Deutsch
 
Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT

Freigegeben

Hochschulschrift

From Classical Earthquake Location to Deep Learning-based Phase Detection and Picking using Seismic Data from the Northern Chile Subduction Zone

Urheber*innen
/persons/resource/soto

Soto,  Hugo
4.1 Lithosphere Dynamics, 4.0 Geosystems, Departments, GFZ Publication Database, Deutsches GeoForschungsZentrum;

/persons/resource/oncken

Oncken,  O.
4.1 Lithosphere Dynamics, 4.0 Geosystems, Departments, GFZ Publication Database, Deutsches GeoForschungsZentrum;

/persons/resource/tilmann

Tilmann,  Frederik
2.4 Seismology, 2.0 Geophysics, Departments, GFZ Publication Database, Deutsches GeoForschungsZentrum;

Externe Ressourcen
Es sind keine externen Ressourcen hinterlegt
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in GFZpublic verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Soto, H. (2021): From Classical Earthquake Location to Deep Learning-based Phase Detection and Picking using Seismic Data from the Northern Chile Subduction Zone, PhD Thesis, Berlin : Freie Universität Berlin, xvi, 131 Seiten p.
https://doi.org/10.17169/refubium-29942


Zitierlink: https://gfzpublic.gfz-potsdam.de/pubman/item/item_5009227
Zusammenfassung
Recent development in seismological instrumentation has made possible the deployment of temporary and permanent seismic networks with large numbers of seismometer stations. These networks register an extensive amount of seismic data that is then available to the scientific community for carrying out different types of seismological studies. Producing reliable earthquake catalogs, based on the implementation of efficient automatic event location procedures, which can handle such extensive amount of seismic data, is one of the critical steps prior to perform most studies. Precise and maximally complete event catalogs become essential in regions on the Earth where tectonic plate subduction takes place, such as the Chilean convergent margin. In subduction zones, seismicity analysis can help to shed light on the different tectonic processes involved in the generation of great tsunamigenic megathrust earthquakes, which are usually devastating for the inhabitants of these hazardous regions. Particularly, insights on the conditions characterizing the frictional behavior of a subduction interplate fault, can be investigated in detail from seismicity. This ultimately leads to a better assessment of the earthquake hazard potential in a subduction zone. In my thesis, I apply a multistage automatic earthquake detection and location workflow to generate a high-resolution earthquake catalog for the northern Chile region. This automatic workflow is applied to seismic data recorded by the Integrated Plate Boundary Observatory Chile (IPOC) permanent seismic network, as well as by a number of complementary temporary deployments, adding up to >100 seismic stations. The resulting event catalog contains ~19,000 foreshocks, aftershocks and background seismicity occurring in the time interval between one month preceding and nine months following the 1 April 2014 M8.1 Iquique earthquake. I analyse the seismicity features, in combination with modelled coseismic slip and modelled static stress changes, as well as geodetically-derived afterslip and interseismic locking models, in order to investigate the small-scale frictional heterogeneities on the plate interface and interpret the seismotectonic behavior of the overlying continental forearc in northern Chile. Results from this analysis point towards a primarily along-dip segmentation of the frictional behavior along the plate interface. In the downdip direction, an aseismic velocity-strengthening segment of the interface and a frictionally transitional region underlay, respectively, an aseismic frontal prism and a transitional zone in the outer continental wedge. Deeper on the plate interface, the seismogenic segment coincides with the highest coseismic slip underlying the inner continental wedge. The velocity-weakening segment connects downdip to a frictionally heterogeneous region where aftershock seismicity (interpreted as conditionally stable) and highest afterslip patches (velocity-strengthening) anticorrelate. A sparsity of events, which may be a generic feature along the Chilean subduction, separates this heterogenous segment from the deepest interplate events, where presumably frictionally transitional behaviour predominates. With the aim of improving the efficiency and simplifying the implementation of the earthquake catalog generation workflow, I additionally present DeepPhasePick, an automatic method entirely based on systematically optimized deep neural networks that carries out the first stages involved in this workflow: detection and picking of P and S phases originating from local earthquakes. DeepPhasePick makes use of a convolutional neural network architecture to perform the phase detection on three-component seismograms. It then uses two recurrent neural networks to conduct the phase picking on the vertical component for P phases and on the two-horizontal components for S phases. The phase time onsets and their corresponding onset uncertainties returned by the phase picking stage can feed a phase associator algorithm in the next step of the earthquake location workflow. DeepPhasePick architectures are optimized and trained using >30,000 manually-picked seismic records extracted from two sets of event waveforms occurring ~7 and ~17 years before the 2014 M8.1 Iquique earthquake, in a region of northern Chile that partially overlaps with the area covered by the automatically-derived ~19,000 earthquake catalog described above. The algorithm is then tested on different test sets: a set of manually-picked records independent from the training set, >1,000,000 automatically-picked records taken from the ~19,000 earthquake catalog, and a set of >200,000 automatically-picked records taken from another recently published earthquake catalog for the northern Chile region. Results from these tests show that DeepPhasePick is able to detect seismic phases with high accuracy, as well as to predict phase time onsets with a precision comparable to the more conventional phase picking methods, be they manual or automatic. Moreover, I demonstrate that DeepPhasePick’s detection and picking abilities perform effectively not only on the largely lower-seismic noise data recorded in northern Chile, but also generalize to higher-seismic noise data recorded from a different tectonic regime in an urban region of Albania.
Durch die fortlaufende Weiterentwicklung seismologischer Sensoren ist es heute möglich, temporär oder dauerhaft installierte seismische Netzwerke bestehend aus vielen Einzelsensoren aufzubauen. Diese Netzwerke akkumulieren große Datenmengen, welche sodann der seismologischen Community zur Verfügung stehen, um mit ihnen verschiedenste Studien durchzuführen. Um solche Studien mithilfe dieser umfangreichen Datenmengen in Angriff nehmen zu können, bedarf es der Erstellung akkurater Bebenkataloge mittels effizienter automatisierter Erdbeben-Lokationsmethoden. Solche präzise lokalisierten und möglichst kompletten Bebenkataloge sind vor Allem in Regionen der Erde essentiell, wo die Subduktion einer tektonischen Platte auftritt, so zum Beispiel entlang des Chilenischen Kontinentalrands. Seismizitätsanalyse in Subduktionszonen kann eine wichtige Rolle bei der Erforschung der verschiedenen aktiven Prozesse spielen, die große Erdbeben entlang der Megathrust-Verwerfung hervorrufen. Solche Beben, die wiederum oft Tsunamis auslösen, haben oft katastrophale Auswirkungen für die Bewohner der betroffenen Gegenden. Eine detaillierte Untersuchung der örtlichen Seismizität kann insbesondere zu Erkenntnissen über die Reibungseigenschaften der Plattengrenze und den Bedingungen, von denen diese abhängen, führen. In meiner Dissertationsschrift stelle ich die Anwendung eines mehrstufigen, automatisierten Bebendetektions- und Lokationsablaufs vor, der zur Erstellung eines hochaufgelösten Bebenkatalogs für Nordchile benutzt wurde. Dieser automatische Workflow wurde mit Daten angewendet, die vom permanenten seismischen Netzwerk des IPOC-Konsortiums (IPOC = Integrated Plate Boundary Observatory Chile) sowie von einigen zusätzlichen temporär installierten Netzwerken aufgezeichnet wurden, so dass insgesamt mehr als 100 Stationen verwendet wurden. Der erstellte Bebenkatalog enthält etwa 19,000 Beben, darunter viele Vor- und Nachbeben des Iquique-Bebens vom 1. April 2014 (Momentenmagnitude 8.1) sowie Hintergrundaktivität, Alles in einem Zeitraum von einem Monat vor bis neun Monate nach dem Iquiquebeben. Ich werte die Seismizitätsmerkmale zusammen mit Modellierungsergebnissen des coseismischen Versatzes und der Spannungsänderungen durch das Beben aus, und beziehe auch geodätisch ermittelte Modelle von Afterslip und der interseismischen Kopplung zwischen den Platten mit in die Analyse ein. So kann ich die kleinskaligen Heterogenitäten in der Reibungsfestigkeit der Plattengrenze untersuchen und die seismotektonischen Charakteristika der darüber liegenden Region des kontinentalen Forearcs Nordchiles interpretieren. Die Ergebnisse dieser Forschungstätigkeit zeigen eine Segmentierung in den Reibungeigenschaften der Plattengrenze primär in Richtung des Einfallens der abtauchenden Platte. Mit ansteigender Tiefe entlang der Plattengrenze treten dort zunächst eine aseismische Region auf, deren Rheologie velocity-strengthening ist, gefolgt von einer Region die als transitional bezeichnet werden kann. Diese befinden sich unterhalb eines aseismischen Frontal Prisms sowie des äußeren kontinentalen Keils, der konditional stabile Reibungseigenschaften aufweist. In größerer Tiefe befindet sich die seismogene Zone der Plattengrenze, die die größten coseismischen Versätze aufweist und unterhalb des inneren kontinentalen Keils liegt. Auf dieses Segment, das velocity-weakening aufweist, folgt eine heterogene Region, in der Nachbebenaktivität und die höchsten Afterslip-Werte räumlich antikorreliert zu beobachten sind. Darunter liegt eine Region deutlich verminderter Bebenaktivität, die möglicherweise überall entlang des chilenischen Kontinentalrands auftritt, sowie schlussendlich die tiefsten Interplattenbeben, die wohl in einer Tiefenregion mit transitionalen Reibungseigen schaften aufreten. Zusätzlich stelle ich DeepPhasePick vor, eine neue automatisierte Methode zum Picken der Ersteinsätze von P- und S-Wellen lokaler Beben, die komplett auf systematisch optimierten neuronalen Netzwerken beruht. Das Ziel dieser Methode ist es, die Effizienz der automatisierten Bebenkatalogsproduktion zu verbessern sowie diese Prozedur zu vereinfachen. DeepPhasePick benutzt tiefe neuronale Netzwerkarchitektur, um ankommende Phasen in Drei-Komponenten- Seismogrammen zu detektieren. Daraufhin verwendet es zwei rekurrente neuronale Netze, um die P-Phase auf der Vertikalkomponente und die S-Phase auf beiden Horizontalkomponenten zu picken. Die Ersteinsatzzeiten sowie ihre Unsicherheiten, die vom Programm ausgegeben werden, können sodann in einen Phasen-Assoziierungs-Algorithmus eingespeist werden, der den nächsten Schritt im Workflow der automatisierten Bebenlokation darstellt. Die Architektur von DeepPhasePick wird optimiert und trainiert mithilfe von >30,000 handgepickter Phasenankünfte, die aus zwei Datensätzen aus Nordchile extrahiert wurden, die Zeiträume ca. 7 und ca. 17 Jahre vor dem Iquiquebeben umfassen. Örtlich überlappen die Regionen dieser Datensätze mit dem oben beschriebenen Bebenkatalog, der ca. 19,000 automatisch ermittelte Bebenlokationen umfasst. Der Algorithmus wird dann mit verschiedenen Datensätzen getestet: mit einem Satz handgepickter Datenspuren, der unabhängig vom Trainingsdatensatz ist, mit >1,000,000 automatisch gepickter Spuren aus dem oben beschriebenen, etwa 19,000 Beben umfassenden Katalog, sowie mit einem weiteren Satz von >200,000 automatisch gepickter Spuren aus einem anderen, kürzlich publizierten Bebenkatalog aus der Region Nordchile. Die Ergebnisse dieser Tests zeigen, dass DeepPhasePick seismische Phasen sehr akkurat detektiert sowie die Ersteinsätze mit einer Präzision bestimmt, die derer konventioneller Phasenpick-Methoden (seien sie automatisch oder manuell) gleichkommt. Darüber hinaus zeige ich, dass die Detektions- und Pickingfähigkeiten von DeepPhasePick nicht nur für die Daten aus Nordchile, die sich durch sehr niedriges Hintergrundrauschen auszeichnen, gut funktionieren. Auch Daten mit höherem Noise-Niveau und aus einem gänzlich anderen tektonischen Kontext, nämlich aus einer urbanen Region in Albanien, werden von DeepPhasePick präzise ausgewertet.