Wissenschaftler setzen Fernsensor-Array ein, um Erdbebenschwarm in Amerikanisch-Samoa zu verfolgen

Seismological Society of America, Albany, CA

Karte der Manu‘a-Inseln mit Raspberry Shake-Standorten (rote Dreiecke) und Dörfern (schwarze Quadrate), die Filzberichte beisteuerten. Der Ursprung des Schwarms ist dort lokalisiert, wo sich die gelben und roten Ringe schneiden:direkt unter oder vor der Küste nördlich oder südlich der Insel Ta‘ū. (Bild:Yoon et al.)

Von Ende Juli bis Oktober 2022 spürten die Bewohner der Manu’a-Inseln in Amerikanisch-Samoa mehrmals am Tag, wie die Erde bebte, was Anlass zur Sorge vor einem bevorstehenden Vulkanausbruch oder Tsunami gab.

Ein Erdbebenkatalog für das Gebiet ergab keine Ergebnisse, da die Inseln über kein seismisches Überwachungsnetzwerk verfügten, das die Erschütterungen messen und Seismologen bei der Suche nach der Quelle des Erdbebenschwarms unterstützen könnte.

Aber die Bewohner der Inseln Ta‘ū, Ofu und Olosega brauchten Antworten, also fanden Clara Yoon vom U.S. Geological Survey und ihre Kollegen einen anderen Weg, die seismischen Lücken zu füllen. Sie nutzten maschinelles Lernen und eine Technik namens „Template Matching“ anhand von Erschütterungsdaten, die von einem einzelnen seismischen Sensor aufgezeichnet wurden, der 250 Kilometer vom Schwarm Amerikanisch-Samoa entfernt war.

Sie verfolgten den Schwarm anhand dieser Einzelstationsdaten, kombiniert mit Erschütterungsberichten von Anwohnern, bis im August und September 2022 in Amerikanisch-Samoa örtliche permanente seismische Stationen installiert wurden.

Der nichteruptive vulkanische Erdbebenschwarm begann im Juli 2022 etwa 15 Kilometer vor der Küste der Insel Ta‘ū. Die Vulkaninseln Samoas entstehen, wenn sich die pazifische tektonische Platte über einen Hotspot im Südpazifik bewegt.

Anwohnerberichte über das häufige Zittern, das mehrmals am Tag jeweils für einige Sekunden auftrat, waren zunächst die einzigen Informationen über den Schwarm. „Als die Erdbeben begannen, gab es in Amerikanisch-Samoa keine instrumentelle geophysikalische Überwachung, sodass selbst grundlegende Informationen über die Quelle der Erschütterungen – mit Auswirkungen auf Notfallentscheidungen und die öffentliche Sicherheit – nicht vorhanden waren“, sagte Yoon.

Um Abhilfe zu schaffen, wandten sich die Forscher an eine abgelegene seismische Station auf Upolu, Samoa, die Teil des Global Seismographic Network ist und über Daten verfügt, die nahezu in Echtzeit über das EarthScope-Rechenzentrum heruntergeladen werden können, sagte Yoon.

Das seismische Signal des Erdbebenschwarms in Amerikanisch-Samoa war an der entfernten Station jedoch schwer zu erkennen, daher verwendeten Yoon und Kollegen ein Deep-Learning-Modell namens EQTransformer zusammen mit einer Technik namens Template Matching, um diese winzigen Erdbeben aus einem verrauschten seismischen Hintergrund herauszusuchen.

„EQTransformer hat viele Erdbeben mit Standorten gefunden, die mit Ostamerikanisch-Samoa übereinstimmen, wobei das größte davon mit den Zeiten der gefühlten Berichte übereinstimmte“, sagte Yoon. „Diese gefühlten Berichte, die von Anwohnern an den Nationalen Wetterdienst übermittelt wurden, waren wesentliche Datenquellen über die Erdbeben und gaben uns die Gewissheit, dass es sich bei den vom EQTransformer erkannten Ereignissen tatsächlich um dieselben Erdbeben handelte, die die örtliche Bevölkerung verspürte.“

Mit diesem neuen Erdbebenkatalog für das Ereignis konnten die Forscher den Beginn und den Höhepunkt der Schwarmaktivität charakterisieren. Tragbare und kostengünstige Raspberry Shake-Sensoren, die im August 2022 eingesetzt wurden, halfen dabei, das Schwarmgebiet schnell zu lokalisieren. Der Schwarm endete im Oktober 2022 ohne einen Ausbruch, hing jedoch wahrscheinlich mit der Bewegung des vulkanischen Magmas zusammen, kamen die Forscher zu dem Schluss.

Yoon sagte, dass ein Ansatz wie die Einzelstationstechnik auch an anderen Orten auf der Welt nützlich sein könnte, wo eine permanente seismische Überwachung spärlich ist und die seismische Gefahr nur unzureichend verstanden wird, beispielsweise in Offshore-Regionen mit Tsunami-Potenzial oder Erdbeben innerhalb einer tektonischen Platte. Sie fügte hinzu, dass das größte Erdbeben im Schwarm Amerikanisch-Samoa eine Stärke von 4,5 hatte, was es unwahrscheinlich macht, dass es von globalen seismischen Netzwerken entdeckt worden wäre.

„Wenn niemand in der Nähe gelebt hätte, um die häufigen Erschütterungen zu melden, wäre dieser Schwarm in Amerikanisch-Samoa möglicherweise völlig unbemerkt geblieben“, sagte Yoon. „Viele unbekannte seismische Quellen und Phänomene warten darauf, entdeckt zu werden, vielleicht durch künftige umfassende Anwendungen von Deep-Learning-Ansätzen in der Seismologie.“

Für weitere Informationen wenden Sie sich bitte an die Seismological Society of America unter Diese E-Mail-Adresse ist vor Spambots geschützt. Sie müssen JavaScript aktivieren, damit Sie es sehen können.