پیش نشانگر زلزله

در این مقاله تشکیل ابر زلزله به عنوان پیش نشانگری که تاکنون کمتر شناخته شده  و همچنین پیش نشانگر تغییرات دمایی، در زلزله محمدآباد ریگان بررسی شده است. در هنگام افزایش تنش در منطقه شکستگی های اولیه ایجادشده و با بالا رفتن دما شاهد تبخیر آب های موجود در شکستگی های بین سنگ خواهیم بود. در صورت وجود شرایط جوّی مناسب – برای مثال؛ یک روز سرد- این بخارها می توانند به ابر تبدیل شوند. از آن جایی که منبع تولید این ابر ساکن است، لذا با وجود باد، موقعیت این ابر ثابت می ماند و همین مسئله راه شناسایی ابرهای زلزله است. در بخش اول تصاویر پانکروماتیک زلزله ریگان از 62 روز قبل از زمین لرزه دریافت شدند، پس از دریافت تصاویر پانکروماتیک، زمین مرجع نمودن تصاویر خام ماهواره ای انجام شد. مشاهدات نشان دادند که راستای ابر زلزله از 10 روز مانده به زمین لرزه (17 ژانویه) قابل شناسایی بود. در این تصاویر ابر زمین لرزه به صورت رقومی استخراج شده و این نتایج بر روی تصویر توپوگرافی منطقه موردمطالعه قرار داده شد. در بخش دوم، محتوای دمایی باندهای حرارتی (باندهای 31 و 32) تصاویر ماهواره MODIS استخراج شد و سری زمانی دمای سطح زمین تشکیل داده شد. سپس تأثیر عوامل جوی از سری زمانی کاسته شد و در مرحله بعد پالایه موجک بر این سری زمانی اعمال شد. با اعمال آزمون انحراف معیار از سری زمانی پالایه شده، وجود بی هنجاری دمایی 2 روز مانده به زمین لرزه آشکار گردید. همچنین در بخش دیگری از مقاله با رنگی کردن تصاویر ماهواره ای و تشکیل یک سری زمانی از این داده ها راستای گسل مسبب زمین لرزه مشخص شد. نهایتاً با مقایسه روند ابر زمین لرزه با سازوکار کانونی و راستای ناحیه افزایش دما یافته، هماهنگی بالایی بین آن ها مشاهده شد. با این مقایسه می توان تشکیل ابر زلزله مورد بررسی را به زمین لرزه ریگان نسبت داد. همچنین ناحیه افزایش دمایی را می توان با احتمال زیاد به رویداد زمین لرزه منتسب نمود.

زلزله یکی از پیش بینی ناپذیر ترین و خطرناک ترین پدیده های طبیعی است که هرساله خسارات مالی و جانی فراوانی را باعث می شود. هنگام وقوع زلزله تنش ها و فعالیت های محدود ه گسل افزایش می یابد و باعث تغییرات دمایی محسوسی نسبت به دمای نرمال می شود. این تغییرات دمایی خود را به صورت بی هنجاری هایی در مکان یا زمان نشان می دهند . در این تحقیق با استفاده از محصولات حرارتی سنجند ه مادیس و شیپ فایل گسل های ایران، هفت زلزله با شدت بیشتر از شش ریشتر ، که در ایران رخ داده، بررسی شد ه است. در این پژوهش با استفاده از تشکیل تصویر زمان - دما - فاصله در گسل مربوط به زلزله به عنوان ورودی دو روش تشخیص بی هنجاری حرارتی روی داده ها بررسی شد ه است. در نهایت ، با استفاده از نتایج حاصل از بهترین روش تشخیص بی هنجاری پارامتر شدت با استفاده از شبکه عصبی مصنوعی برآورد شده است. نتایج الگوریتم های تشخیص ناهنجاری نشان می دهد هرچند هر دو روش تشخیص بی هنجاری حرارتی بی هنجاری حرارتی مربوط به هر زلزله را در روز زلزله در شعاع نزدیک به گسل شناسایی کرده اند روش چارکی ( Interquartile ) نسبت به روش میانگین - انحراف معیار نتایج مناسب تری را برای ورودی الگوریتم شبکه عصبی فراهم می کند. نتایج در مدل سازی نیز نشان می دهد پارامتر شدت زلزله ، که با استفاده از شبکه عصبی مصنوعی بررسی شد، دقت کلی 73/0 را داشته است. ذکر این نکته لازم است که پیش نشانگر تغییرات دمای سطح و بی هنجاری های حرارتی به تنهایی نمی تواند برای بررسی کامل پارامترهای زلزله کافی و دقت لازم را برای تحلیل زلزله داشته باشد. ولی با توجه به حجم پایین داده های حرارتی و سادگی کار با آن ها ، توصیه می شود از آن ها برای بررسی های ابتدایی و آغازین زمین لرزه استفاده شود و در صورت ت أ یید نسبی آن برای تحلیل های بیشتر، از روش ها و پیش نشانگرهای دیگر ، که در آن ها اعمال الگوریتم ها و پردازش های سنگین و پیچیده نیاز است، استفاده شود .