[論文レビュー] The contribution of pattern recognition of seismic and morphostructural data to seismic hazard assessment

Antonella Peresan, A. I. Gorshkov+2 more|arXiv (Cornell University)|Jan 1, 2015

earthquake and tectonic studies参考文献 82被引用数 29

ひとこと要約

本稿では、形態構造的データ解析と時間依存性地震活動性予測（CNおよびM8Sアルゴリズムを用いて）を統合した多スケールでパターン認識に基づく手法を提示し、ネオ・デターミニスティック地震ハザード評価（NDSHA）と統合することで、地震ハザードマップの精度を向上させることを目的としている。本研究では、これらの手法を統合することで、高リスク地域のより正確な特定と、2012年エミリア地震（M=6.1）のような大規模地震の予測的成功事例が得られることを示している。PSHAではハザードが低く評価されていたが、本手法ではそのリスクを適切に捉えることができた。

ABSTRACT

Experience from the destructive earthquakes worldwide, which occurred over the last decade, motivated an active debate discussing the practical and theoretical limits of the seismic hazard maps based on a classical probabilistic seismic hazard approach (PSHA). Systematic comparison of the observed ground shaking with the expected one, in fact, shows that such events keep occurring where PSHA predicted seismic hazard to be low. Amongst the most debated issues is the reliable statistical characterization of the spatial and temporal properties of large earthquakes occurrence, due to the unavoidably limited observations from past events. We show that pattern recognition techniques allow addressing these issues in a formal and testable way and thus, when combined with physically sound methods for ground shaking computation, like the neo-deterministic approach (NDSHA), may produce effectively preventive seismic hazard maps. Pattern recognition analysis of morphostructural data provide quantitative and systematic criteria for identifying the areas prone to the largest events, taking into account a wide set of possible geophysical and geological data, whilst the formal identification of precursory seismicity patterns (by means of CN and M8S algorithms), duly validated by prospective testing, provides useful constraints about impending strong earthquakes at the intermediate space-time scale. According to a multi-scale approach, the information about the areas where a strong earthquake is likely to occur can be effectively integrated with different observations (e.g., geodetic and satellite data), including regional scale modelling of the stress field variations and of the seismic ground shaking, so as to identify a set of priority areas for detailed investigations of short-term precursors at local scale and for microzonation studies. Results from the pattern recognition of earthquake prone areas (M>=5.0) in the PO Plain (northern Italy), as well as from prospective testing and validation of the time-dependent NDSHA scenarios are presented, including the case of the May 20, 2012 Emilia earthquake.

研究の動機と目的

• 近年の破壊的地震がPSHAの予測を上回ったことに鑛えて、低ハザード地域における大規模地震の予測に課される古典的PSHAの限界を是正すること。
• 歴史的地震記録が乏しい状況下でも、地震発生リスク地域を特定し、直近の強い地震を予測する形式的かつ検証可能な手法を開発すること。
• 地質学的・地球物理学的データのパターン認識と時間依存性NDSHAシナリオを統合することで、より信頼性の高い予防的地震ハザードマップを生成すること。
• 特定の優先地域を特定し、詳細なモニタリングに向けた高解像度のマイクロゾネーションと短期的前兆研究を可能にすること。

提案手法

• 断層系、構造的ラインメンツ、亀裂帯などの形態構造的データを用いて、パターン認識技術を適用し、M≥5.0の大きな地震が発生する可能性の高い地域を定量的に同定する。
• CNおよびM8Sアルゴリズムを用いて、空間的・時間的側面で統計的に妥当な前兆的地震活動パターンを検出することで、中規模のスケールで直近の強い地震を予測する。
• 識別された高リスク地域と測地学的・人工衛星データを統合し、地域スケールでの応力場の変化および地表面変形をモニタリングする。
• パターン認識の出力結果とネオ・デターミニスティック地震ハザード評価（NDSHA）手法を統合し、波動伝播の物理的モデルに基づいた現実的な地盤動揺れシナリオを再現する。
• 2012年エミリア地震を含む歴史的データを用いて、時間依存性NDSHAシナリオのプロスペクティブなテストと検証を実施する。
• 地域の応力場モデリングと局所的マイクロゾネーションおよび短期的前兆調査を結びつける多スケールフレームワークを適用する。

実験結果

リサーチクエスチョン

• RQ1 形態構造的データのパターン認識は、活動的で高い地震リスクを有する地域（M≥5.0）を信頼性を持って同定できるか？
• RQ2 CNおよびM8Sアルゴリズムは、中規模の空間的・時間的スケールで、有効かつプロスペクティブな強い地震の予測をどの程度可能にするか？
• RQ3 パターン認識とNDSHAを統合することで、古典的PSHAと比較して地震ハザードマップの精度がどの程度向上するか？
• RQ4 提案された多スケール手法は、詳細な短期的前兆モニタリングおよびマイクロゾネーション研究の優先地域を効果的に特定できるか？
• RQ5 2012年エミリア地震（M=6.1）は、提案されたパターン認識およびNDSHAフレームワークを用いて予測可能であったか？

主な発見

• ポー平野（北イタリア）における形態構造的データのパターン認識は、M≥5.0の地震に対して高リスク地域を的確に同定し、ハザードゾーニングの定量的根拠を提供した。
• CNおよびM8Sアルゴリズムのプロスペクティブなテストは、2012年エミリア地震を含む主要な地震の直前に前兆的地震活動パターンを検出できることを示した。
• パターン認識によって情報提供された時間依存性NDSHAシナリオは、2012年エミリア地震時に観測された地盤動揺れレベルを正確に再現し、本手法の妥当性を裏付けた。
• 形態構造的パターンと測地学的・人工衛星データの統合により、近い将来の地震発生に関連する地域的応力場の変化を同定できた。
• 多スケールフレームワークは、2012年エミリア断層周辺の地域など、特定の地域を詳細な局所スケールのモニタリングおよびマイクロゾネーション研究の優先対象として的確に特定した。
• 本研究の結果は、本手法が、リアルタイムおよび歴史的データからの物理的・統計的制約を統合することで、PSHAの主な限界を克服し、より信頼性の高いハザード評価を可能にすることを示している。