Étiquette : earthquakes

Animaux, prévision sismique et volcanique // Animals, seismic and volcanic prediction

L’éruption du 11 septembre 1930 est l’événement le plus violent et le plus destructeur de l’histoire éruptive du Stromboli. Elle a duré moins d’une journée mais a causé des dégâts considérables ainsi que plusieurs morts. De gros blocs (certains de plus de 10 mètres cubes) ont détruit 14 maisons à Ginostra et gravement endommagé le bâtiment du Semaforo Labronzo.
Il n’y a eu aucun signe précurseur apparent, à l’exception d’une légère augmentation des émissions de cendres moins de deux heures avant le début de l’activité explosive. Au cours des mois précédents, l’activité avait été « normale ». Les pêcheurs locaux ont déclaré que les mouettes avaient disparu à Stromboli dans les jours qui ont précédé l’événement. Il existe plusieurs autres histoires d’animaux ayant montré des comportements différents avant un séisme ou une éruption volcanique.
Une équipe de scientifiques a commencé à étudier si les chiens, les chèvres et d’autres animaux de basse-cour sont capables d’annoncer des catastrophes naturelles telles que les éruptions volcaniques et les tremblements de terre. Des milliers d’animaux ont été recrutés dans le cadre d’un programme qui fixe de minuscules émetteurs sur des mammifères, des oiseaux et des insectes pour surveiller leurs mouvements à partir d’un satellite dans l’espace. En plus d’analyser leur réaction aux catastrophes imminentes, le programme prévoit d’étudier également la propagation des maladies entre les espèces, l’impact du réchauffement climatique et les schémas de migration.
Une étude précédente menée en Sicile sur les pentes de l’Etna a révélé que des chèvres équipées de capteurs devenaient nerveuses avant une éruption et refusaient de se déplacer vers des pâturages situés sur des pentes plus élevés. À terme, les scientifiques espèrent lancer un ensemble d’environ six satellites. Il permettra d’établir un réseau d’observation mondial fournissant non seulement des détails sur les déplacements de la faune et la santé animale à travers la planète, mais ce réseau révélera également comment les créatures réagissent à des phénomènes naturels tels que les séismes.
On ne sait toujours pas pourquoi les animaux réagissent de cette façon. Certains chercheurs pensent que le mouvement des plaques tectoniques projetant « des ions des roches dans l’air » pourrait être à l’origine de leur comportement.
Les progrès de la technologie ont facilité la surveillance du comportement animal par les scientifiques, grâce à de minuscules émetteurs numériques collectant des données qui peuvent être ensuite analysées. Par exemple, une balise électronique placée sur un sanglier a permis de mettre en évidence la propagation rapide de la peste porcine africaine, une maladie hautement contagieuse, entre les sangliers et les porcs domestiques. Cette technologie devrait également permettre aux scientifiques de comprendre pourquoi certaines créatures parcourent plusieurs milliers de kilomètres entre l’Europe et l’Afrique chaque année. De la même façon, les chercheurs pourront étudier les populations animales pour déterminer comment elles réagissent aux changements d’habitat provoqués par le réchauffement climatique.
La Coopération internationale pour la recherche animale en utilisant l’espace (Icarus) avait prévu de lancer un satellite, mais a dû interrompre sa coopération avec ses homologues russes de la Station spatiale internationale en raison de l’invasion de l’Ukraine. L’équipe a maintenant construit un nouveau petit satellite qui devrait être lancé l’année prochaine pour commencer à travailler sur le projet.
Source : The Independent.

En disparaissant, les mouettes ont-elles annoncé l’éruption du Stromboli en 1930 ?

———————————————————

The eruption of 11 September 1930 stands as the most violent and destructive event in the historic record of Stromboli’s activity. It lasted less than one day and caused considerable damage as well as several deaths. Large blocks (some with volumes of more than 10 cubic meters) destroyed 14 houses in Ginostra and severely damaged the building of Semaforo Labronzo.

There was no apparent warning except somewhat increased ash emissions less than two hours before the onset of highly explosive activity; during the preceding months, the activity had been « normal ». The local fishermen said that the seagulls were no longer to be seen at Stromboli in the days that preceded the event. There have been several stories of animals behaving differently before ann earthquake or a volcanic eruption.

A team of scientists have begun exploring whether dogs, goats and other farmyard animals are able to predict natural disasters such as volcanic eruptions and earthquakes. They have enrolled thousands of animals for a programme that uses tiny transmitters fitted to mammals, birds and insects to monitor their movements from a satellite in space. As well as analysing their reaction to imminent disasters, the programme will also study the spread of diseases among breeds, the impact of global warming and migration patterns.

A previous study in Sicily on the slopes of Mount Etna found that sensors showed the goats became nervous before an eruption and refused to move to higher pastures. Ultimately, the scientists hope to launch a fleet of around six satellites and establish a global observation network that will not only provide details of wildlife movements and animal health across the planet but reveal how creatures respond to natural phenomena like earthquakes.

It remains unclear why animals behave this way. Some researchers suggest that the movement of tectonic plates throwing “ions from the rocks into the air” could be causing their reaction.

The progress of technology has made it easier for scientists to monitor animal behaviour, with tiny digital transmitters collecting data that can be analysed. For example, an electronic ear tag placed on a wild boar has helped show the quick spread of the highly contagious African swine fever between them and domestic pigs. It should also help scientists undestand why some creatures travel several thousand kilometers between Europe and Africa every year. Similarly, researchers will be able to study animal populations to determine how they are responding to habitat changes triggered by global warming.

The International Cooperation for Animal Research Using Space (Icarus) had planned to launch a satellite several years ago but had to halt cooperation with their Russian counterparts on the International Space Station due to the invasion of Ukraine. The team has now built a new small satellite which is due to launch next year to begin work on the project.

Source : The Independent.

L’intelligence artificielle (IA) au service de la prévision sismique // Artificial Intelligence (AI) to help seismic prediction

La prévision sismique reste aujourd’hui l’un des maillons faibles de la science. Force est de constater que nous ne savons pas prévoir les séismes. Chaque fois que de puissantes secousses se produisent, le nombre de victimes est très élevé et les dégâts matériels sont souvent considérables.

Nous connaissons la plupart des zones où les séismes les plus puissants sont susceptibles de se produire, mais notre connaissance sismique s’arrête là. Pourtant, une zone sensible comme la Californie avec la Faille de San Andreas est truffée de sismographes qui fournissent une foule d’informations, mais nous ne savons pas suffisamment les interpréter pour éviter des catastrophes.

Il se pourrait qu’avec l’avènement de l’Intelligence Artificielle (IA) des progrès soient accomplis rapidement en matière de prévision. Le numéro de novembre 2024 du National Geographic raconte l’histoire de Zachary Ross, professeur adjoint de géophysique à l’Institut de Technologie (Caltech) de Californie.

Zachary Ross a cherché une nouvelle approche d’interprétation des signaux sismiques californiens. Il avait remarqué que la majorité des failles dans cet État génèrent de minuscules secousses et des ondes sismiques tellement faibles qu’elles sont difficilement décelables par l’Homme.

En 2017, le scientifique eut l’idée de transposer à la sismologie la technique du machine learning ou apprentiisage automatique utilisée pour l’IA, en particulier pour la gestion de grandes quantités de photos. Il s’est proposé de l’appliquer aux innombrables microséismes, parfois difficilement détectables, mais probablement révélateurs au niveau des failles, enregistrés en Californie.

Avec ses collègues, Zachary Ross a collecté tous les sismogrammes obtenus dans le sud de l’État. Il a ensuite établi des modèles d’ondes sismiques pour chacun d’entre eux et passé ces données au crible d’un algorithme pour qu’il recherche des secousses imperceptibles correspondant à ces modèles. Le résultat a révélé que près de deux millions de séismes survenus entre 2008 et 2017 – et non détectés – ont été identifiés par l’algorithme. Cela a permis de mettre en évidence un réseau complexe de failles qui n’avait pas été décelé jusqu’alors. Toutefois, l’algorithme n’a pu discerner des séismes que dans les données qu’il avait appris à reconnaître.

Zachary Ross s’est alors tourné vers des programmes de self-learning – ou auto-apprentissage – autrement dit des programmes se servant d’informations existantes pour prédire l’avenir, c’est à dire les ondes que pourrait émettre une plus grande variété de séismes. Ces outils ont effectivement repéré une foule de séismes méconnus, mais confirmés par les scientifiques.

Ces programmes d’auto-apprentissage ne se contentent pas d’identifier les séismes indétectables par l’Homme et les failles cachées. Une fois déployés à travers la Californie, ils ont révélé une nouvelle catégorie d’essaims sismiques à propagation lente.

On peut raisonnablement penser que ces programmes de machine learning, de plus en plus précis, donneront bientôt un aperçu plus précis de la croûte terrestre. Peut-être permettront ils d’améliorer la rapidité et l’exactitude des systèmes d’alerte précoce. Ils rejoindront inévitablement une gamme de plus en plus fournie d’outils reposant sur l’IA pour que les catastrophes sismiques soient moins destructrices.

Il reste toutefois un long chemin à parcourir avant que les humains et l’IA parviennent ensemble à une prévision sismique digne de ce nom.

Adapté d’un article paru dans le National Geographic France.

Région tourmentée de la Faille de San Andreas (Photos: C. Grandpey)

————————————————-

Earthquake prediction remains one of the weak points in science today. Indeed, we are not able to predict earthquakes. Every time powerful tremors occur, the number of victims is very high and the material damage is often considerable.
We know most of the areas where the most powerful earthquakes are likely to occur, but our seismic knowledge does not go any further. A sensitive area like California with the San Andreas Fault is full of seismographs that provide a wealth of information, but we do not know how to interpret them to avoid disasters.
It is possible that with the advent of Artificial Intelligence (AI), progress will be made quickly in terms of prediction. The November 2024 issue of National Geographic tells the story of Zachary Ross, an assistant professor of geophysics at the California Institute of Technology (Caltech).
Zachary Ross was looking for a new approach to interpreting Californian seismic signals. He had noticed that most of the faults in this State generate tiny tremors and seismic waves so weak that they are difficult to detect by humans.
In 2017, the scientist had the idea of ​​transposing to seismology the machine learning technique used for AI, in particular for the management of large quantities of photos. He proposed to apply it to the countless microseisms, sometimes difficult to detect, but probably revealing at the level of the faults, recorded in California.
With his colleagues, Zachary Ross collected all the seismograms recorded in the southern part of the State. He then established seismic wave patterns for each of them and ran the data through an algorithm to look for imperceptible tremors that matched those patterns. The result was that nearly two million earthquakes that had occurred between 2008 and 2017—and had not been detected—were identified by the algorithm. This revealed a complex network of faults that had previously gone undetected. However, the algorithm could only discern earthquakes in data that it had learned to recognize.
Zachary Ross then turned to self-learning programs – programs that use existing information to predict the future, that is, the waves that a wider variety of earthquakes might emit. These tools did indeed detect a host of unknown earthquakes, but that scientists confirmed.
These self-learning programs don’t just identify earthquakes that humans can’t detect and hidden faults. When deployed across California, they revealed a new class of slow-moving seismic swarms.
It’s reasonable to assume that these increasingly accurate machine learning programs will soon provide a more precise view of the Earth’s crust. Perhaps they will help improve the speed and accuracy of early warning systems. They will inevitably join a growing range of AI-powered tools to make seismic disasters less destructive.
However, there’s still a long way to go before humans and AI can work together to predict earthquakes.
Adapted from an article in National Geographic France.

Grindavik (Islande) : et maintenant ? // Grindavik (Iceland) : What now?

Hier, 10 novembre 2024, marquait le premier anniversaire de la série de puissants séismes qui ont entraîné l’évacuation immédiate de Grindavík sur la péninsule de Reykjanes. Six éruptions ont eu lieu le long de la chaîne de cratères de Sundhnúksgígar depuis le début de l’activité et de nombreux habitants de Grindavík restent sans trop savoir de quoi leur avenir sera fait.
Un nouveau rapport du cabinet du Premier ministre fait un état des leiux et se penche sur l’avenir de Grindavík. Les dépenses et investissements engagés par l’État islandais suite à la catastrophe sont estimés à 80 milliards de couronnes islandaises (538 millions d’euros) pour les années 2023 et 2024. La plus grande partie, 51,5 milliards de couronnes (346 millions d’euros), est liée à Þórkatla, la société d’investissement publique qui a acheté les maisons des habitants de Grindavík qui souhaitent les vendre. Par ailleurs, 9,9 milliards de couronnes (67 millions d’euros) ont été dépensés pour la construction des digues de protection autour de Grindavík et Svartsengi.
La majorité des structures à Grindavík n’ont cependant subi que peu ou pas de dégâts. Au final, certaines personnes ont choisi de rester chez elles, malgré le risque d’une nouvelle éruption.
63 habitationss ont été endommagées de manière irréparable. Au total, 523 dossiers sont en cours de traitement par l’Assurance islandaise pour les catastrophes naturelles. Parmi eux, 363 concernent des logements résidentiels. La plupart des dégâts ont été causés par les séismes, plus que par les coulées de lave qui ont atteint trois maisons lors d’une des éruptions.
D’après le rapport du Premier ministre, des décisions devront être prises rapidement à propos de l’avenir de Grindavík dont les finances ont été fortement impactées par les événements de l’an dernier. Même si 1 600 habitants sont officiellement enregistrés, la population réelle de Grindavík semble être aujourd’hui plus proche de 100. Les élections municipales approchent en 2026 et des décisions devront être prises rapidement. S’agissant de la reconstruction de la ville, le rapport du Premier Ministre conseille de faire preuve de patience, car on ne sait pas pendant combien de temps l’activité volcanique va se poursuivre.
Source : Iceland Review.

La lave et les séismes ont fortement endommagé Grindavik (Crédit photo: Iceland Review)

—————————————————

Yesterday, 10 November 2024, marked the one year anniversary of the devastating string of earthquakes that triggered the immediate evacuation of Grindavík in the Reykjanes peninsula. Six volcanic eruptions have taken place in Sundhnúksgígar since activity began and many Grindavík residents remain without a permanent secure home.

A new report from the Prime Minister’s office outlines the costs and looks to the future of Grindavík. The total expenditure and investment costs of the Icelandic state following the disaster are estimated at ISK 80 billion (538 million euros) for the years of 2023 and 2024. The largest part, ISK 51.5 billion (346 million euros), is related to Þórkatla, the public investment company that has bought the residential properties of the Grindavík inhabitants who wish to sell. A further ISK 9.9 billion (67 million euros) was spent on the building of protective barriers to protect Grindavík and Svartsengi area.

The majority of Grindavík properties, however, have sustained no or little damage. In fact, some people still choose to remain in their homes, despite the regular threat of a new eruption.

63 properties were damaged beyond repair. A total of 523 cases are being processed by the Natural catastrophe insurance of Iceland, 363 of them relating to residential housing. Most of the damage was done by the earthquakes rather than the lava flows that reached three houses during one of the eruptions.

According to the Prime Minister’s report, decisions will need to be made about the future of the Grindavík municipality, whose finances will otherwise be devastated. Even with 1,600 residents registered, the real population of Grindavík seems to be closer to 100. Municipal elections are coming up in 2026 and decisions will need to be made in time. Regarding any reconstruction of the town, the report advises patience, as it is unclear for how long volcanic activity will continue.

Source : Iceland Review.

L’intelligence artificielle au service de la prévision sismique // Artificial intelligence might help earthquake prediction

Une étude récente, conduite par des géophysiciens de l’Université d’Alaska à Fairbanks et de l’Université Ludwig-Maximilians de Munich, propose une nouvelle technique d’apprentissage automatique permettant de prévoir les puissants séismes plusieurs mois à l’avance. L’étude a été publiée dans Nature Communications en août 2024.
La nouvelle méthode utilisée par les chercheurs consiste à analyser des volumes importants de données sismiques pour identifier des schémas d’activité sismique de faible magnitude susceptibles d’annoncer de puissants événements. L’algorithme d’apprentissage automatique utilisé, qui se base sur des données sismiques historiques, peut détecter ces précurseurs, avec la capacité à prévoir une catastrophe majeure.des mois à l’avance.
Les chercheurs se sont concentrés sur deux puissants séismes récents: celui de magnitude M 7,1 d’Anchorage en 2018 et l’essaim sismique enregistré à Ridgecrest, en Californie, en 2019. Dans les deux cas, ils ont découvert des signes d’activité sismique anormale dans les mois précédant les principaux événements. La probabilité d’un puissant séisme était de plus de 80 % trois mois avant le séisme d’Anchorage et de 85 % quelques jours seulement avant qu’il se produise.
Les scientifiques ont testé leurs hypothèses dans des zones sismiques actives telles que le centre-sud de l’Alaska et le sud de la Californie. Ces régions ont fourni des données importantes pour tester la capacité de la méthode à prévoir les séismes de grande ampleur. Les résultats de l’étude pourraient être utilisés dans d’autres zones sujettes aux séismes, notamment la faille de San Andreas en Californie et la fosse de Nankai au Japon.
La nouvelle étude représente plusieurs années de collecte et d’analyse de données. Les résultats les plus récents indiquent une amélioration significative de la prévision sismique. L’objectif principal est d’améliorer la sécurité publique et la préparation aux catastrophes. La plupart des technologies traditionnelles de prévision sismique ne sont pas parvenues à fournir un avertissement préalable adéquat. Les auteurs de l’étude espèrent développer une méthode plus fiable. Cela permettrait de sauver des vies et de réduire les dommages économiques grâce à des évacuations rapides des populations menacées.
La méthode de prévision utilisée par les chercheurs a recours à des algorithmes d’apprentissage automatique basés sur des catalogues de séismes afin de repérer les schémas d’activité sismique aberrante de faible magnitude qui précèdent souvent les puissants séismes. Selon eux, ces précurseurs de faible magnitude sont peut-être causés par une augmentation de la pression des fluides interstitiels dans les failles, ce qui modifie les propriétés mécaniques de ces dernières. La méthodologie utilisée par les scientifiques a permis de découvrir cette activité antérieure dans 15 à 25 % des zones touchées, environ trois mois avant les séismes d’Anchorage et de Ridgecrest. La capacité du modèle à prévoir la probabilité qu’un puissant séisme se produise dans un laps de temps donné constitue un grand pas en avant dans la prévision sismique.
Les chercheurs font remarquer que l’approche basée sur l’apprentissage automatique présentée dans l’étude ne nécessite que des informations mises à jour et archivées de manière routinière dans les catalogues de séismes. Une telle approche pourrait permettre de mieux comprendre la dynamique des réseaux de failles et à identifier les variations dans le champ de contrainte régional. Elle pourrait être facilement mise en œuvre par les agences de surveillance pour contrôler la sismicité de faible magnitude en temps quasi réel. À terme, cette nouvelle approche pourrait aider à concevoir des stratégies de niveaux d’alerte sismique basées sur la détection de l’activité tectonique régionale, et à améliorer la prévision des séismes de forte magnitude plusieurs semaines à plusieurs mois à l’avance dans le sud de la Californie, le centre-sud de l’Alaska, mais aussi dans d’autres régions du monde.
L’étude est en libre accès à cette adresse :
https://doi.org/10.1038/s41467-024-51596-z

Voir aussi l’article sur le site The Watchers.

La faille de San Andreas et ses homologues en Californie sont susceptibles de provoquer de puissants séismes (Photos: C. Grandpey)

————————————————–

A recent study by geophycists of the University of Alaska Fairbanks and Ludwig-Maximilians-Universität in Munich proposes a new machine learning technique for predicting big earthquakes months in advance. The study was published in Nature Communications in August 2024.

The new method entails analyzing massive volumes of seismic data to identify minor patterns of low-magnitude earthquake activity that may foreshadow big quakes. The machine learning algorithm, trained on historical earthquake data, may detect these precursors, potentially providing months of notice before a large-magnitude disaster.

The researchers concentrated on two recent significant earthquakes: the 2018 M 7.1 Anchorage earthquake and the 2019 Ridgecrest, California, earthquake series. In both cases, they discovered signs of aberrant seismic activity in the months preceding up to the main events, with the probability of a significant earthquake climbing up to over 80% three months before the Anchorage quake and 85% just days before it occurred.

The scientists test their conclusions in seismically active areas such as Southcentral Alaska and Southern California. These regions, recognized for their high seismic activity, supplied important data to test the method’s ability to forecast big earthquakes. The study’s findings have far-reaching ramifications for other earthquake-prone areas, including California’s San Andreas Fault and Japan’s Nankai Trough.

The new study represents several years of data collecting and analysis, with the most recent findings indicating a significant improvement in earthquake prediction. The major goal of this research was to enhance public safety and catastrophe preparedness. Traditional earthquake prediction technologies have frequently failed to provide adequate advance warning. The authors of the study hope to develop a more reliable method of anticipating seismic events. This would allow to save lives and decrease economic damages through timely evacuations and preparedness.

The researchers forecast method used machine learning algorithms trained on earthquake catalogs to spot patterns of aberrant, low-magnitude seismic activity, which frequently precede big earthquakes. In their opinion, these precursory low-magnitude earthquakes could be caused by increased pore fluid pressure within faults, which changes the faults’ mechanical properties. Their methodology discovered this antecedent activity in 15% to 25% of the afflicted zones about three months before the Anchorage and Ridgecrest earthquakes. The model’s capacity to forecast the likelihood of a big earthquake occurring within a given timeframe is a huge step forward in earthquake prediction.

The researchers say that it is worth noting that the machine learning-based approach presented in the study only requires information that is currently being archived routinely in earthquake catalogs; could help to better understand the dynamics of fault networks and identify variations in the regional stress field; and can be easily implemented by surveillance agencies to monitor low-magnitude seismicity in near-real time. Eventually, this new approach could help to design earthquake alert level strategies based on the detection of regional tectonic unrest, and to improve the forecast of large-magnitude earthquakes from weeks to months in advance in Southern California, Southcentral Alaska, and potentially elsewhere.

The study is in Open access at this address :

https://doi.org/10.1038/s41467-024-51596-z

See the article on the website The Watchers.