ثبت زمین‌لرزه‌ها بدون لرزه نگار!

مهدی زارع 

امروزه استفاده از پلتفرم‌های علم شهروندی citizen science امروزه در دنیای زلزله شناسی مدرن به تدریج روشی جایگزین روشهای کلاسیک زلزله شناسی با لرزه نگارها تبدیل می شود. جمع‌سپاری و حسگرهای تلفن‌های هوشمند، تشخیص سریع، مقیاس‌پذیر و مقرون‌به‌صرفه زلزله را فراهم می‌کنند و لرزه‌شناسی سنتی را تکمیل می‌کنند. اگرچه به اندازه ابزارهای حرفه‌ای دقیق نیستند، اما شکاف‌های حیاتی در هشدار اولیه و واکنش سریع را پر می‌کنند و به طور بالقوه جان انسان‌ها را نجات می‌دهند. در ایران نگارنده در سال ۱۳۷۹ سامانه استفاده از پلتفرم‌های علم شهروندی -بر اساس دریافت اولین گزارش های مردمی و رسانه ای ازخرابی و خسارت از یک منطقه زلزله زده-را برای تشخیص سریع کانون مهلرزه ای زمینلرز ها و برآورد سریع شدت زلزله ها را برای جمعیت هلال احمر طراحی نمود.
مرکز لرزه‌نگاری اروپا-مدیترانه (EMSC) برای شناسایی و مکان‌یابی زلزله به شبکه‌های لرزه‌نگاری متکی است. با این حال، در مواردی که داده‌های لرزه‌نگاری سنتی در دسترس نیستند یا با تأخیر مواجه شده‌اند، این مرکز روش‌های نوآورانه‌ی جمع‌آوری اطلاعات و تشخیص جایگزین را برای تخمین سریع پارامترهای زلزله توسعه داده است. اولین قدم در حدس رخداد زلزله در یک منطقه خاص FlashSourcing جمع‌سپاری سریع است. این مرکز با تحلیل ترافیک اینترنت در زمان واقعی افزایش ناگهانی بازدید از وب‌سایت خود برای جستجوی داده از منطقه ای خاص را رصد می‌کند. باثبت IP کاربران و با تجزیه و تحلیل منشأ جغرافیایی کاربرانی که به سایت دسترسی دارند، در زمانی بسیار کوتاه- حدود ۱ دقیقه بعد از رخداد- محدوده مکانی احتمالی زلزله را استنباط میکند. کاربران عباراتی مانند “زلزله” یا “:”earthquake را جستجو می‌کنند که به تشخیص زودهنگام کمک می‌کند. اینتشخیص سریع در عرض ۱-۲ دقیقه کار می‌کند، و بنابراین تشخیص وقوع زلزله را بسیار سریع‌تر از رسیدن امواج لرزه‌ای امکان پذیر کرده است. برنامه LastQuake به مردم ساکن در پهنه زلزله زده و شاهدان عینی اجازه می‌دهد تا لرزش را در زمان واقعی آنطور که خود حس کرده اند گزارش دهند. رسانه‌های اجتماعی مانند توییتر/ایکس، اینستاگرام و فیسبوک در زمان زلزله برای کلمات کلیدی به زبان‌های مختلف جستجو می‌شوند مثلا «زلزله» «زمینلرزه» ، «earthquake» ً . تشخیص خودکار ربات ، گزارش‌های جعلی و هرزنامه‌ها را فیلتر می‌کند. مزیت این روش آن است که قبل از پردازش داده‌های لرزه‌ای، تخمین شدت بر اساس گزارش‌های احساس شده را ارائه می‌دهد. از سوی دیگر حسگرهای غیر لرزه نگاری مانند شتاب‌سنج‌های تلفن هوشمند قابل استفاده اند. برخی از برنامه‌ها مانند MyShake از حسگرهای تلفن برای تشخیص لرزش استفاده می‌کنند. همزمان اختلالات شبکه برق: نوسانات ناگهانی برق ممکن است نشان دهنده لرزش شدید باشد. البته باید مراقب بود. امکان هشدارهای کاذب هم وجود دارد. افزایش ترافیک اینترنت می‌تواند ناشی از رویدادهای غیر زلزله‌ای مثلاً حملات سایبری یا اخبار ویروسی باشد. ضمنا جمع‌سپاری Crowd Sourcing تخمین‌های تقریبی از مکان و بزرگی زلزله ارائه می‌دهد اما فاقد دقت شبکه‌های لرزه‌نگاری است. همچنبن در مناطق دارای پوشش خوب مخابرات و اینترنت مانند اروپا، ژاپن بهترین عملکرد را دارد اما در مناطق دورافتاده، کم جمعیت و بدون ارتباط اینترنت یا با ارتباط ضعیف شکست می‌خورد.
سازمان زمین‌شناسی ایالات متحده از طریق برنامه هایی مانند – “آیا آن را احساس کردید؟ (DYFI) گزارش‌های شدت از طریق جمع‌سپاری از عموم جمع آوری می شود. ضمنا با برنامه MyShake شتاب‌سنج‌های تلفن‌های هوشمند برای تشخیص لرزش در حال حاضر در کالیفرنیا و در سطح جهانی در حال آزمایش است. چنین برنامه هایی نقشه‌های شدت مهلرزه‌ای (میزان شدت احساس زلزله توسط مردم) را ارائه می‌دهد و به تأیید زلزله در مناطقی با ایستگاه‌های لرزه‌نگاری پراکنده کمک می‌کند. در زلزله ۲۰۱۴ با بزرگای ۶.۰ جنوب ناپا ، شمال سان فرانسیسکو – گزارش‌های DYFI در برخی مناطق از داده‌های لرزه‌نگاری پیشی گرفت. در آژانس آب و هواشناسی ژاپن JMA برای هشدار پیش هنگام زلزله از شبکه‌های لرزه‌نگاری سنتی استفاده می‌کنند اما با بررسی روندهای/ X توییتر با هشتگ زلزله هشدارهای ارسال شده به تلفن‌های هوشمند تدقیق می شود. با این روش همراه با شبکه لرزه‌نگاری متراکم ژاپن با همراهی مشارکت عمومی و اطلاعات شبکه های اجتماعی اطلاع رسانی سریعتر و دقیقتر از زمینلرزه ها انجام می شود. در چین CENC مرکز شبکه‌های زلزله چین هشدارهای ویبو (توییتر چینی) را برای پست‌های مرتبط با زلزله رصد می‌کند. همچنین از هشدارهای فوری تلفن‌های هوشمند در مناطق پرخطر استفاده می‌کند. در زلزله با بزرگای ۶.۶ سیچوان ۲۰۲۲ گزارش‌های مردمی قبل از هشدارهای رسمی در ویبو افزایش یافت و از آن استفاده شد. در ایتالیا INGV موسسه ملی ژئوفیزیک و آتشفشان‌شناسی گزارش‌های توییتری هشتگ #terremoto (به ایتالیایی به معنای زلزله) را در توییتر دنبال می‌کند . در زلزله با بزرگای ۶.۲ آماتریچه ۲۰۱۶ – گزارش‌های رسانه‌های اجتماعی به ارزیابی سریع خسارات کمک کرد. بهترین جمع‌سپاری از طرف مرکز زلزله شناسی اروپا مدیترانه فرانسه EMSC و سازمان زمینشناسی ایالات متحده USGS انجام می شود. مزایا جمع سپاری نسبت به لرزه‌نگارهای سنتی شامل استفاده از شبکه‌های تلفن هوشمند با پوشش جهانی (میلیاردها تلفن) و هزینه نصب/نگهداری رایگان – چرا که از دستگاه‌های موجود استفاده می‌کند – و سرعت تقریباً آنی با داده‌های با تراکم بالا از شهرها است . برای هشدارهای اولیه، ردیابی پس‌لرزه‌ها و مناطقی با نظارت ضعیف لرزه‌ای این روش قابلیتهای بالایی دارد. البته محدودیت‌ها عبارتند از دقتهای کمتری نسبت به لرزه‌نگارهای حرفه‌ای به‌ویژه برای زلزله‌های کوچک است. توسعه هوش مصنوعی موجب فیلتر کردن بهتر نویزها، داده های خطا و نامربوط برای کاهش هشدارهای کاذب است. ترکیب داده‌های تلفن‌های هوشمند با داده‌های لرزه‌سنج برای سیستم‌های ترکیبی و ارائه هشدارهای زلزله به مناطق و کشورهای در حال توسعه بدون شبکه‌های لرزه‌نگاری از مزایای جمع سپاری با استفاده از پلتفرم‌های علم شهروندی است.