[論文レビュー] Evaluating the SAIPy Performance using a Local Seismic Network for Volcano-Tectonic Earthquakes Monitoring

Claudia Quinteros-Cartaya, Francisco Javier Núñez-Cornú+1 more|arXiv (Cornell University)|Feb 1, 2026

Seismology and Earthquake Studies被引用数 0

ひとこと要約

The paper evaluates SAIPy, an open-source deep learning seismic data analysis package, in a local seismic-network setting to monitor volcano-tectonic earthquakes and integrates single-station outputs for multi-station event association.

ABSTRACT

In this study, we evaluated the performance of SAIPy, an open-source Python package for deep learning-based seismic data analysis, by applying its single-station monitoring tools and extending its use to a seismic network based approach, using data from a local seismic network deployed in a Caldera. Although the integrated models into SAIPy for earthquake detection,magnitude estimation, seismic phase picking, and P-wave polarity classification, were originally trained on tectonic signals, we assess their performance in a more complex seismic environment that includes volcano-tectonic events, along with signal interference from distant earthquakes.We also demonstrate the advantages of integrating outputs using multiple stations to improve event detection. SAIPy was able to identify a significantly larger number of local events than those included in previously published catalogs. SAIPy demonstrated reliable phase picking and P-wave polarity estimation, particularly for local volcano-tectonic events, with some limitations observed in the magnitude estimation for complex volcanic signals. These results support the utility of SAIPy for processing continuous seismic data and suggest that future retraining using data with physically standardized units, removing instrumental response, and including data from more diverse seismic sources, could improve its generalization for magnitude estimation to complex scenarios and different seismic networks and sensor types.

研究の動機と目的

• SAIPyの火山-断層地震データに対する本来の地殻トレーニング範囲を超えた性能を評価する。
• SAIPyの単一ステーション出力をネットワーク全体でクラスタリングし、イベント検出を改善できるか検証する。
• 火山環境における振幅推定（Magnitude）と位相選択の長所と制限を特定する。
• SAIPy出力を用いたネットワークベースの枠組みを示し、地震イベントの結合とカタログ完全性を向上させる。

提案手法

• SAIPyのコアモデル（CREIME_RT：検出とマグニチュード、DynaPicker_v2：P波・S波のピーク選択、PolarCAP：初動極性）を局所の9ステーション地震ネットワークのデータに適用する。
• 訓練データと一致させるための前処理（3成分 E,N,Z；100 Hz サンプリング；1–45 Hz バンドパス）。
• 各ステーションで単一ステーション監視を実施し、その後ステーション間の時間ベースのP到達アソシエーションで検出をイベントへクラスタリング。
• 検出をグルーピングするための時間的近接閾値 Delta t_max を用いた事前クラスタリング Stepを実施し、クラスター間のパターンを用いたステーション間照合で重複クラスタを精査。
• 断層地域の地震・火山-断層地震・火山性信号、遠方 Mw 8.2 の後震を含む性能を評価。
• 出力はステーションごとのプロット、CSVサマリー、および下流解析用の辞書構造化されたマルチステーション結果として報告する。

実験結果

リサーチクエスチョン

• RQ1 SAIPyは地震信号で訓練された場合、局所の火山-断層イベントを検出・マグニチュード推定できるか。
• RQ2 複数の近接ステーションからのSAIPy出力を統合するとイベント検出が改善され、誤検出が減少するか。
• RQ3 この枠組みで火山性・ swarm 型地震の位相選択とマグニチュード推定にはどのような制限があるか。
• RQ4 多ステーションクラスタリングは密集地震ネットワークで未カタログ化の局所イベントを回復できるか。

主な発見

• SAIPyは、特定の時期のデータ窓に対して、以前に公開されたカタログよりもかなり多くの局所イベントを同定した。
• 位相選択とP波極性推定は、マルチステーションクラスタリングを用いた場合に特に局所の火山-断層イベントで信頼性が高かった。
• マグニチュード推定はステーション間でばらつきを示し、一部のケースでは約0.9マグニチュード単位の差が見られた。
• S波のピークが複雑な火山信号や固定解析窓内でSが明瞭でない場合、遠距離イベントで信頼性が低くなることがある。
• この手法はこれまで検出されていなかった局所イベントを回復することでカタログ完全性を高めるが、訓練データが生のカウント値であることと局所サイト効果の影響によりMagnitudeバイアスが残る。