Features of Seismicity Anomalies before Strong Earthquakes in California

封面

如何引用文章

全文:

开放存取 开放存取
受限制的访问 ##reader.subscriptionAccessGranted##
受限制的访问 订阅存取

详细

Before the 15 strongest earthquakes in California with magnitudes M ≥ 6.5 from 1984 to 2023, an analysis of seismicity anomalies was conducted using two parameters: the b-value and the RTL function. Spatiotemporal anomalous areas were identified based on known precursors for these parameters. The values of tuning coefficients for the calculation algorithms and catalog filtering parameters selected for the analysis of each earthquake are presented. Characteristics of the anomalies were determined, including their duration, size, and distance from the center of the anomaly to the earthquake epicenter. A comparison of anomaly durations revealed that, for most earthquakes, RTL parameter anomalies occur earlier than b-value anomalies. This sequence of anomaly occurrence differs from the sequence found by the authors previously when analyzing strong earthquakes in subduction zones and rift zones. A significant portion of the earthquakes studied in California occur with a delay of several months after the completion of the bay-like anomalies of the RTL parameter, which reflect the end of the formation of a metastable region in the medium. Meanwhile, abnormally low values of b-value persist until the moment of the earthquake.

作者简介

A. Petrushov

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

编辑信件的主要联系方式.
Email: petrushov.aa18@physics.msu.ru

Faculty of Physics

俄罗斯联邦, Moscow, 119234; Moscow, 123995

V. Smirnov

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

Email: petrushov.aa18@physics.msu.ru

Faculty of Physics

俄罗斯联邦, Moscow, 119234; Moscow, 123995

V. Mikhailov

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

Email: petrushov.aa18@physics.msu.ru

Faculty of Physics

俄罗斯联邦, Moscow, 119234; Moscow, 123995

S. Fomina

Moscow State University

Email: petrushov.aa18@physics.msu.ru

Faculty of Physics

俄罗斯联邦, Moscow, 119234

参考

  1. Кендалл М., Стьюарт А. Статистические выводы и связи. М.: Наука. 1973. 900 с
  2. Молчан Г.М., Дмитриева О.Е. Идентификация афтершоков: обзор и новые подходы // Вычислительная сейсмология. 1991. Вып. 24. С. 19–50.
  3. Писаренко В.Ф. О законе повторяемости землетрясений. Дискретные свойства геофизической среды. М.: Наука. 1989. С. 47–60.
  4. Писаренко В.Ф., СкоркинаА.А., Руковишникова Т.А. Как выбирать интервал магнитуд для оценки наклона графика повторяемости // Вулканология и сейсмология. 2023. № 2. С. 3–11.
  5. Потанина М.Г., Смирнов В.Б., Бернар П. Особенности развития сейсмической роевой активности в Коринфском рифте в 2000–2005 гг. // Физика Земли. 2011. № 7. С. 54–66.
  6. 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.
  7. Салтыков В.А., Кугаенко Ю.А., Кравченко Н.М., Коновалова А.А. Параметрическое представление динамик сейсмичности Камчатки // Вулканология и сейсмология. 2013. № 1. С. 65–84
  8. Сидорин А.Я. Предвестники землетрясений. М.: Наука. 1992. 191 с.
  9. Смирнов В.Б. Опыт оценки представительности данных каталогов землетрясений // Вулканология и сейсмология. 1997. № 4. С. 93–105.
  10. Смирнов В.Б. Прогностические аномалии сейсмического режима. I. Методические основы подготовки исходных данных // Геофизические исследования. 2009 Т. 10. № 2. С. 7–22.
  11. Смирнов В.Б., Петрушов А.А. Стадийность проявления аномалий сейсмического режима перед землетрясениями Камчатки, Японии и Исландии // Физика Земли. 2023. № 5. С. 62–78.
  12. Смирнов В.Б., Петрушов А.А., Михайлов В.О. Об RTL-аномалии сейсмического режима перед землетрясением в Турции 06.02.2023 г. // Физика Земли. 2023. № 6. С. 122–132.
  13. Смирнов В.Б., Пономарёв А.В. Физика переходных режимов сейсмичности. М.: РАН. 2020. 412 с.
  14. Соболев Г.А. Концепция предсказуемости землетрясений на основе динамики сейсмичности при триггерном воздействии. М.: ИФЗ РАН. 2011. 56 с.
  15. Соболев Г.А. Методология, результаты и проблемы прогноза землетрясений // Вестник РАН. 2015. Т. 85. № 3. С. 203–208.
  16. Соболев Г.А. Модель лавинно-неустойчивого трещинообразования – ЛНТ // Физика Земли. 2019. № 1. С. 166–179.
  17. Соболев Г.А. Применение алгоритма RTL для анализа стадий подготовки сильных землетрясений Калифорнии // Физика Земли. 2003. № 2. C. 3–13.
  18. Соболев Г.А. Физические основы прогноза землетрясений. М.: Наука. 1993. 314 с.
  19. Соболев Г.А., Пономарёв А.В. Физика землетрясений и предвестники. М.: Наука. 2003. 270 с.
  20. Соболев Г.А., Тюпкин Ю.С. Стадии подготовки, сейсмологические предвестники и прогноз землетрясений Камчатки // Вулканология и сейсмология. 1998. № 6. С. 17–26.
  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. 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.
  23. Brace W.F., Byerlee J.D. California Earthquakes: Why Only Shallow Focus? // Science. 1970. V. 168(3939). P. 1573–1575. doi: 10.1126/science.168.3939.1573
  24. Hauksson E., Yang W., Shearer P.M. Waveform Relocated Earthquake Catalog for Southern California (1981 to 2011) // Bull. Seismol. Soc. Am. 2012. V. 102. № 5. P. 2239–2244. doi: 10.1785/0120120010
  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. Mandelbrot B. The fractal geometry of nature. New York: W.H. Freeman and Co. 1983. 468 p.
  27. Molnar P. The brittle‐plastic transition, earthquakes, temperatures and strain rates // Journal of Geophysical Research: Solid Earth. 2020. V. 125. e2019JB019335. https://doi.org/10.1029/2019JB019335
  28. 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
  29. Scholz C. H. The mechanics of earthquakes and faulting. Cambridge Univ. Press. 2019. 493 p.
  30. Thingbaijam K.K.S., Mai M.P., Goda K. New empirical earthquake source-scaling laws // BSSA. 2017. V. 107. № 5. P. 2225–2246. doi: 10.1785/0120170017

补充文件

附件文件
动作
1. JATS XML

版权所有 © Russian Academy of Sciences, 2024

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».