AI en glasvezel onthullen verborgen aardbevingen onder de Stille Oceaan

De Kenai-bergen torenen boven de Cook Inlet, waar twee glasvezelkabels seismische gegevens verzamelen van de rumoerige zeebodem, zodat onderzoekers deze met behulp van kunstmatige intelligentie kunnen verfijnen.

Het Pacific Northwest beschikt over een uitgebreid netwerk van meer dan 600 seismische meetstations die onderzoekers helpen bij het volgen van tektonische en vulkanische fenomenen, waaronder aardbevingen. Deze gegevens bieden belangrijke inzichten in regionale breuken en voeden waarschuwingssystemen die gemeenschappen waardevolle momenten kunnen geven om zich voor te bereiden voordat een natuurramp toeslaat.

Een aanzienlijke bedreiging voor deze regio bevindt zich echter mijlen voor de kust, waar de Juan de Fuca-plaat onder de Noord-Amerikaanse plaat duikt en de Cascadia Subductiezone vormt. Het monitoren van activiteit bij zeebodembreuken is uitdagend, en de bestaande methoden leveren vaak niet genoeg gegevens op voor gedetailleerde analyses.

Om deze hindernis te overwinnen, experimenteren onderzoekers met een techniek genaamd Distributed Acoustic Sensing (DAS), waarbij trillingen van de oceaanbodem worden gemeten met glasvezelkabels die de oceaanbodem bedekken voor wereldwijde telecommunicatie. Recente vooruitgangen stellen onderzoekers in staat om gegevens te verzamelen van live kabels en kunstmatige intelligentie te gebruiken om verre aardbevingen vast te leggen die anders onopgemerkt zouden blijven.

In een studie gepubliceerd in Seismological Research Letters, maakten onderzoekers van de Universiteit van Washington gebruik van het Ocean Observatory Initiative’s Regional Cabled Array, dat zich uitstrekt over de offshore plaatgrens en gegevens via glasvezelkabels verzendt. In tegenstelling tot eerdere experimenten die afhankelijk waren van offline of “donkere vezels” voor gegevensverzameling, toont deze nieuwe studie aan dat DAS-technologie kan functioneren zonder de OOI-netwerk te verstoren.

“Wat we hebben gecreëerd, is het startpunt van elke aardbevinganalyse,” zegt co-auteur Marine Denolle, een universitair hoofddocent aan de UW in de afdeling Aarde- en Ruimtewetenschappen. “Zodra ons AI-algoritme de gegevens verbetert, kunnen we de schommelingen gebruiken om wetenschap te bedrijven.”

Het netwerk van glasvezelkabels trok in het afgelopen decennium de aandacht van onderzoekers, toen ze het potentieel ervan realiseerden voor het registreren van gegevens over de vaste aarde. De kabels verzenden informatie over grote afstanden in de vorm van fotonen, of lichtdeeltjes. Een sensor, genaamd een interrogator, stuurt een lichtpuls de kabel in, maar imperfecties in de kern kunnen ervoor zorgen dat licht terugkaatst naar de oorsprong van het signaal.

Storingen in de buurt van de kabel kunnen de weerkaatste deeltjes van koers brengen, en wanneer ze terugkeren naar de oorsprong, traceren onderzoekers hun pad om de verstoring te lokaliseren. “Wanneer de aardbeving klein of ver weg is, is de energie op de kabel relatief laag in vergelijking met de oceaan, en wordt het signaal begraven in achtergrondgeluiden,” zegt co-auteur Qibin Shi, een voormalig postdoctoraal onderzoeker aan de UW en nu seismoloog aan de Rice University.

In een eerdere studie ontwikkelden UW-onderzoekers een algoritme dat het signaal isoleert en versterkt ten opzichte van achtergrondgeluiden met maar liefst 2,5 keer. Alles wat ze hoeven te doen, is het algoritme de gegevens laten verkennen en het leert hoe het het signaal kan herkennen – in dit geval een aardbeving.

De onderzoekers gebruikten gegevens van 285 aardbevingen die in 2023 plaatsvonden in de Cook Inlet van Alaska als trainingsdataset. “Een goed getraind model zal aardbevingen identificeren die het menselijk oog niet kan zien,” zei Shi. “Dit markeert de eerste stap naar een algemeen bruikbaar basismodel voor aardbevingen.”

Om te bevestigen dat het model ook gegevens verzameld op andere locaties kan filteren, valideerden de onderzoekers hun model op de testlocatie in Oregon, met behulp van een live kabel. Eerdere experimenten, waaronder de test in Alaska, gebruikten gegevens van inactieve kabels, of donkere vezels. In Oregon toonden de onderzoekers aan dat ze hoogwaardige gegevens konden verzamelen terwijl de kabels gegevens verzonden. Ze maakten verbinding met het Ocean Observatory Initiative’s Regional Cabled Array en stemden het algoritme af op de frequentie van seismische golven van kleine tot middelgrote aardbevingen van veraf.

Vervolgens traceerden de onderzoekers het signaal terug naar specifieke regio’s van de subductiezone en bepaalden ze de exacte locatie van een aardbeving. “Het is het dichtste dat we bij de actie kunnen komen,” zei Denolle. “Voor het beantwoorden van wetenschappelijke vragen, voor monitoring en voor vroege tsunami- en aardbevingwaarschuwingen, is dit onze beste kans.”

Het systeem is ook draagbaar en vereist slechts een bescheiden hoeveelheid rekenkracht om te functioneren. Het recente experiment in Oregon duurde slechts drie dagen en produceerde grote volumes hoogwaardige gegevens, waarschijnlijk meer dan het team weet wat ermee te doen. Hun uitdaging is nu om te begrijpen hoe ze de gegevens kunnen beheren. Beide datasets werden vrij toegankelijk gepubliceerd, en de dataset uit Alaska is de grootste gegevensverzameling van zijn soort op één locatie. Het team is nu bezig met het onderhandelen over permanente plaatsingen voor hun monitoringsysteem en het verkennen van samenwerkingen.

“Dit is de toekomst,” zei Denolle. “We gaan plaattektoniek begrijpen door kleine aardbevingen te bestuderen en dit systeem geeft ons ongekende toegang tot die gegevens.”