Borgerforskere hjælper geologer med at identificere jordskælv og tektoniske rystelser

Det er endnu ikke muligt at forudsige jordskælv, men analysen af ​​forskellige typer seismiske data gør det muligt for videnskabsmænd at finde ud af, hvor og hvornår hver type jordskælv opstod, og dermed bedre forstå, hvornår og hvor tektonisk glidning kan forekomme via skadelige jordskælv. Titusindvis af seismiske stationer rundt om i verden registrerer kontinuerligt lokal seismisk aktivitet, med et output, der ligger langt ud over, hvad forskerne kan bearbejde. Her, forskere fra Northwestern University har ringet til over 2, 000 borgerforskere til undsætning for den crowd-baserede analyse af seismiske optagelser, gengivet til audiovisuelt format, gennem programmet Earthquake Detective på Open-Science platformen Zooniverse. De viser, at borgere er mindst lige så præcise som maskinlæring, og kan endda identificere tektoniske rystelser, hvilket tidligere kun var muligt for uddannede fagfolk. Resultaterne offentliggøres i dag i Grænser i geovidenskab .

"Mit mål var at modtage hjælp til påvisning af disse specielle seismiske hændelser, fordi jeg følte mig overvældet af det hastigt voksende bjerg af data, jeg undersøgte til min ph.d.-forskning, " siger hovedforfatter Vivian Tang, en kandidatstuderende ved Institut for Jord- og Planetvidenskab ved Northwestern University, Illinois. "Med Zooniverse og Earthquake Detective-teamet, vi giver folk overalt en enkel og engagerende måde at hjælpe med yderligere videnskabelig forskning."

Efter at have gennemført en vejledning og øvelsessession, hver borgerforsker blev bedt om at lytte til et tilfældigt udvalg blandt 2, 467 optagelser fanget af seismiske stationer i Alaska, del af USA's række af stationer over hele Nordamerika. Visuelle spor blev vist ved siden af ​​lyddataene. Hver optagelse svarede til de første 2, 000 sekunder (men fremskyndet 800 gange til hørbare frekvenser) efter den estimerede ankomst til hver station af overfladebølgerne fra et af 30 kendte større jordskælv, der fandt sted et sted i verden mellem 2013 og 2018. Når bølgen fra et fjerntliggende jordskælv når et seismisk aktivt sted såsom Alaska, hvor Stillehavets tektoniske plade glider under Nordamerika, det kan udløse lokale seismiske hændelser, såsom mindre jordskælv eller tektoniske rystelser, som er serier af tusindvis af langsomme, små vibrationer dybt inde i jordskorpen, som kan vare i dage eller uger. Rystelser blev først opdaget i 2001 og er siden blevet et vigtigt fokus for studier, fordi de viser os, hvor tektonisk glidning sker uden jordskælv, menes dog at spille en rolle i jordskælvs oprindelse.

Hver optagelse blev præsenteret for ti forskellige borgere, som måtte klassificere det som et jordskælv, rysten, baggrundsstøj, eller ingen af ​​ovenstående. Accelereret, de seismiske optagelser af jordskælv lyder typisk som en smækkende dør, mens rysten lyder som et tog, der kører over jernbaneskinner, og baggrundsstøj kan lyde som fløjtende vind, krøllet stanniol, eller radiostatisk. Forskerne brugte antallet af borgere, der var enige om hver klassifikation, som et mål for graden af ​​konsensus. Et udvalg af datasættet blev også klassificeret af uddannede seismologer blandt forfatterne, mens output fra en maskinlæringsalgoritme udviklet specifikt af dem til at identificere jordskælv blev brugt som benchmark for borgernes præstationer. Kunstig intelligens har endnu ikke været i stand til at identificere tektonisk tremor, som indtil den nuværende undersøgelse, hvor borgerne med succes mestrede denne opgave, kunne kun genkendes i seismiske data af seismologer.

Borgerne traf en kollektiv beslutning for 91 % af de testede optagelser. Der var mere konsensus ved klassificeringen af ​​jordskælv (74 % af optagelserne med denne kollektive beslutning nåede den forudindstillede tærskel på 40 % stemmer for flertalsklassifikationen) end for rystelser (51 %) og baggrundsstøj (66 %). Når deres kollektive beslutning blev sammenlignet med den korrekte klassifikation, som fastlagt af de professionelle videnskabsmænd, borgerne var tilsammen 85 % nøjagtige i at identificere jordskælv, højere end maskinlæringsalgoritmens 76 % nøjagtighed.

Forfatterne konkluderer, at borgerforskere kan yde et stort bidrag til seismologi, giver videnskabsmænd mulighed for at behandle meget flere data, end de nogensinde kunne på egen hånd, dermed hjælpe dem til bedre at forstå processer dybt inde i jordskorpen og forudsige jordskælv med større præcision. Borgernes evne til i fællesskab at identificere rystelser, som kunstig intelligens endnu ikke kan, vil være særlig værdifuld for feltet.

"Earthquake Detective kan være en ressource for andre forskere inden for dette felt, som er interesserede i at modtage input fra en imponerende gruppe af frivillige videnskabsmænd. Vi opfordrer kraftigt disse forskere til at henvise os til seismogrammer, de gerne vil se klassificeret, så vi kan inkludere dem i Earthquake Detective, og returnere frivillige klassifikationer til forskerne, " siger Tang.