Daha çox

8.12: Seysmiklik və Zəlzələ Proqnozu - Yerşünaslıq


Seysmiklik, müəyyən bir ərazidə zəlzələlərin nə qədər baş verdiyini, orada hansı zəlzələlərin baş verdiyini və niyə olduğunu araşdıran bir şeydir.

ABŞ-da ən çox zəlzələ yaşanan bölgələr Kaliforniya, Oregon və Vaşinqton sahilləri, cənub sahili və Alyaska, Alyaska, Havay adaları və Rocky Dağlarından Pasifik sahillərinə qərbdəki dağdır. Amerika Birləşmiş Ştatlarının mərkəzi və şərqində nadir hallarda əhəmiyyətli zəlzələlər olur.

Xəritədə tərtib edilmiş zəlzələ episentrləri göstərir ki, qlobal əsasda ən çox zəlzələ Sakit Okeanın kənarında, Cənubi Asiyanın Çindən Orta Şərqə qədər olan dağlarında və Aralıq dənizi bölgəsində baş verir. Zəlzələ episentrləri okeanların döşəmələri boyunca orta okean silsilələrini də izləyir.

Təxminən bütün zəlzələlər qüsurlarla baş verdiyindən seysmik riskləri daha incə miqyasda müəyyənləşdirmək əsasən hər bir əyalətdə və ya bölgədə aktiv qüsurları müəyyənləşdirmək, xəritələşdirmək və öyrənməkdən ibarətdir. Bununla birlikdə, ya səthdə əmələ gələn hər hansı bir skarlasın çöküntülər, torpaq və bitki örtüyü ilə aşındırıldığı və ya örtülü olduğu və ya kor eyibləri olduğu üçün bir çox aktiv çatlaq gizlidir. Gizli bir fay çox vaxt bir və ya daha çox əhəmiyyətli zəlzələ baş vermədikdə və yerini və fay hərəkət növünü təyin etmək üçün seysmik dalğalar öyrənilənə qədər müəyyən edilmir və yerləşmir.

Bir ərazinin seysmikliyini müəyyənləşdirmək üçün istifadə olunan məlumatlar aşağıdakıları əhatə edir.

  • keçmişdəki zəlzələlərin tezliyi, çıxarıldığı kimi:
    • tarixi qeydlər
    • tarixdən əvvəlki zəlzələ qeydlərinə dair dəlilləri araşdıran geoloji işlər
  • məlum aktiv nasazlıqların yeri
  • ərazidə baş verən son zəlzələlər barədə toplanan seysmoloji məlumatlar
  • sahənin plitə hüdudlarına yaxınlığı baxımından tektonik qəbulu və yaxın olduğu təqdirdə lövhə hüdudları barədə məlumat
  • GPS avadanlığından və quyularda aparılmış stres və gərginlik ölçmələrindən əldə edilən ölçülər və bu sahədə qabığın hiss etdiyi stress və gərginlik
  • həmin ərazidə yeraltı geoloji təbəqələr və quruluşlar, geoloji xəritələşdirmə, qazma məlumatları və qabığın daha dərin təbəqələrinin uzaqdan görüntülənməsi

Bu məlumatlara əsasən müəyyən bir ərazinin seysmik riski statistik olaraq müəyyən edilə bilər. Məsələn, önümüzdəki əsrdə və ya yaxın 10 ildə baş verəcək böyük bir zəlzələ ehtimalı, müəyyən bir seysmik bölgə üçün təxmin edilə bilər.

Ancaq konkret bir bölgədəki növbəti zəlzələnin nə vaxt olacağını, harada baş verəcəyini və nə dərəcədə böyük olacağını dəqiq proqnozlaşdıran heç bir elmi metod hələ inkişaf etdirilməyib. Elm adamları zəlzələ öncəsi göstəriciləri yerin əyilməsi, quyu suyunun səviyyəsindəki dəyişikliklər, qüsur zonalarına yaxın yeraltı sulardakı radon qazındakı dəyişikliklər, qüsurlar ətrafında yerdəki elektrik keçiriciliyindəki dəyişikliklər, ola bilən seysmik fəaliyyətdəki dəyişikliklər və ya nümunələr insanlar tərəfindən hiss olunmasa da seysometrlərlə ölçülür və çoxsaylı təsdiqlənməmiş lətifələrə görə zəlzələdən əvvəl baş verən qəribə heyvan davranışı. Ancaq indiyə qədər bu tip məlumatların heç birinin etibarlı zəlzələ proqnozlarına səbəb olduğu aşkar edilməyib.

İnsanlar zəlzələlər ilə Ayın fazaları, zəlzələlər və günün vaxtı (Günəşin yerə ilk dəfə parladığı şəfəq kimi) və s. Arasındakı əlaqəni də araşdırdılar. Zəlzələlər və bu fenomen növləri arasında heç bir əlaqə tapılmadı.

Seysmiklik tədqiqatı hazırda davam edərkən, yaxın onilliklər və əsrlərdə yer üzündə hansı ərazilərin böyük zəlzələlərə məruz qalacağını müəyyənləşdirə bilərik, yer üzündə hansı bölgələrin ən güclü zəlzələ növləri üçün risk altında olduğunu dəqiqləşdirə və sahil ərazilərinin xəritəsini hazırlaya bilərik. ən çox sunami altında qalma riski var, ancaq növbəti böyük zəlzələnin tarixini və yerini əvvəlcədən dəqiqləşdirə bilmərik.

REFLEKSİYA SUALLARI

  • Bu məzmun hansı bacarığın inkişafına kömək edir?
  • Bu məzmunda əhatə olunan əsas mövzular hansılardır?
  • Bu hissədəki məzmun sizə müəyyən bir bacarığa yiyələndiyinizi göstərməyə necə kömək edə bilər?
  • Bu məzmuna dair hansı suallarınız var?

2000-ci ildən bu yana ABŞ-da 3,4 milyard dollardan çox zərər və 31 ölümlə nəticələnən 51 əhəmiyyətli zəlzələ baş verdi. 1 Böyük zəlzələlər Qərbi sahil boyunca və Alyaskada böyük bir təhlükə yaratsa da, 1811 və 1812 Yeni Madrid zəlzələləri və 1886 Charleston, SC zəlzələsi dövründə olduğu kimi Orta və Şərqi ABŞ-ı da təsir edə bilər. Zəlzələlər, 2011-ci ildə baş verən və Şərqi Sahil boyunca bir çox əyalətdə hiss olunan 5.8 bal gücündə zəlzələ və Vadidə meydana gələn və 200-300 milyon dollar dəyərində ziyana səbəb olan və bu il Ridgecrest, Kaliforniya yaxınlığında 7.1 bal gücündə zəlzələ kimi geniş təsirlərə səbəb ola bilər. Nevada və Arizonada hiss edildi və 100 milyon dollarlıq təzminat ödənildi. 1,2,3 Tək bir hadisə dağıdıcı ola bilər: məsələn, 1994 Northridge, CA, 6.7 bal gücündə zəlzələ ən azı 40 milyard dollar birbaşa ziyan vurdu və altmış nəfərin ölümünə səbəb oldu. 3

Əhali riskə meylli ərazilərdə genişlənməyə davam etdikdə, zəlzələ prosesləri barədə məlumat vermək, inşa edilmiş infrastrukturun və tikinti kodlarının adekvatlığını qiymətləndirmək və gələcəkdə bərpa etməyi necə inkişaf etdirmək barədə fikir verməklə fövqəladə vəziyyətə hazırlığı və müdaxiləni yaxşılaşdırmaq üçün inkişaf etmiş risk idarəetmə təcrübələrinin getdikcə artması zəruridir. və şəhər inkişafı səyləri. Zəlzələdən sonrakı texniki təmizləyici mərkəzlər torpaq zədələnmələri, struktur zədələnmələri və böyük zəlzələlərin digər təsirləri barədə məlumatların toplanmasını izləmək, məlumatların toplanmasında səylərin təkrarlanmasını azaltmaq və hadisələr barədə məlumatları fövqəladə vəziyyət müdirlərinə yaymaq üçün uğurlu bir strategiyadır. Bu veb-seminarda məruzəçilərimiz ABŞ-da zəlzələ riski, koordinasiyalı zəlzələ sonrası müdaxilənin əhəmiyyəti və zəlzələ sonrası texniki təmizləyici mərkəzlərin zəlzələyə davamlılığın artırılmasında effektivliyini müzakirə edirlər.

  • Matthew Wall, Qərbi Dövlətlər Seysmik Siyasət Şurası İcraçı Direktoru Slaydlar| Video
  • Maggie Ortiz-Milan, Proqram Meneceri, Zəlzələ Mühəndisliyi Araşdırma İnstitutu | Slaydlar | Video
  • Cynthia Pridmore, Mühəndis Geoloq, Seysmik Təhlükə Proqramı, Kaliforniya Geoloji Araşdırmalar Kreslosu, Kaliforniya Zəlzələ Təmizləmə Mərkəzi | Slaydlar | Video

Əlavə mənbələr:

  • Bu veb-seminarın Sualına və Cavab sessiyasına baxın
  • Bu veb seminardan əlavə sual və cavabların siyahısına baxın
  • ABŞ Geoloji Araşdırması, Dairəvi 1242, NEHRP Zəlzələ Sonrası Araşdırmaları Koordinasiya Planı
  • Nevada Mədənlər və Geologiya Bürosu Xüsusi Nəşr 36, 21 Fevral 2008 MW 6.0 Quyu, Nevada, Zəlzələ, Bölmə IIV. Zəlzələ, İcma Təsirləri və Fəlakətin Bərpasına Cavab
  • EERI Zəlzələ Clearinghouse veb saytı: http://www.learningfromearthquakes.org/activities/clearinghouses
  • California Zəlzələ Clearinghouse: www.californiaeqclearinghouse.org

1 M5.8 23 Avqust 2011 Mineral, Virginia, ABŞ Geoloji Araşdırması Zəlzələ Təhlükələri Proqramı. https://www.usgs.gov/natural-hazards/earthquake-hazards/science/m58-august-23-2011-mineral-virginia
2 M 7.1 - 2019 Ridgecrest Zəlzələ Ardıcıllığı, ABŞ Geoloji Araşdırması Zəlzələ Təhlükələri Proqramı. https://earthquake.usgs.gov/earthquakes/eventpage/ci38457511/execution
3 Milli Geofiziki Məlumat Mərkəzi / Dünya Məlumat Xidməti (NGDC / WDS): Əhəmiyyətli Zəlzələ Verilənlər Bazası. Milli Geofiziki Məlumat Mərkəzi, NOAA. doi: 10.7289 / V5TD9V7K

CEU kreditləri

CEU krediti qazanmaq üçün, xahiş edirəm bu veb-seminardan hazırlanan tələbə uyğun GOLI kursunu 70% və ya daha yüksək dərəcə ilə başa vurun və sonra CEU-lar üçün müraciətinizi göndərin. CEU-lar Amerika Peşəkar Geoloqlar İnstitutundan verilir. İstədiyiniz GOLI kurslarının tam siyahısına baxmaq üçün xahiş edirəm GOLI kurs kataloğuna baxın.


12 sentyabr 2016-cı il Gyeongju zəlzələləri: 1. Müşahidələr və qalan suallar

İki zəlzələ (M L 5.1 və 5.8) 12 sentyabr 2016-cı il tarixində, Cənubi Koreyanın Gyeongju şəhərində Yangsan Hata Sisteminin dalları qopmuşdur. M L 5.8 zəlzələ, iki əhəmiyyətli zəlzələ də daxil olmaqla, artçı zəlzələlərin baş verməsi davam etdi (M L 12 və 19 sentyabr 2016-cı il tarixli 4.3 və 4.5). Bu sənəddə Gyeongsang Hövzəsindəki Yangsan Xəta Sisteminin müxtəlif geoloji və geofiziki / seysmoloji perspektivlərdən erkən hesabatları ətraflı məlumat verilmişdir. Üç zəlzələnin nəticələrinin nəzərdən keçirilməsinə və ilkin seysmoloji analizinə əsaslanaraq (M L 5.1, 5.8 və 4.5), aşağıdakı mövzuları təqdim edirik və müzakirə edirik: (1) Yangsan Hata Sisteminin tektonik qəbulu və geofiziki / seysmik quruluşu, (2) tarixi seysmiklik və tarixi (ədəbiyyat) məlumatlardan çıxarılan seysmik təhlükə, və (3) üç zəlzələnin mənbə mexanizmləri. Sonda zəlzələlər və gələcək tədqiqat mövzuları ilə bağlı həll olunmayan bəzi məsələləri vurğulayırıq.


Niyə növbəti böyük & # 8216 zəlzələsini proqnozlaşdırmaq bu qədər çətindir?

Sualın daha sadə bir hissəsindən başlayaq: haradanövbəti 'böyük' zəlzələ baş verəcəkmi?

Daha böyük çatlaqların ümumiyyətlə daha böyük zəlzələlərə səbəb olduğu göstərilmişdir. Nəzəri olaraq, bütün çatışmazlıqlar xəritəyə salınmış olsaydı, müəyyən bir bölgənin yaşaya biləcəyi ən güclü zəlzələlərə məhdudiyyətlər qoymağı bacarmalıyıq. Bu vacibdir, çünki zəlzələlərin buraxdığı enerji kvadrilyonlara görə dəyişə bilər.

Bununla birlikdə, qəza ölçüsünü və sərbəst buraxılan enerjinin qiymətləndirilməsi həmişə o qədər də asan deyil. Arızalar tez-tez mürəkkəb həndəsələr nümayiş etdirir ki, bu da qüsur sahəsini modelləşdirməyi çətinləşdirir. Əlavə olaraq, qüsurlar tandemdə qopa bilər: Yeni Zelandiyada 2016-cı ildə baş verən Kaikōura Zəlzələsi zamanı eyni anda on üç fərqli nasazlıq baş vermədi. Bundan əlavə, yaxın tarix zəlzələnin baş verdiyi yerdən asılı olaraq zəlzələ ilə hər zaman zərərlə əlaqəli olmadığını, orta şiddətdəki zəlzələnin ‘böyük’ zəlzələdən daha dağıdıcı olduğunu göstərdi. Məsələn, 1994 Northridge, CA 6.7 bal gücündə zəlzələ böyük maddi ziyan və insan tələfatı ilə nəticələndi, halbuki 178 qat daha güclü olan 2018 Fici bal gücündə 8.2 zəlzələ heç bir ziyan vurmadı. Beləliklə, zəlzələnin gücü bütün əhvalatı izah etmir.

İndi sualın daha mürəkkəb hissəsi üçün: nə vaxtnövbəti böyük zəlzələ baş verəcəkmi?

Zamanlama zəlzələ proqnozu oyununun ən çətin problemidir. Əslində, (ən yaxşı) proqnozlarımızı bildirən nəzəriyyələrdən ikisi səhv ola bilər. Birinci nəzəriyyə, Yer qabığının, gərginlik altında qırılana qədər güclü bir stress altında büküləcək və deformasiya olacağını deyən Elastik Rebound nəzəriyyəsi adlanır. Fasilə boyunca sürüşmə (yəni zəlzələ) hər tərəfdəki qayanın daha az deformasiya olunmuş vəziyyətə gəlməsinə və yığılmış enerjini sərbəst buraxmasına imkan verir və gərginlik yığma prosesinin yenidən başlamasına imkan verir. İkinci nəzəriyyə, ən çox öyrənilən zəlzələ yaradan qırılmaların fərqli seqmentlərə sahib olduğunu təsvir edən Xarakterik Zəlzələ adlanır. Bu seqmentlər zəlzələ hadisələri arasındakı aralıq dövrdə oxşar miqdarda gərginlik yığdıqdan sonra oxşar gücdə zəlzələlər meydana gətirmək üçün dəfələrlə qopur. Həmişə bu iki nəzəriyyənin tutulduğunu düşünsək, növbəti zəlzələnin nə vaxt baş verəcəyini 1) ən böyük rahatlamayan gərginliyin yerləşdiyi yerə, 2) son zəlzələdən bəri qəzaya görə vaxta və 3) qüsur zonası barədə dəqiq biliklərə əsasən təxmin edə bilərsiniz. bir çox sahə üçün heç vaxt əldə edə bilmərik).

1985-ci ildə bu çərçivə zəlzələ alimlərinin San Andreas fayının Parkfield seqmentinin bir zəlzələ üçün vaxtı keçmiş olduğuna inanmasına səbəb oldu. Dünyadakı ən inkişaf etmiş izləmə səyi, onu hərəkətə keçirmək üçün istifadə edildi. Alimlər növbəti zəlzələnin ən geci 1993-cü ilə təsadüf edəcəyini əminliklə bildirdilər. Lakin zəlzələ on ildən sonra 2004-cü ildə və heç bir xəbərdarlıq edilmədən baş verdi. Proqnozlar və məlumatlar arasındakı bu uyğunsuzluq ümumi bir haldır və çoxsaylı cəhdlərə baxmayaraq etibarlı bir proqnozlaşdırma metodu tapılmadı. Beləliklə, elmdə əsaslanan və zəlzələ hadisələrini başa düşmək üçün faydalı olan zəlzələ proqnozlaşdırmasının ən geniş yayılmış iki iş nəzəriyyəsi də proqnozlaşdırmaq üçün tam etibarlı deyildir.


Radon Monitorinqinin Statistik Texnikalardan istifadə edərək Zəlzələ Müşahidəsi üçün təsiri: Wenchuan Zəlzələsinin Bir Tədqiqatı

Yeraltı su radonundakı (Rn) seysmotektonik səbəb olan dəyişikliklər yaxınlaşan böyük zəlzələlərin izlənməsi üçün güclü təsir göstəriciləri hesab olunur. Yeraltı sular, tektonik gərginliklər nəticəsində torpaq qazlarının miqrasiyasını asanlaşdırır. Bu baxımdan, Wenchuan zəlzələsinin səbəb olduğu radon anomaliyalarını müəyyənləşdirmək üçün bir radon vaxt seriyası statistik olaraq analiz edilir. Statistik analiz əsasən Rn məlumatlarının deterministik analizini və bir meyar istifadə edərək qalıq Rn analizini əhatə edir

% 95 inam intervalı olan anormal seçim. Deterministik analiz Rn zaman seriyasının davamlı bir tendensiyanı izlədiyini göstərir

bu xaotik rejimin olmadığını təsdiqləyir. Digər tərəfdən, qalıq Rn, Wenchuan zəlzələsi zamanı izləmə stansiyalarında zəlzələ öncəsi və sonrası dəyişikliklər şəklində ciddi bir yüksəliş göstərir.

. Qalıq Rn səviyyəsi anomal seçim meyarından keçir və tektonik induksiya olunmuş Rn anomaliyası elan edilir. Bunun əksinə olaraq uzaq monitorinq stansiyalarının cavabı (

) bu xüsusi zəlzələ ilə Rn və zəlzələ fəaliyyəti arasındakı əlaqəni daha da təsdiqləyir. Bir sözlə, hazırkı tədqiqat zəlzələnin proqnozlaşdırılması tədqiqatı üçün zəlzələdən qaynaqlanan radon anomaliyalarının potensial təsirlərini vurğulayır.

1. Giriş

Son bir neçə onillikdə zəlzələ proqnozlaşdırma tədqiqatları bu fenomenin dağıdıcı təbiətinə görə elmi ictimaiyyətin diqqətini çəkir. Bununla birlikdə, bir çox dəyişənin iştirakı səbəbindən bu günə qədər açıq bir uğur yoxdur [1-4]. Buna görə əlaqəli coğrafi təhlükələri azaltmaq və can və mal itkisini minimuma endirmək üçün bu istiqamətdə araşdırma aparmaq vacibdir. Bu baxımdan çoxsaylı retrospektiv tədqiqatlar zəlzələ aktivliyi ilə müşayiət olunan atmosfer, ionosfer və hidrogeokimyəvi proseslərin mövcudluğunu vurğulayır [5-16]. Bu müşayiət olunan proseslər zəlzələ xəbərçiləri kimi qəbul edilir və qlobal səviyyədə müşahidə olunur [11, 14, 17-23].

Bunlar arasında son bir neçə onillik ərzində zəlzələ fəaliyyətinin hidrogeokimyəvi reaksiyası geniş tədqiq edilmişdir [24]. Hidrogeokimyəvi tədqiqatlar əsasən su səviyyəsindəki dəyişikliklər, havanın, torpağın və ya yeraltı suyun Rn dəyişkənliyinin izlənilməsini, torpaq qazlarının (CO) çıxmasını əhatə edir.2, CH4, və He) və Cl -,

zəlzələdən qaynaqlanan dəyişikliklərə daxil olmaq üçün öncül kimi də istifadə olunur [7, 10, 11, 24-27]. Bununla birlikdə, Rn-nin istifadəsi nisbətən uzun yarım ömrü və proqnozlaşdırıla bilmə rahatlığı səbəbindən digər sələflərlə müqayisədə qlobal olaraq üstünlük təşkil edir [14].

Son bir neçə ildə zəlzələ prekursorlarını izah etmək üçün çoxsaylı fiziki modellər təklif edildi [1-3, 20, 28, 29]. Məsələn, Pulinets və Ouzounov [3], zəlzələ fəaliyyəti ilə sələfləri arasında sinerjiyi izah edən Litosferik-Atmosferik-İonosferik-Bağlama (LAİK) modeli təklif etdilər. LAIC modelinə görə, tektonik blokların nisbi hərəkəti tektonik gərginliklərin yaranmasına səbəb olur. Bundan əlavə, Koike et al. [30], sıxılma gərginliyi nəticəsində Rn emissiyalarının artımını yoxlamaq üçün bir laboratoriya təcrübəsi həyata keçirdi. Bu tektonik gərginliklər, Rn-nin yeraltı suları və ya CO kimi digər torpaq qazları kimi daşıyıcı mayelər vasitəsi ilə qabıqdan yuxarı səthə köç etməsini asanlaşdıran mikrofrakların / çatların açılması və bağlanmasından məsuldur.2, CH4, ya da geniş geoloji şəraitdə N 2 [20]. Xüsusilə, Cicerone et al. [2] Rn konsentrasiyası ilə stres / gərginliyin regional dəyişməsi arasında bir əlaqə olduğunu bildirdi. Bundan əlavə, çoxsaylı tədqiqatlar zəlzələ aktivliyi dövründə yeraltı sularda nəzərə çarpan Rn anomaliyalarının olduğunu vurğulayır [19, 31-33].

Yuxarıda göstərilənlərlə əlaqəli olaraq, Daşkənd zəlzələsi (M 5.3 1966) yeraltı sulardakı zəlzələdən qaynaqlanan Rn anomaliyalarının ilk sübutunu verdi və zəlzələ prekursorları üzərində araşdırmalara ümid verdi [34]. Rn məlumatlarının bir neçə illik təhlili, bu zəlzələ zamanı Rn səviyyələrində çox qat artım olduğunu və eyni qanunauyğunluqları qısa müddətdə təkrar təkanlar üçün də təkrarladığını göstərir [35]. Rn, zəlzələ və yeraltı təkanlar kimi oxşar davranış zəlzələdən qaynaqlanan Rn anomaliyalarına dəlalət edir. Daha sonra Haicheng zəlzələsi üçün uğurlu bir proqnoz verildi (M 7.3 1975), Rn ilə birlikdə [36] tərəfindən müzakirə edildiyi kimi bir çox məlumat dəsti əsasında. Eynilə, Hirotaka et al. [37] Nagano Prefecture zəlzələsindən iki həftə əvvəl (M 6.8 1984) Rn sayında episentrindən 65 km aralı olaraq artım müşahidə etdi. Daha sonra İgarashi və Wakita [5] 1984-cü ilin yanvarından 1988-ci ilin dekabrına qədər Yaponiyada və ətraf ərazilərdə baş verən zəlzələ hadisələri ilə əlaqəli Rn anomaliyalarını təhlil etdilər. Rn-i zəlzələlərlə əlaqələndirməzdən əvvəl, Bayes statistikası, anomaliya seçimi (), hadisə böyüklüyü (bir meyar) ilə birlikdə fon dəyişikliklərini aradan qaldırmaq üçün uğurla tətbiq olundu.

) monitorinq saytından. İyirmi Rn anomaliyası anomaliya seçim meyarlarını təmin etdi və sırasıyla zəlzələ öncəsi və sonrasında nəzərəçarpacaq dəyişikliklər nümayiş etdirdi. Kobe zəlzələsindən (M 7.2 1995) əvvəlcə zəlzələnin mərkəzindən 30 km aralıdakı 17 m dərinlikdə müşahidə quyusunda qeyd olunmuş yeraltı su Rn anomaliyası meydana gəldi [38]. Hal-hazırda, çoxsaylı araşdırmalar yeraltı Rn anomaliyaları barədə məlumat vermiş və böyük dağıdıcı zəlzələlərin daha etibarlı bir proqnozlaşdırılması üçün Rn anomaliyalarının daha ətraflı təhlilini təklif etmişdir [11, 17, 20, 27, 33, 35].

Bu baxımdan, bu tədqiqat, major (Mw 7.9) və dayaz (B) 7.9 vaxtını əhatə edən yeraltı sulardakı Rn dalğalanmalarının ətraflı bir müvəqqəti təhlilini təmin edir.

) Wenchuan zəlzələsi. Wenchuan zəlzələsi 12 may 2008-ci ildə Çinin Sichuan əyalətindəki Longmenshan qırığı boyunca (31.0 ° N, 103.4 ° E) meydana gəldi [39, 40]. 1976-cı il Tangshan zəlzələsindən bəri Çində ən dağıdıcı zəlzələdir [41]. Bu dağıdıcı hadisə minlərlə itki və regional miqyasda kütləvi məhv üçün məsuliyyət daşıyırdı. Wenchuan zəlzələsi, həmçinin Çinin Sichuan əyalətindəki bölgələrə ciddi ziyan vuran sürüşmə, yamacın çökməsi və dağıntı axını kimi çox sayda coğrafi təhlükəni başlatdı [42, 43]. Bu hadisənin yaratdığı dağıntıları nəzərə alaraq, bu bölgədəki zəlzələ xəbərçiləri haqqında məlumatları artırmaq vacibdir. Buna görə yaxın və uzaq yerlərdə yeraltı suların Rn dəyişmələrini təhlil etdik. Qeyd etmək vacibdir ki, çoxsaylı tədqiqatlar müxtəlif yer və kosmik əsaslı parametrlərin dalğalanmalarını da təhlil etmişdir, lakin radonun sistematik təhlili mövcud deyil. Buna görə də, hazırkı iş zəlzələnin proqnozlaşdırılması kontekstində çoxsaylı parametrlər arasında sinerji yaratmağa kömək edəcəkdir.

2. Tədqiq olunan Bölgənin Seysmotektonik Ayarları

Seysmik cəhətdən Çin, həddindən artıq təbəqə seysmikliyi ilə dünyanın olduqca aktiv bölgələri arasında yer alır. Məşhur lövhə tektonik nəzəriyyəsi, Çinin dar lövhə sərhəd zonası daxilində zəlzələlərin baş verdiyini bildirən bu təbəqə içi seysmikliyini izah edə bilmir [44]. Çinin tarixi kataloqu, on üçü böyük bir fəlakətli olaraq təsnif edilərək, 23-cü ildən bəri 1000-dən çox () zəlzələnin meydana gəldiyini ortaya qoyur.

) hadisə. Çindəki dağıdıcı tarixi zəlzələnin klassik nümunəsi, təxminən 830.000 insanın ölümü ilə nəticələnən və bəşər tarixindəki ən ölümcül zəlzələ sayılan Huaxian zəlzələsidir (1556). Tangshan zəlzələsi (M 7.8 1976) insan itkisi baxımından Çində müasir bir hadisənin ən məşhur nümunəsidir (öldürüldü)

250.000 insan və yaralanan milyonlarla) və əmlak [46]. Xüsusilə, Qərbi Çinin seysmikliyinə əsasən E-W meylli fay sisteminin yaranmasından məsul olan Hind-Avrasiya toqquşması təsir göstərir [47, 48].

Bu bölgədəki əsas tektonik xüsusiyyət şərq Tibet və Sichuan hövzəsinə şimal-şərq və cənub-qərb istiqamətlərində paralel (təxminən 500 km uzunluğunda və 40-50 km genişlikdə) uzanan Longmenshan qırığıdır (12). LMSF zonası əsasən Wenchuan-Maowen, Yingxiu-Beichuan və Guanxian-Jiangyou qırğınları (Şəkil 1) ilə Yangtze craton və şərq Tibet Yaylası arasında sıxılma nəticəsində meydana gələn bir neçə itələmə qüsuru ilə üstünlük təşkil edir [40]. Tarixən, 1657 və 1956-cı illərdə LMSF zonası boyunca orta miqyaslı yalnız iki diqqətəlayiq zəlzələ qeydə alınmış və 2008-ci ilə qədər seysmik cəhətdən təsirsiz hesab edilmişdir [40, 46], Şi və s. [12] bu fayda yalnız bir zəlzələ olduğunu (Mw 6.1 1989) bildirdi. 2008-ci ildə LMSF, böyük (Mw 7.9) və dayaz fokuslu () Wenchuan zəlzələsinə səbəb oldu (12 May 2008), LMSF zonasını yenidən aktivləşdirmə qabiliyyəti ilə cəmiyyətin diqqətini qazandı. Wenchuan zəlzələsi ümumilikdə 290 km uzunluğunda LMSF hissəsini qopardı. Bu qırılma bir tərəfli olaraq NE istiqamətində 270 km, SW istiqamətində 20 km 80 km kosismik səth cırılması ilə yayılır. Wenchuan zəlzələsi, LMSF daldırma açısının (30 ° -50 ° SW ilə 60 ° -70 ° NE arasında) dəyişməsi və arızalı hərəkətin (SW-nin sürüşmə hərəkətinə doğru sürüşmə hərəkəti) təklif olunan müxtəlif sürüşmə modellərində və xülasə edilmişdir [40].

Wenchuan zəlzələsi, təxminən 69.225 səbəb, 374.640 yaralanma, 17.939 itkin düşmə və təxminən 5 milyon insanın evsiz qalmasına səbəb oldu. 2004-cü ildəki böyük Sumatra zəlzələsindən sonra bu əsrin ikinci dağıdıcı zəlzələsi hesab olunur [41]. Wenchuan zəlzələsini 31 dekabr 2008-ci il tarixinədək davam edən 10.000-dən çox yeraltı təkan izlədi [50]. Bu dağıdıcı zəlzələ, təxminən 20.000 insan tələfatı ilə nəticələnən 15.000-dən çox coğrafi təhlükənin (heyelan, daş uçqunu və dağıntı axını) tetiklenmesinden də cavabdeh idi [39]. Hadisənin yaratdığı dağıntı, insan və mal itkisini minimuma endirmək üçün seysmik cəhətdən aktiv bölgələrdə baş verən zəlzələnin ilkin tədqiqatlarının əhəmiyyətini vurğulayır.

3. Metodologiya

Hazırkı tədqiqatda qəbul edilmiş metodologiya əsasən iki mərhələyə bölünür: (a) instrumental quraşdırma və (b) nəzəri quraşdırma. Instrumental quraşdırma məlumat toplama üçün qəbul edilmiş strategiyanı və radon monitorinqi üçün istifadə olunan cihazın qısa təsvirini, nəzəri quraşdırma isə zəlzələ aktivliyi nəticəsində yaranan radon anomaliyalarının müəyyənləşdirilməsi üçün radon məlumatlarının statistik təhlilini izah edir.

3.1. Instrumental Quraşdırma

1966-cı ildən bəri, Xingtai zəlzələ ardıcıllığından dərhal sonra (22 Mart 1966), Çin Zəlzələ İdarəsi (CEA) tərəfindən zəlzələ proqnozlaşdırılması kontekstində əvvəlcədən zəlzələ anomaliyalarının postulatını ifadə etmək üçün mütəşəkkil, davamlı və sistematik bir səy göstərməyə başladı. Bu tədqiqat proqramı ilk növbədə zəlzələnin proqnozlaşdırılmasına və böyük zəlzələlərin yaratdığı geri qaytarılmaz dağıntıları minimuma endirməyə təsirlərinə yönəlmişdir. CEA, bu tədqiqat proqramını əsasən aşağıdakı təsnifatlara ayırmışdır: yaxın (həftələrlə gün, hətta saatlarla), qısa (aylarla həftələr), orta (illər) və uzunmüddətli (onilliklər) zəlzələ proqnozu. Bu baxımdan, CEA potensial zəlzələ prekursorlarını izləmək üçün seysmoloji, geodezik / geoelektrik / geomaqnit, yeraltı maye və hidroseismoloji şəbəkələr qurmuşdur [42].

Xüsusilə, CEA zəlzələ fəaliyyətinin izlənməsi üçün çox sıx bir radon izləmə şəbəkəsi işləyir. Zəlzələnin proqnozlaşdırılması tədqiqatı üçün, Rn nisbətən daha uzun yarı ömrü və asan aşkarlanmasına görə daha çox seçilir [14]. İndiki araşdırmada, hadisənin episentrinin yaxınlığında (2008) bütün il ərzində (8) 9 stansiyada baş verən dağıdıcı Wenchuan zəlzələsi (12 May 2008 Mw 7.9) ilə əlaqəli davamlı yeraltı su Rn konsentrasiyasının dəyişmələrini təhlil etdik. Rn monitorinq stansiyalarının yeri və hadisə mərkəzindən uzaqlığı ilə bağlı təfərrüatları Cədvəl 1-də verilmişdir.

Hazırkı tədqiqatda istifadə olunan Rn məlumatları iki alət vasitəsi ilə əldə edilmişdir. Avtomatik davamlı nümunə götürmək üçün quyudan gələn qaçan qaz və suyun qarışığı bir qazdan təmizləyici və qaz toplayıcı cihazdan keçirildi və sonra Rn konsentrasiyasının ölçülməsi üçün ZnS (Ag) detektor sisteminə toplandı. Bu rəqəmsal bir ölçmə metodudur və müşahidə avadanlığı əsasən bir saatlıq seçmə intervalı və 0,1 Bq / L ölçü dəqiqliyi ilə SD-3A-dır. Rn konsentrasiyasındakı gündəlik dəyişikliyin əldə edilməsi üçün quyudan gələn su nümunə götürüldü və köpüklənən qazdan təmizlənərək qazdan ayrıldı və sonra ion bölməsinə və ya ZnS (Ag) detektoruna nəql edildi, burada Rn konsentrasiyası FD istifadə edərək ionlaşma və ya sintilyasiya üsulu ilə ölçüldü. -125 alət. Ölçmə dəqiqliyi də 0,1 Bq / L, gündə bir oxunuşlu bir seçmə intervalı ilə. Rn monitorinqi üçün istifadə edilən instrumental qurğuların digər detalları [51] tərəfindən təmin edilmişdir. Hazırkı tədqiqatda istifadə olunan bütün stansiyalar üçün yağışlar CEA tərəfindən izlənilmir və bu səbəbdən belə məlumatlar mövcud deyil. Bu məsələnin öhdəsindən gəlmək üçün bu yazıda Tropik Yağış Ölçmə Missiyası (TRMM) peykinin 2008-ci il üçün yağış məlumatları verilənlər bazasından istifadə edilmişdir. TRMM məlumat dəsti, Çin üçün mövcud yağış məlumatları mənbələri arasında ən yaxşı həll yolu hesab edildi. Bütün il ərzində yeraltı su Rn anomaliyaları ilə yağışlar arasında müşahidə olunan mənfi korrelyasiya və seçilmiş vaxt çərçivəsi Cədvəl 2-də verilmişdir.

) mənfi bir korrelyasiya göstərən cari araşdırmada istifadə edilən stansiyalar üçün yağış və yeraltı suları Rn nisbətinə görə.

3.2. Nəzəri Quraşdırma
3.2.1. Radon məlumatlarının fraktal analizi

Rn zaman seriyalarının dinamikası, normal olaraq qeyri-stasionar və çoxölçülü xüsusiyyətlərlə xarakterizə olunan çox mürəkkəb bir qeyri-xətti müvəqqəti nümunə göstərir [52]. Zaman seriyasının bu xaotik rejimi əsas təsir parametrləri ilə birlikdə gündəlik, mövsümi, çoxillik və dekadal Rn dövrləri ilə həyata keçirilir [14, 53, 54]. Buna görə Rn zaman seriyası, Rn-in xaotik davranış dərəcəsini və əgər varsa uzun daxili yaddaş korrelyasiyalarını təyin etmək üçün fraktal təxminlərə məruz qalır [55]. Bundan əlavə, Rn zaman seriyası üçün fraktal elementlərin qiymətləndirilməsi seysmik aktivlik kimi fiziki sistemlərin təməl dinamikasını daha da araşdırmağa gətirib çıxarır [56]. Bu baxımdan Hurst göstəricisi () olaraq bilinən fraktal kəmiyyət, yenidən ölçülmə aralığından istifadə edərək Rn zaman seriyası üçün hesablanır (

) analiz. Qiymətləndirilməsi aşağıdakı əlaqələrə əsaslanır:

aralıq haradadır, standart sapma, Hurst göstəricisidir və qrupdakı girişlərin sayıdır.

Burada müşahidələr toplusu (

) üst-üstə düşməyən aralıqlara bölünür, (

. Bundan sonra Rn zaman seriyası, alınan qiymətə görə antipersistent, təsadüfi və davamlı olaraq təsnif edilir. Xüsusilə, antipersistentlik, aşağı indiki dəyərlərin, ehtimal ki, yüksək rəqəm dəyərlərinin və əksinə təqib ediləcəyi deməkdir. Davamlılıq, zaman seriyası içərisində uzunmüddətli bir avtohəmaslığın mövcud olduğunu göstərir ki, bu da yüksək indiki dəyərlərin böyük gələcək dəyərlərinin və əksinə təqib ediləcəyini nəzərdə tutur. Və təsadüfi yerimək onların əlaqəsiz olduqlarını və ya uzun yaddaş trendinə sahib olmadıqlarını bildirir [14, 56].

3.3. Radon anomaliyalarının müəyyənləşdirilməsi

Rn zaman seriyalarının fraktal dinamikasının yoxlanılması anomal Rn dəyişikliklərinin mövcudluğunu müəyyənləşdirməyə imkan verir. Zəlzələ anomaliyasının etibarlı şəkildə müəyyənləşdirilməsi üçün monitorinq stansiyası Zəlzələ Hazırlıq Zonasında (EPZ) yerləşməlidir. EPZ, ərazidə tektonik səbəb olan yaxınlaşan zəlzələ ilə əlaqəli əvvəlcədən müşahidə olunan dalğalanmaların müşahidə oluna biləcəyi bir sahə olaraq təyin edilir. [57] -də, EPZ (km) üçün zəlzələ hadisəsinin böyüklüyünə () əsaslanaraq empirik bir əlaqə təklif olunur.

monitorinq sahəsi ilə hadisə episentri arasındakı episentral məsafənin (km) olduğu hesablanır

Burada zəlzələ hadisəsinin koordinatları, Rn monitorinq stansiyasının koordinatları və

yerin radiusudur [58]. İdeal bir ssenaridə, zəlzələnin proqnozlaşdırılması üçün yalnız bu hadisələr nəzərə alınır. Bizim vəziyyətimizdə, bütün stansiyalar [57] tərəfindən təklif olunduğu və çoxsaylı tədqiqatlarda qəbul edildiyi kimi yatırlar [14, 18, 22].

Bütün yuxarıda göstərilənlərə əlavə olaraq, əldə edilmiş yeraltı suları Rn məlumatları, bu hadisə ilə əlaqəli ehtimal olunan anormal dövrlərin müəyyənləşdirilməsi üçün araşdırılır. Tanınmış anomal dövrlər əsasən zəlzələ zamanı ± 3 aylıq bir vaxt pəncərəsi daxilindədir (Mar - Jul 2008). Bu çevik vaxt pəncərəsinin seçilməsinin əsasını Wenchuan zəlzələsinin bütün yeraltı təkanlarının təsirini analiz etmək təşkil edir. Müəyyən olunmuş anomal dövrlər çoxsaylı tədqiqatlarda göstərildiyi kimi müntəzəm süzmə effektini aradan qaldırmaq üçün qalıq siqnal işləmə üsulları istifadə edilərək daha da təhlil edildi [14, 22, 59]. Qalıq Rn (

) kimi verilən əlaqə yolu ilə hesablanır

gündəlik orta Rn konsentrasiyası haradadır və 7 günlük yuvarlanan orta Rn konsentrasiyası. Bundan əlavə, qalıq Rn-də% 95 inam intervalı olan və digər tədqiqatlarla uyğun gələn anomaliya seçiminin statistik meyarını () tətbiq etdik [14, 18, 23, 60, 61].

4. Nəticə və Müzakirə

Yeraltı suların müvəqqəti dəyişkənliyi 2008-ci ilin yanvar-dekabr ayları arasında Çinin doqquz fərqli yerində LMSF zonası yaxınlığında qeydə alınıb. Məlumat təhlili normal meteoroloji şəraitdə bir neçə stansiyada Rn-nin anomal dalğalanmalarını aşkar edir ki, bu da tektonik olaraq induksiya edilmiş Rn anomaliyasının aspektini vurğulayır, bu seçilmiş dövrün zəlzələ kataloğunun yoxlanılması isə tektonik səbəb olan radon anomaliyasının aspektinə sahibdir. 12 may 2008-ci il tarixində Çinin Siçuan şəhərində baş verən Wenchuan zəlzələsi. Zəlzələnin təfərrüatları Cədvəl 3-də verilmişdir.

Bu baxımdan Rn anomaliyalarının bu hadisə ilə mümkün əlaqəsini yoxlamaq üçün Rn konsentrasiyalarının ətraflı statistik təhlilini apardıq. Hazırkı işə daxil olan Rn monitorinq stansiyaları Şəkil 2-də təqdim edilmişdir.

Buraya CMS tərəfindən LMSF zonasının yaxınlığında quraşdırılmış Wenchuan zəlzələsinin EPZ-də yerləşən 9 stansiya daxildir (Cədvəl 1). Seçilmiş monitorinq stansiyalarında qeydə alınan Rn-nin illik dəyişməsi Şəkil 3-də verilmişdir.

Şəkil 3, Wenchuan zəlzələsi dövründə Rn'nin anormal yüksəliş və enməsinin bir neçə dövrünü (aprel-iyun 2008) göstərir. 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.

Data Availability

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.

Conflicts of Interest

The authors declare no conflict of interest.

Təşəkkürlər

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).

İstinadlar

  1. C. H. Scholz, L. R. Sykes, and Y. P. Aggarwal, “Earthquake prediction: a physical basis,” Elm, cild 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, cild 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, cild 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, cild 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, cild 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,” Elm, cild 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,” Geology, cild 32, yox. 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, cild 114, no. A4, 2009. View at: Publisher Site | Google Scholar
  9. C. Y. Wang and M. Manga, “Hydrologic responses to earthquakes and a general metric,” Geofluids, cild 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, cild 27, no. 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,” Təbiətşünaslıq, cild 7, yox. 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,” Earth and Planetary Science Letters, cild 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, cild 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, cild 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,” Scientific Reports, cild 8, no. 1, p. 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, cild 22, no. 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, cild 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, cild 50, pp. 154–159, 2013. View at: Publisher Site | Google Scholar
  19. S. E. Ingebritsen and M. Manga, “Hydrogeochemical precursors,” Təbiətşünaslıq, cild 7, yox. 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, cild 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, cild 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, cild 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, cild 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,” Earth and Planetary Science Letters, cild 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, cild 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, cild 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, cild 124, yox. 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,” Təbiət, cild 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, cild 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,” Elm, cild 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,” Geophysical Research Letters, cild 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, cild 5, no. 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, cild 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, cild 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, cild 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, cild 6, no. 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, cild 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, cild 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, cild 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, cild 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, cild 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,” Journal of Geophysical Research, cild 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, cild 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, cild 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, cild 24, no. 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, cild 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, cild 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, cild 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,” Scientific Reports, cild 7, yox. 1, p. 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, cild 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, cild 78, yox. 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, cild 117, no. 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, cild 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, cild 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, cild 60, no. 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,” Scientific Reports, cild 5, no. 1, 2015. View at: Publisher Site | 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, cild 76, pp. 44–53, 2015. View at: Publisher Site | Google Scholar

Copyright

Copyright © 2020 Aftab Alam et al. Bu, Creative Commons Attribution Lisenziyası altında yayılmış, orijinal işin düzgün bir şəkildə istinad edilməsi şərtilə hər hansı bir mühitdə məhdudiyyətsiz istifadəyə, paylanmaya və çoxalmağa icazə verən açıq giriş məqaləsidir.


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.


Videoya baxın: Seysmik aktivlik müşahidə olunur (Oktyabr 2021).