Cientistas Implantam Array de Sensores Remotos para Rastrear Enxame Sísmico em Samoa Americana

Sociedade Sismológica da América, Albany, CA

Contexto: Enxame Sísmico sem Monitoramento Local

No final de julho a outubro de 2022, moradores das Ilhas Manu'a em Samoa Americana sentiram a terra tremer várias vezes ao dia, gerando preocupações de erupção vulcânica iminente ou tsunami.

Um catálogo de terremotos para a área não revelou nada, pois as ilhas não possuíam rede de monitoramento sísmico que pudesse medir os tremores e auxiliar sismólogos na busca pela origem do enxame sísmico.

Mas os moradores das ilhas Ta'u, Ofu e Olosega precisavam de respostas, então Clara Yoon do U.S. Geological Survey e colegas encontraram outra forma de preencher as lacunas sísmicas. Usaram aprendizado de máquina e uma técnica chamada template matching (correspondência de template) em dados de tremor registrados por um único sensor sísmico localizado a 250 quilômetros do enxame de Samoa Americana.

Rastrearam o enxame usando estes dados de estação única, combinados com relatórios de tremores de moradores, até que estações sísmicas permanentes locais fossem instaladas em Samoa Americana em agosto e setembro de 2022.

Características do Enxame

O enxame sísmico vulcânico não-eruptivo começou em julho de 2022 a cerca de 15 quilômetros offshore da Ilha Ta'u. As ilhas vulcânicas de Samoa surgem à medida que a placa tectônica do Pacífico se move sobre um hotspot no sul do Oceano Pacífico.

Relatórios de moradores sobre tremores frequentes, ocorrendo várias vezes ao dia por alguns segundos, foram a única informação sobre o enxame inicialmente. "Quando os terremotos começaram, Samoa Americana não tinha monitoramento geofísico instrumental, então mesmo informações básicas sobre a origem dos tremores — com implicações para tomada de decisão de emergência e segurança pública — eram inexistentes," disse Yoon.

Solução Inovadora: Estação Remota e Deep Learning

Para remediar isso, os pesquisadores recorreram a uma estação sísmica remota em Upolu, Samoa, parte da Global Seismographic Network, que tem dados disponíveis para download em tempo quase real através do EarthScope data center, disse Yoon.

O sinal sísmico do enxame de Samoa Americana era difícil de detectar na estação distante, então Yoon e colegas usaram um modelo de deep learning chamado EQTransformer, junto com template matching, para identificar estes minúsculos terremotos em um ruído sísmico de fundo.

"EQTransformer encontrou muitos terremotos com localizações consistentes com leste de Samoa Americana, o maior dos quais coincidiu com os tempos dos relatórios sentidos," disse Yoon. "Estes relatórios sentidos, contribuídos por moradores locais ao National Weather Service, foram fontes essenciais de dados sobre os terremotos, e nos deram confiança de que os eventos detectados pelo EQTransformer eram realmente os mesmos terremotos sentidos pela população local."

Resultados e Implicações

Com este novo catálogo de terremotos para o evento, os pesquisadores puderam caracterizar o início e o pico da atividade do enxame. Sensores Raspberry Shake portáteis e baratos implantados em agosto de 2022 ajudaram a localizar rapidamente a área do enxame. O enxame terminou em outubro de 2022 sem erupção, mas provavelmente estava relacionado a movimento de magma vulcânico, concluíram os pesquisadores.

Yoon disse que uma abordagem como sua técnica de estação única poderia ser útil em outros lugares ao redor do mundo onde monitoramento sísmico permanente é escasso e risco sísmico é mal compreendido, como regiões offshore com potencial de tsunami ou terremotos dentro de uma placa tectônica. Acrescentou que o maior terremoto no enxame de Samoa Americana foi magnitude 4.5, tornando improvável que teria sido detectado por redes sísmicas globais.

"Se ninguém morasse por perto para relatar os tremores frequentes, este enxame de Samoa Americana pode ter passado completamente despercebido," disse Yoon. "Muitas fontes e fenômenos sísmicos desconhecidos aguardam descoberta, talvez por futuras aplicações abrangentes de larga escala de abordagens de deep learning em sismologia."

Para mais informações, entre em contato com a Sociedade Sismológica da América em info@seismosoc.org.