光ファイバー分散音響センシングを緊急地震警報に利用するためのマグニチュード推定と地震動予測

Scientific Reports volume 13、記事番号: 424 (2023) この記事を引用

2911 アクセス

1 引用

92 オルトメトリック

メトリクスの詳細

早期地震警報 (EEW) システムは、潜在的な被害をもたらす地震動が感じられる前に、数秒から数十秒の警告時間を提供します。最適な警報時間を得るには、予想される震源のできるだけ近くに地震センサーを設置する必要があります。しかし、地球上で最も危険な地震は水中で発生しますが、ほとんどの地震観測所は陸上にあります。これらの地震が検出されるまでに貴重な数秒が経過する可能性があります。この研究では、分散音響センシング (DAS) という新しいアプローチを使用して、EEW に利用可能な光ファイバーインフラストラクチャを利用します。さまざまな地域の地震の DAS ひずみ測定値は、リアルタイムの斜積みアプローチを使用して地震動に変換され、理論的な震源モデルを使用してマグニチュードが推定され、地震動予測式によって地面の揺れの強さが予測されます。この結果は、DAS ベースの EEW の可能性と、特に沖合の地震に関して、標準センサーの使用と比較して達成できる大幅な時間短縮を示しています。

地震予知は依然として不可能ですが、継続的な地震監視により、激しい地面の揺れが感じられる数秒から数十秒前に人口密集地や重要なインフラに警報を発する緊急地震警報（EEW）システムが可能になりました1、2、3、4。破壊の開始後、記録された地震動をリアルタイムで分析して地震の被害の可能性を評価することにより、警告が発せられることがあります。 EEW システムの性能は、利用可能な地震センサーの空間分布に大きく依存します5。迅速かつ強力な警報を発令するには、地震の発生が予想される活断層の近くに感震装置を設置する必要があります。地球上で最も大きく最も危険な地震のほとんどは海溝の沖合で発生しますが、地震観測所の大部分は陸上にあります。したがって、地震波が陸上の観測点に到達するまでの貴重な時間が失われる可能性があります6。陸上地震ネットワークの高密度化やケーブル接続された海底センサーネットワークの設置などの現在のソリューションは、日本 7 とカナダ 8 で実施されています。しかし、コストが高いため、世界中で導入することができません。代替案は、分散音響センシング (DAS) という新しい技術を介して、既存の光ファイバーケーブルを高密度地震ネットワークに変換することです9,10。光ファイバー通信インフラストラクチャー、特に海底ケーブルの世界的な展開が増え続けていることにより、コストのかかる海底での展開と運用を回避して、EEW 向けの DAS を低コストで広範囲に導入する機会が開かれています。 EEW に対する海底 DAS の可能性はまだ定量的に実証されておらず、この研究ではそのギャップに対処しています。

過去数年にわたって、DAS の独自の利点は、地震解析 11、12、13 や地下イメージング 14、15、16、17 を含むさまざまな地震学の目的に価値があることが証明されています。 DAS を使用すると、陸上と水中の両方で現在地球の大部分を横断している光ファイバー (インターネットケーブルなど) に沿った一時的な地盤の変形 (ひずみまたはひずみ速度) を測定できます。点センサー (地震計、加速度計、GNSS など) とは異なり、DAS は、数十キロメートルの長さの光ファイバーに沿って空間的に高密度な縦方向の変形測定値 (数メートルごと、通常は 10) を生成します。測定範囲は環境に応じて 80 ～ 150 km です。特定の DAS インタロゲータ。この技術により、広い領域の継続的な監視が可能になり、地震波場のより完全な全体像が得られます。測定値は、ケーブルの一端に配置され、ファイバーに沿ってレーザーパルスを送信する質問器ユニットを使用して取得されます。ファイバー内の小さな不均一性により、透過光の一部がレイリー散乱によって後方散乱されます。地震波がケーブルを乱すと、ファイバーに沿った不均一性の位置が変化し、レイリー後方散乱パターンも変化します。時間サンプル間の後方散乱位相差は、数十キロメートルの長さのファイバーに沿った数メートルの間隔でのひずみまたはひずみ速度の測定値に変換されます18。この技術により、あらゆる光ファイバーを地震音響センサーの高密度アレイに変換することが可能になり、前例のない空間的および時間的解像度での測定が可能になります。

DAS には、EEW の課題に最適な主要な機能が備わっています。これにより、地震の震源に近い水中19やボーリング孔20など、到達しにくい場所での空間的および時間的継続的な地震測定が容易になります。高密度の空間サンプリングにより、点センサーと比較して、地震と騒音をより確実に分離することが容易になります21。さらに、DAS インテロゲータは、その端の 1 つからファイバ全体を感知し、遠く離れたファイバセグメントに対する電力とテレメトリの考慮事項を無効にします。したがって、高密度の地震ネットワークとして光ファイバーを使用することは、EEW システムの性能において決定的な役割を果たす可能性があり、地震警報時間を大幅に短縮し、激しい揺れに対するより適切な備えを可能にする可能性があります。

EEW 用 DAS の利点は魅力的ですが、この新しいテクノロジーには対処する必要があるいくつかの欠点があります。 DAS ひずみ測定で地面の変形を表すには、ファイバーが地面に適切に結合されている必要があります。ただし、多くのファイバは地震学的用途を念頭に置いて配置されていないため、結合は変化する可能性があり、信頼性の高い測定を行うには特定のセクションに沿って不十分になる可能性があります。最先端の DAS インタロゲータユニットは、最大 150 km (補足図 1 の Alcatel OptoDAS インタロゲータユニットによって実行された地震記録で示されている)、または最初の中継器までのファイバを感知できます。広大な地域をカバーするには 1 つのシステムとファイバーが必要な場合があります。 DAS はひずみまたはひずみ速度を記録します。これらの測定は、ファイバー下の局所的な速度構造 13 および横方向の表面下の不均一性 12、22 に非常に敏感です。この特性は、通常は地面の動き（つまり、変位、速度、または加速度）の測定に依存する地震のマグニチュード推定23と、局所的な地下構造に対する感度が地震源の位置を複雑にする可能性がある地震位置の調査の両方にとって厄介です12。さらに、DAS はファイバーの軸に沿ったひずみを測定します。そのため、水平ファイバーによって記録される P 波は通常、機器の騒音レベルを下回る可能性がある低振幅を引き起こし、地震位置特定機能を妨げる可能性があります。また、EEWは被害が予想される近距離の大規模地震を対象としていますが、現時点ではDASによる観測はできません。したがって、激しい変形時の DAS 振幅飽和とケーブルと接地の結合挙動の影響については、十分に報告および研究されていません。次のセクションでは、前述の欠点のいくつかに対処しますが、EEW に DAS を確実に使用するには、すべての問題に対処するために追加の作業が必要です。

この研究では、運用可能な DAS ベースの EEW システムの一部となる最初の定量的リアルタイムスキームを提案します。早期警報は通常、(1) 地震を検出し、(2) その位置を特定し、(3) 震源パラメータ (マグニチュードと応力降下 24) を解決し、(4) 地面の揺れの強度、通常は最大地盤速度 (PGV) を予測することによって実現されます。 ) およびピーク地上加速度 (PGA)25。私たちの知る限り、これら 4 つのリアルタイム目標は、DAS を使用してまだ解決されていません。リアルタイムの地震検出と位置特定は、単一または複数の DAS チャネルに適用される確立されたポイントセンサーベースのアプローチ 26、27、28、29、またはビームフォーミング 12、30、31 などのアレイ処理技術のいずれかを使用して実現できます。検出はポイントセンサーベースのアルゴリズムでも比較的簡単に達成できますが27、29、地震の位置はDASデータに特有のいくつかの課題を引き起こします12、22。記録されたひずみ波場は、信頼できる地震位置を特定するには十分な一貫性がないか、散乱波によって支配されている可能性があります。さらに、地震位置の誤差を減らすために、ファイバーに沿った測定の地理的位置を校正する必要があります。これらの問題は、リアルタイムの地震位置計画を考案する際に考慮され、今後の原稿の主題となります。ここでは、最後の 2 つの目的、リアルタイムのマグニチュード推定と揺れの強度の予測に取り組みます。

運用中の EEW システムのほとんどは、マグニチュード推定と地動予測の両方について経験的関係に依存しています 32,33。これらの関係の堅牢性は、利用可能な地震観測の質、量、およびマグニチュードの範囲に大きく依存します34。 DAS は比較的新しい地震測定技術 9 であるため、現在の地震 DAS データセットは、堅牢な経験的手法を考案するにはあらゆる面で不十分であり、データの可用性に依存しない物理ベースのアプローチを開発する必要があります 24,35,36。最近、リアルタイムの震源パラメータ (マグニチュードと応力降下) 推定と地震動予測のための総合的な物理学に基づくアプローチが提案されました 24。ここでは、DAS データに適用された同様の方法が、地面加速度の二乗平均平方根 (rms) を使用してリアルタイムのマグニチュード推定の理論式を導出することで開発されています。

DAS はひずみ (またはひずみ速度) を測定し、地震のマグニチュードは地動 (変位、速度、加速度) に直接関係しているため 23、DAS の測定値はまず地動に変換する必要があります 37。この目的は通常、ファイバーに沿って測定された見かけの遅さ (速度の逆数) \({p}_{x}\) を使用することで達成されます 38。

ここで、ϵ(t) と D(t) はそれぞれひずみと地盤変位の時系列であり、n は 0、1、または 2 に等しく、それぞれ地盤変位、速度、または加速度への変換に対応します。この関係は、ファイバと地球との間の完全な結合を仮定しており、この仮定は、異なるファイバおよび設備に対して適切に適用されることが判明している11、13、37、37、38、39。速度の遅さは、時間と空間（ファイバーに沿って）の両方で急速に変化することが観察されています。時間的変動は、記録された地震位相（つまり、P 波、S 波、表面波）間の速度の違いによるものであり 37、空間的変動は次の結果です。横方向の地下速度の不均一性。これは重大かつ突然である可能性があります12、16、22、37。ひずみ速度を地面加速度に正確に変換するには、速度と空間の両方の関数として遅さを解決する必要があります。最近、傾斜スタックに基づくひずみから地面の動きへの変換方法が提案されており 37、ここではリアルタイム処理用に修正および適合されています。

この原稿で提示されたアプローチは、物理ベースの EEW24 および DAS 地震データ処理における前述の進歩に基づいています。修正されたひずみから地震動への変換の可能性と EEW の新しいマグニチュード表現が、理論的な地震動予測方程式 (GMPE)40 と併せて検討されます。次のセクションでは、DAS で記録された地震の解析のための単純な解析定式化に依存する、計算効率の高いリアルタイムプロトコルを提示して検証します。ひずみ速度は、リアルタイムに適応されたスラントスタックアプローチを使用して地面加速度に変換されます。次に、オメガ二乗震源スペクトルモデルを使用して導出された解析式を介して地震のマグニチュードが推定されます41,42。理論モデルに従って、このマグニチュード表現はすべての実体波 (P 波および S 波) の遠方場地震動記録に適用できます。このスキームは、異なる海底ファイバーに沿ったいくつかのよく結合されたファイバーセグメントに適用されます。最後に、同じオメガ二乗震源モデルを使用して導出された GMPE24,40 を使用して、震源から離れた PGV と PGA を予測するためにマグニチュードが使用されます。次のセクションで示すように、マグニチュード推定と地震動予測の両方が同じ理論モデルから導出されるという事実は、推定の安定性と一貫性に貢献します。新しい地震信号が記録されると、マグニチュードとピークの地面の揺れの予測が継続的に更新および修正されます。我々は、広範な振幅範囲に対するこれらのリアルタイムアプローチの堅牢性を実証し、EEWに適切に結合された海洋ファイバーを使用すると、標準的なポイントセンサーベースのEEWシステムで予想される警告時間を大幅に短縮できることを示します。

提案されている DAS ベースの EEW スキームの利点を実証するために、さまざまな地殻環境から DAS 地震データセットを編集しました。データは、4 つの異なる海底ファイバーによって記録されました。2 つはギリシャ沖 13,16,37,43、1 つはフランス沖 13,19,37,44、1 つはチリ沖です (補足図 2)。ギリシャ、フランス、チリでの測定は、それぞれ Febus A1 DAS インタロゲータ、Aragon Photonics hDAS インタロゲータ、ASN OptoDAS インタロゲータという 3 つの異なるインタロゲータユニットを使用して実施されました (「方法」の「地震データセット」を参照)。震源距離17〜365 km（補足図3）、マグニチュード2〜5.7（補足図2）の範囲の合計53のDAS記録地震を分析しました。地震メタデータは補足表 1 に示されています。

理想的には、モーメントマグニチュードは、地盤速度 V や加速度 A ではなく、地盤変位 D の地震記録を使用して推定されるべきであり、マグニチュードの飽和を避けるために、信号にはできるだけ多くの低周波部分が含まれている必要があります 23,35。地面の変位は、ひずみ測定値を時間的に積分（またはひずみ速度の二重積分）し、それらを見かけの遅さ（式 1 の n = 0）で割ることにより、よく結合された DAS 測定値から取得できます11,37,38,39。この変換アプローチは、DAS 機器の応答 11 とカップリング 45 を考慮した以前の研究によって実証されています。しかし、特に長いファイバーに沿った長距離では、本質的に高い計器騒音レベルを考慮すると、DAS で変換された地盤変位の使用は困難です 13,46,47。 DAS 計器ノイズの挙動は、ギリシャ南東部沖合の光ファイバーから 135 km の距離で記録されたマグニチュード 3.6 の地震について図 (1) に示されています 13,16,37,43 (補足図 2 の地図を参照)。低周波数では、ひずみ（∝ D、図1a、b）、ひずみ（∝ V、図1c、d）およびひずみ速度（∝ A、図1e、f）の時間積分の機器ノイズ。はそれぞれ f -2、f -1 に比例し、周波数 f には依存しません。その結果、ひずみ積分 (∝ D、図 1a) およびひずみ (∝ V、図 1c) 時系列は低周波ノイズによって汚染され、それらの使用は大きさの過大評価や誤った警報につながる可能性があります。したがって、ひずみ積分 (∝ D) やひずみ (∝ V) に比べて地震のマグニチュードとの相関が弱いにもかかわらず、リアルタイムのマグニチュード推定にはひずみ速度 (∝ A) のみを使用します (「地震と地震の関係」を参照)ソースパラメータと地動」（メソッド）。ひずみ速度の計器ノイズは高周波数では f として増加するため (図 1f)、ローパスフィルターが必要です。より大きな地震はより低い周波数の放射を生成するため、このフィルターはマグニチュード推定にバイアスをかけません。

DAS の楽器ノイズ。ギリシャ沖合のファイバーに沿って21 km、震源距離135 kmで記録されたマグニチュード3.6の地震の（a、b）ひずみ積分、（c、d）ひずみ、および（e、f）ひずみ速度。 0.06 ～ 10 Hz でフィルタリングされた信号が P 波到着からの時間の関数として左側に示され (a、c、e)、対応するスペクトルが右側に示されます (青い曲線 b、d、f)。プレフィルター処理されたスペクトル (オレンジ色の曲線 b、d、f) は、低周波ノイズが b ∝ f −2、d ∝ f −1、および f が周波数に依存しないことを示しています。

変換アルゴリズムのパフォーマンス (「方法」の「リアルタイムひずみ速度から地面加速度への変換」を参照) は、震源距離 60 km (補足図 2 の地図を参照) でチリ沖で記録されたマグニチュード 3.8 の地震に対して実証されています。ファイバーに沿って 103 km の距離にある単一の DAS チャネル (図 2)。 P波によって誘発された散乱波ははっきりと見られますが、直接のP波は見えないことに注意してください（図2a、bの1〜6秒）。データセット内の最大の地震であるマグニチュード 5.7 に対する同じ分析が補足図 4 に示されています。この地震では、ひずみ速度振幅はある程度の飽和を示します (考察を参照)。リアルタイムのスラントスタックアプローチは、さまざまな地震位相の見かけの速度を解決します。直接S波の場合は〜4.2km/s（図2a、bでは6〜9秒）、表面波の場合は〜1.8km/sです。（たとえば、図2a、bの1〜6秒および10〜13秒）。これらの速度変化により、地面の加速度はひずみ速度とは若干異なります。加速度 (図 2c の青い曲線) は速い S 波と遅い表面波の間で顕著な振幅の違いを示しますが、ひずみ速度 (図 2c の黒い曲線) は振幅の違いを示します。 . 2c) 両方の位相で同様の振幅を表示します。リアルタイムのスラントスタック変換と以前に提示されたアプローチ37のパフォーマンスを比較すると、リアルタイム適応によって変換品質が低下しないことがわかります（補足図5）。

ひずみ速度から地面加速度への変換と大きさの推定。 a チリ沖のファイバーに沿って 102.3 km と 103.6 km の間の震源距離 60 km で記録されたマグニチュード 3.8 の地震のひずみ速度。マグニチュード推定に使用されるファイバーセグメントは色分けされています (102.7 km ～ 103.3 km)。 b 質問機から 103 km にある参照 DAS チャネルの P 波到着からの見かけの遅さと時間の関数としての外観 (a の黒い点線)。平滑化された遅さ (「方法」を参照) は赤い曲線で示されます。 c 基準 DAS チャネルのひずみ速度 (黒) と変換された地面加速度 (青)。 d 1 MPa (破線の曲線) および 10 MPa (実線の曲線) の応力降下を使用したリアルタイムの大きさの変化。手動で選択された P 波および S 波の到着時間はマゼンタの線で示されます。

応力降下 Δτ は、地震動の強さに強く影響する基本的な震源パラメータです 40,48,49,50 (「方法」の「震源パラメータと地震動の関係」を参照)。最近の研究で実証されているように、最適な地震動予測のためには、マグニチュードと応力低下の両方を決定する必要があります 3,36,40。このフレームワークでは、1 つの地面の動きの測定基準、つまり地面加速度 rms、Arms のみを使用するため、応力降下を事前に設定する必要がある一方で、マグニチュードを推定するだけで済みます (「方法」の「帯域制限された地面加速度からのマグニチュード推定」を参照)。アームは応力降下の影響を大きく受け、その先験的な値は地震特有の実際の値から逸脱する可能性があるため40,51、マグニチュード推定と激しい揺れの予測に対する応力降下の変動の影響を調べることは有用です。この目的を達成するために、理想的なローパスバターワースフィルターを使用して Arms を合成し、震源距離 50 km で Δτ = 10 MPa を使用してさまざまな大きさの PGVsynt および PGAsynt を合成しました (「方法」の「合成地震動」を参照)。次に、合成 Arm を使用して、1、10、100 MPa のさまざまな事前応力降下を使用して大きさを推定しました (式 7)。次に、距離が既知であると仮定して、推定された大きさとアプリオリな応力降下を使用して、PGVpred と PGApred (式 10) を予測しました (図 3)。式 (1) で Δτ = 10 MPa を使用した場合 (7) と (10) のマグニチュード、PGV、および PGA の不一致は小さく (それぞれ図 3 のパネル b、d、f)、主に式 (7) を導出する際に行われた近似に起因します。 (7) (補足注 1 を参照)。式で応力が低下すると、 (7) は過小評価 (Δτ = 1 MPa) および過大評価 (Δτ = 100 MPa) であり、マグニチュードはそれぞれ、大地震の場合、最大 1.33 マグニチュード単位で過大評価および過小評価されます (図 3a)。）。これらの偏った大きさと応力降下を使用して PGV および PGA を予測すると、合理的な予測が得られます。残差の標準偏差は ~ 0.43 log10(PGV) および log10(PGA) 単位に制限されます (図 3c の実線の曲線)。、e、それぞれ）。この動作は、式を調べることで説明されます。 (10): 1 次40、\(PGV\propto {M}_{0}^{1/2}\Delta {\tau }^{1/2}\) および \(PGA\propto {M}_ {0}^{1/3}\Delta {\tau }^{2/3}\）、ここの場合のように、過小評価された応力降下と過大評価された地震モーメントを使用します（またはその逆）。、PGV と PGA の不一致は比較的小さくなります。マグニチュードと応力降下のバイアスは、地震動の予測に対する相互の影響を軽減します。対照的に、合成マグニチュードが過大評価および過小評価された応力降下と組み合わせて使用される場合、PGV と PGA の不一致は大幅に大きくなります（図 3c、e の破線）。残差プロットの形状に関するさらなる説明は、補足注記 2 に記載されています。

マグニチュード推定と地震動予測に対する応力降下変動の影響。 (a) 過小評価 (1 MPa)、過大評価 (100 MPa)、および (b) 既知 (10 MPa) の応力降下の合成マグニチュードの関数として、推定値から合成マグニチュードを差し引いた推定値。合成マグニチュードの関数として、予測ピーク地震動の対数から合成ピーク地震動の対数を差し引いた値が、(c) 1 MPa および 100 MPa および (d) 10 MPa の PGV と、(e) 1 MPa および 100 MPa の PGA について示されています。 100MPaと(f)10MPa。 (c) PGV および (e) PGA の不一致に対する合成マグニチュードの使用の影響は、半透明の破線の曲線で示されています。すべてのパネルで、1、10、100 MPa に対応する曲線がそれぞれ赤、黒、青の曲線で示されています。

提案された方法を異なる地殻環境の異なる繊維に実装する場合、利用可能な地震観測 40,52,53 を使用するか、利用可能な場合は以前の研究から取得した応力降下をアプリオリに推定できます。ただし、図 3 の結果は、合成地震応力降下と式 (3) で使用される応力低下との間の差異はあるものの、 (7) はマグニチュード推定に重大な影響を与える可能性があり、地震動予測への影響は最小限に抑えられ、このアプローチは偏った応力低下があっても確実に使用できます。応力降下変動の影響については、次のセクションで記録された地震を使用してさらに調査します。

リアルタイムのひずみ速度から地面加速度への変換、マグニチュード推定、および地震動予測のパフォーマンスは、53 の DAS とポイントセンサー (地震計と加速度計) で記録されたギリシャ、フランス、チリの地震の複合地震カタログを使用して実証されています。 (方法の「地震データセット」、補足表 1 の地震カタログ、および補足図 2 の地震、ファイバー、およびポイントセンサーの位置を示す地図を参照)。これらの地震の範囲はマグニチュード 2 から 5.7 であり (補足図 3)、3 つの異なる DAS インテロゲーターを使用して 4 つの異なるオフショアファイバーによって記録されました。 DAS 記録は地面加速度に変換され、マグニチュードの推定に使用されます。一方、ポイントセンサー記録は、観測および予測された PGV と PGA を比較するために使用されます。地震の位置 (および震源距離) と P 波と S 波の到達時間は既知であると想定されます。前者は入手可能な地震カタログから抽出され、後者は手動で選択されます。実際には、地震の位置と位相のピッキングは追加のモジュールを介してリアルタイムで実現されますが、その開発についてはこの原稿の範囲を超えています。したがって、地震の検出と位置特定もリアルタイムで実装される場合、このセクションで報告される不確実性と不一致はさらに大きくなることが予想されます。

前述したように、EEW システムの目標は堅牢な地震動予測を生成することですが、マグニチュード推定は単なる副産物にすぎません。さらに、私たちはモーメントマグニチュードを推定しますが、ほとんどのカタログは局所マグニチュードを報告しており、その値は大きく異なる可能性があります54。したがって、その後の分析では、アルゴリズムのパフォーマンスの尺度として、予測および観測された PGV と PGA の間の不一致に焦点を当て、リアルタイムとカタログで報告された大きさの間の一致にはあまり注意を払いません。

振幅は、各ケーブルの適切に結合されたいくつかのファイバーセグメントを使用して推定されます。結合品質は、ファイバに沿って地震の地震波場を検査し、連続的な地震波面と 4 dB 未満の小さな振幅変動を示すセクションを特定することによって評価されます37。 DAS データは地面の加速度に変換され、最初のファイバーセグメントで P 波が検出されてから 2 秒後に初期マグニチュード推定値が取得されます。データ間隔の増加やファイバーに沿った追加の場所で地震が記録されるにつれて、継続的に更新されます。解析では、直接の P および S 到着、散乱波、表面波など、利用可能なすべての位相が使用されます。 P 波については、水平 DAS アレイによって検出されないことはほとんどなく、散乱されて後で到着する P 位相が分析に使用されます。この作業では、フェーズは手動で識別および選択されましたが、リアルタイムでは自動アルゴリズムによって達成されます21,31。図 2d では、単一のファイバーセグメントを使用したカタログマグニチュード 3.8 の地震に対するリアルタイムのマグニチュード推定が実証されています。マグニチュードは時間とともに増加し、散乱された P 波 (2 ～ 7 秒) から始まり、S 波の到達 (7 ～ 9.5 秒) で大幅に増加します。理論的に予測されたとおり (図 3)、マグニチュード推定値はアプリオリな応力降下によって異なり、P 波検出から 9.5 秒時点でのマグニチュードは、1 MPa および 10 MPa でそれぞれ 5.8 および 4.6 でした。補足図 4d に示すマグニチュード 5.7 のカタログ地震でも同様の挙動が観察されます。図 4a-c に見られるように、マグニチュード推定値は時間の経過とともに改善します。ここでは、データセット全体について、最初の P 波検出から 4 秒、10 秒、および 15 秒の時点でリアルタイムとカタログのマグニチュードが比較されています。

10MPaによるリアルタイムのマグニチュード推定と地震動予測。最初のファイバーセグメントに P 波が到着してから a 4、b 10、および c 15 秒におけるカタログマグニチュードの関数としてのリアルタイムマグニチュード。ファイバーセグメント固有の推定値とイベント平均は、それぞれ黒と赤の記号で示されます。黒い破線は 1:1 の線であり、セグメント固有の推定値 (黒) とイベント平均推定値 (赤) のマグニチュード残差の標準偏差が右下隅に示されています。予測されたピーク地震動と観測されたピーク地震動の対数間の差異が、震源距離の関数として d PGV と e PGA についてプロットされています。カラーコードはカタログ等級に対応しています。チリ、ギリシャ、フランスの地震は、それぞれ星、丸、三角で示されます。パネルの凡例は、ケーブル名 (地震の数、PGV および PGA の観測数)、(平均残差、残差の標準偏差) を示します。イベント変動内の平均、つまり残差に対する最適標準偏差は、PGV ではチリ、ギリシャ、フランスでそれぞれ 0.68、0.5、0.52 であり、PGA ではチリ、ギリシャ、フランスでそれぞれ 0.71、0.61、0.59 です。

15 秒における予測値（式 10）と観測値（方法の「地震データセット」を参照）の PGV と PGA の比較は、残差が震源距離に依存しないことを示します（図 4d、e および補足図 6d、e）。カタログマグニチュード（補足図7d、e）、そしてそれらの標準偏差は比較的小さく、最適値、つまり図4のキャプションで報告されている事象内変動よりもわずかに高いだけであることがわかります。後者の結果は、ピークグランドであることを示唆しています動きの残差は主に、さまざまなサイトや経路の条件によって引き起こされますが、追加の調査が必要なため、将来の実装で考慮される可能性があります。マグニチュード推定値はアプリオリな応力降下に対して非常に敏感ですが、PGV 残差と PGA 残差は感度が低くなります (それぞれ 10 MPa と 1 MPa の補足図 6)。この挙動は、利用可能な最大の地震の平均マグニチュード、PGV および PGA 残差を調べることによってさらに実証されます (補足図 8)。平均残差は、応力降下に対する感度がほとんどなく、理論的に予測されたものと同様の傾向を示します (図 3)。、応力降下が過小評価されている場合は PGV 残差が高く、応力降下が過小評価されている場合は PGA 残差が低くなります。

この原稿で示した結果は、運用中の EEW システムの 2 つの重要なコンポーネントであるリアルタイムのマグニチュード推定と地動予測に DAS を確実に使用できることを示しています。 EEW に DAS を使用すると、標準的なポイントセンサーの使用と比較して、特に沖合地震に対する時間の増加において、いくつかの重要な利点が得られます。後者の利点は、海底地震が重大な地震災害を引き起こすチリ沖に配備されたファイバーを使用して図 5 に示されています。図 5a に示す沖合の地震の場合、S 波がチリの海岸線に到達すると予想される時点までに、リアルタイムのマグニチュード推定値は通常、カタログ値の半分のマグニチュード単位以内に収まっており、激しい地面の揺れが発生する前に強力な警報を発令することができます。陸上で感じられ、利用可能な地震ネットワークによって地震が記録されるかなり前に記録されます（図5b）。現在のポイントセンサーネットワークと比較して、チリ沖のファイバーを使用することによって達成される時間利得は、EEW システムで一般的に要求されるように、最も近いファイバーセグメントと 4 番目の地震観測点に到達する P 波の差としてここで定義されます55。この時間増加は、ファイバーの近くで発生する地震では 25 秒にもなる可能性があり、点センサーのカバー範囲がまばらな陸上地震の場合は早期に検出して警報を発令する可能性さえあります (図 5b)。この貴重な数秒は、潜在的に壊滅的な沖合地震によってもたらされるリスクの軽減に決定的な影響を与える可能性があります。

チリ沖で DAS を使用した時間の増加。この領域は、b の挿入マップの黒い四角形で示されています。 S 波が海岸線に到達すると予想されるカタログ (Mcat) およびリアルタイム (MRT) のマグニチュード推定値。地震は、カタログのマグニチュードに対応するサイズの円と、MRT の推定時間に対応する色で示されます。海岸線までの最短経路が各地震の灰色の破線で示されます。ファイバーは青い曲線で示され、マグニチュード推定に使用されるファイバーセグメントは黒い長方形で示されます。 b さまざまな地震の可能性のある場所の P 波タイムゲイン (赤色スケール)。正の時間増加のみが示されています。負の時間ゲインは、地震の位置がファイバーよりも 4 番目に近い点センサーに近いことを示します。ポイントセンサーは青い三角形で示されます。 a に示された領域は、b では黒い破線の長方形で示されます。地図は、Python の Basemap パッケージと、ncei.noaa.gov/maps/bathymetry/ からダウンロードされた深浅地形データを使用して生成されました。

沖合地震に対する時間の増加と合わせて、DAS ベースの EEW は、いくつかの理由からポイントセンサーベースの EEW よりも優れたパフォーマンスを発揮する可能性があります。適切に結合されたファイバーセグメントに実装すると、多くの密集した DAS チャネルからのデータが平均化され、外れ値の影響が軽減され、局所的な影響が平滑化されるため、振幅推定の信頼性が高まります。 DAS は、地震の地震波場が数百メートルの長さのファイバーセグメントにほぼ瞬時に記録されるため、地震と騒音との確実な区別を容易にします。その結果、誤検出が減少し、地震位置特定機能に応じて、1 つのファイバーセグメントで早期警告を発するのに十分である可能性があります。

直接的な S 波は水平に設置されたファイバーによって検出されますが、直接的な P 波は通常検出されません (図 2a)。これは、その速度が速いことと、波の偏光とファイバーの軸の間の角度の結果です 13,56。対照的に、P波によって引き起こされた散乱波はよく記録されています（図2a、bの2〜6秒）。直接 P 波 (利用可能な場合)、S 波、散乱 P 波、S 波はすべてマグニチュード推定に使用されます。散乱は地球の媒質の不均一性に起因し、地域によって異なりますが、ひずみ速度を地面の加速度に変換するために波の見かけの速度を使用すると、マグニチュード推定に対するこの局所的な現象の影響が軽減されます。これらの散乱波が優勢であるため、地震の位置を特定するのが困難になります。これは、直接 P 波の代わりに散乱 P 波を使用すると、地震源ではなく散乱体の位置を示す可能性が高いためです。 P 波ベースのマグニチュードは通常過小評価されているため (図 2d)、誤警報を引き起こすとは予想されていませんが、事前に定義された警報しきい値を超えるには十分である可能性があります。 EEW の場合、センサーは予想される震源の近くに設置される必要があるため、ファイバーが地震発生場所に近ければ近いほど、信号対雑音比の高い S 波がより早く検出され、使用されます。大地震の場合、P 波に対する DAS の感度が低いことは、直接および散乱 P 波の飽和を制限するため、利点となります。

DAS は新興技術であるため、利用可能なデータセットには、EEW が被害の可能性を懸念する十分な地震が含まれていません。その結果、強い揺れ時の振幅飽和やファイバと地面の結合など、提案されたスキームのいくつかの技術的側面を完全に評価することができません。しかし、一般的に使用されている経験的なEEWアプローチ32、33、34とは異なり、提案されたスキームは理論的であり、広範囲の地震の遠方界放射を適切に記述することが判明した十分に確立された震源モデル41に依存しています。したがって、提案された方法が現在の地震データセットに対して機能することを示すことは、その有効性を証明するのに十分です。さらに、ここで行うように小規模な地震を考慮すると、誤警報に対するシステムの堅牢性が実証されます。 EEW にとって近距離記録の分析は厄介な問題です。完全な理論的枠組みはまだ開発されていないため57、このギャップに対処するには、線震源58の解決や地震源から離れたピーク地震動の外挿59などの他のアプローチをDASデータに適応させる必要があるかもしれません。

提示された物理学に基づくマグニチュード推定アプローチの導出には地震観測は必要ありませんでした。これは、DAS 地震観測の不足が経験的手法の導出を妨げているため、大きな利点です。地震が必要ないため、このアプローチは地理的に独立しており、ギリシャ、フランス、チリの地震を使用してここで実証されているように、沖合と陸上の両方のファイバーとさまざまな DAS インテロゲータユニットを使用して、あらゆる地殻変動環境に容易に適用できます。地震観測は、適切に結合されたファイバーセグメントをマッピングするためにのみ必要とされますが、この目的は周囲の騒音を使用して達成することもできます16。適切に結合されていないセグメントを使用すると、ひずみ振幅が弱い場合には大きさが過小評価されるか、セグメントが吊り下げられてケーブル波による強い振動を受ける場合には過大評価が生じる可能性があります60。このアプローチにより、継続時間の長い大地震を解析するための鍵となるマグニチュードと地震動の予測を継続的に更新することが可能になります。さらに、同じ地震モデルから導出される総合的なマグニチュード推定と地震動予測を使用することで、地震動予測に対する応力降下関連のマグニチュードバイアスの影響が軽減され、システム全体の堅牢性が向上します。

提示されたアプローチの計算コストは低いです。 DAS 収集では通常、非常に大きなデータ量が提供されますが、EEW では、データは時間と空間の両方で大幅にダウンサンプリングされるため、データ量と処理時間の両方が制限されます。たとえば、タイムリーでロバストな振幅推定値を取得するには、数キロメートルの間隔で事前に選択したよく結合したファイバー部分を使用するだけで十分です。この調査の目的のために、32 GB RAM を搭載した Intel Core i7 ラップトップ上の Python コードを使用して、事前に選択した DAS ファイバーセグメント (33 チャネル) の 180 秒間の録音を、約 20 Hz にダウンサンプリングし、約 136 秒で分析しました。単一のスレッド。これらの計算時間は、この方法がリアルタイムで有効であることを示しています。運用上の EEW システムの一部として将来実装する場合、コードのいくつかの側面を最適化し、並行して実行できます。たとえば、異なるファイバセグメントの計算に加えて、最も時間がかかるスラントスタック計算 (チャネルあたり約 4 秒) を並列化できます。後者は、マグニチュード推定に使用されるファイバーセグメントの数を増やすこともできます。

少数の地震では、ひずみ振幅はわずかな飽和を示しました。それにもかかわらず、マグニチュード推定により信頼性の高い地震動予測が可能になります (図 4)。この現象は既存の文献では十分に報告および調査されておらず、より高いひずみ振幅を解析し、より大きな地震に対して信頼性の高い警告を発する能力に影響を与える可能性があるため、定量化して対処する必要があります。 DAS の飽和は、EEW に対する DAS の実行可能性を完全に実証するために、DAS メーカーと協力して研究し、前処理および後処理方法を考案する必要があります。

この研究で提示されたフレームワークは、EEW に DAS を使用することの大きな可能性を示しています。ここで紹介するアプローチにより、あらゆる地殻環境において、海洋と陸上の両方の光ファイバーを使用した EEW の簡単、堅牢、迅速な実装が可能になります。具体的には、世界中の沈み込み帯に沿ってほぼ遍在している既存の海底光ファイバーを使用することで、特に露出した発展途上国にとって、安価ですぐに利用できるEEWソリューションが提供され、地震災害の軽減能力が大幅に向上します。

大地震の場合、つまり、高周波の減衰が無視できる場合、遠方界で記録された地盤変位の二乗平均平方根 (rms)、Drms、およびピーク地盤変位 (PGD) は、ほとんどが地震モーメントの関数です。 M0: \({D}_{rms}\propto PGD\propto {M}_{0}^{5/6}\Delta {\tau }^{1/6}\) 一方、対地速度 rms、Vrms、 PGV、加速度 rms、Arms、PGA も応力降下 Δτ に強く影響されます: \({V}_{rms}\propto PGV\propto {M}_{0}^{1/2} \Delta {\tau }^{1/2}\) と \({A}_{rms}\propto PGA\propto {M}_{0}^{1/3}\Delta {\tau }^{ 2/3}\) 24,40。 rms とピーク地震動の間の比例関係は統計理論に由来しており 61、以前の研究でも観察されています 40。 M0 と Δτ に関連する異なるパワーに注目してください。したがって、地面の変位は、速度や加速度と比較して、より優れた大きさの予測因子として機能します32、35、40。

スラントスタック 62 ベースのひずみから地面の動きへの変換スキーム 37 は、時間と空間の両方における見かけの位相速度の変動を考慮します。変換は、短く、ほぼ直線状のファイバーセグメントを使用して、ファイバーに沿った各 DAS チャネルに適用されます。ここでは、この最近提示されたアプローチ 37 が、リアルタイムパフォーマンス向けに修正および最適化されています。ファイバに沿って x0 に位置する DAS チャネルの見かけの遅さ px と時間 t の関数としての外観 (コヒーレンシ) は、次のように記述できます。

ここで、L は低速推定に使用される DAS チャネルの数、g(t) は DAS ひずみ速度時系列、xj-x0 はステーション j と基準チャネル (x0) の間の距離です。方程式 (2) は因果的傾斜スタックとみなすことができ、すでに記録されている g(t) のデータサンプルのみが考慮されます。

変換手順は次のように行われます。計算効率を高めるため、記録されたひずみレートは 20 Hz (または、元の信号のサンプリングレートに応じてわずかに高く) にダウンサンプリングされます。データは、高周波の機器ノイズを低減するために、4 極バターワースフィルターを使用して 5 Hz でローパスフィルター処理されます。適用されたダウンサンプリングとフィルタリングは、変換とその後の振幅推定の堅牢性を低下させることはありませんでした。ローカルスラントスタック変換は、長さ約 380 m のファイバーセグメント 37 、チャネル間隔約 20 m を使用して適用され、密な間隔の測定ではいくつかのチャネルをスキップします。使用されるファイバーセグメントは、数 km/s の速い速度で長い地震波の波長を解決するのに十分な長さであり、地震波がコヒーレントでファイバーのセクションがほぼ直線になるように十分に短いものです 37。 Semblance は、-5 s/km から 5 s/km までの等間隔にある 50 個の事前定義された遅さの値を使用して計算されます。各 t で、波面の遅さが最も類似性の高いものとして決定されます。生成された遅さの時系列は、その絶対値に 1 秒の因果的移動平均フィルターを適用することによって平滑化されます。次に、ひずみ速度時系列を速度時系列で除算して地面加速度を取得し、その後、追加の 5 Hz ローパスフィルターを適用します。最終的には変換されたひずみ速度の実効値に興味があるため、遅さの符号は破棄される可能性があります (「方法」の「帯域制限された地面加速度からの大きさの推定」を参照)。

遠方界実体波スペクトルを記述する一般的に使用されるオメガ二乗音源モデル 41 を使用して、地面加速度の rms の式を導出します（補足図 9 の灰色の破線曲線）。この導出手順は、以前のいくつかの研究で使用された手順に従います24、35、40、63、64、65、66。高周波減衰67を受ける加速度オメガ二乗モデル41（補足図9の灰色の点線）は次のようになります。

ここで、f0 はソースコーナー周波数、Ω0 は変位低周波スペクトルプラトー、κ は減衰パラメーターです。ひずみ速度は 5 Hz でローパスフィルター処理されるため、加速度 rms は式 2 を使用して計算されます。 (3) \({A}_{rms}=\sqrt{\frac{2}{T}{\int }_{f=0}^{f=5}{\left|\ddot{\Omega) として}\left(f\right)\right|}^{2}df}\) (補足図9の黒い破線)、ここで、Tはデータ間隔です。積分が解かれ、解析的近似が得られます (補足注 1 を参照)。スペクトルパラメータ Ω0 と f0 は、次の方法でそれぞれ地震モーメント 23 と応力降下 68 に置き換えられます。

ここで、ρ は波源での密度、C は波源での波の速度 (P 波と S 波の場合はそれぞれ CP と CS)、R は震源距離、Uφθ は平均放射パターン、FS は自由波です。 k は表面補正であり、k は相固有の定数であり、ソースモデルと破壊速度にも依存します42。式 (4b) は、均質な媒体に埋め込まれた円形の亀裂に当てはまります68。結果の式は次のようになります。

ここで、上付き文字の近似値は近似実効値を表します。 \({A}_{1}=\frac{{U}_{\varphi \theta }{F}_{s}\sqrt{\pi }}{\rho {C }^{3}}{\left(\frac{16}{7}\right)}^\frac{2}{3}{\left(k{C}_{S}\right)}^{2 }\), \({A}_{2}=\pi {\left(\frac{16}{7}\right)}^{1/3}k{C}_{S}\), \ (h\left({\alpha }_{m}\right)={e}^{-{\alpha }_{m}}\sqrt{\frac{1}{2}\left[-3-6 {\alpha }_{m}-6{\alpha }_{m}^{2}-4{\alpha }_{m}^{3}-2{\alpha }_{m}^{4} +3{e}^{2{\alpha }_{m}}\right]}\) と \({\alpha }_{m}=5\pi \kappa\)。

式 (5) は地震モーメントについて解析的に解くことができます。

ここで \({a}_{1}={A}_{1}{\Delta \tau }^\frac{2}{3}\sqrt{1-{e}^{-2{\alpha }_ {m}}}\frac{1}{R\sqrt{\kappa T}}\)、\({a}_{2}={A}_{rms}\)、\({a}_{ 3}=\frac{{A}_{rms}{A}_{2}^{2}\デルタ {\タウ }^\frac{2}{3}{\カッパ }^{2}\sqrt{ 1-{e}^{-2{\alpha }_{m}}}}{h\left({\alpha }_{m}\right)}\) および \({a}_{4}= {\left(3\sqrt{3\left(27{a}_{1}^{4}{a}_{3}^{2}+4{a}_{1}^{2}{a }_{2}^{3}{a}_{3}\right)}+27{a}_{1}^{2}{a}_{3}+2{a}_{2}^ {3}\右)}^\frac{1}{3}\)。モーメントの大きさは次のように書くことができます。

ここで、M0 は Nm で表されます。

一方、係数 \({a}_{1}\)、\({a}_{2}\)、\({a}_{3}\)、\({a}_{4}\)多くのパラメータが含まれていますが、リアルタイムで更新されるのはわずかです。Arms は新しいデータが記録されるたびに継続的に更新され、利用可能なデータ間隔 T は P 波の到着時に始まり時間とともに増加し、R は地震位置が改善されるにつれて更新されます。使用されるパラメータは 24: FS = 2、ρ = 2600 kg/m3、CS = 3.2 km/s、CP = 5.3 km/s、κ = 0.025 s、Uφθ は P 波と S 波でそれぞれ 0.52 と 0.63 に等しい 23、 k は、P 波と S 波でそれぞれ 0.32 と 0.21 に相当します42。 P 波と S 波の両方を含むデータ間隔の場合、各位相の相対間隔に基づいて位相固有の定数を平均する必要があります24。

ここで、const は Uφθ、C または k は P 波または S 波を表し、TS-P は SP データ間隔を表します。これらのパラメータを使用すると、\({a}_{1}\) と \({a}_{3}\) は次のように記述できます。

ここで、フェーズ固有の用語は括弧内に書かれています。

このアプリケーションでは、手動で識別された約 600 m のよく結合したファイバーセグメントをいくつか使用して、次のようにマグニチュードを推定します。各ファイバーセグメント内のひずみ速度は地面加速度に変換されます (「方法」の「リアルタイムのひずみ速度から地面加速度への変換」を参照)。 Arms は、P 波の到着時に開始して DAS チャネルごとに計算され、その後、外れ値の影響を最小限に抑えるために、タイムステップごとにファイバーセグメントごとに対数平均されます。 DAS はファイバーとインラインで波面を測定することしかできないため、Arms に \(\sqrt{2}\) を乗じて欠落している直交成分を補正します。次に、時間 T での平均化された Arms が式 (1) に入力されます。 (7) Δτ および R とともにマグニチュードを推定します。マグニチュード推定値は、平均アームが最大値に達するか、T = 60 秒に達するまで継続的に更新されます24。さまざまなファイバーセグメントからのマグニチュード推定値は、利用可能なデータ間隔によって重み付け平均され、イベント固有の推定値が得られます。

PGV および PGA の予測には、リアルタイムの振幅表現 (式 7) を取得するために使用したのと同じソースモデル 41 (式 3) を使用して導出された物理ベースの GMPE のセット 24,40 を使用します (「帯域制限からの振幅推定」を参照) 「方法」の「地面加速度」)。 PGV および PGA の GMPE は次のとおりです。

ここで \({\beta }_{V}=\frac{2\pi {U}_{\phi \theta }Fs\sqrt{\frac{16}{7}} {\left(k{C}_ {S}\right)}^\frac{3}{2}}{(\sqrt{2\pi }4\rho {C}_{S}^{3})}\) と \({\beta }_{A}=\frac{4\pi {U}_{\phi \theta }Fs{\left(\frac{16}{7}\right)}^{2/3}{\left(k {C}_{S}\right)}^{2}}{\left(\sqrt{\pi }4\rho {C}_{S}^{3}\right)}\)。これらの理論上の GMPE は、あらゆる地震領域に容易に適用できます。 S 波のパラメーター調整 (「方法」の「帯域制限された地面加速度からのマグニチュード推定」を参照) を使用すると、βV = 2.44 × 10–10 m1.5s1.5/kg および βA = 2.05 × 10–8 m2s/kg となります。

式の GMPE (10) は、さまざまな地震モーメント、応力降下、震源距離に対する合成 PGV および PGA を生成するために使用されます。合成アームは、加速スペクトルのrmsを計算することによって生成されます（補足図9）。これらのスペクトルは、式 1 を使用して特定の地震モーメント、応力降下、震源距離に対して生成されます。 (3) と (4) にはローパスフィルターが適用されます。フィルターは 2 つの方法でモデル化されます。モデル導出に使用されるクリーンカットオフ (補足図 9 の黒い点線) (「方法」の「帯域制限された地面加速度からの大きさの推定」を参照)、または理想的な 4 極バターワースとしてモデル化されます。 DAS 信号処理に使用されるものと同様のフィルター (補足図 9 の実線の黒い曲線)。

ギリシャにおける DAS 測定は、2019 年 4 月 18 ～ 19 日と 19 ～ 25 日の間、Febus A1 DAS インテロゲーターを使用して、長さ 13.2 km と 26.2 km のファイバーで実施され、それぞれ 6 ミリ秒と 5 ミリ秒でサンプリングされました。 2 本のファイバーのゲージ長と空間サンプリングは両方とも 19.2 m に設定されました。フランスでの DAS 測定は、2019 年 7 月 11 日から 31 日にかけて、長さ 44.8 km のファイバーで Aragon Photonics hDAS インテロゲータを使用して実施され、最初と最後の 10 日間はそれぞれ 10 ミリ秒と 2 ミリ秒でサンプリングされました。標点距離と空間サンプリングは両方とも 10 m に設定されました。チリでの DAS 測定は、2021 年 10 月 27 日から 12 月 3 日まで、ASN OptoDAS インテロゲータを使用して、長さ 204 km のファイバーで 8 ミリ秒でサンプリングされました。ゲージ長と空間サンプリングは両方とも 4.085 m に設定されました。 Febus および OptoDAS インタロゲータはひずみ速度を記録し、Aragon 装置は汚れを記録します。後者は、地面加速度に変換する前にひずみ速度に微分されました。

地震計と加速度計の記録を使用して、次のようにさまざまな地震の PGV と PGA を計算しました。ギリシャ、フランス、チリのデータは、それぞれアテネ国立天文台、RESIF リポジトリ、IRIS から取得されました。ポイントセンサーの 2 つの水平成分は、4 極バターワースフィルターを使用して 1 Hz でディメニングおよびハイパスフィルター処理され、その後、単純なゲイン補正が行われました。速度計の信号を微分して地上加速度を取得し、加速度計の記録を統合して地上速度を取得しました。微分と積分の後に追加のハイパスフィルターが適用されました。次に、PGV (PGA) が、2 つの速度 (加速度) 成分の絶対値の最大値の幾何平均として計算されました。関連する時系列の標準偏差の 5 倍より小さい PGV および PGA は、ノイズによって偏っている可能性があるため、破棄されます。

DAS 地震のサンプルは https://osf.io/4bjph/ で入手できます。

Allen, RM & Melgar, D. 緊急地震速報: 進歩、科学的課題、社会的ニーズ。アンヌ。地球惑星牧師。科学。 47、361–388 (2019)。

ADS CAS Google Scholar

Colombelli, S.、Carotenuto, F.、Elia, L. & Zollo, A. ネットワークベースの緊急地震警報システム (EEWS) 用のモバイルデバイスアプリの設計と実装: イタリア南部の PRESTo EEWS へのアプリケーション。ナット。ハザードアースシステム。科学。 20、921–931 (2020)。

ADS Google Scholar

Nof, RN、Lior, I. & Kurzon, I. イスラエルの緊急地震警報システム - 運用段階に向けて。フロント。地球科学 9 (2021)。

リチャルディ、A.、ブレテリー、Q.、ルーエ=ルデュク、B.、アンプエロ、J.-P. & Juhel, K. 弾性重力信号による地震の成長の瞬間的な追跡。自然 https://doi.org/10.1038/s41586-022-04672-7 (2022)。

記事 Google Scholar

Kuyuk, HS & Allen, RM 緊急地震速報のための最適な地震ネットワーク密度: カリフォルニアのケーススタディ。セイスモル。解像度レット。 84、946–954 (2013)。

Google スカラー

Wald、DJ 緊急地震速報の実際的な制限。アースq. スペクトル 36、1412–1447 (2020)。

Google スカラー

葵 S. 他 MOWLAS: 防災科学技術研究所の地震、津波、火山の観測ネットワーク。地球惑星スペース 72、126 (2020)。

ADS Google Scholar

シュレジンジャー、A.ら。ブリティッシュコロンビア州南西部の緊急地震警報システム。フロント。地球科学 9 (2021)。

Zhan、Z. 分散型音響センシングにより、光ファイバーケーブルが敏感な地震アンテナに変わります。セイスモル。解像度レット。 91、1–15 (2020)。

Google スカラー

フェルナンデス・ルイス、MR 他地表近くから深海までの分散型音響センシングによる地震監視。 J.ライト。テクノロジー。 40、1453–1463 (2022)。

ADS Google Scholar

ニュージャージー州リンゼイ、H. ラデマッカー、JB アジョ・フランクリン光ファイバー DAS アレイの広帯域機器応答について。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 125、(2020)。

ファンデンエンデ、MPA & アンプエロ、J.-P. 分散型音響センシングアレイの地震ビームフォーミング機能の評価。ソリッドアース 12、915–934 (2021)。

ADS Google Scholar

リオル、I.ら。水中分散型音響センシングの検出能力について。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース126（2021）。

Yuan, S.、Lellouch, A.、Clapp, RG & Biondi, B. 路側分散型音響検知アレイを使用した表面付近の特性評価。鉛。エッジ 39、646–653 (2020)。

Google スカラー

ウィリアムズ、EF 他。海底DASによるショルテ波反転と受動的音源イメージング。鉛。エッジ 40、576–583 (2021)。

Google スカラー

Lior, I.、Mercerat, ED、Rivet, D.、Sladen, A. & Ampuero, J. 光ファイバー分散音響センシングを使用した水中盆地とその共鳴モードのイメージング。セイスモル。解像度レット。 93、1573–1584 (2022)。

Google スカラー

スピカ、ZJ 他海底分散音響センシングと水相残響による地下イメージング。地球物理学。解像度レット。 49、(2022)。

Papp, B.、Donno, D.、Martin, JE & Hartog, AH 実験室規模の実験による分散型光ファイバー音響センサーの地球物理学的応答の研究: 光ファイバーセンサーの地球物理学的応答。地球物理学。見通し。 65、1186–1204 (2017)。

ADS Google Scholar

Sladen、A. et al. 海底通信ケーブル上の地震と海洋と固体地球の相互作用の分散センシング。ナット。共通。 10、1–8 (2019)。

ADS Google Scholar

Lellouch, A. & Biondi, BL ダウンホール DAS の耐震用途。センサー 21、2897 (2021)。

ADS CAS Google Scholar

Li, Z. & Zhan, Z. 分散音響センシングとテンプレートマッチングによる地震検出の限界の押し上げ: Brady 地熱フィールドでのケーススタディ。地球物理学。Ｊ．Ｉｎｔ． 215、1583–1593 (2018)。

ADS Google Scholar

Singh, S.、Capdeville, Y. & Igel, H. 局所的な小規模な不均一性の影響に対する波面勾配の修正。地球物理学。Ｊ．Ｉｎｔ． 220、996–1011 (2020)。

ADS Google Scholar

Aki, K. & Richards、PG Quantitative Seismology (University Science Books、2002)。

Google スカラー

Lior, I. & Ziv, A. 緊急地震速報のための一般震源パラメーターの決定と地震動予測緊急地震速報のための一般震源パラメーターの決定と地震動予測。ブル。セイスモル。社会午前。 110、345–356 (2020)。

Google スカラー

Worden, CB、Gerstenberger, MC、Rhoades, DA & Wald, DJ カリフォルニアにおける地動パラメータと修正されたメルカリ強度の間の確率的関係。ブル。セイスモル。社会午前。 102、204–221 (2012)。

Google スカラー

Satriano, C.、Lomax, A.、Zollo, A. 緊急地震速報のためのリアルタイムの進化的地震位置。ブル。セイスモル。社会午前。 98、1482–1494 (2008)。

Google スカラー

Lomax, A.、Satriano, C. & Vassallo, M. 自動ピッカーの開発と最適化: FilterPicker – リアルタイムの地震監視と緊急地震警報のための堅牢な広帯域ピッカー。セイスモル。解像度レット。 83、531–540 (2012)。

Google スカラー

アイザーマン、AS、ジブ、A.、およびヴストブロッホ、HG 地域緊急地震警報のためのアレイベースの地震位置: 死海変換のケーススタディ。ブル。セイスモル。社会午前。 108、2046–2053 (2018)。

Google スカラー

Li, Z.、Meier, M.-A.、Hauksson, E.、Zhan, Z. & Andrews, J. 機械学習による地震波識別: 緊急地震速報への応用。地球物理学。解像度レット。 45、4773–4779 (2018)。

ADS Google Scholar

Lellouch, A.、Yuan, S.、Spica, Z.、Biondi, B. & Ellsworth, WL 受動的ダウンホール分散音響センシング記録を使用した地震速度推定: 深度のサンアンドレアス断層観測所の例。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 124、6931–6948 (2019)。

Google スカラー

Nayak、A.、Ajo-Franklin、J.、およびインペリアルバレーダークファイバーチーム。ダークファイバーを使用した分散型音響センシングによる地域地震のアレイ検出。セイスモル。解像度レット。 92、2441–2452 (2021)。

Kuyuk, HS & Allen, RM 緊急地震速報アラートのマグニチュード推定値を提供するグローバルなアプローチ: 緊急地震速報のマグニチュード。地球物理学。解像度レット。 40、6329–6333 (2013)。

ADS Google Scholar

Sadeh, M.、Ziv, A.、Wust-Bloch, H. イスラエルにおける緊急地震速報のリアルタイムマグニチュードプロキシ。地球物理学。Ｊ．Ｉｎｔ． 196、939–950 (2014)。

ADS Google Scholar

Nazeri, S.、Shomali, ZH、Colombelli, S.、Elia, L. & Zollo, A. イランのテヘランに適用された緊急地震速報の初期 P 波の積分振幅と周波数成分に基づくマグニチュード推定。ブル。セイスモル。社会午前。 107、1432–1438 (2017)。

Google スカラー

Lior, I.、Ziv, A. & Madariaga, R. 緊急地震速報に影響を与える P 波の減衰。ブル。セイスモル。社会午前。 106、13–22 (2016)。

Google スカラー

Ziv, A. & Lior, I. リアルタイムのモーメントの大きさと応力の低下は、リアルタイムの揺れ予測に影響を及ぼします。ブル。セイスモル。社会午前。 106、2459–2468 (2016)。

Google スカラー

リオル、I.ら。地震のマグニチュードと応力降下を決定するための分散音響センシングデータのひずみから地動への変換。 Solid Earth 12、1421–1442 (2021)。

ADS Google Scholar

Daley, TM、Miller, DE、Dodds, K.、Cook, P. & Freifeld, BM アラバマ州シトロネルでの分散音響センシングと受振器の垂直地震プロファイルを同時に使用したモジュラーボアホールモニタリングのフィールドテスト: MBM のフィールドテスト。地球物理学。見通し。 64、1318–1334 (2016)。

ADS Google Scholar

王、HF 他。同じ場所に配置された分散音響センシングと地震計アレイを使用した、ML 4.3 地震に対する地動応答。地球物理学。Ｊ．Ｉｎｔ． 213、2020–2036 (2018)。

ADS Google Scholar

Lior, I. & Ziv, A. 地震動、震源パラメータ、および減衰の関係: 震源パラメータの反転と地震動予測方程式の意味。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 123、5886–5901 (2018)。

ADS Google Scholar

ブルーヌ、JN 地殻応力と地震による地震せん断波のスペクトル。Ｊ．Ｇｅｏｐｈｙｓ．解像度 75、4997–5009 (1970)。

ADS Google Scholar

Madariaga、R. 拡大する円形断層のダイナミクス。ブル。セイスモル。社会午前。 66、639–666 (1976)。

Google スカラー

ファンデンエンデ、M. 他分散音響センシングデータのブラインドノイズ除去と波形コヒーレンス強化のための自己教師あり深層学習アプローチ。 IEEEトランス。ニューラルネットワーク。学ぶ。システム。 1–14 (2021) https://doi.org/10.1109/TNNLS.2021.3132832。

ゲリン、G.ら。南西アルプスとリグーリア縁辺の高解像度周囲騒音トモグラフィー。地球物理学。Ｊ．Ｉｎｔ． 220、806–820 (2020)。

ADS Google Scholar

アホ・フランクリン、JB 他ダークファイバーを使用した分散型音響センシングにより、地表近くの特性評価と広帯域地震イベント検出を実現します。科学。議員9号（2019年）。

Atterholt, J.、Zhan, Z.、Shen, Z.、Li, Z. 分散音響センシングのための統一波面分割アプローチ。地球物理学。Ｊ．Ｉｎｔ． 228、1410–1418 (2021)。

ADS Google Scholar

Fernández-Ruiz、MR、Costa、L.、Martins、HF チャープパルス位相感応型 OTDR テクノロジーを使用した分散音響センシング。センサー 19、4368 (2019)。

ADS Google Scholar

Oth, A.、Miyake, H.、Bindi, D. 地震応力低下と地震動変動の関係について。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 122、5474–5492 (2017)。

ADS Google Scholar

Trugman, DT & Shearer, PM サンフランシスコ・ベイエリアで最近発生した M 1 ～ 4 の地震における応力降下と最大地盤加速度の間には強い相関関係があります。ブル。セイスモル。社会午前。 108、929–945 (2018)。

Google スカラー

Trugman、DT、Page、MT、Minson、SE、Cochran、ES ピーク地盤変位は予想どおりに飽和します: 緊急地震速報への影響。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 124、4642–4653 (2019)。

ADS Google Scholar

金子 Y. & シアラー PM 対称および非対称の円形および楕円形の破壊の融着帯モデルから導出された震源スペクトル、推定応力降下、および放射エネルギーの変動。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 120、1053–1079 (2015)。

ADS Google Scholar

Trugman, DT & Shearer, PM 南カリフォルニアにおける震源スケーリングを調べるための改良されたスペクトル分解法の適用: 南カリフォルニアにおける地震源スケーリング。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 122、2890–2910 (2017)。

ADS Google Scholar

Shearer, PM、Abercrombie, RE、Trugman, DT & Wang, W. P 波スペクトルからコーナー周波数と応力降下を推定するための EGF 法の比較。Ｊ．Ｇｅｏｐｈｙｓ．解像度ソリッドアース 124、3966–3986 (2019)。

ADS Google Scholar

ダイヒマン、N. 局地的な規模、瞬間を再訪。ブル。セイスモル。社会午前。 96、1267–1277 (2006)。

Google スカラー

コーラー医学博士ら。緊急地震速報 ShakeAlert 2.0: パブリックロールアウト。セイスモル。解像度レット。 91、1763–1775 (2020)。

Google スカラー

マテエバ、A.ら。垂直地震プロファイリングによる貯留層モニタリングのための分散型音響センシング: VSP による貯留層モニタリングのための分散型音響センシング (DAS)。地球物理学。見通し。 62、679–692 (2014)。

ADS Google Scholar

Madariaga, R.、Ruiz, S.、Rivera, E.、Leyton, F.、Baez, JC 大地震の近接場スペクトル。ピュアアプリ。地球物理学。 176、983–1001 (2019)。

ADS Google Scholar

Böse, M.、Heaton, TH & Hauksson, E. 大地震用のリアルタイム有限断層破壊検出器 (FinDer)。地球物理学。Ｊ．Ｉｎｔ． 191、803–812 (2012)。

ADS Google Scholar

小寺裕也ほか局所非減衰運動の伝播 (PLUM) 手法: 緊急地震速報のためのシンプルで堅牢な地震波場推定アプローチ。ブル。セイスモル。社会午前。 108、983–1003 (2018)。

Google スカラー

Munn、JD、Coleman、TI、Parker、BL、Mondanos、MJ、Chalari、A. 改良された浅層分散型音響センサー VSP のための新しいケーブル結合技術。Ｊ．Ａｐｐｌ．地球物理学。 138、72–79 (2017)。

ADS Google Scholar

Van Houtte, C.、Larkin, T. & Holden, C. ランダム振動理論の地震ハザードの適用における持続時間、ピーク係数、および非定常性補正について。ブル。セイスモル。社会午前。 108、418–436 (2018)。

Google スカラー

Taner, MT、Koehler, F.、Sheriff, RE 複雑な地震痕跡解析。地球物理学 44、1041–1063 (1979)。

ADS Google Scholar

Hanks、TC b 値および ω −γ 震源モデル: 活断層帯に沿った地殻応力変動と高周波強地震動の推定への影響。Ｊ．Ｇｅｏｐｈｙｓ．解像度 84、2235 (1979)。

ADS Google Scholar

McGuire, RK & Hanks, TC カリフォルニア州サンフェルナンド地震時の強震動の RMS 加速度とスペクトル振幅。ブル。セイスモル。社会午前。 70、1907 ～ 1919 年 (1980 年)。

Google スカラー

ルコ、JE 放射スペクトルのモデルに基づく強震動推定について。ブル。セイスモル。社会午前。 75、641–649 (1985)。

Google スカラー

Lior, I. & Ziv, A. 地面の加速度と震源パラメータの関係: 理論と観測。ブル。セイスモル。社会午前。 107、1012–1018 (2017)。

Google スカラー

Anderson, JG & Hough, SE 高周波数での加速度のフーリエ振幅スペクトルの形状のモデル。ブル。セイスモル。社会午前。 74、1969 ～ 1993 (1984)。

Google スカラー

Eshelby, JD 楕円体介在物の弾性場の決定と関連問題。手順 R. Soc. ロンド。サー。数学。物理学。科学。 241、376–396 (1957)。

ADS MathSciNet MATH Google Scholar

リファレンスをダウンロードする

このプロジェクトは、欧州連合の Horizon 2020 研究・イノベーションプログラム (助成契約番号 101041092) に基づいて欧州研究評議会 (ERC) から、国立研究庁 (ANR) が管理する UCAJEDI の未来への投資プロジェクトから資金提供を受けています。参照番号 ANR-15-IDEX-01、コートダジュール天文台より。インフラへのアクセスを提供してくれた GTD Grupo SA と、物流を手伝ってくれた el Centro Sismologico Nacional のスタッフに感謝します。

ヘブライ大学地球科学研究所、エルサレム、イスラエル

イツァーク・リオール

コートダジュール大学、コートダジュール天文台、CNRS、IRD、ジオアズール、ヴァルボンヌ、フランス

ダイアン・リベット、ジャン＝ポール・アンプエロ、アンソニー・スレデン

国立地震学センター、チリ大学、サンティアゴ、チリ

セルヒオ・バリエントス & ロドリゴ・サンチェス・オラバリア

Gtd Grupo SA、サンティアゴ、チリ

ドイツ人アルベルト・ビジャロエル・オパソ & ホセ・アントニオ・ブスタマンテ・プラド

PubMed Google Scholar でこの著者を検索することもできます

IL は、提示されたアルゴリズムを設計し、分析を実行し、最初の草案を書きました。 DR、JPA、AS は、議論、方法論、解釈、結果の提示に貢献しました。 DR、JPA、AS、SB、RSO、GAVO、JABP が DAS 測定の実施に参加しました。

イツァーク・リオルへの通信。

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

リオール、I.、リベット、D.、アンプエロ、JP。他。光ファイバー分散音響センシングを緊急地震警報に利用するためのマグニチュード推定と地震動予測。 Sci Rep 13、424 (2023)。 https://doi.org/10.1038/s41598-023-27444-3

引用をダウンロード

受信日: 2022 年 9 月 23 日

受理日: 2023 年 1 月 2 日

公開日: 2023 年 1 月 9 日

DOI: https://doi.org/10.1038/s41598-023-27444-3

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

ニュース

光ファイバー分散音響センシングを緊急地震警報に利用するためのマグニチュード推定と地震動予測