El nuevo método produce mapas mejorados de tasas de tensión superficial

Los terremotos ocurren cuando la tensión tectónica que se ha acumulado gradualmente a lo largo de una falla se libera repentinamente. Las mediciones de la cantidad de deformación de la superficie de la Tierra a lo largo del tiempo, o la tasa de tensión, se pueden usar en modelos de peligro sísmico para predecir dónde ocurrirán los terremotos. Una forma en que los científicos estiman la tasa de tensión es a través de satélites en órbita y mediciones detalladas de la cantidad de estaciones de GPS que se mueven a través de la superficie de la Tierra.

Sin embargo, existen desafíos para el uso de tales datos geodésicos. Las estaciones proporcionan mediciones solo en ubicaciones específicas y no están distribuidas de manera uniforme; la creación de un mapa continuo de la tasa de deformación requiere que los científicos realicen estimaciones para llenar los vacíos de datos. Estos datos interpolados agregan incertidumbre a los modelos matemáticos resultantes.

Para abordar estos problemas, Pagani et al. Desarrolló un método bayesiano multidimensional para estimar las tasas de estrés superficial en el suroeste de los Estados Unidos, con un enfoque en la falla de San Andrés. Su método dividió esencialmente el área de estudio en triángulos no superpuestos y calculó las velocidades dentro de cada triángulo incorporando mediciones de estaciones GPS ubicadas en el interior.

El equipo no se basó solo en uno Formulario. Utilizaron el algoritmo de Monte Carlo de la cadena de Markov inversa para producir hasta cientos de miles de estos modelos, con coordenadas ligeramente modificadas para esos triángulos bidimensionales. De hecho, entre estos modelos, incluso el número de triángulos puede variar; dado que el método es multidimensional, los autores no especificaron ningún parámetro por adelantado. Finalmente, combinaron todos estos modelos para crear un mapa final de la tasa de estrés continuo.

Usando los datos de prueba, los autores encontraron que su enfoque manejó los errores de datos y la distribución desigual de los datos mejor que el esquema de interpolación estándar B spline. Además, debido a que el enfoque incluía información de muchos modelos, produjo un conjunto de estimaciones de la tasa de estrés en cada punto y probabilidades para esos valores.

Cuando el equipo utilizó el nuevo enfoque para calcular las tasas de estrés alrededor del sistema de fallas de San Andreas, encontraron que su mapa era consistente con estudios anteriores. Incluso identificó con éxito las secciones rastreras del sistema de mal funcionamiento de las bloqueadas. Los investigadores pueden utilizar la técnica recientemente descrita para desarrollar otros mapas de tasas de estrés y puede tener aplicación en general a otros problemas de interpolación en las ciencias de la Tierra.

Esta historia se vuelve a publicar con el permiso de Eos y está alojada por la American Geophysical Union. Leer la historia original Aquí.