Nieuwe inzichten: aardverschuivingsvoorspelling na Sichuan-aardbeving met GNSS- en MEMS-data

AmsterdamOnderzoekers gebruikten gegevens van Global Navigation Satellite Systems (GNSS) om aardverschuivingen te voorspellen na een aardbeving met een magnitude van 6.8 in Luding County, in de provincie Sichuan in 2022. Hun methoden konden ongeveer 80% van de locaties van aardverschuivingen correct identificeren binnen ongeveer 40 minuten. Deze aanpak zou kunnen helpen om de reactietijd bij rampen te verbeteren en de schade door toekomstige aardbevingen te verminderen.

De aardbeving in Luding veroorzaakte meer dan 6.000 aardverschuivingen en trof een gebied van ongeveer 3.500 vierkante kilometer. Gezien het landschap en de frequentie van aardbevingen in dit gebied, was de schade groot maar niet onverwacht. Doorlopend toezicht en betere voorspellingsmethoden zijn essentieel om de regio beter te equiperen tegen aardverschuivingsrisico's.

Belangrijke bevindingen van het onderzoek zijn onder andere:

• GNSS-data kan grondbeweging tijdens een aardbeving meten.
• Onderzoekers hebben een methode ontwikkeld om slipmodellen te construeren met GNSS-data.
• Simulaties gebaseerd op natuurkunde gebruiken deze modellen om de piekgrondsnelheid te meten.
• Een machine learning algoritme voorspelt de ruimtelijke verdeling van aardverschuivingen.

China maakt gebruik van meer dan 10.000 goedkope accelerometers, genaamd MEMS, in zijn aardbevingswaarschuwingssysteem. Door data van deze MEMS-apparaten te combineren met GNSS-gegevens, verbetert de nauwkeurigheid van aardverschuivingsvoorspellingen. Deze gecombineerde aanpak zorgt voor een uitgebreide monitoring.

De resultaten tonen aan dat GNSS-gegevens snel kunnen helpen bij het voorspellen van aardverschuivingen. Deze nieuwe technologieën kunnen onze reactie op rampen aanzienlijk verbeteren.

Lees ook:

Gisteren · 12:21

Verborgen dieptegeheimen: Arima-bronwater en aardbevingsrisico

Door GNSS te combineren met MEMS-gegevens wordt het monitoringssysteem sterker. Deze gecombineerde benadering kan het aantal valse alarmen verminderen en zorgt voor nauwkeurigere voorspellingsmodellen voor aardverschuivingen. Naarmate computers sneller worden, zullen deze voorspellingen sneller kunnen worden gemaakt, wat snellere reacties mogelijk maakt.

Dit onderzoek kan van nut zijn voor andere regio's met vergelijkbare aard en aardbevingsrisico's, niet alleen voor de provincie Sichuan. Toepassing van deze technologie wereldwijd zou de manier waarop we omgaan met aardverschuivingen door aardbevingen wezenlijk kunnen veranderen.

Toekomstig onderzoek zou zich moeten richten op een aantal belangrijke punten:

• Verhogen van de nauwkeurigheid en snelheid van GNSS-methoden.
• GNSS-gegevens verder integreren met andere sensorgegevens zoals MEMS.
• Uitbreiden van het geografische bereik van voorspellende modellen.
• Machine learning-algoritmen trainen met een diverser scala aan aardbevingen.

Dit onderzoek toont belangrijke vooruitgang in het beheer van natuurrampen. Het gebruik van GNSS om aardverschuivingen te voorspellen kan helpen de schade door aardbevingen te verminderen. Naarmate de technologie verbetert, worden we beter in het beschermen van mensen en eigendommen tegen deze gevaren.