Seismolog Stanford Gregory Beroza sedang berbelanja suatu hari ketika dia mendengar lagu yang tidak dikenalnya. Jadi dia mengeluarkan smartphone-nya dan menggunakan aplikasi populer Shazam untuk mengidentifikasi nada.
Shazam menggunakan algoritma untuk menemukan “sidik jari akustik” untuk sebuah lagu — bagian dari lagu yang membuatnya unik — dan membandingkannya dengan database lagunya.
Bagaimana jika, Beroza bertanya-tanya, ia dapat menggunakan teknik serupa untuk mengidentifikasi gempa bumi?
Selama bertahun-tahun, para seismolog telah berusaha mengidentifikasi "gempa mikro" - gempa bumi sangat kecil sehingga mereka bahkan tidak mendaftar pada alat ukur tradisional. Mengidentifikasi gempa mikro dapat membantu para ilmuwan memahami perilaku gempa bumi, dan berpotensi membantu mereka memprediksi peristiwa seismik yang berbahaya.
Seperti lagu, gempa bumi juga memiliki sidik jari.
"Struktur bumi berubah sangat lambat, sehingga gempa bumi yang terjadi di dekat satu sama lain memiliki bentuk gelombang yang sangat mirip, yaitu, mereka mengguncang tanah dengan cara yang hampir sama, " Beroza menjelaskan.
Seiring waktu, para peneliti telah membuat basis data sidik jari gempa untuk mengidentifikasi gerakan tanah yang mungkin merupakan gempa mikro. Ketika gerakan tanah terjadi, seismolog dapat menggunakan database untuk melihat apakah cocok dengan sidik jari gempa bumi yang diketahui. Tetapi menggunakan basis data ini adalah proses yang lambat, dan seismolog sering mencoba membaca sejumlah besar data secara real time.
"Anda dapat membayangkan jika Anda mencoba membandingkan semua waktu dengan waktu lainnya 365 hari setahun, 24 jam sehari, itu dengan cepat menjadi pekerjaan yang sangat besar, " kata Beroza. "Sebenarnya, itu menjadi sangat besar."
Bagaimana FAST bekerja (Stanford) (Stanford) Tetapi pembaca sidik jari berbasis-algoritma berbasiskan pada Shazam dapat memiliki potensi untuk melakukan pekerjaan itu secara instan, pikir Beroza.
Seismolog merekrut tiga siswa dengan keahlian dalam ilmu geologi komputasi untuk membuat suatu algoritma. Bersama-sama, tim membuat program yang disebut Fingerprint and Similarity Thresholding (FAST). Akronimnya sesuai: FAST dapat menganalisis data seismik berkelanjutan dalam waktu kurang dari dua jam, 140 kali lebih cepat dari teknik tradisional. Tidak seperti database tradisional, FAST menggunakan sidik jari untuk membandingkan "suka dengan suka, " memotong proses membuang-buang waktu membandingkan semua gempa bumi dengan semua gempa bumi lainnya.
Hasil kerja tim baru-baru ini diterbitkan dalam jurnal Science Advances .
"Potensi penggunaan [FAST] benar-benar ada di mana-mana, " kata Beroza. “Mungkin berguna untuk menemukan gempa bumi selama sekuens gempa susulan [gempa bumi yang lebih kecil yang sering mengikuti gempa yang lebih besar] untuk memahami proses dimana satu gempa mengarah ke gempa lain.”
Ini juga mungkin berguna dalam memahami "kegempaan yang disebabkan" - gempa kecil yang disebabkan oleh perilaku manusia. Penyebab umum dari seismisitas yang diinduksi adalah injeksi air limbah, di mana air yang terkontaminasi dari pengeboran minyak dan gas dibuang dengan menyuntikkannya ke sumur bawah tanah yang dalam. Injeksi air limbah dianggap sebagai penyebab gempa bumi terbesar yang disebabkan oleh manusia dalam sejarah AS, gempa bumi berkekuatan 5, 7 di Oklahoma pada tahun 2011. Penambangan, rekahan hidrolik, dan pembangunan reservoir yang sangat besar juga diketahui menyebabkan gempa bumi. Tidak seperti gempa bumi alami, yang jumlahnya tetap konsisten selama bertahun-tahun, gempa bumi yang disebabkan oleh manusia semakin sering terjadi, kata Beroza. FAST mungkin sangat membantu di bidang ini, memberikan para peneliti gambaran yang lebih baik tentang seberapa banyak aktivitas manusia yang mengganggu kestabilan kerak bumi.
Masih ada tantangan sebelum FAST dapat sepenuhnya dilaksanakan. Dalam penelitian tim, FAST hanya digunakan dengan instrumen tunggal pada garis patahan tunggal. Agar bermanfaat secara luas, harus terhubung melalui serangkaian sensor seismik. Itu juga perlu lebih cepat lagi, kata Beroza. Tim saat ini sedang mengerjakan perbaikan ini, dan Beroza berharap untuk merilis lebih banyak hasil dalam tahun ini.
