Staging of Occurrence of Seismicity Anomalies before Earthquakes in Kamchatka, Japan and Iceland

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Abstract—The paper presents the results of a study showing that anomalies in the seismic regime parameters before earthquakes of various magnitudes occur in stages. The occurrence in stages means the correlation between the times of formation and development of anomalies in various seismic regime parameters. Earthquakes in regions with two general types of tectonics are selected for analysis: in the subduction zone (Kamchatka and Japan) and in the rift zone (Iceland). The selection of regions is primarily based on the availability and quality of regional seismic catalogs. GR b-value and the composite parameter known as the RTL are used as the seismic regime parameters. The detection of spatiotemporal anomalies before the selected earthquakes is based on the known “precursory patterns” of the seismic regime parameters. Comparing the durations of the detected anomalies shows that the anomalies of b-value generally occur earlier than the RTL anomalies. Possible reasons why the anomalies occur in stages are suggested. In the vicinity of the studied earthquakes, a change in the seismogenic rupture concentration parameter within the corresponding seismic cycles is also estimated. Comparing the times at which the detected seismic regime anomalies occur with the values of the seismogenic rupture concentration parameter corresponding to these times shows that the formation of seismic regime anomalies occurs at a stage when the system of seismogenic ruptures accumulated during the seismic cycle has almost reached its critical value.

About the authors

V. B. Smirnov

Physics Department, Moscow State University; Schmidt Institute of Physics of the Earth, Russian Academy of Sciences

Author for correspondence.
Email: vs60@mail.ru
Russia, 119991, Moscow; Russia, 123242, Moscow

A. A. Petrushov

Physics Department, Moscow State University; Schmidt Institute of Physics of the Earth, Russian Academy of Sciences

Email: vs60@mail.ru
Russia, 119991, Moscow; Russia, 123242, Moscow

References

  1. Журков С.Н., Куксенко В.С., Петров В.А., Савельев В.Н., Султанов У.С. К вопросу о прогнозировании разрушения горных пород // Изв. АН СССР. Сер. Физика Земли. 1977. № 6. С. 11–18.
  2. Журков С.Н., Куксенко В.С., Петров В.А., Савельев В.Н., Султанов У.С. Концентрационный критерий объемного разрушения твердых тел. Физические процессы в очагах землетрясений. М.: ИФЗ им. О.Ю. Шмидта. 1980. С. 78–86.
  3. Завьялов А.Д. Среднесрочный прогноз землетрясений: основы, методика, реализация. М.: Наука. 2006. 254 с.
  4. Кендалл М., Стьюарт А. Статистические выводы и связи. М.: Наука. 1973. 900 с.
  5. Михайлов В.О., Назарян А.Н., Смирнов В.Б. и др. Совместная интерпретация данных дифференциальной спутниковой интерферометрии и GPS на примере Алтайского (Чуйского) землетрясения 27.09.2003 г. // Физика Земли. 2010. № 3. С. 3–16.
  6. Мячкин В.И., Костров Б.В., Соболев Г.А., Шамина О.Г. Основы физики очага и предвестники землетрясений. Физика очага землетрясения. М.: Наука. 1975. С. 6–29.
  7. Петрушов А.А., Смирнов В.Б. Свидетельство о государственной регистрации программы для ЭВМ. № 2022611056. 2022.
  8. Садовский М.А., Писаренко В.Ф., Штейнберг В.В. О зависимости энергии землетрясения от объема сейсмического очага // Докл. АН СССР. 1983. Т. 271. № 3. С. 598–602.
  9. Салтыков В.А., Коновалова А.А. Мониторинг вариаций наклона графика повторяемости землетрясений Камчатки: методы и примеры. Проблемы Комплексного геофизического мониторинга ДВ России. Труды Второй региональной научно- технической конференции / В.Н. Чебров (ред.). Петропавловск-Камчатский: КФ ГС РАН. 2010. С. 235–238.
  10. Салтыков В.А., Кугаенко Ю.А., Кравченко Н.М., Коновалова А.А. Параметрическое представление динамики сейсмичности Камчатки // Вулканология и сейсмология. 2013. № 1. С. 65–84.
  11. Сидорин А.Я. Предвестники землетрясений. М.: Наука. 1992. 191 с.
  12. Смирнов В.Б., Завьялов А.Д. Концентрационный критерий разрушения с учетом фрактального распределения разрывов // Вулканология и сейсмология. 1996. № 4. С. 75–80.
  13. Смирнов В.Б., Завьялов А.Д. К вопросу о сейсмическом отклике на электромагнитное зондирование литосферы Земли // Физика Земли. 2012. № 7–8. С. 63–88.
  14. Смирнов В.Б., Пономарёв А.В. Физика переходных режимов сейсмичности. М.: РАН. 2020. 412 с.
  15. Смирнов В.Б., Ommi S., Потанина М.Г., Михайлов В.О., Петров А.Г., Шапиро Н.М., Пономарев А.В. Оценки параметров цикла разрушения литосферы по данным региональных каталогов землетрясений // Физика Земли. 2019. № 5. С. 3–21.
  16. Соболев Г.А. Концепция предсказуемости землетрясений на основе динамики сейсмичности при триггерном воздействии. М.: ИФЗ РАН. 2011. 56 с.
  17. Соболев Г.А. Модель лавинно-неустойчивого трещинообразования – ЛНТ // Физика Земли. 2019. № 1. С. 166–179.
  18. Соболев Г.А. Физические основы прогноза землетрясений. М.: Наука. 1993. 314 с.
  19. Соболев Г.А., Завьялов А.Д. О концентрационном критерии сейсмогенных разрывов // Докл. АН СССР. 1980. Т. 252. № 1. С. 69–71.
  20. Соболев Г.А., Пономарёв А.В. Физика землетрясений и предвестники. М.: Наука. 2003. 270 с.
  21. Соболев Г.А., Тюпкин Ю.С., Смирнов В.Б., Завьялов А.Д. Способ среднесрочного прогноза землетрясений // Докл. РАН. 1996. Т. 347. № 3. С. 405–407.
  22. Чебров В.Н., Дрознин Д.В., Кугаенко Ю.А., Левина В.И., Сенюков С.Л., Сергеев В.А., Шевченко Ю.В., Ящук В.В. Система детальных сейсмологических наблюдений на Камчатке в 2011 г. // Вулканология и сейсмология. 2013. № 1. С. 18–40. https://doi.org/10.7868/S0203030613010021
  23. Чеброва А.Ю., Чемарёв А.С., Матвеенко Е.А., Чебров Д.В. Единая информационная система сейсмологических данных в Камчатском филиале ФИЦ ЕГС РАН: принципы организации, основные элементы, ключевые функции // Геофизические исследования. 2020. Т. 21. № 3. С. 66–91. https://doi.org/10.21455/gr2020.3-5
  24. Aki K. Maximum likelihood estimate of b in the formula lgN = a – bM and its confidence limits // Bull. Earthquake Res. Inst. Tokyo Univ. 1965. V. 43. P. 237–239.
  25. Kali R., Zaytsev A., Burnaev E. Recurrent Convolutional Neural Networks help to predict location of Earthquakes // IEEE Geoscience and Remote Sensing Letters PP. 2021. V. 99. P. 1–5.
  26. Miachkin V.I., Sobolev G.A., Dolbilkina N.H. et al. The study of variations in geophysical fields near focal zones of Kamchatka // Tectonophysics. 1972. V. 14. № 3. P. 287–293.
  27. Mjachkin V.I., Brace W.F., Sobolev G.A., Dietrich J.H. Two models for earthquake forerunners // PAGEOPH. 1975. V. 113. P. 169–181.
  28. Nagao T., Takeuchi A., Nakamura K. A new algorithm for the detection of seismic quiescence: Introduction of the RTM algorithm, a modified RTL algorithm // Earth Planets and Space. 2011. V. 63. P. 315–324. .https://doi.org/10.5047/eps.2010.12.007
  29. Panza G.F., Kossobokov V.G., Laor E., De Vivo B. Earthquakes and sustainable infrastructure. Elsevier, 2022. 648 p.
  30. Proskura P., Zaytsev A., Braslavsky I., Egorov E., Burnaev E. Usage of Multiple RTL Features for Earthquakes Prediction. Computational Science and Its Applications. ICCSA 2019. ICCSA 2019. Lecture Notes in Computer Science. V. 11619. Springer. Cham. https://doi.org/10.1007/978-3-030-24289-3_41
  31. Scholz C.H., Sykes L.R., Aggarwal Y.P. Earthquake prediction: a physical basis // Science. 1973. V. 181. P. 803–809.
  32. Stefansson R. Advances in earthquake prediction. Springer. 2011. 245 p.
  33. Zhang Y., Huang Q. Seismicity Changes before Major Earthquakes in Sichuan, China, Revealed by a Combination of the RTL Algorithm and ETAS Model // Seismological Research Letters. 2022 V. 94 (2A). P. 844–851. https://doi.org/10.1785/0220220282

Supplementary files

Supplementary Files
Action
1. JATS XML
2.

Download (122KB)
3.

Download (95KB)
4.

Download (380KB)
5.

Download (1MB)
6.

Download (1MB)
7.

Download (219KB)
8.

Download (126KB)

Copyright (c) 2023 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».