Suite

8.12 : Prédiction sismique et sismique - Géosciences


La sismicité est l'étude de la fréquence à laquelle les tremblements de terre se produisent dans une zone particulière, quels types de tremblements de terre s'y produisent et pourquoi.

Aux États-Unis, les zones les plus fréquemment touchées par les tremblements de terre sont la côte de la Californie, de l'Oregon et de Washington, la côte sud et les îles Aléoutiennes d'Alaska, d'Hawaï et la montagne à l'ouest des montagnes Rocheuses jusqu'à la côte du Pacifique. Le centre et l'est des États-Unis connaissent rarement des tremblements de terre importants.

Les épicentres des tremblements de terre compilés sur une carte montrent que, à l'échelle mondiale, la plupart des tremblements de terre se produisent autour du bord de l'océan Pacifique, dans les montagnes du sud de l'Asie, de la Chine au Moyen-Orient, et dans la région de la mer Méditerranée. Les épicentres des tremblements de terre tracent également les dorsales médio-océaniques à travers les planchers des océans.

Étant donné que presque tous les séismes se produisent sur des failles, la détermination des risques sismiques à une échelle plus fine consiste en grande partie à identifier, cartographier et étudier les failles actives dans chaque état ou région. Cependant, de nombreuses failles actives sont cachées, soit parce que les escarpements qu'elles ont formés à la surface ont été érodés ou recouverts de sédiments, de sol et de végétation, soit parce qu'il s'agit de failles aveugles. Une faille cachée n'est souvent pas identifiée et localisée jusqu'à ce qu'un ou plusieurs séismes importants se soient produits dessus et que les ondes sismiques aient été étudiées pour déterminer son emplacement et le type de mouvement de la faille.

Les informations utilisées pour déterminer la sismicité d'une zone comprennent :

  • fréquence des séismes dans le passé, déduite de :
    • enregistrements historiques
    • études géologiques qui examinent les preuves de l'enregistrement des séismes préhistoriques
  • localisation des défauts actifs connus
  • données sismologiques recueillies sur les tremblements de terre récents qui se sont produits dans la région
  • cadre tectonique de la zone en termes de proximité des limites des plaques, et informations sur les limites des plaques si l'on est à proximité
  • contrainte et déformation subies par la croûte dans cette zone sur la base de mesures effectuées à partir d'un équipement GPS et de mesures de contrainte et de déformation effectuées dans des trous de forage
  • couches et structures géologiques souterraines dans cette zone basées sur des coupes transversales de la cartographie géologique, des données de forage et de l'imagerie à distance des couches plus profondes de la croûte et du manteau

Sur la base de ces informations, le risque sismique d'une zone particulière peut être quantifié statistiquement. Par exemple, les probabilités qu'un tremblement de terre majeur se produise au cours du prochain siècle, ou au cours des 10 prochaines années, peuvent être estimées pour une zone sismique spécifique.

Cependant, aucune méthode scientifique n'a encore été développée qui puisse prédire avec précision quand le prochain tremblement de terre dans une région spécifique se produira, où il se produira, ou quelle sera sa magnitude. Les scientifiques se sont penchés sur l'utilisation d'indicateurs d'avant-séisme tels que l'inclinaison du sol, les changements de niveau d'eau des puits, les changements de radon dans les eaux souterraines à proximité des zones de failles, les changements de conductivité électrique dans la terre autour des failles, les changements ou les modèles d'activité sismique qui peuvent être mesuré par des sismomètres même s'il n'est pas ressenti par l'homme, et un comportement animal étrange qui, selon de nombreuses anecdotes en grande partie non confirmées, se déroule avant un tremblement de terre. Mais, jusqu'à présent, aucun de ces types de données n'a permis de prévoir des tremblements de terre fiables.

Les gens ont également étudié les corrélations entre les tremblements de terre et les phases de la Lune, les tremblements de terre et l'heure de la journée (comme l'aube lorsque le Soleil brille pour la première fois sur le sol), etc. Aucun lien n'a été trouvé entre les séismes et ces autres types de phénomènes.

Dans l'état actuel de l'étude de la sismicité, nous pouvons identifier les zones terrestres qui subiront des tremblements de terre majeurs au cours des décennies et des siècles à venir, nous pouvons délimiter les zones terrestres exposées aux types de tremblements de terre les plus puissants et cartographier les zones côtières qui sont les plus à risque d'être inondés par un tsunami, mais nous ne pouvons pas déterminer à l'avance la date ou le lieu du prochain séisme majeur.

QUESTIONS DE RÉFLEXION

  • Quelle compétence ce contenu vous aide-t-il à développer ?
  • Quels sont les sujets clés abordés dans ce contenu ?
  • Comment le contenu de cette section peut-il vous aider à démontrer la maîtrise d'une compétence spécifique ?
  • Quelles questions vous posez-vous sur ce contenu ?

Depuis 2000, il y a eu 51 tremblements de terre importants qui ont causé plus de 3,4 milliards de dollars de dommages et 31 décès aux États-Unis. 1 Alors que les grands tremblements de terre constituent une menace importante le long de la côte ouest et en Alaska, ils peuvent également affecter le centre et l'est des États-Unis, comme ils l'ont fait lors des tremblements de terre de 1811 et 1812 à New Madrid et de 1886 à Charleston, SC. Les tremblements de terre peuvent avoir des impacts de grande envergure, tels que le séisme de magnitude 5,8 à Mineral, VA qui s'est produit en 2011 et a été ressenti dans plusieurs États le long de la côte est, causant des dommages de 200 à 300 millions de dollars et le séisme de magnitude 7,1 de cette année près de Ridgecrest, CA qui a été ressenti au Nevada et en Arizona, et a causé 100 millions de dollars de dommages et intérêts. 1,2,3 Un seul événement peut être dévastateur : par exemple, le séisme de magnitude 6,7 de Northridge, en Californie, en 1994, a causé au moins 40 milliards de dollars de dommages directs et tué une soixantaine de personnes. 3

Alors que la population continue de s'étendre dans les zones à risque, de meilleures pratiques de gestion des risques sont de plus en plus nécessaires pour améliorer la préparation et la réponse aux situations d'urgence en fournissant des informations sur les processus sismiques, en évaluant l'adéquation des infrastructures construites et des codes du bâtiment, et en fournissant des informations sur la façon d'améliorer le rétablissement futur et les efforts de développement urbain. Les centres d'échange techniques post-séisme sont une stratégie efficace pour suivre la collecte d'informations sur les défaillances du sol, les dommages structurels et d'autres impacts des séismes majeurs, réduire la duplication des efforts dans la collecte de données et diffuser des informations sur les événements aux responsables des interventions d'urgence. Dans ce webinaire, nos conférenciers discutent du risque sismique aux États-Unis, de l'importance d'une réponse coordonnée après le séisme et de l'efficacité des centres d'échange techniques après le séisme pour améliorer la résilience aux séismes.

  • Matthew Wall, directeur exécutif, Western States Seismic Policy Council | Diapositives| Vidéo
  • Maggie Ortiz-Milan, gestionnaire de programme, Institut de recherche en génie sismique | Diapositives | Vidéo
  • Cynthia Pridmore, géologue en génie, programme sur les risques sismiques, présidente de la commission géologique de Californie, California Earthquake Clearinghouse | Diapositives | Vidéo

Ressources additionnelles:

  • Voir la session de questions et réponses de ce webinaire
  • Voir une liste de questions et réponses supplémentaires de ce webinaire
  • U.S. Geological Survey, Circular 1242, The Plan to Coordinate NEHRP Post-Earthquake Investigations
  • Nevada Bureau of Mines and Geology Special Publication 36, The 21 February 2008 MW 6.0 Wells, Nevada, Earthquake, Section IIV. Réponse au tremblement de terre, impacts sur la communauté et reprise après sinistre
  • Site Web EERI Earthquake Clearinghouse : http://www.learningfromearthquakes.org/activities/clearinghouses
  • Centre d'échange d'informations sur les tremblements de terre en Californie : www.californiaeqclearinghouse.org

1 M5.8 23 août 2011 Mineral, Virginie, U.S. Geological Survey Earthquake Hazards Program. https://www.usgs.gov/natural-hazards/earthquake-hazards/science/m58-august-23-2011-mineral-virginia
2 M 7.1 - Séquence du tremblement de terre de Ridgecrest 2019, programme des risques sismiques de l'U.S. Geological Survey. https://earthquake.usgs.gov/earthquakes/eventpage/ci38457511/executive
3 National Geophysical Data Center / World Data Service (NGDC/WDS) : Base de données sur les séismes significatifs. Centre national de données géophysiques, NOAA. doi: 10.7289/V5TD9V7K

Crédits CEU

Pour gagner des crédits CEU, veuillez suivre le cours GOLI à la demande associé qui a été développé à partir de ce webinaire avec une note de 70 % ou plus, puis soumettre votre candidature pour les CEU. Les CEU sont décernés par l'American Institute of Professional Geologists. Pour afficher la liste complète des cours GOLI à la demande, veuillez parcourir le catalogue de cours GOLI.


Les séismes du 12 septembre 2016 à Gyeongju : 1. Observation et questions restantes

Deux tremblements de terre (M L 5.1 et 5.8) ont rompu des branches du système de faille de Yangsan à Gyeongju, en Corée du Sud, le 12 septembre 2016. Après la M L 5.8 tremblement de terre, des répliques de tremblements de terre ont continué à se produire, dont deux tremblements de terre notablesM L 4.3 et 4.5) les 12 et 19 septembre 2016. Cet article détaille les premiers rapports du système de failles de Yangsan dans le bassin de Gyeongsang à partir de diverses perspectives géologiques et géophysiques/sismologiques. Sur la base d'un bilan et d'une première analyse sismologique des résultats des trois séismes (M L 5.1, 5.8 et 4.5), nous présentons et discutons des sujets suivants : (1) le cadre tectonique et la structure géophysique/sismique du système de faille de Yangsan, (2) la sismicité historique et l'aléa sismique inféré à partir de données historiques (littéraires), et (3) les mécanismes sources des trois tremblements de terre. Enfin, nous soulignons quelques-unes des questions en suspens concernant les séismes et les futurs sujets de recherche.


Pourquoi est-il si difficile de prévoir le prochain grand séisme ?

Commençons par une partie plus simple de la question : le prochain « grand » tremblement de terre se produira-t-il ?

Il a été démontré que des failles plus importantes donnent généralement lieu à des tremblements de terre plus importants. Théoriquement, si toutes les failles étaient cartographiées, alors nous devrions être en mesure de mettre des contraintes sur les séismes les plus forts possibles qu'une région donnée connaîtrait. Ceci est important car l'énergie libérée par les tremblements de terre peut varier d'un facteur de quadrillions.

Cependant, estimer la taille de la faille et l'énergie libérée correspondante n'est pas toujours aussi simple. Les failles présentent souvent des géométries complexes, ce qui complique la modélisation de la zone de la faille. De plus, les failles peuvent se rompre en tandem : treize failles différentes ont échoué en même temps lors du tremblement de terre de Kaikōura en 2016 en Nouvelle-Zélande. De plus, l'histoire récente a démontré que la taille des tremblements de terre n'est pas toujours corrélée aux dommages selon l'endroit où ils se produisent, un tremblement de terre de magnitude modérée peut être plus dévastateur qu'un "grand". Par exemple, le séisme de magnitude 6,7 à Northridge, en Californie, en 1994, a causé d'importants dégâts matériels et des pertes en vies humaines, tandis que le séisme de magnitude 8,2 aux Fidji en 2018, qui était 178 fois plus fort, n'a causé aucun dommage. Ainsi, la magnitude du séisme ne dit pas tout.

Maintenant pour la partie la plus compliquée de la question : lorsquele prochain grand tremblement de terre se produira-t-il ?

Le timing est le défi le plus difficile dans le jeu de la prédiction des tremblements de terre. En fait, deux des théories qui informent nos (meilleures) prédictions pourraient être erronées. La première théorie s'appelle la théorie du rebond élastique, qui stipule que la croûte terrestre se pliera et se déformera sous un stress intense jusqu'à ce qu'elle se brise finalement sous la contrainte. Un glissement le long de la rupture (c'est-à-dire un tremblement de terre) permet à la roche de chaque côté de rebondir dans un état moins déformé et de libérer l'énergie stockée, permettant au processus d'accumulation de contrainte de recommencer. La deuxième théorie s'appelle le tremblement de terre caractéristique, qui décrit comment les failles sismiques les plus étudiées semblent avoir des segments distincts. Ces segments se rompent à plusieurs reprises pour produire des tremblements de terre de magnitudes similaires après avoir accumulé une quantité similaire de contrainte dans la période intermédiaire entre les événements sismiques. En supposant que ces deux théories soient toujours valables, vous pouvez prédire quand le prochain tremblement de terre se produira en fonction de 1) l'emplacement de la plus grande contrainte non soulagée, 2) le temps écoulé depuis le dernier tremblement de terre sur la faille, et 3) une connaissance précise de la zone de faille (qui nous ne pourrons peut-être jamais atteindre dans de nombreux domaines).

En 1985, ce cadre a conduit les scientifiques sismiques à croire que le segment Parkfield de la faille de San Andreas était en retard pour un tremblement de terre. L'effort de surveillance le plus sophistiqué au monde a été déployé pour le capturer en action. Les scientifiques ont déclaré avec confiance que le prochain tremblement de terre frapperait en 1993 au plus tard. Cependant, le tremblement de terre s'est produit plus d'une décennie plus tard en 2004 et sans aucun avertissement. Ce type de discordance entre les prédictions et les données est courant, et aucune méthode de prédiction fiable n'a été découverte malgré de nombreuses tentatives. Ainsi, même les deux théories de travail les plus répandues de la prévision des tremblements de terre, qui sont fondées sur la science et utiles pour comprendre les phénomènes sismiques, ne sont pas entièrement fiables à des fins de prévision.


Implication de la surveillance du radon pour la surveillance des tremblements de terre à l'aide de techniques statistiques : une étude de cas du tremblement de terre de Wenchuan

Les changements induits de manière sismotectonique dans le radon (Rn) des eaux souterraines sont considérés comme des imputations fortes pour la surveillance des séismes majeurs imminents. Les eaux souterraines facilitent la migration des gaz du sol en raison des contraintes tectoniques. À cet égard, une série temporelle de radon est analysée statistiquement pour identifier les anomalies de radon éventuellement induites par le séisme de Wenchuan. L'analyse statistique implique principalement l'analyse déterministe des données Rn et l'analyse Rn résiduel à l'aide d'un critère

de sélection d'anomalies ayant un intervalle de confiance de 95%. L'analyse déterministe révèle que la série temporelle Rn suit une tendance persistante

ce qui confirme l'absence d'un régime chaotique. D'autre part, le Rn résiduel montre une recrudescence notable à cheval sur l'époque du séisme de Wenchuan sous la forme de changements pré et post séisme aux stations de surveillance ayant

. Le niveau de Rn résiduel passe le critère de sélection d'anomalie et est déclaré comme une anomalie de Rn induite par la tectonique. Contrairement à cela, la réponse des stations de surveillance distantes (

) à ce séisme particulier valide davantage le lien entre Rn et l'activité sismique. En bref, la présente étude met en évidence les implications potentielles des anomalies de radon induites par les séismes pour la recherche sur la prévision des séismes.

1. Introduction

Au cours des dernières décennies, la recherche sur la prévision des tremblements de terre a attiré l'attention de la communauté scientifique en raison de la nature dévastatrice de ce phénomène. Cependant, il n'y a pas de succès évident jusqu'à présent, en raison de l'implication de nombreuses variables [1–4]. Par conséquent, il est impératif de mener des recherches dans cette direction pour atténuer les géorisques associés et minimiser les pertes en vies humaines et en biens. À cet égard, de nombreuses études rétrospectives mettent en évidence la présence de processus atmosphériques, ionosphériques et hydrogéochimiques accompagnés d'une activité sismique [5–16]. Ces processus d'accompagnement sont considérés comme des précurseurs des séismes et observés globalement [11, 14, 17-23].

Parmi eux, la réponse hydrogéochimique de l'activité sismique a été largement étudiée au cours des dernières décennies [24]. Les études hydrogéochimiques comprennent principalement la surveillance des changements de niveau d'eau, la variabilité de Rn dans l'air, le sol ou les eaux souterraines, une émanation des gaz du sol (CO2, CH4, et He) et d'autres constituants tels que Cl − ,

sont également utilisés comme précurseur pour accéder aux changements induits par le séisme [7, 10, 11, 24-27]. Cependant, l'utilisation de Rn est globalement préférée par rapport à d'autres précurseurs en raison de sa demi-vie relativement longue et de sa facilité de prévisibilité [14].

Au cours des dernières années, de nombreux modèles physiques ont été proposés pour expliquer les précurseurs des tremblements de terre [1–3, 20, 28, 29]. Par exemple, Pulinets et Ouzounov [3] ont proposé un modèle Lithospheric-Atmospheric-Ionospheric-Coupling (LAIC) qui explique la synergie entre l'activité sismique et ses précurseurs. Selon le modèle LAIC, le mouvement relatif des blocs tectoniques conduit à la génération de contraintes tectoniques. De plus, Koike et al. [30] ont réalisé une expérience en laboratoire pour vérifier la croissance des émissions de Rn en raison des contraintes de compression. Ces contraintes tectoniques sont responsables de l'ouverture et de la fermeture de microfractures/fissures qui facilitent la migration de Rn de la croûte vers la surface supérieure au moyen de fluides porteurs tels que les eaux souterraines ou d'autres gaz du sol comme le CO2, CH4, ou N 2 dans une large gamme de contextes géologiques [20]. En particulier, Cicerone et al. [2] ont rapporté une corrélation entre la concentration de Rn et la variation régionale de contrainte/déformation. De plus, de nombreuses études mettent en évidence la présence d'anomalies notables de Rn dans les eaux souterraines au moment de l'activité sismique [19, 31-33].

En lien avec ce qui précède, le séisme de Tachkent (M 5.3 1966) a fourni la première preuve d'anomalies de Rn induites par le séisme dans les eaux souterraines et a donné de l'espoir à la recherche sur les précurseurs des séismes [34]. L'analyse de plusieurs années des données de Rn montre une augmentation multiple des niveaux de Rn au moment de ce tremblement de terre particulier, et les mêmes schémas se sont également répétés pour ses répliques sur une courte échelle de temps [35]. Un tel comportement analogue du Rn, du tremblement de terre et de ses répliques met en évidence des anomalies de Rn induites par le tremblement de terre. Plus tard, une prédiction réussie a été faite pour le tremblement de terre de Haicheng (M 7.3 1975) sur la base de plusieurs ensembles de données avec Rn comme discuté par [36]. De même, Hirotaka et al. [37] ont observé une augmentation progressive du nombre de Rn deux semaines avant le séisme de la préfecture de Nagano (M 6,8 1984) à 65 km de son épicentre. Par la suite, Igarashi et Wakita [5] ont analysé les anomalies Rn associées aux séismes survenus de janvier 1984 à décembre 1988 au Japon et dans ses environs. Avant de corréler Rn avec les tremblements de terre, la statistique bayésienne a été appliquée avec succès pour supprimer les variations de fond ainsi qu'un critère de sélection des anomalies ( ), la magnitude de l'événement (

) du site de surveillance. Vingt anomalies Rn satisfaisaient aux critères de sélection des anomalies et présentaient des changements notables avant et après le séisme, respectivement. Le séisme de Kobe (M 7.2 1995) a également été précédé d'une anomalie marquée Rn des eaux souterraines dans un puits d'observation de 17 m de profondeur à 30 km de l'épicentre [38]. Actuellement, de nombreuses études ont rapporté les anomalies Rn des eaux souterraines et suggèrent une analyse plus détaillée des anomalies Rn pour une prédiction plus fiable des séismes dévastateurs majeurs [11, 17, 20, 27, 33, 35].

À cet égard, la présente étude fournit une analyse temporelle détaillée des fluctuations de Rn dans les eaux souterraines à cheval sur le temps de la majeure (Mw 7,9) et peu profonde (

) Séisme de Wenchuan. Le séisme de Wenchuan s'est produit le 12 mai 2008, le long de la faille de Longmenshan (31,0 ° N, 103,4 ° E) dans la province du Sichuan, en Chine [39, 40]. C'est le séisme le plus destructeur en Chine depuis le séisme de Tangshan de 1976 [41]. Cet événement dévastateur a été responsable de milliers de victimes et de destructions massives à l'échelle régionale. Le tremblement de terre de Wenchuan a également déclenché un grand nombre de géorisques tels que des glissements de terrain, des effondrements de pentes et des coulées de débris qui ont gravement endommagé les comtés de la province du Sichuan, en Chine [42, 43]. Compte tenu des ravages causés par cet événement, il est impératif d'approfondir les connaissances sur les précurseurs sismiques dans cette région. Par conséquent, nous avons analysé les variations de Rn des eaux souterraines à des emplacements proches et éloignés. Il est important de mentionner que de nombreuses recherches ont également analysé les fluctuations de différents paramètres terrestres et spatiaux cependant, l'analyse systématique du radon est absente. Ainsi, la présente étude permettra d'établir une synergie entre de nombreux paramètres dans le cadre de la prévision sismique.

2. Paramètres sismotectoniques de la région étudiée

Sismiquement, la Chine est classée parmi les régions très actives du monde avec une sismicité interplaque extrême. La célèbre théorie de la tectonique des plaques est incapable d'expliquer cette sismicité intraplaque de la Chine, qui déclare l'occurrence de tremblements de terre dans une zone étroite de limite de plaque [44]. Le catalogue historique de la Chine révèle l'occurrence de plus de 1000 ( ) tremblements de terre depuis 23 après J.-C., dont treize étant classés comme catastrophiques majeurs (

) un événement. Un exemple classique de tremblement de terre historique dévastateur en Chine est le tremblement de terre de Huaxian (1556) qui a tué environ 830 000 personnes et est considéré comme le tremblement de terre le plus meurtrier de l'histoire de l'humanité [45]. Le tremblement de terre de Tangshan (M 7.8 1976) est l'exemple le plus connu d'un événement de l'ère moderne en Chine en termes de pertes de vie (tués

250 000 personnes et des millions de blessés) et des biens [46]. En particulier, la sismicité de l'ouest de la Chine est principalement influencée par la collision indo-eurasienne qui est responsable de la génération du système de failles de tendance E-W [47, 48].

La principale caractéristique tectonique de cette région est la faille de Longmenshan (LMSF) qui s'étend parallèlement (environ 500 km de long et 40 à 50 km de large) à l'est du Tibet et au bassin du Sichuan dans les directions nord-est et sud-ouest [12]. La zone LMSF est principalement dominée par la faille Wenchuan-Maowen, la faille Yingxiu-Beichuan et la faille Guanxian-Jiangyou (Figure 1) avec plusieurs failles chevauchantes résultant de la compression entre le craton du Yangtze et le plateau tibétain oriental [40]. Historiquement, seuls deux séismes notables de magnitude modérée (M 6,5, 6,2) ont été enregistrés en 1657 et 1956 le long de la zone LMSF, et considérés comme sismiquement inactifs, jusqu'en 2008 [40, 46], tandis que Shi et al. [12] n'ont rapporté qu'un seul séisme (Mw 6.1 1989) sur cette faille. En 2008, le LMSF a déclenché un séisme majeur (Mw 7,9) et peu profond ( ) à Wenchuan (12 mai 2008) qui a attiré l'attention de la communauté dans la capacité de réactiver la zone LMSF. Le séisme de Wenchuan a rompu un segment de 290 km de long du LMSF au total. Cette rupture se propage unilatéralement sur 270 km dans le sens NE et sur 20 km dans le sens SW avec 80 km de rupture de surface cosismique. Le tremblement de terre de Wenchuan est le résultat du changement de l'angle de pendage du LMSF (30° –50 ° SW à 60 ° –70 ° NE) et du mouvement de faille (mouvement de poussée SW à mouvement de décrochement NE) comme prévu couramment dans divers modèles de glissement proposés et résumé par [40].

Le tremblement de terre de Wenchuan a fait environ 69 225 victimes, 374 640 blessés, 17 939 disparus et environ 5 millions de personnes sans abri. Il est considéré comme le deuxième tremblement de terre le plus destructeur de ce siècle après le grand tremblement de terre de Sumatra en 2004 [41]. Le tremblement de terre de Wenchuan a été suivi de plus de 10 000 répliques qui ont duré jusqu'au 31 décembre 2008 [50]. Ce séisme dévastateur a également été responsable du déclenchement de plus de 15 000 géorisques (glissements de terrain, chutes de pierres et coulées de débris) qui ont fait environ 20 000 victimes [39]. Les destructions causées par l'événement soulignent l'importance des études de précurseurs sismiques dans les régions sismiquement actives pour minimiser les pertes de vies et de biens.

3. Méthodologie

La méthodologie adoptée dans la présente étude est divisée principalement en deux étapes : (a) la configuration instrumentale et (b) la configuration théorique. La configuration instrumentale explique la stratégie adoptée pour la collecte de données et une brève description de l'instrument utilisé pour la surveillance du radon, tandis que la configuration théorique explique l'analyse statistique des données de radon pour l'identification des anomalies de radon éventuellement induites par l'activité sismique.

3.1. Configuration instrumentale

Depuis 1966, immédiatement après la séquence du tremblement de terre de Xingtai (22 mars 1966), la Chine a lancé un effort organisé, persistant et systématique pour témoigner du postulat d'anomalies pré-sismiques dans le contexte de la prévision des tremblements de terre par l'Administration sismique de Chine (CEA). Ce programme de recherche était principalement axé sur la prévision des tremblements de terre et ses implications pour minimiser la destruction irrévocable causée par les tremblements de terre majeurs. Le CEA a principalement classé ce programme de recherche dans les classifications suivantes : prévision sismique imminente (semaines à jours, voire heures), à court (mois à semaines), à moyen (années) et à long terme (décennies). Dans ce cadre, le CEA a mis en place des réseaux sismologiques, géodésiques/géoélectriques/géomagnétiques, fluides souterrains et hydrosismologiques pour la surveillance des précurseurs potentiels des séismes [42].

En particulier, le CEA exploite un réseau de surveillance du radon très dense pour la surveillance de l'activité sismique. Pour la recherche sur la prévision des tremblements de terre, Rn est plus préféré en raison de sa demi-vie comparativement plus longue et de sa détectabilité facile [14]. Dans la présente étude, nous avons analysé les variations de la concentration continue de Rn dans les eaux souterraines associées au séisme dévastateur de Wenchuan (12 mai 2008 Mw 7,9) à 9 stations sur toute l'année (2008) à proximité de l'épicentre de l'événement. Les détails des stations de surveillance de Rn concernant leur emplacement et leur distance par rapport à l'épicentre de l'événement sont présentés dans le tableau 1.

Les données Rn utilisées dans la recherche actuelle ont été acquises au moyen de deux instruments. Pour l'échantillonnage continu automatique, le mélange de gaz échappé et d'eau provenant du puits a été passé à travers un dégazeur et un dispositif de collecte de gaz, puis collecté dans un système de détection de ZnS (Ag) pour la mesure de la concentration de Rn. Il s'agit d'une méthode de mesure numérisée, et le matériel d'observation est principalement du SD-3A avec un intervalle d'échantillonnage d'une heure et une précision de mesure de 0,1 Bq/L. Pour l'acquisition de la variation quotidienne de la concentration en Rn, l'eau du puits a été échantillonnée et dégazée par dégazage par bullage puis transportée dans une chambre à ions ou un détecteur ZnS (Ag), où la concentration en Rn a été mesurée par une méthode d'ionisation ou de scintillation utilisant FD -125 instrument. La précision de la mesure est également de 0,1 Bq/L avec un intervalle d'échantillonnage d'une lecture par jour. Le détail des configurations instrumentales utilisées pour la surveillance de Rn est fourni par [51]. Les précipitations ne sont pas suivies par le CEA pour toutes les stations utilisées dans les recherches en cours, et par conséquent, ces données ne sont pas disponibles. Pour surmonter ce problème, l'ensemble de données sur les précipitations du satellite de la mission de mesure des précipitations tropicales (TRMM) pour l'année 2008 a été utilisé dans cet article. L'ensemble de données TRMM a été considéré comme la meilleure solution parmi les sources disponibles de données sur les précipitations pour la Chine. La corrélation négative observée entre les anomalies de Rn des eaux souterraines et les précipitations pour l'ensemble de l'année et la période choisie est présentée dans le tableau 2.

) pour la relation entre les précipitations et la nappe phréatique Rn pour les stations utilisées dans les recherches actuelles montrant une corrélation négative.

3.2. Configuration théorique
3.2.1. Analyse fractale des données sur le radon

La dynamique de la série temporelle Rn montre un modèle temporel non linéaire très complexe normalement caractérisé par des caractéristiques non stationnaires et multi-échelles [52]. Ce régime chaotique de la série chronologique est réalisé à travers des cycles Rn diurnes, saisonniers, pluriannuels et décennaux ainsi que des paramètres d'influence clés [14, 53, 54]. Par conséquent, la série temporelle Rn est soumise à des estimations fractales pour déterminer le degré de comportement chaotique de Rn et les corrélations intrinsèques à longue mémoire, le cas échéant [55]. En plus de cela, l'estimation des éléments fractals pour la série temporelle Rn conduit à une exploration plus approfondie de la dynamique sous-jacente des systèmes physiques tels que l'activité sismique [56]. À cet égard, la quantité fractale connue sous le nom d'exposant de Hurst ( ) est calculée pour la série temporelle Rn à l'aide de la plage de remise à l'échelle (

) une analyse. L'estimation de est basée sur les relations suivantes :

où est la plage, est l'écart type, est l'exposant de Hurst et est le nombre d'entrées dans un groupe.

Ici, l'ensemble des observations (

) est divisé en intervalles non chevauchants de , (

. Ensuite, la série temporelle Rn est classée comme antipersistante, aléatoire et persistante en fonction de la valeur obtenue de . En particulier, l'antipersistance signifie que de faibles valeurs présentes seront probablement suivies de valeurs de chiffres élevées et vice versa. La persistance montre qu'une autocorrélation de longue durée existe dans la série chronologique, ce qui implique que des valeurs actuelles élevées seront probablement suivies de valeurs futures élevées et vice versa. Et la marche aléatoire signifie qu'ils ne sont pas corrélés ou ne possèdent pas de tendance de mémoire longue [14, 56].

3.3. Identification des anomalies de radon

L'inspection de la dynamique fractale des séries temporelles Rn permet d'identifier les variations anormales de Rn si elles existent. Pour une identification fiable d'une anomalie sismique, la station de surveillance doit se trouver dans la zone de préparation aux tremblements de terre (EPZ). La ZFE est définie comme une zone à l'intérieur de laquelle les fluctuations de présurveillance associées au tremblement de terre imminent induit par la tectonique peuvent être observées. Dans [57], une relation empirique est proposée pour EPZ ( km) basée sur la magnitude ( ) de l'événement sismique, donnée par

où la distance épicentrale ( km) entre le site de surveillance et l'épicentre de l'événement est calculée comme suit

Ici, sont les coordonnées de l'événement sismique, sont les coordonnées de la station de surveillance Rn, et

est le rayon de la Terre [58]. Dans un scénario idéal, seuls les événements ayant sont pris en compte pour les études de prévision sismique. Dans notre cas, toutes les stations sont situées à l'intérieur comme proposé par [57] et adopté dans de nombreuses études [14, 18, 22].

En plus de tout ce qui précède, les données Rn des eaux souterraines acquises sont étudiées pour identifier les périodes anormales éventuellement liées à cet événement particulier. Les périodes anormales reconnues se situent principalement autour du moment du séisme dans une fenêtre temporelle de ±3 mois (mars à juillet 2008). La raison d'être du choix de cette fenêtre temporelle flexible est d'analyser l'effet de l'ensemble de la séquence de répliques du tremblement de terre de Wenchuan. Les périodes anormales identifiées ont été analysées plus avant à l'aide de techniques de traitement du signal résiduel pour éliminer l'effet de filtrage régulier, comme indiqué dans de nombreuses études [14, 22, 59]. Le Rn résiduel (

) est calculé via une relation donnée par

où est la concentration quotidienne moyenne de Rn et est la concentration moyenne mobile de Rn sur 7 jours. De plus, nous avons également appliqué un critère statistique ( ) de sélection des anomalies sur le Rn résiduel ayant un intervalle de confiance de 95 % et est cohérent avec d'autres études [14, 18, 23, 60, 61].

4. Résultat et discussion

La variabilité temporelle des eaux souterraines Rn a été enregistrée de janvier à décembre 2008 près de la zone LMSF à neuf endroits différents en Chine. L'analyse des données révèle des fluctuations anormales de Rn à quelques stations dans des conditions météorologiques normales, ce qui met en évidence l'aspect d'une anomalie de Rn d'origine tectonique, tandis que l'inspection du catalogue des séismes de cette période sélectionnée possède l'aspect d'une anomalie de radon d'origine tectonique due à la Tremblement de terre de Wenchuan survenu le 12 mai 2008 dans le Sichuan, en Chine. Les détails du séisme sont présentés dans le tableau 3.

À cet égard, nous avons effectué une analyse statistique détaillée des concentrations de Rn, afin de vérifier la corrélation possible des anomalies de Rn avec cet événement particulier. Les stations de surveillance de Rn incluses dans la présente étude sont présentées à la figure 2.

Il comprend 9 stations situées dans la ZFE du séisme de Wenchuan installées par le CEA à proximité de la zone LMSF (Tableau 1). La variation annuelle de Rn enregistrée dans des stations de surveillance sélectionnées est présentée à la figure 3.

La figure 3 indique quelques périodes (avril-juin 2008) de hausse et de baisse anormales de Rn à l'époque du séisme de Wenchuan. For example, the MSS station shows a sudden rise of the Rn level from 14.6 Bq/L to 19.4 Bq/L in the second week of May 2008 (Figure 3(a)). This rise in the Rn level continues onward throughout the whole year. Likewise, other monitoring stations such as MXS, KDS, GS, and SPS also reveal an anomalous change in real Rn requiring a detailed study (Figures 3(b)–3(e)). An analogous change of the Rn level was also observed at the relatively distant monitoring stations with (Table 1 Figures 3(h) and 3(i)). Based on the results of the preliminary investigation, the anomalous periods of the Rn concentration are subjected to a detailed analysis. This detailed analysis includes the advanced residual signal processing techniques which remove the regular filtering effects from data if any. Besides this, a statistical criterion of is also applied to the residual Rn to further authenticate our results. The result of this detailed analysis is presented in two stages: (a) station is located very near to the event epicentre and (b) station is located far away from the event epicentre for comparison purposes.

Prior to analysing the Rn data for earthquake forecasting research, we have determined the dynamics of the Rn time series using fractal dimensions such a Hurst exponent. The Hurst exponent reveals that the time series follows a persistent trend for all the Rn monitoring stations with insignificant fluctuations as presented in Figure 4. A positive autocorrelation is found to exist in the recorded Rn data. This suggests that the past trend of data is continued in the future and there is no existence of an irregular trend.

At the first stage, detail analysis of Rn is performed for the station located near the event epicentre as presented in Figures 5 and 6. It includes 7 monitoring stations located in the proximity of the LMSF zone having . Figure 5 illustrates the change of the residual Rn levels along with daily precipitation for MSS, MXS, KDS, and SPS stations. The temporal variation of the residual Rn concentration was observed from Mar 1 to June 30, 2018, along with daily precipitation records. The Rn levels seem to be within normal limits until the occurrence of the Wenchuan earthquake on May 12, 2008. On May 12, 2008, the Rn levels breach the threshold of anomaly selection and show a sudden upsurge from 0 to 2.4 Bq/L of the residual Rn and 13-18 Bq/L of daily Rn level (Figures 3(a)–5(a)). This particular change in the Rn level followed by the Wenchuan earthquake highlights the aspect of the post earthquake Rn anomaly, while the daily Rn variations recorded at the MXS stations show a gradual increase in Rn from April to June 2008 with insignificant precipitation (Figures 3(b)–5(b)).

A detailed inspection of Rn shows that the residual Rn level passed the anomaly selection criteria prior to the Wenchuan earthquake. This preearthquake Rn anomaly seems to be absent after event occurrence (Figure 5(b)).

The KDS monitoring station shows unambiguous changes in the residual Rn levels around the time of this particular event (Figure 5(c)). Initially, this anomalous trend is observed 5 days prior to the Wenchuan earthquake on May 07, 2008, and continued until July 2008 showing post earthquake anomalies. It is important to mention that these post earthquake changes were possibly associated with the aftershock sequence of the Wenchuan earthquake [50]. Similarly, the SPS monitoring station having and shows a multifold increase in the daily Rn levels around the time of the Wenchuan earthquake (Figure 3(d)). The average Rn value recorded at the SPS monitoring station ranges between 0.2 and 0.3 Bq/L, while the peak value observed one day prior to the Wenchuan earthquake is nearly 0.52 Bq/L. Additionally, the residual Rn level of the SPS monitoring station overpasses the anomaly selection threshold which further authenticates its linkage with this particular event.

In continuation, the temporal variability of the residual Rn concentration for GS, ZJS, and PZHS monitoring stations is presented in Figure 6. The GS monitoring station reveals an unambiguous increase in the Rn levels prior to event occurrence within a very short interval of time (4-6 days). The Rn level range is within a limit of 11-13 Bq/L from Jan 2008 to the end of April 2008. Afterwards, a sharp increasing trend of Rn is observed from the beginning of May 2008 and continued onward (Figure 3(e)). This anomalous change is subject to detailed analysis via residual signal processing technique for reliable identification of tectonically induced Rn anomaly. The results of the residual Rn show development of an Rn anomaly overpassing the anomaly selection threshold preceding the earthquake event (Figure 6(a)). Similarly, the other monitoring stations presented anomalous patterns of the daily and the residual Rn levels highlighting the aspect of tectonically induced Rn anomalies under favourable conditions (Figures 3(f), 3(g), 6(b), and 6(c)). Inclusively, all the monitoring stations lying around the proximity of the LMSF zone show Rn variations with varying amplitude in connection with this particular event.

At the second stage, the temporal variability of Rn is analysed for distant Rn monitoring station with (Figures 3–6). It includes the YQS and SYS monitoring stations having value 1542.9 km and 1563.2 km, respectively (Table 1). The temporal variability of raw Rn levels recorded at these monitoring stations shows an increasing trend around the time of the Wenchuan earthquake, despite its distant location (Figures 3(h) and 3(i)). The YQS monitoring station shows multiple peaks in Rn levels with varying amplitudes prior to the event’s occurrence. The highest peak (44.2 Bq/L) of Rn levels is observed on May 1-2, 2008, around 10-12 days prior to the Wenchuan earthquake, while the Rn levels remain within the normal limit (around mean value 39 Bq/L) for the rest of the period (Figure 3(h)). Likewise, the SYS station also shows an analogous change in the Rn levels around the time of this particular event (Figure 3(i)). These anomalous periods are further subjected to a detailed investigation as presented in Figures 6(a) and 6(b).

The residual Rn value of the YQS station shows a significant increase on April 30, 2008, and overpasses the statistical criterion of the anomaly selection. This anomalous change in residual Rn is followed by the Wenchuan earthquake that occurred 11 days later, while during the rest of the period Rn levels were found to be within normal limits (Figures 3(h) and 7(a)). On the contrary, the temporal analysis of the residual Rn at the SYS station also depicts a notable rise in Rn levels almost 12-15 days prior to this devastating earthquake (Figure 7(b)).

Moreover, the comparative analysis of rainfall for the whole year and selected days further confirms the connection of Rn abnormality with this particular event (Table 2).

It is important to mention here that the current results show an analogy with the earlier investigations of the preseismic process in connection with the Wenchuan earthquake [8, 12, 51, 62]. For example, Shi et al. [12] studied the hydrological response of the Wenchuan earthquake at near and distant monitoring stations. They reported significant evidence of hydrological changes such as water level in response to the Wenchuan earthquake. Similarly, Ren et al. [51] also analysed the postseismic changes in Rn levels at different geochemical observation points using step variation curves. Their findings confirm the change in aquifer parameters as a response of dynamic loading, which may help in designing an optimum strategy for earthquake forecasting. In addition to this, Ye et al. [62] monitored the Rn levels in soil and water along with water level and temperature fluctuations along the Longmenshan fault zone. They observed that both the Rn concentration and water level show positive and negative relationships in response to the Wenchuan earthquake. Besides this, Liu et al. [8] analysed the seismoionospheric parameter (GPS total electron content (TEC)) in connection with the May 12, 2008, Wenchuan earthquake. It is observed that the GPS-TEC shows an anomalous decrease above the forthcoming epicentral region and gives a possible validation of the LAIC model. In general, the results of the present study are found to be in accordance with earlier investigations and reveal that Rn is a promising tool for earthquake forecasting research.

5. Conclusions

The present study encompasses the analysis of the groundwater Rn response associated with the devastating Wenchuan earthquake (Mw 7.9) that occurred on May 12, 2008, in mainland China. On this subject, the daily variation of the Rn levels is recorded within the EPZ at multiple near and distant locations within the proximity of the LMSF zone that is responsible for the triggering of this particular event. Primarily, it is observed that the daily Rn levels show a notable change around the time of earthquake occurrence. The period of notable Rn variations is further subjected to the detailed analysis of Rn using statistical techniques for reliable identification of tectonically induced Rn anomalies. The key findings of the current investigation are summarized below: (a) The time series analysis of the groundwater Rn at different monitoring stations over the whole period (Jan-Dec 2008) reveals notable changes in Rn levels around the occurrence time of the Wenchuan earthquake. This notable response of groundwater Rn is observed at both near and distant monitoring stations having (b) The deterministic analysis of the Rn time series suggests a positive autocorrelation with the absence of white noise in the dataset. The exponent exhibits that the recorded data has a long memory correlation between past and future data points (c) The residual signal processing techniques were applied on observed periods of Rn enhancement for reliable identification of the Rn anomalies along with a statistical criterion of anomaly selection . The response of the residual Rn variations associated with this tectonic activity appears in the form of possible pre- and post earthquake Rn anomalies with variable amplitudes. The findings of the current study are consistent with earlier investigations

The analysis of the Rn time series shows a notable response possibly induced by tectonic origin that may effectively support the forecasting of impending catastrophic seismic events. Our results suggest that, on a global perspective, radon should be used as a potential seismic indicator for seismically active regions.

Data Availability

The data (groundwater radon) used to support the findings of this study belongs to China Earthquake Data Center and will be provided on demand from the relevant organization.

Conflicts of Interest

The authors declare no conflict of interest.

Acknowledgments

The authors would like to thank the China Earthquake Data Center (http://data.earthquake.cn) for providing the radon data. This study was supported by the National Natural Science Foundation of China (no. 41674111).

Les références

  1. C. H. Scholz, L. R. Sykes, and Y. P. Aggarwal, “Earthquake prediction: a physical basis,” Science, vol. 181, no. 4102, pp. 803–810, 1973. View at: Publisher Site | Google Scholar
  2. R. D. Cicerone, J. E. Ebel, and J. Britton, “A systematic compilation of earthquake precursors,” Tectonophysics, vol. 476, no. 3-4, pp. 371–396, 2009. View at: Publisher Site | Google Scholar
  3. S. Pulinets and D. Ouzounov, “Lithosphere-Atmosphere-Ionosphere Coupling (LAIC) model - An unified concept for earthquake precursors validation,” Journal of Asian Earth Sciences, vol. 41, no. 4-5, pp. 371–382, 2011. View at: Publisher Site | Google Scholar
  4. G. Asencio-Cortés, F. Martínez-Álvarez, A. Morales-Esteban, J. Reyes, and A. Troncoso, “Improving earthquake prediction with principal component analysis: application to Chile,” in Lecture Notes in Computer Science, vol. 9121, pp. 393–404, Springer, Cham, 2015. View at: Publisher Site | Google Scholar
  5. G. Igarashi and H. Wakita, “Groundwater radon anomalies associated with earthquakes,” Tectonophysics, vol. 180, no. 2-4, pp. 237–254, 1990. View at: Publisher Site | Google Scholar
  6. G. Igarashi, S. Saeki, N. Takahata et al., “Ground-water radon anomaly before the Kobe earthquake in Japan,” Science, vol. 269, no. 5220, pp. 60-61, 1995. View at: Publisher Site | Google Scholar
  7. L. Claesson, A. Skelton, C. Graham et al., “Hydro-geochemical changes before and after a major earthquake,” Géologie, vol. 32, non. 8, pp. 641–644, 2004. View at: Publisher Site | Google Scholar
  8. J. Y. Liu, Y. I. Chen, C. H. Chen et al., “Seismoionospheric GPS total electron content anomalies observed before the 12 May 2008Mw7.9 Wenchuan earthquake,” Journal of Geophysical Research: Space Physics, vol. 114, non. A4, 2009. View at: Publisher Site | Google Scholar
  9. C. Y. Wang and M. Manga, “Hydrologic responses to earthquakes and a general metric,” Geofluids, vol. 10, no. 1-2, pp. 206–216, 2010. View at: Publisher Site | Google Scholar
  10. D. V. Reddy and P. Nagabhushanam, “Chemical and isotopic seismic precursory signatures in deep groundwater: cause and effect,” Applied Geochemistry, vol. 27, non. 12, pp. 2348–2355, 2012. View at: Publisher Site | Google Scholar
  11. A. Skelton, M. Andrén, H. Kristmannsdóttir et al., “Changes in groundwater chemistry before two consecutive earthquakes in Iceland,” Nature Geoscience, vol. 7, non. 10, pp. 752–756, 2014. View at: Publisher Site | Google Scholar
  12. Z. Shi, G. Wang, C. Y. Wang, M. Manga, and C. Liu, “Comparison of hydrological responses to the Wenchuan and Lushan earthquakes,” Lettres des sciences de la Terre et des planètes, vol. 391, pp. 193–200, 2014. View at: Publisher Site | Google Scholar
  13. M. Lupi, B. S. Ricci, J. Kenkel et al., “Subsurface fluid distribution and possible seismic precursory signal at the Salse di Nirano mud volcanic field, Italy,” Geophysical Journal International, vol. 204, no. 2, pp. 907–917, 2015. View at: Publisher Site | Google Scholar
  14. A. Barkat, A. Ali, U. Hayat et al., “Time series analysis of soil radon in northern Pakistan: implications for earthquake forecasting,” Applied Geochemistry, vol. 97, pp. 197–208, 2018. View at: Publisher Site | Google Scholar
  15. S. Onda, Y. Sano, N. Takahata et al., “Groundwater oxygen isotope anomaly before the M6.6 Tottori earthquake in Southwest Japan,” Rapports scientifiques, vol. 8, non. 1, p. 4800, 2018. View at: Publisher Site | Google Scholar
  16. S. R. Paudel, S. P. Banjara, A. Wagle, and F. T. Freund, “Earthquake chemical precursors in groundwater: a review,” Journal of Seismology, vol. 22, no. 5, pp. 1293–1314, 2018. View at: Publisher Site | Google Scholar
  17. A. Barkat, A. Ali, N. Siddique, A. Alam, M. Wasim, and T. Iqbal, “Radon as an earthquake precursor in and around northern Pakistan: a case study,” Geochemical Journal, vol. 51, no. 4, pp. 337–346, 2017. View at: Publisher Site | Google Scholar
  18. V. Walia, T. F. Yang, S. J. Lin et al., “Temporal variation of soil gas compositions for earthquake surveillance in Taiwan,” Radiation Measurements, vol. 50, pp. 154–159, 2013. View at: Publisher Site | Google Scholar
  19. S. E. Ingebritsen and M. Manga, “Hydrogeochemical precursors,” Nature Geoscience, vol. 7, non. 10, pp. 697-698, 2014. View at: Publisher Site | Google Scholar
  20. H. Woith, “Radon earthquake precursor: a short review,” The European Physical Journal Special Topics, vol. 224, no. 4, pp. 611–627, 2015. View at: Publisher Site | Google Scholar
  21. A. Barkat, A. Ali, K. Rehman et al., “Multi-precursory analysis of phalla earthquake (July 2015 Mw 5.1) near Islamabad, Pakistan,” Pure and Applied Geophysics, vol. 175, no. 12, pp. 4289–4304, 2018. View at: Publisher Site | Google Scholar
  22. C. C. Fu, T. F. Yang, M. C. Tsai et al., “Exploring the relationship between soil degassing and seismic activity by continuous radon monitoring in the Longitudinal Valley of eastern Taiwan,” Chemical Geology, vol. 469, pp. 163–175, 2017. View at: Publisher Site | Google Scholar
  23. N. Ahmad, A. Barkat, A. Ali et al., “Investigation of spatio-temporal satellite thermal IR anomalies associated with the Awaran earthquake (Sep 24, 2013 M 7.7), Pakistan,” Pure and Applied Geophysics, vol. 176, no. 8, pp. 3533–3544, 2019. View at: Publisher Site | Google Scholar
  24. Z. Shi, G. Wang, M. Manga, and C. Y. Wang, “Mechanism of co-seismic water level change following four great earthquakes - insights from co-seismic responses throughout the Chinese mainland,” Lettres des sciences de la Terre et des planètes, vol. 430, pp. 66–74, 2015. View at: Publisher Site | Google Scholar
  25. H. Zafrir, Y. Ben Horin, U. Malik, C. Chemo, and Z. Zalevsky, “Novel determination of radon-222 velocity in deep subsurface rocks and the feasibility to using radon as an earthquake precursor,” Journal of Geophysical Research: Solid Earth, vol. 121, no. 9, pp. 6346–6364, 2016. View at: Publisher Site | Google Scholar
  26. A. Sciarra, A. Mazzini, S. Inguaggiato, F. Vita, M. Lupi, and S. Hadi, “Radon and carbon gas anomalies along the Watukosek fault system and Lusi mud eruption, Indonesia,” Marine and Petroleum Geology, vol. 90, pp. 77–90, 2018. View at: Publisher Site | Google Scholar
  27. A. Skelton, L. Liljedahl-Claesson, N. Wästeby et al., “Hydrochemical Changes Before and After Earthquakes Based on Long‐Term Measurements of Multiple Parameters at Two Sites in Northern Iceland—A Review,” Journal of Geophysical Research: Solid Earth, vol. 124, non. 3, pp. 2702–2720, 2019. View at: Publisher Site | Google Scholar
  28. G. Martinelli, Fluidodynamical and chemical features of radon 222 related to total gases: implications for earthquake predictions, IAEA, Vienna, Austria, 1993, (No. IAEA-TECDOC--726).
  29. T. Lay, Q. Williams, and E. J. Garnero, “The core-mantle boundary layer and deep earth dynamics,” La nature, vol. 392, no. 6675, pp. 461–468, 1998. View at: Publisher Site | Google Scholar
  30. K. Koike, T. Yoshinaga, K. Suetsugu, K. Kashiwaya, and H. Asaue, “Controls on radon emission from granite as evidenced by compression testing to failure,” Geophysical Journal International, vol. 203, no. 1, pp. 428–436, 2015. View at: Publisher Site | Google Scholar
  31. H. Wakita, Y. Nakamura, K. Notsu, M. Noguchi, and T. Asada, “Radon anomaly: a possible precursor of the 1978 Izu-Oshima-kinkai earthquake,” Science, vol. 207, no. 4433, pp. 882-883, 1980. View at: Publisher Site | Google Scholar
  32. T. L. Teng, L. F. Sun, and J. K. McRaney, “Correlation of groundwater radon anomalies with earthquakes in the Greater Palmdale Bulge area,” Lettres de recherche géophysique, vol. 8, non. 5, pp. 441–444, 1981. View at: Publisher Site | Google Scholar
  33. P. F. Biagi, A. Ermini, S. P. Kingsley, Y. M. Khatkevich, and E. I. Gordeev, “Difficulties with interpreting changes in groundwater gas content as earthquake precursors in Kamchatka, Russia,” Journal of Seismology, vol. 5, non. 4, pp. 487–497, 2001. View at: Publisher Site | Google Scholar
  34. V. I. Ulomov and B. Z. Mavashev, “Forerunners of the Tashkent earthquakes,” Izvestia Akadamiyi Nauk Uzbeckistan SSR, pp. 188–200, 1971. View at: Google Scholar
  35. A. Riggio and M. Santulin, “Earthquake forecasting: a review of radon as seismic precursor,” Bollettino di Geofisica Teorica ed Applicata, vol. 56, no. 2, 2015. View at: Publisher Site | Google Scholar
  36. C. B. Raleigh, G. Bennett, H. Craig et al., “Prediction of the Haicheng earthquake,” EOS Transactions of the American Geophysical Union, vol. 58, pp. 236–272, 1977. View at: Google Scholar
  37. H. ui, H. Moriuchi, Y. Takemura, H. Tsuchida, I. Fujii, and M. Nakamura, “Anomalously high radon discharge from the atotsugawa fault prior to the western nagano prefecture earthquake (m 6.8) of september 14, 1984,” Tectonophysics, vol. 152, no. 1-2, pp. 147–152, 1988. View at: Publisher Site | Google Scholar
  38. K. Okumura, “Kobe earthquake of January 17, 1995 and studies on active faulting in Japan,” in Extended Abstracts, 11th Course: Active Faulting Studies for Seismic Hazard Assessment, International School Solid Earth Geophysics, Erice, Italy, 1995. View at: Google Scholar
  39. Y. Yin, F. Wang, and P. Sun, “Landslide hazards triggered by the 2008 Wenchuan earthquake, Sichuan, China,” Landslides, vol. 6, no. 2, pp. 139–152, 2009. View at: Publisher Site | Google Scholar
  40. C. Liu, P. Dong, B. Zhu, and Y. Shi, “Stress shadow on the southwest portion of the Longmen Shan Fault impacted the 2008 Wenchuan earthquake rupture,” Journal of Geophysical Research: Solid Earth, vol. 123, no. 11, pp. 9963–9981, 2018. View at: Publisher Site | Google Scholar
  41. Y. Xu, K. D. Koper, O. Sufri, L. Zhu, and A. R. Hutko, “Rupture imaging of theMw7.9 12 May 2008 Wenchuan earthquake from back projection of teleseismicPwaves,” Geochemistry, Geophysics, Geosystems, vol. 10, no. 4, 2009. View at: Publisher Site | Google Scholar
  42. R. Q. Huang and W. L. Li, “Analysis of the geo-hazards triggered by the 12 May 2008 Wenchuan earthquake, China,” Bulletin of Engineering Geology and the Environment, vol. 68, no. 3, pp. 363–371, 2009. View at: Publisher Site | Google Scholar
  43. P. Cui, X. Q. Chen, Y. Y. Zhu et al., “The Wenchuan earthquake (May 12, 2008), Sichuan province, China, and resulting geohazards,” Natural Hazards, vol. 56, no. 1, pp. 19–36, 2011. View at: Publisher Site | Google Scholar
  44. M. Liu, Y. Yang, Z. Shen, S. Wang, M. Wang, and Y. Wan, “Active tectonics and intracontinental earthquakes in China: the kinematics and geodynamics,” Continental Intraplate Earthquakes: Science, Hazard, and Policy Issues, vol. 425, 2007. View at: Publisher Site | Google Scholar
  45. Z. Q. Ming, G. Hu, X. Jiang, S. C. Liu, and Y. L. Yang, Catalog of Chinese Historic Strong Earthquakes from 23 A.D. to 1911, Seismological Publishing House, Beijing, 1995.
  46. Y. Chen, K. L. Tsoi, F. B. Chen, Z. H. Gao, Q. J. Zou, and Z. L. Chen, The Great Tangshan Earthquake of 1976: An Anatomy of Disaster, Pergamon Press, Oxford, 1988.
  47. P. Tapponnier and P. Molnar, “Active faulting and tectonics in China,” Journal de recherche géophysique, vol. 82, no. 20, pp. 2905–2930, 1977. View at: Publisher Site | Google Scholar
  48. P. Z. Zhang, Q. Deng, G. M. Zhang et al., “Strong earthquakes and crustal block motion in continental China,” Science in China, vol. 33, pp. 12–20, 2003. View at: Google Scholar
  49. Y. Ran, L. Chen, J. Chen et al., “Paleoseismic evidence and repeat time of large earthquakes at three sites along the Longmenshan fault zone,” Tectonophysics, vol. 491, no. 1-4, pp. 141–153, 2010. View at: Publisher Site | Google Scholar
  50. B. Zhao, Y. Shi, and Y. Gao, “Relocation of aftershocks of the Wenchuan MS8.0 earthquake and its implication to seismotectonics,” Earthquake Science, vol. 24, no. 1, pp. 107–113, 2011. View at: Publisher Site | Google Scholar
  51. H. W. Ren, Y. W. Liu, and D. Y. Yang, “A preliminary study of post-seismic effects of radon following the Ms 8.0 Wenchuan earthquake,” Radiation Measurements, vol. 47, non. 1, pp. 82–88, 2012. View at: Publisher Site | Google Scholar
  52. S. M. Barbosa, H. Zafrir, U. Malik, and O. Piatibratova, “Multiyear to daily radon variability from continuous monitoring at the Amram tunnel, southern Israel,” Geophysical Journal International, vol. 182, no. 2, pp. 829–842, 2010. View at: Publisher Site | Google Scholar
  53. J. Planinić, B. Vuković, and V. Radolić, “Radon time variations and deterministic chaos,” Journal of Environmental Radioactivity, vol. 75, no. 1, pp. 35–45, 2004. View at: Publisher Site | Google Scholar
  54. R. Yan, H. Woith, R. Wang, and G. Wang, “Decadal radon cycles in a hot spring,” Rapports scientifiques, vol. 7, non. 1, p. 12120, 2017. View at: Publisher Site | Google Scholar
  55. R. V. Donner, S. M. Potirakis, S. M. Barbosa, J. A. O. Matos, A. J. S. C. Pereira, and L. J. P. F. Neves, “Intrinsic vs. spurious long-range memory in high-frequency records of environmental radioactivity,” The European Physical Journal Special Topics, vol. 224, no. 4, pp. 741–762, 2015. View at: Publisher Site | Google Scholar
  56. C. Barman, H. Chaudhuri, A. Deb, D. Ghose, and B. Sinha, “The essence of multifractal detrended fluctuation technique to explore the dynamics of soil radon precursor for earthquakes,” Natural Hazards, vol. 78, non. 2, pp. 855–877, 2015. View at: Publisher Site | Google Scholar
  57. I. P. Dobrovolsky, S. I. Zubkov, and V. I. Miachkin, “Estimation of the size of earthquake preparation zones,” Pure and Applied Geophysics, vol. 117, non. 5, pp. 1025–1044, 1979. View at: Publisher Site | Google Scholar
  58. M. Hamdache, J. Henares, J. A. Peláez, and Y. Damerdji, “Fractal analysis of earthquake sequences in the Ibero-Maghrebian region,” Pure and Applied Geophysics, vol. 176, no. 4, pp. 1397–1416, 2019. View at: Publisher Site | Google Scholar
  59. B. R. Arora, A. Kumar, V. Walia et al., “Assesment of the response of the meteorological/hydrological parameters on the soil gas radon emission at Hsinchu, northern Taiwan: a prerequisite to identify earthquake precursors,” Journal of Asian Earth Sciences, vol. 149, pp. 49–63, 2017. View at: Publisher Site | Google Scholar
  60. M. Awais, A. Barkat, A. Ali, K. Rehman, W. Ali Zafar, and T. Iqbal, “Satellite thermal IR and atmospheric radon anomalies associated with the Haripur earthquake (Oct 2010 _Mw_ 5.2), Pakistan,” Advances in Space Research, vol. 60, no. 11, pp. 2333–2344, 2017. View at: Publisher Site | Google Scholar
  61. Y. H. Oh and G. Kim, “A radon-thoron isotope pair as a reliable earthquake precursor,” Rapports scientifiques, vol. 5, non. 1, 2015. View at: Publisher Site | Google Scholar
  62. Q. Ye, R. P. Singh, A. He, S. Ji, and C. Liu, “Characteristic behavior of water radon associated with Wenchuan and Lushan earthquakes along Longmenshan fault,” Radiation Measurements, vol. 76, pp. 44–53, 2015. View at: Publisher Site | Google Scholar

Droits d'auteur

Copyright © 2020 Aftab Alam et al. This is an open access article distributed under the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited.


NEURAL NETWORK MODELS FOR EARTHQUAKE MAGNITUDE PREDICTION USING MULTIPLE SEISMICITY INDICATORS

Neural networks are investigated for predicting the magnitude of the largest seismic event in the following month based on the analysis of eight mathematically computed parameters known as seismicity indicators. The indicators are selected based on the Gutenberg-Richter and characteristic earthquake magnitude distribution and also on the conclusions drawn by recent earthquake prediction studies. Since there is no known established mathematical or even empirical relationship between these indicators and the location and magnitude of a succeeding earthquake in a particular time window, the problem is modeled using three different neural networks: a feed-forward Levenberg-Marquardt backpropagation (LMBP) neural network, a recurrent neural network, and a radial basis function (RBF) neural network. Prediction accuracies of the models are evaluated using four different statistical measures: the probability of detection, the false alarm ratio, the frequency bias, and the true skill score or R score. The models are trained and tested using data for two seismically different regions: Southern California and the San Francisco bay region. Overall the recurrent neural network model yields the best prediction accuracies compared with LMBP and RBF networks. While at the present earthquake prediction cannot be made with a high degree of certainty this research provides a scientific approach for evaluating the short-term seismic hazard potential of a region.


Voir la vidéo: Description séismes et risque sismique (Octobre 2021).