Acoplamiento de la Litosfera-Atmósfera-Ionosfera Basado en Aprendizaje Automático Asociado con Terremotos Mw > 6 en América
Autores: Shah, Munawar; Shahzad, Rasim; Jamjareegulgarn, Punyawi; Ghaffar, Bushra; Oliveira-Júnior, José Francisco de; Hassan, Ahmed M.; Ghamry, Nivin A.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Atmosférico
Ionosférico
Acoplamiento litósfera-atmósfera-ionosfera
Epicentros de terremotos
Terremoto de Petrolia
Terremoto de la Cordillera Monte Cristo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
La identificación de variaciones atmosféricas e ionosféricas a través de múltiples sistemas de teledetección y sistemas de navegación por satélite global (GNSS) ha contribuido sustancialmente al desarrollo del fenómeno de acoplamiento litosfera-atmósfera-ionosfera (LAIC) sobre los epicentros de terremotos (EQ). Este estudio presenta un enfoque para investigar el terremoto de Petrolia (Mw 6.2; fechado el 20 de diciembre de 2021) y el terremoto de la Cordillera Monte Cristo (Mw 6.5; fechado el 15 de mayo de 2020) a través de varios parámetros para observar las señales precursoras de diversas naturalezas. Estos parámetros incluyen la Temperatura de la Superficie Terrestre (LST), la Temperatura del Aire (AT), la Humedad Relativa (RH), la Presión Atmosférica (AP), las Radiaciones Longitudinales Salientes (OLRs) y el Contenido Total de Electrones (TEC) vertical, y se utilizan para contribuir al desarrollo del LAIC en la ventana temporal de 30 días antes y 15 días después del choque principal. Observamos un aumento brusco en la LST tanto durante el día como durante la noche del terremoto de Petrolia, pero solo un aumento en la LST diurna para el terremoto de la Cordillera Monte Cristo dentro de los 3-7 días antes del choque principal. De manera similar, se observó un pico negativo en la RH junto con un incremento en la OLR 5-7 días antes de ambos terremotos inminentes. Además, el terremoto de la Cordillera Monte Cristo también mostró variación ionosférica sincronizada con otros parámetros atmosféricos, pero no se observaron anomalías co-localizadas y sincronizadas para el terremoto de Petrolia. También aplicamos métodos de aprendizaje automático (ML) para confirmar estas variaciones abruptas como anomalías para ayudar aún más en ciertos esfuerzos en el desarrollo del LAIC con el fin de prever terremotos en el futuro. Los métodos de ML también destacan la variación en los diferentes datos.
Descripción
La identificación de variaciones atmosféricas e ionosféricas a través de múltiples sistemas de teledetección y sistemas de navegación por satélite global (GNSS) ha contribuido sustancialmente al desarrollo del fenómeno de acoplamiento litosfera-atmósfera-ionosfera (LAIC) sobre los epicentros de terremotos (EQ). Este estudio presenta un enfoque para investigar el terremoto de Petrolia (Mw 6.2; fechado el 20 de diciembre de 2021) y el terremoto de la Cordillera Monte Cristo (Mw 6.5; fechado el 15 de mayo de 2020) a través de varios parámetros para observar las señales precursoras de diversas naturalezas. Estos parámetros incluyen la Temperatura de la Superficie Terrestre (LST), la Temperatura del Aire (AT), la Humedad Relativa (RH), la Presión Atmosférica (AP), las Radiaciones Longitudinales Salientes (OLRs) y el Contenido Total de Electrones (TEC) vertical, y se utilizan para contribuir al desarrollo del LAIC en la ventana temporal de 30 días antes y 15 días después del choque principal. Observamos un aumento brusco en la LST tanto durante el día como durante la noche del terremoto de Petrolia, pero solo un aumento en la LST diurna para el terremoto de la Cordillera Monte Cristo dentro de los 3-7 días antes del choque principal. De manera similar, se observó un pico negativo en la RH junto con un incremento en la OLR 5-7 días antes de ambos terremotos inminentes. Además, el terremoto de la Cordillera Monte Cristo también mostró variación ionosférica sincronizada con otros parámetros atmosféricos, pero no se observaron anomalías co-localizadas y sincronizadas para el terremoto de Petrolia. También aplicamos métodos de aprendizaje automático (ML) para confirmar estas variaciones abruptas como anomalías para ayudar aún más en ciertos esfuerzos en el desarrollo del LAIC con el fin de prever terremotos en el futuro. Los métodos de ML también destacan la variación en los diferentes datos.