, um die mögliche Korrelation der Rn-Anomalien mit diesem speziellen Ereignis zu überprüfen. Die in die aktuelle Studie einbezogenen Rn-Messstationen sind in Abbildung 2 dargestellt.

Es umfasst 9 Stationen, die innerhalb der EPZ des Wenchuan-Erdbebens liegen, die von der CEA in der Nähe der LMSF-Zone installiert wurden (Tabelle 1). Die jährliche Variation von Rn, die an ausgewählten Messstationen aufgezeichnet wurde, ist in Abbildung 3 dargestellt.

Abbildung 3 zeigt einige Perioden (April-Juni 2008) mit abnormalem Anstieg und Abfall von Rn um die Zeit des Wenchuan-Erdbebens. For example, the MSS station shows a sudden rise of the Rn level from 14.6 Bq/L to 19.4 Bq/L in the second week of May 2008 (Figure 3(a)). This rise in the Rn level continues onward throughout the whole year. Likewise, other monitoring stations such as MXS, KDS, GS, and SPS also reveal an anomalous change in real Rn requiring a detailed study (Figures 3(b)–3(e)). An analogous change of the Rn level was also observed at the relatively distant monitoring stations with (Table 1 Figures 3(h) and 3(i)). Based on the results of the preliminary investigation, the anomalous periods of the Rn concentration are subjected to a detailed analysis. This detailed analysis includes the advanced residual signal processing techniques which remove the regular filtering effects from data if any. Besides this, a statistical criterion of is also applied to the residual Rn to further authenticate our results. The result of this detailed analysis is presented in two stages: (a) station is located very near to the event epicentre and (b) station is located far away from the event epicentre for comparison purposes.

Prior to analysing the Rn data for earthquake forecasting research, we have determined the dynamics of the Rn time series using fractal dimensions such a Hurst exponent. The Hurst exponent reveals that the time series follows a persistent trend for all the Rn monitoring stations with insignificant fluctuations as presented in Figure 4. A positive autocorrelation is found to exist in the recorded Rn data. This suggests that the past trend of data is continued in the future and there is no existence of an irregular trend.

At the first stage, detail analysis of Rn is performed for the station located near the event epicentre as presented in Figures 5 and 6. It includes 7 monitoring stations located in the proximity of the LMSF zone having . Figure 5 illustrates the change of the residual Rn levels along with daily precipitation for MSS, MXS, KDS, and SPS stations. The temporal variation of the residual Rn concentration was observed from Mar 1 to June 30, 2018, along with daily precipitation records. The Rn levels seem to be within normal limits until the occurrence of the Wenchuan earthquake on May 12, 2008. On May 12, 2008, the Rn levels breach the threshold of anomaly selection and show a sudden upsurge from 0 to 2.4 Bq/L of the residual Rn and 13-18 Bq/L of daily Rn level (Figures 3(a)–5(a)). This particular change in the Rn level followed by the Wenchuan earthquake highlights the aspect of the post earthquake Rn anomaly, while the daily Rn variations recorded at the MXS stations show a gradual increase in Rn from April to June 2008 with insignificant precipitation (Figures 3(b)–5(b)).

A detailed inspection of Rn shows that the residual Rn level passed the anomaly selection criteria prior to the Wenchuan earthquake. This preearthquake Rn anomaly seems to be absent after event occurrence (Figure 5(b)).

The KDS monitoring station shows unambiguous changes in the residual Rn levels around the time of this particular event (Figure 5(c)). Initially, this anomalous trend is observed 5 days prior to the Wenchuan earthquake on May 07, 2008, and continued until July 2008 showing post earthquake anomalies. It is important to mention that these post earthquake changes were possibly associated with the aftershock sequence of the Wenchuan earthquake [50]. Similarly, the SPS monitoring station having and shows a multifold increase in the daily Rn levels around the time of the Wenchuan earthquake (Figure 3(d)). The average Rn value recorded at the SPS monitoring station ranges between 0.2 and 0.3 Bq/L, while the peak value observed one day prior to the Wenchuan earthquake is nearly 0.52 Bq/L. Additionally, the residual Rn level of the SPS monitoring station overpasses the anomaly selection threshold which further authenticates its linkage with this particular event.

In continuation, the temporal variability of the residual Rn concentration for GS, ZJS, and PZHS monitoring stations is presented in Figure 6. The GS monitoring station reveals an unambiguous increase in the Rn levels prior to event occurrence within a very short interval of time (4-6 days). The Rn level range is within a limit of 11-13 Bq/L from Jan 2008 to the end of April 2008. Afterwards, a sharp increasing trend of Rn is observed from the beginning of May 2008 and continued onward (Figure 3(e)). This anomalous change is subject to detailed analysis via residual signal processing technique for reliable identification of tectonically induced Rn anomaly. The results of the residual Rn show development of an Rn anomaly overpassing the anomaly selection threshold preceding the earthquake event (Figure 6(a)). Similarly, the other monitoring stations presented anomalous patterns of the daily and the residual Rn levels highlighting the aspect of tectonically induced Rn anomalies under favourable conditions (Figures 3(f), 3(g), 6(b), and 6(c)). Inclusively, all the monitoring stations lying around the proximity of the LMSF zone show Rn variations with varying amplitude in connection with this particular event.

At the second stage, the temporal variability of Rn is analysed for distant Rn monitoring station with (Figures 3–6). It includes the YQS and SYS monitoring stations having value 1542.9 km and 1563.2 km, respectively (Table 1). The temporal variability of raw Rn levels recorded at these monitoring stations shows an increasing trend around the time of the Wenchuan earthquake, despite its distant location (Figures 3(h) and 3(i)). The YQS monitoring station shows multiple peaks in Rn levels with varying amplitudes prior to the event’s occurrence. The highest peak (44.2 Bq/L) of Rn levels is observed on May 1-2, 2008, around 10-12 days prior to the Wenchuan earthquake, while the Rn levels remain within the normal limit (around mean value 39 Bq/L) for the rest of the period (Figure 3(h)). Likewise, the SYS station also shows an analogous change in the Rn levels around the time of this particular event (Figure 3(i)). These anomalous periods are further subjected to a detailed investigation as presented in Figures 6(a) and 6(b).

The residual Rn value of the YQS station shows a significant increase on April 30, 2008, and overpasses the statistical criterion of the anomaly selection. This anomalous change in residual Rn is followed by the Wenchuan earthquake that occurred 11 days later, while during the rest of the period Rn levels were found to be within normal limits (Figures 3(h) and 7(a)). On the contrary, the temporal analysis of the residual Rn at the SYS station also depicts a notable rise in Rn levels almost 12-15 days prior to this devastating earthquake (Figure 7(b)).

Moreover, the comparative analysis of rainfall for the whole year and selected days further confirms the connection of Rn abnormality with this particular event (Table 2).

It is important to mention here that the current results show an analogy with the earlier investigations of the preseismic process in connection with the Wenchuan earthquake [8, 12, 51, 62]. For example, Shi et al. [12] studied the hydrological response of the Wenchuan earthquake at near and distant monitoring stations. They reported significant evidence of hydrological changes such as water level in response to the Wenchuan earthquake. Similarly, Ren et al. [51] also analysed the postseismic changes in Rn levels at different geochemical observation points using step variation curves. Their findings confirm the change in aquifer parameters as a response of dynamic loading, which may help in designing an optimum strategy for earthquake forecasting. In addition to this, Ye et al. [62] monitored the Rn levels in soil and water along with water level and temperature fluctuations along the Longmenshan fault zone. They observed that both the Rn concentration and water level show positive and negative relationships in response to the Wenchuan earthquake. Besides this, Liu et al. [8] analysed the seismoionospheric parameter (GPS total electron content (TEC)) in connection with the May 12, 2008, Wenchuan earthquake. It is observed that the GPS-TEC shows an anomalous decrease above the forthcoming epicentral region and gives a possible validation of the LAIC model. In general, the results of the present study are found to be in accordance with earlier investigations and reveal that Rn is a promising tool for earthquake forecasting research.

5. Conclusions

The present study encompasses the analysis of the groundwater Rn response associated with the devastating Wenchuan earthquake (Mw 7.9) that occurred on May 12, 2008, in mainland China. On this subject, the daily variation of the Rn levels is recorded within the EPZ at multiple near and distant locations within the proximity of the LMSF zone that is responsible for the triggering of this particular event. Primarily, it is observed that the daily Rn levels show a notable change around the time of earthquake occurrence. The period of notable Rn variations is further subjected to the detailed analysis of Rn using statistical techniques for reliable identification of tectonically induced Rn anomalies. The key findings of the current investigation are summarized below: (a) The time series analysis of the groundwater Rn at different monitoring stations over the whole period (Jan-Dec 2008) reveals notable changes in Rn levels around the occurrence time of the Wenchuan earthquake. This notable response of groundwater Rn is observed at both near and distant monitoring stations having (b) The deterministic analysis of the Rn time series suggests a positive autocorrelation with the absence of white noise in the dataset. The exponent exhibits that the recorded data has a long memory correlation between past and future data points (c) The residual signal processing techniques were applied on observed periods of Rn enhancement for reliable identification of the Rn anomalies along with a statistical criterion of anomaly selection . The response of the residual Rn variations associated with this tectonic activity appears in the form of possible pre- and post earthquake Rn anomalies with variable amplitudes. The findings of the current study are consistent with earlier investigations

The analysis of the Rn time series shows a notable response possibly induced by tectonic origin that may effectively support the forecasting of impending catastrophic seismic events. Our results suggest that, on a global perspective, radon should be used as a potential seismic indicator for seismically active regions.

Datenverfügbarkeit

The data (groundwater radon) used to support the findings of this study belongs to China Earthquake Data Center and will be provided on demand from the relevant organization.

Interessenskonflikte

The authors declare no conflict of interest.

Danksagung

The authors would like to thank the China Earthquake Data Center (http://data.earthquake.cn) for providing the radon data. This study was supported by the National Natural Science Foundation of China (no. 41674111).

Verweise

  1. C. H. Scholz, L. R. Sykes, and Y. P. Aggarwal, “Earthquake prediction: a physical basis,” Wissenschaft, Bd. 181, no. 4102, pp. 803–810, 1973. View at: Publisher Site | Google Scholar
  2. R. D. Cicerone, J. E. Ebel, and J. Britton, “A systematic compilation of earthquake precursors,” Tectonophysics, Bd. 476, no. 3-4, pp. 371–396, 2009. View at: Publisher Site | Google Scholar
  3. S. Pulinets and D. Ouzounov, “Lithosphere-Atmosphere-Ionosphere Coupling (LAIC) model - An unified concept for earthquake precursors validation,” Journal of Asian Earth Sciences, Bd. 41, no. 4-5, pp. 371–382, 2011. View at: Publisher Site | Google Scholar
  4. G. Asencio-Cortés, F. Martínez-Álvarez, A. Morales-Esteban, J. Reyes, and A. Troncoso, “Improving earthquake prediction with principal component analysis: application to Chile,” in Lecture Notes in Computer Science, Bd. 9121, pp. 393–404, Springer, Cham, 2015. View at: Publisher Site | Google Scholar
  5. G. Igarashi and H. Wakita, “Groundwater radon anomalies associated with earthquakes,” Tectonophysics, Bd. 180, no. 2-4, pp. 237–254, 1990. View at: Publisher Site | Google Scholar
  6. G. Igarashi, S. Saeki, N. Takahata et al., “Ground-water radon anomaly before the Kobe earthquake in Japan,” Wissenschaft, Bd. 269, no. 5220, pp. 60-61, 1995. View at: Publisher Site | Google Scholar
  7. L. Claesson, A. Skelton, C. Graham et al., “Hydro-geochemical changes before and after a major earthquake,” Geologie, Bd. 32, no. 8, pp. 641–644, 2004. View at: Publisher Site | Google Scholar
  8. J. Y. Liu, Y. I. Chen, C. H. Chen et al., “Seismoionospheric GPS total electron content anomalies observed before the 12 May 2008Mw7.9 Wenchuan earthquake,” Journal of Geophysical Research: Space Physics, Bd. 114, Nr. A4, 2009. View at: Publisher Site | Google Scholar
  9. C. Y. Wang and M. Manga, “Hydrologic responses to earthquakes and a general metric,” Geofluids, Bd. 10, no. 1-2, pp. 206–216, 2010. View at: Publisher Site | Google Scholar
  10. D. V. Reddy and P. Nagabhushanam, “Chemical and isotopic seismic precursory signatures in deep groundwater: cause and effect,” Applied Geochemistry, Bd. 27, nein. 12, pp. 2348–2355, 2012. View at: Publisher Site | Google Scholar
  11. A. Skelton, M. Andrén, H. Kristmannsdóttir et al., “Changes in groundwater chemistry before two consecutive earthquakes in Iceland,” Nature Geoscience, Bd. 7, no. 10, pp. 752–756, 2014. View at: Publisher Site | Google Scholar
  12. Z. Shi, G. Wang, C. Y. Wang, M. Manga, and C. Liu, “Comparison of hydrological responses to the Wenchuan and Lushan earthquakes,” Briefe zur Erd- und Planetenwissenschaft, Bd. 391, pp. 193–200, 2014. View at: Publisher Site | Google Scholar
  13. M. Lupi, B. S. Ricci, J. Kenkel et al., “Subsurface fluid distribution and possible seismic precursory signal at the Salse di Nirano mud volcanic field, Italy,” Geophysical Journal International, Bd. 204, no. 2, pp. 907–917, 2015. View at: Publisher Site | Google Scholar
  14. A. Barkat, A. Ali, U. Hayat et al., “Time series analysis of soil radon in northern Pakistan: implications for earthquake forecasting,” Applied Geochemistry, Bd. 97, pp. 197–208, 2018. View at: Publisher Site | Google Scholar
  15. S. Onda, Y. Sano, N. Takahata et al., “Groundwater oxygen isotope anomaly before the M6.6 Tottori earthquake in Southwest Japan,” Wissenschaftliche Berichte, Bd. 8, no. 1, s. 4800, 2018. View at: Publisher Site | Google Scholar
  16. S. R. Paudel, S. P. Banjara, A. Wagle, and F. T. Freund, “Earthquake chemical precursors in groundwater: a review,” Journal of Seismology, Bd. 22, nein. 5, pp. 1293–1314, 2018. View at: Publisher Site | Google Scholar
  17. A. Barkat, A. Ali, N. Siddique, A. Alam, M. Wasim, and T. Iqbal, “Radon as an earthquake precursor in and around northern Pakistan: a case study,” Geochemical Journal, Bd. 51, no. 4, pp. 337–346, 2017. View at: Publisher Site | Google Scholar
  18. V. Walia, T. F. Yang, S. J. Lin et al., “Temporal variation of soil gas compositions for earthquake surveillance in Taiwan,” Radiation Measurements, Bd. 50, pp. 154–159, 2013. View at: Publisher Site | Google Scholar
  19. S. E. Ingebritsen and M. Manga, “Hydrogeochemical precursors,” Nature Geoscience, Bd. 7, no. 10, pp. 697-698, 2014. View at: Publisher Site | Google Scholar
  20. H. Woith, “Radon earthquake precursor: a short review,” The European Physical Journal Special Topics, Bd. 224, no. 4, pp. 611–627, 2015. View at: Publisher Site | Google Scholar
  21. A. Barkat, A. Ali, K. Rehman et al., “Multi-precursory analysis of phalla earthquake (July 2015 Mw 5.1) near Islamabad, Pakistan,” Pure and Applied Geophysics, Bd. 175, no. 12, pp. 4289–4304, 2018. View at: Publisher Site | Google Scholar
  22. C. C. Fu, T. F. Yang, M. C. Tsai et al., “Exploring the relationship between soil degassing and seismic activity by continuous radon monitoring in the Longitudinal Valley of eastern Taiwan,” Chemical Geology, Bd. 469, pp. 163–175, 2017. View at: Publisher Site | Google Scholar
  23. N. Ahmad, A. Barkat, A. Ali et al., “Investigation of spatio-temporal satellite thermal IR anomalies associated with the Awaran earthquake (Sep 24, 2013 M 7.7), Pakistan,” Pure and Applied Geophysics, Bd. 176, no. 8, pp. 3533–3544, 2019. View at: Publisher Site | Google Scholar
  24. Z. Shi, G. Wang, M. Manga, and C. Y. Wang, “Mechanism of co-seismic water level change following four great earthquakes - insights from co-seismic responses throughout the Chinese mainland,” Briefe zur Erd- und Planetenwissenschaft, Bd. 430, pp. 66–74, 2015. View at: Publisher Site | Google Scholar
  25. H. Zafrir, Y. Ben Horin, U. Malik, C. Chemo, and Z. Zalevsky, “Novel determination of radon-222 velocity in deep subsurface rocks and the feasibility to using radon as an earthquake precursor,” Journal of Geophysical Research: Solid Earth, Bd. 121, no. 9, pp. 6346–6364, 2016. View at: Publisher Site | Google Scholar
  26. A. Sciarra, A. Mazzini, S. Inguaggiato, F. Vita, M. Lupi, and S. Hadi, “Radon and carbon gas anomalies along the Watukosek fault system and Lusi mud eruption, Indonesia,” Marine and Petroleum Geology, Bd. 90, pp. 77–90, 2018. View at: Publisher Site | Google Scholar
  27. A. Skelton, L. Liljedahl-Claesson, N. Wästeby et al., “Hydrochemical Changes Before and After Earthquakes Based on Long‐Term Measurements of Multiple Parameters at Two Sites in Northern Iceland—A Review,” Journal of Geophysical Research: Solid Earth, Bd. 124, no. 3, pp. 2702–2720, 2019. View at: Publisher Site | Google Scholar
  28. G. Martinelli, Fluidodynamical and chemical features of radon 222 related to total gases: implications for earthquake predictions, IAEA, Vienna, Austria, 1993, (No. IAEA-TECDOC--726).
  29. T. Lay, Q. Williams, and E. J. Garnero, “The core-mantle boundary layer and deep earth dynamics,” Natur, Bd. 392, no. 6675, pp. 461–468, 1998. View at: Publisher Site | Google Scholar
  30. K. Koike, T. Yoshinaga, K. Suetsugu, K. Kashiwaya, and H. Asaue, “Controls on radon emission from granite as evidenced by compression testing to failure,” Geophysical Journal International, Bd. 203, no. 1, pp. 428–436, 2015. View at: Publisher Site | Google Scholar
  31. H. Wakita, Y. Nakamura, K. Notsu, M. Noguchi, and T. Asada, “Radon anomaly: a possible precursor of the 1978 Izu-Oshima-kinkai earthquake,” Wissenschaft, Bd. 207, no. 4433, pp. 882-883, 1980. View at: Publisher Site | Google Scholar
  32. T. L. Teng, L. F. Sun, and J. K. McRaney, “Correlation of groundwater radon anomalies with earthquakes in the Greater Palmdale Bulge area,” Geophysikalische Forschungsbriefe, Bd. 8, no. 5, pp. 441–444, 1981. View at: Publisher Site | Google Scholar
  33. P. F. Biagi, A. Ermini, S. P. Kingsley, Y. M. Khatkevich, and E. I. Gordeev, “Difficulties with interpreting changes in groundwater gas content as earthquake precursors in Kamchatka, Russia,” Journal of Seismology, Bd. 5, nein. 4, pp. 487–497, 2001. View at: Publisher Site | Google Scholar
  34. V. I. Ulomov and B. Z. Mavashev, “Forerunners of the Tashkent earthquakes,” Izvestia Akadamiyi Nauk Uzbeckistan SSR, pp. 188–200, 1971. View at: Google Scholar
  35. A. Riggio and M. Santulin, “Earthquake forecasting: a review of radon as seismic precursor,” Bollettino di Geofisica Teorica ed Applicata, Bd. 56, no. 2, 2015. View at: Publisher Site | Google Scholar
  36. C. B. Raleigh, G. Bennett, H. Craig et al., “Prediction of the Haicheng earthquake,” EOS Transactions of the American Geophysical Union, Bd. 58, pp. 236–272, 1977. View at: Google Scholar
  37. H. ui, H. Moriuchi, Y. Takemura, H. Tsuchida, I. Fujii, and M. Nakamura, “Anomalously high radon discharge from the atotsugawa fault prior to the western nagano prefecture earthquake (m 6.8) of september 14, 1984,” Tectonophysics, Bd. 152, no. 1-2, pp. 147–152, 1988. View at: Publisher Site | Google Scholar
  38. K. Okumura, “Kobe earthquake of January 17, 1995 and studies on active faulting in Japan,” in Extended Abstracts, 11th Course: Active Faulting Studies for Seismic Hazard Assessment, International School Solid Earth Geophysics, Erice, Italy, 1995. View at: Google Scholar
  39. Y. Yin, F. Wang, and P. Sun, “Landslide hazards triggered by the 2008 Wenchuan earthquake, Sichuan, China,” Landslides, Bd. 6, nein. 2, pp. 139–152, 2009. View at: Publisher Site | Google Scholar
  40. C. Liu, P. Dong, B. Zhu, and Y. Shi, “Stress shadow on the southwest portion of the Longmen Shan Fault impacted the 2008 Wenchuan earthquake rupture,” Journal of Geophysical Research: Solid Earth, Bd. 123, no. 11, pp. 9963–9981, 2018. View at: Publisher Site | Google Scholar
  41. Y. Xu, K. D. Koper, O. Sufri, L. Zhu, and A. R. Hutko, “Rupture imaging of theMw7.9 12 May 2008 Wenchuan earthquake from back projection of teleseismicPwaves,” Geochemistry, Geophysics, Geosystems, Bd. 10, no. 4, 2009. View at: Publisher Site | Google Scholar
  42. R. Q. Huang and W. L. Li, “Analysis of the geo-hazards triggered by the 12 May 2008 Wenchuan earthquake, China,” Bulletin of Engineering Geology and the Environment, Bd. 68, no. 3, pp. 363–371, 2009. View at: Publisher Site | Google Scholar
  43. P. Cui, X. Q. Chen, Y. Y. Zhu et al., “The Wenchuan earthquake (May 12, 2008), Sichuan province, China, and resulting geohazards,” Natural Hazards, Bd. 56, no. 1, pp. 19–36, 2011. View at: Publisher Site | Google Scholar
  44. M. Liu, Y. Yang, Z. Shen, S. Wang, M. Wang, and Y. Wan, “Active tectonics and intracontinental earthquakes in China: the kinematics and geodynamics,” Continental Intraplate Earthquakes: Science, Hazard, and Policy Issues, Bd. 425, 2007. View at: Publisher Site | Google Scholar
  45. Z. Q. Ming, G. Hu, X. Jiang, S. C. Liu, and Y. L. Yang, Catalog of Chinese Historic Strong Earthquakes from 23 A.D. to 1911, Seismological Publishing House, Beijing, 1995.
  46. Y. Chen, K. L. Tsoi, F. B. Chen, Z. H. Gao, Q. J. Zou, and Z. L. Chen, The Great Tangshan Earthquake of 1976: An Anatomy of Disaster, Pergamon Press, Oxford, 1988.
  47. P. Tapponnier and P. Molnar, “Active faulting and tectonics in China,” Zeitschrift für geophysikalische Forschung, Bd. 82, no. 20, pp. 2905–2930, 1977. View at: Publisher Site | Google Scholar
  48. P. Z. Zhang, Q. Deng, G. M. Zhang et al., “Strong earthquakes and crustal block motion in continental China,” Science in China, Bd. 33, pp. 12–20, 2003. View at: Google Scholar
  49. Y. Ran, L. Chen, J. Chen et al., “Paleoseismic evidence and repeat time of large earthquakes at three sites along the Longmenshan fault zone,” Tectonophysics, Bd. 491, no. 1-4, pp. 141–153, 2010. View at: Publisher Site | Google Scholar
  50. B. Zhao, Y. Shi, and Y. Gao, “Relocation of aftershocks of the Wenchuan MS8.0 earthquake and its implication to seismotectonics,” Earthquake Science, Bd. 24, nein. 1, pp. 107–113, 2011. View at: Publisher Site | Google Scholar
  51. H. W. Ren, Y. W. Liu, and D. Y. Yang, “A preliminary study of post-seismic effects of radon following the Ms 8.0 Wenchuan earthquake,” Radiation Measurements, Bd. 47, no. 1, pp. 82–88, 2012. View at: Publisher Site | Google Scholar
  52. S. M. Barbosa, H. Zafrir, U. Malik, and O. Piatibratova, “Multiyear to daily radon variability from continuous monitoring at the Amram tunnel, southern Israel,” Geophysical Journal International, Bd. 182, no. 2, pp. 829–842, 2010. View at: Publisher Site | Google Scholar
  53. J. Planinić, B. Vuković, and V. Radolić, “Radon time variations and deterministic chaos,” Journal of Environmental Radioactivity, Bd. 75, no. 1, pp. 35–45, 2004. View at: Publisher Site | Google Scholar
  54. R. Yan, H. Woith, R. Wang, and G. Wang, “Decadal radon cycles in a hot spring,” Wissenschaftliche Berichte, Bd. 7, no. 1, s. 12120, 2017. View at: Publisher Site | Google Scholar
  55. R. V. Donner, S. M. Potirakis, S. M. Barbosa, J. A. O. Matos, A. J. S. C. Pereira, and L. J. P. F. Neves, “Intrinsic vs. spurious long-range memory in high-frequency records of environmental radioactivity,” The European Physical Journal Special Topics, Bd. 224, no. 4, pp. 741–762, 2015. View at: Publisher Site | Google Scholar
  56. C. Barman, H. Chaudhuri, A. Deb, D. Ghose, and B. Sinha, “The essence of multifractal detrended fluctuation technique to explore the dynamics of soil radon precursor for earthquakes,” Natural Hazards, Bd. 78, nein. 2, pp. 855–877, 2015. View at: Publisher Site | Google Scholar
  57. I. P. Dobrovolsky, S. I. Zubkov, and V. I. Miachkin, “Estimation of the size of earthquake preparation zones,” Pure and Applied Geophysics, Bd. 117, Nr. 5, pp. 1025–1044, 1979. View at: Publisher Site | Google Scholar
  58. M. Hamdache, J. Henares, J. A. Peláez, and Y. Damerdji, “Fractal analysis of earthquake sequences in the Ibero-Maghrebian region,” Pure and Applied Geophysics, Bd. 176, no. 4, pp. 1397–1416, 2019. View at: Publisher Site | Google Scholar
  59. B. R. Arora, A. Kumar, V. Walia et al., “Assesment of the response of the meteorological/hydrological parameters on the soil gas radon emission at Hsinchu, northern Taiwan: a prerequisite to identify earthquake precursors,” Journal of Asian Earth Sciences, Bd. 149, pp. 49–63, 2017. View at: Publisher Site | Google Scholar
  60. M. Awais, A. Barkat, A. Ali, K. Rehman, W. Ali Zafar, and T. Iqbal, “Satellite thermal IR and atmospheric radon anomalies associated with the Haripur earthquake (Oct 2010 _Mw_ 5.2), Pakistan,” Advances in Space Research, Bd. 60, nein. 11, pp. 2333–2344, 2017. View at: Publisher Site | Google Scholar
  61. Y. H. Oh and G. Kim, “A radon-thoron isotope pair as a reliable earthquake precursor,” Wissenschaftliche Berichte, Bd. 5, nein. 1, 2015. Ansicht auf: Website des Herausgebers | Google Scholar
  62. Q. Ye, R. P. Singh, A. He, S. Ji, and C. Liu, “Characteristic behavior of water radon associated with Wenchuan and Lushan earthquakes along Longmenshan fault,” Radiation Measurements, Bd. 76, pp. 44–53, 2015. View at: Publisher Site | Google Scholar

Urheberrechte ©

Copyright © 2020 Aftab Alam et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.


NEURAL NETWORK MODELS FOR EARTHQUAKE MAGNITUDE PREDICTION USING MULTIPLE SEISMICITY INDICATORS

Neural networks are investigated for predicting the magnitude of the largest seismic event in the following month based on the analysis of eight mathematically computed parameters known as seismicity indicators. The indicators are selected based on the Gutenberg-Richter and characteristic earthquake magnitude distribution and also on the conclusions drawn by recent earthquake prediction studies. Since there is no known established mathematical or even empirical relationship between these indicators and the location and magnitude of a succeeding earthquake in a particular time window, the problem is modeled using three different neural networks: a feed-forward Levenberg-Marquardt backpropagation (LMBP) neural network, a recurrent neural network, and a radial basis function (RBF) neural network. Prediction accuracies of the models are evaluated using four different statistical measures: the probability of detection, the false alarm ratio, the frequency bias, and the true skill score or R score. The models are trained and tested using data for two seismically different regions: Southern California and the San Francisco bay region. Overall the recurrent neural network model yields the best prediction accuracies compared with LMBP and RBF networks. While at the present earthquake prediction cannot be made with a high degree of certainty this research provides a scientific approach for evaluating the short-term seismic hazard potential of a region.


Schau das Video: NACH HEFTIGEM ERDBEBEN: Suche nach Verschütteten in Izmir geht weiter