For fem år siden ville ikke Paul Johnson ha trodd at det ville være mulig å forutsi jordskjelv. Nå, han er ikke så sikker.
"Jeg kan ikke si at vi vil, men jeg er mye mer håpefull om at vi kommer til å gjøre store fremskritt i løpet av tiår, " sier seismologen fra Los Alamos National Laboratory. "Jeg er mer håpefull nå enn jeg noen gang har vært."
Hovedårsaken til det nye håpet er en teknologi som Johnson begynte å undersøke for omtrent fire år siden: maskinlæring. Mange av lydene og små bevegelsene langs tektoniske feillinjer der jordskjelv oppstår har lenge vært ansett som meningsløse. Men maskinlæring - å trene datamaskinalgoritmer for å analysere store datamengder for å se etter mønstre eller signaler - antyder at noen av de små seismiske signalene tross alt kan ha betydning.
Slike datamodeller kan til og med vise seg å være nøkkelen til å låse opp evnen til å forutsi jordskjelv, en fjern mulighet som er så kontroversiell, mange seismologer nekter å til og med diskutere det.
Da teorien om platetektonikk fikk mark på 1960-tallet, mente mange forskere at prediksjon av jordskjelv bare var et spørsmål om tid. Når små skjelv forårsaket av skiftende plater kunne modelleres, gikk tankene, bør det være mulig å forutsi større jordskjelv dager eller til og med uker i forveien. Men en rekke faktorer, fra bergart til avstanden til en feilglid, påvirker styrken til et jordskjelv, og det ble raskt klart at modeller av småskala tektonisk aktivitet ikke kunne være en pålitelig måte å forutsi store jordskjelv på. Kanskje små skift og glipper, som forekommer hundrevis av ganger per dag, kan indikere en liten økning i sannsynligheten for at et stort jordskjelv rammes, men selv etter en sverm av mindre tektonisk aktivitet er det fremdeles høyst usannsynlig at et stort skjelv skjer. Et bedre signal for et innkommende jordskjelv er nødvendig hvis spådom noensinne vil bli virkelighet.
Å bruke maskinlæring for å finne et slikt signal er sannsynligvis langt borte - hvis det er mulig. I en studie publisert sent i fjor antydet Johnson og teamet hans at det kan være et tidligere ignorert seismisk signal som kan inneholde et mønster som avslører når et stort jordskjelv - som det beryktede og etterlengtede Cascadia-skjelvet i det nordvestlige stillehavet - kunne slå til. Hvis hypotesen panses ut, kan det endre måten jordskjelv er forutsett fra sekunder i forveien til, kanskje en dag, flere tiår i forveien.
De siste forbedringene i jordskjelvsprognosen har vært de dyrebare sekundene. Seismologer jobber med å forbedre systemer for tidlig varsling som de i Japan og ShakeAlert-systemet rulles ut langs den amerikanske vestkysten. Disse systemene sender ut varsler først etter at et jordskjelv allerede har startet - men i tide for å stenge ting som heiser eller bensinledninger og advare lokalsamfunn lenger fra episenteret.
Jordsjiktet vi lever på er brutt opp i et dusin eller så tektonisk som beveger seg i forhold til hverandre. (USGS) Det er allerede en stor utfordring å prøve å ekstrapolere hvor stort skjelv som er i gang, hvor episenteret er og hva som kommer til å bli påvirket, alt fra noen få sekunder med data. Eksisterende advarselssystemer har feilvurdert store jordskjelv og gitt falske alarmer på andre. Men før 2007 hadde vi ikke engang sekunders varsel. Hvor kan vi være i 2027?
"Vi vet ikke hvor godt seismologi virkelig vil gjøre et tiår fra nå, " sier Johnson. "Men det vil være mye bedre enn i dag."
Fremskritt innen overvåking av jordskjelv vil sannsynligvis stole på datamaskiner som har blitt opplært til å fungere som eksperter. Med perfekt minne, få forutinntatte forestillinger og null søvnbehov, kan maskiner sortere gjennom et hav av data samlet inn når tektoniske plater skifter. All denne informasjonen kan sammenlignes med hva du ville høre på en fullsatt gate - støyene til biler, mennesker, dyr og vær alt sammen. Forskere siler gjennom signalene, transkribert som bølger, i et forsøk på å finne ut om noen av dem indikerer at et jordskjelv skjer eller er i ferd med å skje. Håpet har lenge vært at, gjemt i all den støyen, kan det være en slags forløper som kan måles eller observeres for å indikere hvor lang tid det er til neste store skjelv.
Et av disse støyene - det Johnson kaller et "skjelv-lignende signal" - er blitt identifisert og studert i en årrekke. "Jeg kastet alt jeg hadde i verktøykassen min på den og bestemte at det ikke var noe der, " sier han.
Men algoritmene og datamaskinene teamet hans satt opp, så på signalet fra et litt annet perspektiv, med fokus på energien. Denne energien (registrert som amplitude, et mål på størrelsen på seismiske bølger) vokste "aldri så lett" gjennom jordskjelvsyklusen, sier Johnson. Når et jordskjelv rammet, falt signalets amplitude og startet syklusen med regelmessig vekst til et nytt skjelv rammet.
Det var et mønster.
Det tidligere ignorerte signalet, sier Johnson, “inneholdt prediktiv informasjon for å forutsi neste jordskjelvsyklus” minutter i forveien i de fartsfylte modellene for feil i laboratoriet, noe som tilsvarer flere tiår i forveien i det virkelige liv. Men resultater i laboratoriet og den virkelige verden stiller ikke alltid opp.
På dette tidspunktet er ikke maskinlæring ment å hjelpe med prediksjon av jordskjelv, men snarere å forstå skjelv som allerede har startet eller skjelvdynamikk generelt. Men fremskritt i å lokalisere skjelv, estimere størrelser og sortere gjennom "støy" forbedrer vår forståelse av hvordan skjelv fungerer, inkludert når de kan slå.
”Jeg vil gjøre det klart at det vi gjør er annerledes enn spådom. Men ja, alle disse tingene er indirekte relatert, sier Mostafa Moustavi, en seismolog fra Stanford som bruker maskinlæring for å sortere bakgrunnsstøy for å oppdage små skjelv.
Men-Andrin Meier, seismolog ved Caltech, sier at hans "beste gjetning er at jordskjelv iboende er uforutsigbart." Men likevel jobber han med å bruke maskinlæring for å forbedre systemene for tidlig varsling, og forbedringer i overvåkningen som går inn i disse varslene kan potensielt forbedre prognosene for jordskjelv. Bedre kart over feil og bedre forståelse av jordskjelvprosesser, trender og sykluser kan alle være med på å forbedre prognoser, sier Moustafa.
Likevel synes noen seismologer “prediksjon” er en fantasi. Robert Geller, en seismolog fra University of Tokyo, er kjent for sin pessimisme rundt forutsigelse av jordskjelv.
"Forskning om forutsigelse av jordskjelv er egentlig ikke noe, " sier han via e-post. “Det består bare av å samle masse data i håp om at en pålitelig 'forløper' kan bli funnet. Ingen har hittil blitt funnet til nå. "
I følge Geller kan alle laboratorieresultater angående jordskjelvsignaler ignoreres til de blir reprodusert konsekvent i den virkelige verden. "Jeg er ikke i tvil om at de kan finne mange tilsynelatende mønstre i observerte data om jordskjelvforekomster som ser bakover. Men jeg ser ingen grunn til å tro at slike mønstre vil fungere fremover i tid, sier Geller.
Cascadia-feilen utenfor Vancouver Island glir sakte hele tiden, og produserer lav seismisitet du ikke kan føle, og deretter lurer tilbake på plass omtrent en gang i året. Den svært svake forskyvningen av jordoverflaten fra den glidningen kan overvåkes, så Johnsons team prøvde å se om det nye signalet som maskinlæringsalgoritmer identifiserte kunne forutsi bevegelsen.
“Og se, se og si, det ble kartlagt til forskyvningsgraden, ” sier Johnson.
Spørsmålet er nå hvordan signalet kan forholde seg til låsningen av feilen - de sammenlåste bergartene som har holdt de tektoniske platene fra å gli drastisk og produsere et stort jordskjelv i omtrent 300 år. Etter hvert vil feilens låsing bryte, og et massivt jordskjelv vil ramme. Kanskje signalet som Johnsons team studerer, eller et annet ennå uoppdaget signal, kan gi en viss følelse av når det vil skje - hvis slike signaler i det hele tatt er knyttet til store jordskjelv.
