پخش زنده
امروز: -
محققان ادعا کردهاند که با نگاه کردن به آسمان می توانند زلزلهها را از ۲ روز قبل از وقوع با دقت ۸۰ درصدی تشخیص دهند.
به گزارش خبرگزاری صدا و سیما به نقل از آیای، محققان دانشگاه آریل (Ariel) با استفاده از «الگوریتم ماشین بُردار پشتیبان» (SVM)، مقدار کلی الکترون موجود در یونوسفر را که بالاترین لایه جو زمین است به دادههای GPS برای پیشبینی زمینلرزه ترسیم کردهاند.
ماشین بردار پشتیبان یکی از روشهای یادگیری بانظارت است که از آن برای طبقهبندی و رگرسیون استفاده میکنند. این روش از جمله روشهای نسبتاً جدیدی است که در سالهای اخیر کارایی خوبی نسبت به روشهای قدیمیتر برای طبقهبندی از خود نشان داده است. مبنای کاری دستهبندی کننده SVM، دستهبندی خطی دادههاست و در تقسیم خطی دادهها سعی میکنیم خطی را انتخاب کنیم که حاشیه اطمینان بیشتری داشته باشد.
محققان در یک مقاله تحقیقاتی منتشر شده در مجله Remote Sensing بیان کردهاند که وقتی انواع سنگهای روی سطح زمین تحت فشار قرار میگیرند، تقریباً همه آنها حفرههای مثبتی را فعال میکنند که میتوانند جریانهای الکتریکی را حمل و تولید کنند. با تجمع این حاملهای بار در سطح زمین، یونهای باردار نیز در نزدیکی سنگهای تحت فشار جمع میشوند و این جریان را به بیرون هدایت میکنند که در یک دوره زمانی به یونوسفر منتقل میشود و این همان جایی است که میتوان آن را شناسایی کرد.
بر اساس این مقاله، محققان ادعا میکنند که روش آنها میتواند یک زلزله بزرگ را تا ۴۸ ساعت قبل از وقوع با دقت ۸۰ درصدی تشخیص دهد و پیشبینی کند.
علاوه بر این، محققان ادعا کردهاند که همچنین میتوانند رخ ندادن زلزله را با دقت ۸۷.۵ درصد پیشبینی کنند.
سطح زمین در سیاره ما از گوشته و پوسته ساخته شده است. با این حال، این لایهها یکنواخت نیستند، بلکه از چندین قطعه مجزا تشکیل شدهاند که به آرامی در کنار هم حرکت میکنند و هر از گاهی به یکدیگر برخورد میکنند و هنگامی که این قطعات که صفحات تکتونیکی یا زمینساخت صفحهای نامیده میشوند، در کنار هم میلغزند یا به دیگری برخورد میکنند، ممکن است زلزله رخ دهد.
زمینساخت صفحهای یا تکتونیک صفحهای (Plate tectonics) به بررسی و مطالعه حرکات وسیعمقیاس در سنگکره یا لیتوسفر کره زمین میپردازد. این نظریه بر اساس نظریه رانش قارهای در نخستین دهههای قرن بیستم مطرح شد و پس از اثبات مفهوم گسترش بستر دریا در سالهای ۱۹۵۰ تا ۱۹۶۰ میلادی، بسیاری از زمینشناسان آن را پذیرفتند.
بر اساس این نظریه، سنگکره (پوسته کره زمین) از صفحاتی تشکیل میشود که در کل شامل ۷ یا ۸ صفحه اصلی است که در مواردی خود از تعدادی صفحات کوچک تشکیل میشوند. صفحات شکلدهنده پوسته زمین به طور کل از دو نوع سنگکرههای اقیانوسی و سنگکرههای قارهایِ ضخیمتر تشکیل میشوند که هر نوع پوستههای خاص خود را دارند. این صفحات بهصورت مداوم در حال حرکت هستند و بر اثر برخورد این صفحات پدیدههایی همچون زلزله، گسل، شکستگیها، تشکیل کوهها، تشکیل درازگودالها و چینخوردگی و دیگر پدیدهها حاصل میشوند. میزان حرکت این صفحات از کمترین حد یعنی صفر میلیمتر در سال تا بیشترین حد به میزان ۱۰۰ میلیمتر در سال، بسته به نوع، جایگاه و شرایط آنها تخمین زده میشود.
صفحات پوسته زمین به این دلیل قابلیت حرکتی دارند که سنگکرههای پوشاننده سطح زمین دارای جرمِ حجمی و نیروی بیشتری در مقایسه با لایههای زیرینِ خود به نام سستکره هستند.
مفهوم زمینساخت همچنین برای گفتگو درباره حرکت آهسته صفحهها بهکار میرود که به آن بیشتر زمینساخت صفحهای یا رانش قارهای گفته میشود. زمینساخت همچنین به مباحث زلزله، صفحات قارهای و پدیدههایی از این دست میپردازد.
بسته به شدت زلزله، تأثیر آن بر زندگی انسان میتواند فاجعهآمیز باشد. در حالی که زلزلههای خفیف فقط میتوانند چند موج شوک را به سطح زمین وارد کنند، زلزلههای قویتر میتوانند ساختمانها را در چند ثانیه به تلی از آوار تبدیل و زندگیهای بسیاری را تهدید کنند. به عنوان مثال، زمین لرزه ۵.۹ ریشتری که ماه گذشته در شرق افغانستان رخ داد، بیش از هزار کشته و تعداد زیادی زخمی برجای گذاشت؛ بنابراین دانستن زمان وقوع زلزله واقعا مفید خواهد بود.
اگرچه فناوری ثبت شدت زمین لرزه و همچنین تعیین محل دقیق سایش صفحات تکتونیکی به یکدیگر که موجب زلزله میشود، در دسترس است، اما زمینشناسان هنوز قادر به پیشبینی وقوع آن نیستند.
به گفته وبسایت سازمان زمینشناسی ایالات متحده (USGS)، زمینشناسان از روشهای مختلفی برای پیشبینی زمینلرزهها استفاده میکنند و همچنین میتوانند با دقت بگویند که آیا یک زمینساخت صفحهای در آینده شاهد زلزله خواهد بود یا خیر. با این حال، آنها نمیتوانند زمان یا تاریخ دقیقی را برای پیشبینی خود تعیین کنند.
اکنون ترفند محققان دانشگاه آریل این است که به جای نگاه کردن به حسگرهای زمینی، به آسمان چشم دوختهاند تا پیشبینیهای خود را انجام دهند.