Abstrak
Pemicu dinamis gempa bumi terjadi ketika gelombang seismik dari gempa bumi memicu aktivitas seismik dari jarak jauh. Observabilitas tekanan gelombang seismik dan hasilnya memberikan peluang unik untuk memahami interaksi gempa bumi dan implikasi bahaya terkait. Luas dan waktu pemicu dinamis pada perubahan tekanan tertentu masih belum dapat diprediksi secara memadai karena keterbatasan studi dan kumpulan data. Secara khusus, persyaratan untuk katalog yang lengkap dan berkarakter baik untuk mendeteksi pemicu secara sistematis sangat membatasi jenis studi yang memungkinkan. Untuk mengatasi hal ini, kami menggunakan data bentuk gelombang kontinu 7 tahun dari 239 stasiun di California selatan dan menggunakan PhaseNet untuk pemilihan fase guna mengidentifikasi gempa bumi lokal dan mengukur pemicu tanpa membuat katalog gempa bumi apa pun. Kami memetakan intensitas pemicu di wilayah tersebut dan menemukan bahwa secara keseluruhan, segmen Mojave di San Andreas adalah wilayah yang paling mudah dipicu. Namun, pola spasial berubah setelah gempa bumi Ridgecrest dan area tersebut tampaknya menjadi jauh lebih tidak rentan terhadap pemicu, kemungkinan karena kelelahan patahan yang hampir runtuh segera setelah rangkaian Ridgecrest. Selanjutnya kami mengamati laju peluruhan lambat dari pemicu dinamis dan menyimpulkan bahwa gelombang frekuensi rendah (0,04–0,1 Hz) mungkin lebih efektif dalam pemicu dinamis daripada gelombang frekuensi tinggi (1–3 Hz) yang konsisten dengan pergerakan aseismik yang dibantu oleh keadaan laju atau mekanisme pemicu hidrologi.
Poin-poin Utama
- Bentuk gelombang penuh dapat mengukur pola pemicu dalam waktu dan ruang di mana pun seismometer ditempatkan, terlepas dari katalog lokal
- California Selatan tampaknya kurang dapat dipicu setelah gempa bumi Ridgecrest berkekuatan 7,1 SR , kemungkinan karena kelelahan patahan yang hampir runtuh
- Penundaan pemicu dan ketergantungan frekuensi lemah mendukung pemicu yang dibantu creep atau hidrologi dan tidak mendukung kaskade Coulomb.
Ringkasan Bahasa Sederhana
Pemicu gempa bumi dinamis terjadi ketika gelombang seismik dari satu gempa bumi menyebabkan aktivitas seismik di lokasi lain. Fenomena ini membantu kita memahami bagaimana gempa bumi berinteraksi dan risiko terkait. Namun, memprediksi tingkat dan waktu pemicu dinamis berdasarkan perubahan tekanan tertentu masih menantang karena keterbatasan studi dan data. Mendeteksi pemicu secara sistematis memerlukan katalog gempa bumi yang lengkap dan terdokumentasi dengan baik, yang membatasi ruang lingkup studi yang memungkinkan. Untuk mengatasi keterbatasan ini, kami mengidentifikasi gempa bumi lokal menggunakan bentuk gelombang kontinu dan mengukur pemicu tanpa perlu membuat katalog gempa bumi. Studi ini mengungkapkan bahwa pemicu California Selatan menurun setelah gempa bumi Ridgecrest M W 7,1, kemungkinan karena kelelahan sebagian besar patahan yang hampir runtuh oleh pemicu dinamis langsung. Kami juga menemukan bahwa pemicu dinamis memiliki penundaan yang konsisten antara gelombang seismik dan kejadian yang dipicu bersama dengan ketergantungan frekuensi yang lemah. Temuan ini menunjukkan mekanisme pemicu yang dibantu creep atau hidrologis daripada model kaskade Coulomb.
1 Pendahuluan
Gelombang seismik dari gempa bumi besar dapat memicu aktivitas seismik dari jarak jauh, terutama ketika gelombang pemicu memiliki amplitudo tinggi dan patahan yang terkena dampak hampir runtuh (Brodsky & Prejean, 2005 ; Brodsky & van der Elst, 2014 ; Gomberg et al., 2004 ; Hill & Prejean, 2015 ; Kilb et al., 2000 ; Parsons et al., 2014 ; Velasco et al., 2008 ). Fenomena ini menonjol sebagai salah satu contoh langka di mana tekanan alam yang diketahui dan terukur dapat diidentifikasi sebagai penyebab langsung gempa bumi. Dengan demikian, pemicu dinamis menawarkan potensi penyelidikan keadaan tekanan in situ kerak bumi dan bagaimana perubahannya. Mengukur laju seismisitas yang dipicu oleh serangkaian patahan di suatu wilayah memberikan metrik distribusi tegangan in situ (Brodsky & van der Elst, 2014 ; Miyazawa et al., 2021 ; van der Elst & Brodsky, 2010 ). Lebih jauh lagi, karena pemicuan dinamis tampaknya merupakan hasil yang umum dan diantisipasi setelah gempa bumi yang signifikan (Ross et al., 2019 ; van der Elst & Brodsky, 2010 ; Velasco et al., 2008 ), ada kemungkinan bahwa pemicuan dinamis dapat digunakan untuk melacak bagaimana keadaan tegangan pada patahan bervariasi dari waktu ke waktu dan ruang.
Memanfaatkan pemicu dinamis untuk melacak evolusi lintas ruang dan waktu biasanya tidak memungkinkan karena kumpulan data yang cocok untuk menangkap dan mengukur waktu kejadian yang dipicu secara dinamis telah terbatas (Brodsky, 2006 ; Shelly et al., 2011 ). Kemampuan kita untuk mendeteksi gempa bumi terutama dibatasi oleh besarnya kelengkapan katalog yang ada. Mencapai tingkat pemicu yang signifikan secara statistik memerlukan pemeriksaan populasi gempa bumi yang substansial (van der Elst et al., 2013 ). Sementara menurunkan besarnya kelengkapan dapat meningkatkan pengamatan perubahan tingkat gempa bumi, ada kelangkaan katalog berkualitas tinggi yang memenuhi persyaratan ini. Meskipun katalog yang dicocokkan dengan templat sangat baik untuk banyak tujuan, pengelompokan metode yang melekat dan kesalahan identifikasi sesekali kedatangan fase dari gempa bumi yang jauh bermasalah untuk studi pemicu dinamis (Hsu et al., 2024 ).
Penelitian sebelumnya telah berhasil menggunakan seismogram yang direkam untuk mengukur tegangan pemicu. Namun, penelitian tersebut terbatas pada area dengan instrumentasi berkualitas tinggi (Gomberg et al., 2004 ; Miyazawa, 2019 ; Miyazawa & Brodsky, 2008 ; Velasco et al., 2008 ). Pendekatan alternatif melibatkan ekstrapolasi hubungan redaman untuk menyimpulkan gerakan tanah pada jarak dari instrumen (van der Elst & Brodsky, 2010 ). Namun, metode ini hanya berlaku di wilayah dengan prosedur penentuan besaran yang konsisten dan menantang untuk katalog komposit. Strategi yang lebih baik adalah menggunakan bentuk gelombang secara langsung untuk mengukur regangan pemicu dan mengekstraksi sinyal pemicu lokal. Selain itu, jika kita dapat mengisolasi intensitas pemicu di stasiun individual dengan sukses, analisis ini dapat diperluas secara global untuk mempelajari derajat dan distribusi umum pemicu dinamis.
Strategi yang menarik ini baru-baru ini menjadi layak karena meningkatnya ketersediaan catatan seismik yang dapat diakses publik dan peningkatan kemampuan komputasi dan dengan demikian di sini kami menerapkannya untuk pertama kalinya. Di sini kami secara statistik mengamati pemicuan dinamis di California selatan menggunakan bentuk gelombang kontinu dari 239 stasiun secara langsung untuk mengukur regangan pemicu dan mengekstraksi sinyal pemicu lokal. Dengan membandingkan hasil dengan penelitian sebelumnya menggunakan katalog gempa bumi (Miyazawa et al., 2021 ), kami menemukan bahwa pemicuan ditangkap dengan baik oleh pendekatan bentuk gelombang penuh.
Setelah kami memiliki metode yang berfungsi, kami menggunakannya untuk menyelidiki tekanan in situ. Pertama-tama, kami mengukur tekanan di mana pemicu yang dapat diamati terjadi dan menggunakan ukuran tersebut untuk mengevaluasi distribusi tekanan pada patahan in situ. Kami kemudian melanjutkan untuk menggunakan data untuk menilai bagaimana keadaan tekanan pada patahan bervariasi di wilayah tersebut dan berubah seiring waktu. Kami secara khusus menargetkan gempa bumi regional terbesar dalam set data kami dan menunjukkan bahwa itu secara signifikan mengurangi intensitas pemicu California Selatan. Selain hasil empiris ini, metode baru ini juga memungkinkan kami untuk menyelidiki mekanisme pemicu dinamis, yang sulit ditentukan (Brodsky & van der Elst, 2014 ; Fan et al., 2021 ; Gomberg & Johnson, 2005 ; Hill et al., 1993 ; Shelly et al., 2011 ). Seperti yang akan dibahas di bawah, waktu pemicu relatif terhadap gelombang pemicu dan ketergantungan pemicu pada frekuensi gelombang yang datang, keduanya memiliki signifikansi mekanistik, yang akan dapat kita selidiki.
Dengan demikian, studi ini disusun sebagai berikut. Setelah memberikan gambaran umum tentang cakupan stasiun dan data seismik yang tersedia, kami menjelaskan metode pengukuran laju, ekstraksi gempa bumi pemicu dan respons yang dipicu serta evaluasi mekanisme. Kami melanjutkan untuk mengukur hubungan intensitas pemicu dan kecepatan tanah puncak dan membandingkannya dengan pekerjaan sebelumnya sebagai bukti konsep pertama. Kami kemudian memeriksa bagaimana intensitas pemicu patahan bervariasi secara regional dan temporal, dengan fokus pada gempa bumi terbesar ( gempa bumi Ridgecrest M W 7,1) dalam set data kami. Kami juga mengukur proses pemicu yang tertunda dan mempelajari ketergantungan frekuensi pemicu dinamis yang dapat membantu menyelidiki mekanisme pemicu dinamis. Akhirnya, kami mengeksplorasi implikasi dan perluasan potensial untuk mengukur tekanan yang berkembang di kerak bumi.
2 Data
California Selatan terkenal dengan pengamatan data bahaya gempa bumi dan seismologi yang ekstensif, difasilitasi oleh pembentukan sejumlah jaringan seismik berkualitas tinggi sejak 1927 (Hellweg et al., 2020 ; Hutton et al., 2010 ). Stasiun pemantauan seismik yang padat telah menghasilkan deteksi patahan regional yang kuat dengan sejumlah besar gempa bumi kecil yang terelokasi dengan baik. Katalog gempa bumi lokal tertentu menunjukkan kualitas yang luar biasa dengan kelengkapan besarnya magnitudo gempa bumi, yang dapat membantu meningkatkan studi statistik gempa bumi di wilayah ini (Hauksson et al., 2012 ; Ross et al., 2019 ). Namun, bahkan di sini, studi pemicu terbatas sebagian karena variasi spasial dalam deteksi karena distribusi stasiun seismik yang tidak merata dan bias yang melekat dalam pencocokan templat (Hsu et al., 2024 ; Powers & Jordan, 2010 ; Zaliapin & Ben-Zion, 2015 ). Di wilayah lain, masalahnya bahkan lebih parah dan banyak wilayah tidak memiliki cukup kejadian seismik untuk studi pemicu dinamis yang kuat secara statistik.
Untuk mengatasi kebutuhan observasi, pendekatan kami melibatkan ekstraksi langsung sinyal pemicu dan terpicu dari bentuk gelombang kontinu, melewati katalog gempa tradisional. Metode konvensional untuk mengaitkan stasiun saat menyusun katalog gempa membantu menghilangkan gangguan buatan tetapi juga menyaring sinyal berharga dari gempa yang lebih kecil. Oleh karena itu, tujuan kami adalah mengidentifikasi sinyal pemicu lokal langsung dari data mentah tanpa mengecualikan terlalu banyak sinyal lokal yang berguna. Kami memperoleh data bentuk gelombang kontinu tiga komponen pita lebar dari California Integrated Seismic Network (CISN) melalui set data publik Amazon Web Services (AWS) Southern California Earthquake Data Center (SCEDC). Set data yang kami gunakan dalam studi ini mencakup bentuk gelombang dari 239 stasiun selama periode studi kami dari 2015 hingga 2021, yang mencakup total 7 tahun. Peta distribusi stasiun-stasiun ini dan kepadatan gempa digambarkan dalam Gambar 1 sebagai perbandingan dengan katalog gempa Southern California Seismic Network (SCSN) untuk periode studi yang sama (Hutton et al., 2010 ). Perbandingan dengan katalog Quake Template Matching (QTM) yang lebih padat disajikan pada Gambar S1 di Informasi Pendukung S1 . Untuk katalog gempa bumi mana pun, hal ini menggambarkan penyertaan stasiun di tempat-tempat yang tidak banyak gempa bumi kecil yang dapat diamati.
3 Metode
3.1 Intensitas Pemicu Diukur Dari Waktu Antarperistiwa
Banyak contoh pemicu dinamis telah diamati dalam studi seismologi; namun, analisis statistik komprehensif dari fenomena tersebut jarang dilakukan karena tantangan yang melekat. Pendekatan sering kali mengandalkan penghitungan gempa bumi yang dipicu untuk setiap pemicu potensial dan normalisasi dengan tingkat latar belakang (Alfaro-Diaz et al., 2022 ; DeSalvio & Fan, 2023 ; Fan et al., 2021 ), namun menghadapi keterbatasan yang signifikan (Matthews & Reasenberg, 1988 ; Pankow & Kilb, 2020 ). Memperkirakan tingkat seismisitas latar belakang, khususnya yang representatif sebelum dan sesudah kedatangan pemicu, terbukti menantang. Strategi penghitungan sederhana tidak bekerja dengan baik untuk mengatasi pengelompokan dari gempa susulan sekunder yang dihasilkan dari peristiwa yang dipicu secara lokal, yang mempersulit hubungan antara amplitudo pemicu dan jumlah peristiwa yang dipicu.
Untuk mengidentifikasi pemicu pada amplitudo regangan dinamis yang sangat rendah, kami mengadopsi strategi untuk mengukur intensitas pemicu menggunakan waktu antarperistiwa, seperti yang diusulkan oleh van der Elst dan Brodsky ( 2010 ). Metode ini menggabungkan jendela waktu adaptif untuk pengukuran laju latar belakang dan peka terhadap peningkatan kecil dalam laju seismisitas namun tetap tidak peka terhadap pengaruh gempa susulan sekunder.
Kami mengikuti pengukuran statistik yang dikembangkan hanya berdasarkan waktu antarperistiwa antara gempa bumi terakhir sebelum pemicu dan gempa bumi pertama setelahnya. Rasio waktu antarperistiwa R ini didefinisikan sebagai,
di mana t 1 dan t 2 adalah interval waktu yang diukur dari kedatangan pemicu hingga terjadinya gempa bumi pertama sebelum dan setelah peristiwa pemicu. Model tersebut digambarkan dalam Gambar 2 .
Metrik ini terbukti menjadi metode yang kuat untuk mempelajari perubahan laju seismik di bawah asumsi penyederhanaan tertentu dengan populasi gempa bumi yang besar. Dalam kasus proses Poisson homogen yang mengalami perubahan langkah dalam laju seismik λ karena gelombang pemicu, ekspektasi R dalam van der Elst dan Brodsky ( 2010 ) adalah
yang merupakan fungsi hanya dari n . Dalam konteks ini, n didefinisikan sebagai intensitas pemicu atau kemampuan pemicu yang merupakan perubahan laju fraksional yang terjadi secara tiba-tiba dari laju latar belakang Poissonian awal λ 1 ke laju baru λ 2 pada saat datangnya gelombang pemicu, seperti yang ditunjukkan pada Gambar 1.
di mana λ 1 dan λ 2 adalah laju seismik sebelum dan sesudah lewatnya gelombang pemicu. Asumsi Poissonian diketahui bermasalah untuk seismik (misalnya, Luen & Stark, 2012 ). Kami waspada terhadap non-stasioneritas dengan menggunakan jendela waktu pendek untuk perhitungan ini dan hanya mempertimbangkan gempa bumi dalam waktu paling lama 2 jam dari pemicu untuk perhitungan R . Dengan berfokus pada gempa bumi individual sebelum dan sesudah pemicu, metode ini menjadi lebih peka terhadap perubahan jangka pendek yang terkait dengan pemicu daripada proses lain yang tidak berkorelasi. Secara khusus, proses tersebut dapat diperkirakan secara wajar dengan proses Poisson homogen bertahap, yang mengasumsikan laju rata-rata konstan sebelum dan sesudah pemicu. Asumsi ini telah divalidasi melalui uji sintetis oleh van der Elst dan Brodsky ( 2010 ). Tujuan kami adalah untuk menyimpulkan intensitas pemicu n dari berbagai pengukuran rasio waktu antarperistiwa R , yang dapat secara langsung disimpulkan dari data spasial dan temporal pemicu dan gempa bumi lokal.
Penelitian sebelumnya telah meneliti bagaimana laju gempa bumi menurun setelah tekanan pemicu dan membandingkannya dengan gempa susulan, yang mengikuti hukum Omori-Utsu. Penurunan Omori-Utsu diharapkan terjadi pada model kaskade di mana gelombang pemicu segera memicu kejadian lokal tertentu saat lewat, dengan kejadian berikutnya mewakili gempa susulan dari gempa bumi yang dipicu oleh bentuk gelombang awal (Brodsky, 2006 ). Model kaskade ini dapat dinyatakan secara matematis sebagai,
di mana laju latar belakang λ diasumsikan sama dengan λ 1 dan K , c , dan p adalah parameter model (Miyazawa et al., 2021 ). Berdasarkan model ini, kita dapat menggunakan hubungan antara distribusi t 1 dan t 2 untuk menentukan jumlah kumulatif kejadian pertama dari dan ke pemicu, masing-masing dinyatakan sebagai,
di mana r o mewakili rasio. Derivasi ini didasarkan pada perbandingan distribusi independen t 1 dan t 2 tanpa memperhitungkan nilai relatifnya untuk peristiwa tertentu. Akibatnya, hal ini berbeda dari dasar pemikiran yang mendasari Persamaan 1 , di mana rasio t 1 dan t 2 dipertimbangkan untuk satu pemicu.
Dengan menyelesaikan Persamaan 3 dan 5 secara numerik , kita dapat memperoleh intensitas pemicu n dan laju peluruhan p dengan kumpulan data yang cukup besar dan estimasi akurat dari populasi berukuran memadai
dan r o . Pengukuran ini memungkinkan kita untuk mengevaluasi model kaskade pemicu menggunakan hukum Omori-Utsu sebagai hipotesis nol.
3.2 Ekstraksi Sinyal Pemicu
Kami telah mengumpulkan data berkelanjutan dari 239 stasiun yang mencakup periode dari tahun 2015 hingga 2021. Alih-alih hanya mengandalkan nilai PGV tertentu dari gelombang permukaan gempa bumi jarak jauh yang besar, metode kami saat ini melibatkan penggunaan jendela waktu geser 1 menit untuk mengidentifikasi PGV tertinggi dalam setiap jendela. Akibatnya, PGV yang dipilih dapat berasal dari bentuk gelombang kejadian gempa bumi jarak jauh atau sumber lain yang menyediakan data yang dapat diamati dalam rentang frekuensi gelombang permukaan. Ini menggarisbawahi penekanan kami untuk memahami perilaku statistik lokal dan mekanisme yang digunakan patahan untuk merespons tekanan dinamis, terlepas dari jenis pemicunya. Sementara kami mengakui bahwa durasi gempa bumi jarak jauh dangkal yang besar tertentu dapat melebihi ukuran jendela 1 menit, yang berpotensi menyebabkan penghitungan ganda kejadian pemicu, penghitungan ganda ini tidak menimbulkan bias tetapi justru meningkatkan ketahanan pengukuran kami dengan asumsi data yang tersedia mencukupi. Kami telah menunjukkan dalam Informasi Pendukung S1 bahwa ketika kami meningkatkan ukuran jendela, dengan kata lain, menyertakan lebih sedikit pemicu, hubungan yang ditentukan antara intensitas pemicu dan PGV kira-kira sama (Gambar S2 dan S3 dalam Informasi Pendukung S1 ), yang mungkin menunjukkan bahwa regangan dinamis puncak atau kecepatan tanah puncak mungkin bukan indikator pemicu dinamis yang paling sensitif. Investigasi lebih lanjut diperlukan untuk mengidentifikasi ukuran yang lebih representatif dari perubahan intensitas pemicu. Di sini, di bagian berikut, kami cukup menggunakan strategi ukuran jendela 1 menit.
3.3 Deteksi Gempa Lokal
Perhitungan R menggunakan waktu antarperistiwa antara peristiwa pemicu dan peristiwa yang dipicu yang memerlukan informasi waktu kedatangan gempa bumi lokal. Penelitian sebelumnya membagi wilayah studi menjadi kelompok spasial dan menghitung R untuk setiap kelompok (Miyazawa et al., 2021 ; van der Elst & Brodsky, 2010 ). Jumlah kelompok yang lebih banyak menghasilkan lebih banyak pasangan braket untuk setiap pemicu. Pendekatan ini menghasilkan beberapa nilai R untuk pemicu besar, mencegah dominasi oleh satu wilayah dengan aktivitas yang sangat tinggi.
Namun, metode ini menghadapi tantangan di wilayah dengan jaringan stasiun yang jarang dan beberapa gempa bumi terdeteksi yang lebih besar dari besarnya kelengkapan regional. Meskipun ketersediaan katalog gempa bumi yang diperbarui, masih ada deteksi yang tidak memadai untuk wilayah yang tenang. Kami menggunakan teknik pembelajaran mesin untuk pemilihan fase stasiun tunggal untuk mengatasi masalah ini. Kami menggunakan PhaseNet (W. Zhu & Beroza, 2019 ), metode pembelajaran mendalam yang dirancang untuk pemilihan fase, untuk mengidentifikasi gempa bumi secara individual untuk setiap stasiun dalam CISN di California selatan. PhaseNet telah terbukti melakukan deteksi gempa bumi yang kuat di berbagai sistem patahan dan pengaturan tektonik (Kato, 2024 ; Liu et al., 2020 ; Tan et al., 2021 ; Wilding et al., 2023 ), serta dalam kasus seismisitas yang diinduksi (Park et al., 2020 ; Wong et al., 2021 ). Alur kerja melibatkan memasukkan bentuk gelombang mentah seismik tiga komponen dan berkas respons stasiun untuk setiap stasiun, dengan keluaran yang dipilih adalah kedatangan gelombang P dan S , masing-masing dengan probabilitas yang menunjukkan kemungkinan pilihan ini mewakili sinyal gempa bumi nyata. Untuk setiap stasiun, kami memilih gempa bumi dengan perbedaan waktu tempuh S – P kurang dari 1,5 detik. Kriteria ini memastikan bahwa kejadian yang terdeteksi berjarak sekitar 10 km di dekat stasiun, konsisten dengan metodologi yang diuraikan dalam Miyazawa et al. ( 2021 ). Kami juga meninjau setiap pilihan secara manual untuk memastikan kewajaran. Kami juga telah mengambil tindakan untuk menghilangkan ledakan kuari dengan merujuk silang waktu pilihan dengan kejadian peledakan kuari yang tercatat dari Katalog Gempa Bumi Komprehensif ANSS (ComCat) dan katalog gempa bumi SCSN dan mengecualikan pilihan yang sesuai dari kumpulan data kami. Prosedur ini mengakibatkan beberapa stasiun di California Timur dihilangkan dari kumpulan data (ditandai putih pada Gambar 1 ) karena jumlah kejadian yang dapat diandalkan tidak mencukupi. Dalam kasus ini, kami cukup beruntung memiliki katalog kuari berlabel yang tersedia. Katalog yang sama digunakan baru-baru ini untuk melatih metode otomatis yang akan berguna untuk diterapkan dalam aplikasi metode kami di masa mendatang di wilayah yang tidak memiliki katalog ledakan yang terdokumentasi (Renouard et al., 2021 ; Saad et al., 2022 ; J. Zhu et al., 2024 ).
Banyak stasiun berada di area perkotaan dengan lalu lintas yang signifikan dan kebisingan buatan sebagaimana terlihat dalam distribusi kemungkinan kejadian pada Gambar 3 , di mana pengambilan probabilitas rendah kemungkinan mewakili deteksi kebisingan palsu. Satu strategi untuk menangani situasi ini mungkin hanya menggunakan data malam hari dengan kebisingan rendah, namun, membagi data dengan cara ini menimbulkan masalah statistik mendasar untuk metode kami yang memerlukan data kontinu dan tidak tersegmentasi untuk mengukur t1 dan t2 . Jadi, sebagai gantinya kami menetapkan ambang batas tinggi 0,85 untuk probabilitas deteksi pengambilan. Ambang batas ini ditentukan melalui pengujian ekstensif dari berbagai nilai dan verifikasi manual dari bentuk gelombang asli untuk memastikan kepercayaan pada hasil deteksi kami sambil memaksimalkan retensi data. Gambar 4 mengilustrasikan contoh gempa bumi yang dideteksi oleh PhaseNet: Gambar 4a menunjukkan kejadian yang direkam di stasiun tenang yang terletak di patahan; Gambar 4b menunjukkan gempa bumi yang terdeteksi di wilayah perkotaan yang bising (seperti cekungan Los Angeles); Gambar 4c mencakup kejadian yang direkam di stasiun tenang tetapi tanpa patahan sebelumnya yang terdokumentasi. Pemeriksaan bentuk gelombang dari gempa bumi lokal memberikan keyakinan bahwa hasil deteksi di stasiun di daerah bising meyakinkan dan mendukung strategi kami saat ini.
3.4 Evaluasi Mekanisme
Pemicu langsung oleh kegagalan Coulomb, creep aseismik, aliran fluida melalui permeabilitas yang ditingkatkan, dan kegagalan tertunda melalui gesekan yang bergantung pada keadaan laju atau pertumbuhan retakan subkritis semuanya telah disarankan sebagai mekanisme untuk pemicu dinamis. Dalam kerangka kegagalan Coulomb, gempa bumi terjadi ketika tegangan dinamis mendorong patahan melewati ambang kegagalan gesekan, dengan sensitivitas terhadap tegangan pemicu rendah yang dikaitkan dengan patahan pada berbagai tahap siklusnya, yang mengarah ke pemicu yang berkepanjangan melalui kaskade yang dimulai oleh gempa bumi kecil yang tidak dapat diamati. Hipotesis ini memperkirakan bahwa pemicu bersifat independen terhadap frekuensi, mengikuti Hukum Omori untuk ketergantungan waktu, dan lebih mungkin terjadi di area dengan tekanan pori tinggi atau di akhir siklus gempa bumi mereka (Gonzalez-Huizar & Velasco, 2011 ; Hill, 2008 ; Tape et al., 2013 ). Pemicu dinamis mungkin melibatkan kegagalan melalui gesekan atau kelelahan tingkat-keadaan yang memulai perambatan, berbeda dari kaskade Coulomb dengan berpotensi menunjukkan ketergantungan frekuensi, menghasilkan sinyal geodetik, dan menunjukkan rentang peluruhan waktu yang luas dalam seismisitas tertunda, khususnya di area yang rentan terhadap perambatan seperti zona transisi antara patahan terkunci dan perambatan (Beeler & Lockner, 2003 ; Cebry et al., 2022 ; Hill & Prejean, 2015 ; Maurer et al., 2022 ; Savage & Marone, 2008 ; Shelly et al., 2011 ). Mekanisme pemicu dinamis yang kurang dipelajari adalah reorganisasi hidrologi atau pembersihan penyumbatan, yang melibatkan pelanggaran hambatan permeabilitas untuk meningkatkan aliran fluida dan tekanan di zona patahan (Brodsky & Prejean, 2005 ; Candela et al., 2015 ; Wang et al., 2016 ), didukung oleh pengamatan hidrologi dan menunjukkan karakteristik khas seperti ketergantungan frekuensi, perubahan tekanan pori yang dapat diamati, dan sinyal geodetik tertentu, meskipun masih spekulatif tanpa bukti langsung yang menghubungkan perubahan hidrologi dengan seismisitas yang dipicu dan berjuang untuk menjelaskan pemicu langsung. Meskipun beberapa pekerjaan mencoba untuk mengisolasi fluida dari mekanisme padat dengan mencatat bahwa gelombang Love dapat memicu gempa bumi dan bahwa gelombang Love sepenuhnya merupakan tegangan geser, yang seharusnya tidak berpasangan dengan tekanan fluida dalam media homogen, permeabilitas zona patahan yang didominasi rekahan memperumit argumen ini (Hill, 2008 ; Wang et al., 2009 ). Kepatuhan fraktur dapat menggabungkan tegangan geser dengan tekanan fluida dalam orientasi yang sesuai (Rutqvist & Stephansson, 2003 ; Zatsepin & Crampin, 1997 ; X. Zhang et al., 2009 ), sehingga mekanisme pemicu tekanan fluida belum dihilangkan dari pertimbangan.
Dalam karya ini, kami fokus pada dua jenis observasi yang dapat membedakan beberapa kemungkinan ini: (a) durasi pemicu dinamis dan (b) ketergantungan frekuensi pemicu dinamis. Durasi kegempaan yang berkepanjangan adalah salah satu misteri utama seputar pemicu dinamis. Tidak jelas mengapa gelombang seismik, yang merupakan fenomena sementara, harus memicu gempa bumi yang terjadi lama setelah gelombang berlalu (Brodsky, 2006 ; Gomberg, 2001 ). Apakah peristiwa yang dipicu lambat merupakan rangkaian peristiwa yang saling memicu atau adakah mekanisme lain, seperti creep atau aliran fluida, yang terlibat? Menilai mekanisme yang bersaing memerlukan penentuan apakah waktu gempa bumi mengikuti hukum Omori, seperti gempa susulan biasa atau tingkat peluruhan lainnya (Brodsky & van der Elst, 2014 ; Miyazawa et al., 2021 ). Tingkat peluruhan memiliki signifikansi mekanistik untuk membandingkan rangkaian tegangan Coulomb dengan mekanisme lain yang diusulkan. Penundaan waktu yang berbeda mungkin menunjukkan beberapa mekanisme khusus seperti pergerakan cepat atau aliran fluida untuk berhasil mengeksplorasi interaksi gempa bumi berskala besar.
Ketergantungan pemicu dinamis pada frekuensi gelombang seismik juga memiliki arti penting dalam mempersempit mekanisme pemicu. Dalam kerangka Coulomb, gempa bumi diperkirakan terjadi ketika tegangan dinamis mendorong patahan melewati kriteria kegagalan friksional. Oleh karena itu, pengamatan pemicu dinamis harus menunjukkan ketergantungan yang relatif lemah pada frekuensi (Gomberg & Johnson, 2005 ). Namun, sementara studi tertentu mengusulkan bahwa gelombang frekuensi yang lebih tinggi menunjukkan kemanjuran pemicu yang lebih besar melalui uji pemodelan (Perfettini et al., 2003 ), yang lain mengaitkan daya pemicu yang lebih besar dengan frekuensi yang lebih rendah dari pengamatan seismologi (Brodsky & Prejean, 2005 ). Dalam eksperimen laboratorium di mana tegangan diterapkan secara seragam pada sampel, frekuensi memengaruhi pemicu melalui persaingan penyembuhan keadaan laju dan laju gangguan (Beeler & Lockner, 2003 ; Savage & Marone, 2008 ). Masalah ini sulit diakses dengan data sebelumnya tetapi dapat didekati sekarang. Oleh karena itu, tujuan terakhir kami dalam studi ini adalah untuk mengatasi ketergantungan frekuensi pemicu dinamis yang saat ini hanya mencakup pita frekuensi dominan gelombang tubuh (1–3 Hz) dan gelombang permukaan (0,04–0,1 Hz) dan dapat diperluas ke spektrum sinyal periode panjang yang lebih luas dalam studi masa depan.
4 Hasil
Setelah mengidentifikasi pemicu (Bagian 3.2 ) dan kejadian lokal (Bagian 3.3 ), kami memperoleh kecepatan tanah puncak yang disebabkan oleh pemicu dan R , rasio waktu antar kejadian antara pemicu dan gempa bumi lokal. Intensitas pemicu n kemudian dapat diperkirakan berdasarkan Persamaan 2. Dengan menggunakan parameter terukur ini, kami dapat mengeksplorasi status tegangan dan distribusi tegangan yang ditunjukkan oleh perubahan intensitas pemicu dengan PGV, indikasi menggunakan intensitas pemicu spasial untuk menentukan wilayah mana yang lebih mungkin dipicu, durasi pemicu, dan ketergantungan frekuensi dari proses pemicu.
4.1 Intensitas Pemicu sebagai Fungsi Kecepatan Puncak Tanah
Gambar 5 menunjukkan intensitas pemicu n sebagai fungsi dari perubahan regangan puncak. Titik-titik abu-abu mewakili nilai- n yang awalnya ditentukan yang berasal dari ekspektasi nilai- R yang diperiksa oleh 1.000 replikasi bootstrap, sedangkan titik-titik merah menunjukkan nilai- n yang dirata-ratakan menggunakan interval kepercayaan 90%. Kita dapat mengamati bahwa untuk PGV rendah atau perubahan regangan rendah, nilai- n memiliki magnitudo kecil dengan gangguan minimal dalam skala vertikal, yang menunjukkan tidak ada perubahan laju seismisitas yang signifikan yang terkait dengan gangguan regangan kecil. Rentang nilai -n yang mungkin meluas untuk PGV besar atau perubahan regangan yang lebih besar karena berkurangnya jumlah data yang diamati untuk setiap bin. Gambar 5b mengungkapkan bahwa sebagian besar nilai- n positif, yang menunjukkan peningkatan laju yang disebabkan oleh gangguan eksternal. Jelas bahwa intensitas pemicu meningkat dengan regangan pemicu, dan hubungan ini konsisten dengan model eksponensial yang diperoleh dalam penelitian sebelumnya (Brodsky & van der Elst, 2014 ).
Karena kumpulan data mungkin memiliki ambang batas PGV yang di atasnya terdapat pemicu yang dapat diamati, kami menyesuaikan kumpulan data tersebut menggunakan bentuk fungsional,
di mana C dan γ adalah konstanta, PGV 0 mewakili ambang batas. Ketika PGV lebih kecil dari ambang batas PGV 0 , variasi intensitas pemicu yang disebabkan oleh PGV sulit diamati karena kebisingan latar belakang atau keterbatasan resolusi pengukuran. Kami menyesuaikan Persamaan 6 menggunakan data yang dapat diamati yang dibobot oleh varians data di setiap bin. Garis hitam pekat pada Gambar 5 mewakili kesesuaian terbaik antara intensitas pemicu n dan kecepatan tanah puncak dengan PGV 0 = 5,2 × 10 −5 m/s, C = 177,5 dan γ = 1,14.
Di atas ambang batas yang dapat diamati PGV 0 = 5,2 × 10 −5 m/s, intensitas pemicu menunjukkan hubungan hukum daya dengan PGV, yang meskipun diukur menggunakan metode dan set data yang berbeda, tetap konsisten dengan penelitian sebelumnya (Miyazawa et al., 2021 ; van der Elst & Brodsky, 2010 ). Pada Gambar 5a , plot log-log menggambarkan bahwa hasil penelitian ini menunjukkan kurva yang sedikit lebih curam (1,14 ± 0,24 berdasarkan interval kepercayaan 90%) dibandingkan dengan yang sebelumnya (0,94 dalam Miyazawa et al. ( 2021 )). Nilai-nilai tersebut konsisten dan tidak dapat dibedakan dalam interval kepercayaan. Metode kami saat ini dapat dibandingkan dengan penelitian sebelumnya dan dapat diterapkan ke berbagai wilayah geografis di luar yang terbatas pada ketersediaan katalog berkualitas tinggi.
Yang lebih penting, pengulangan pola pemicu keseluruhan menunjukkan kekokohan hasil fundamental dari peningkatan laju pemicu dengan peningkatan perubahan regangan puncak. Dalam skenario mekanistik yang paling sederhana, gempa bumi yang dipicu terjadi ketika tegangan dinamis mendorong patahan melewati kriteria kegagalan friksional di bawah kriteria kegagalan tegangan Coulomb (Gonzalez-Huizar & Velasco, 2011 ). Sesar yang berbeda dapat bereaksi secara berbeda terhadap medan tegangan yang sama karena orientasi, tetapi variasi dalam kemampuan pemicu ada bahkan di antara patahan dengan orientasi tertentu. Sensitivitas variabel terhadap tegangan pemicu berasal dari distribusi patahan di kerak pada berbagai tahap siklusnya. Selalu ada sejumlah kecil patahan yang cukup terlambat dalam siklusnya sehingga tegangan teratasi yang diperlukan untuk pemicu cukup kecil (Tape et al., 2013 ; van der Elst & Brodsky, 2010 ). Untuk mekanisme pemicu yang lebih umum, distribusi mencerminkan distribusi kumulatif patahan yang dapat diaktifkan oleh tegangan pemicu yang diamati, terlepas dari detail kegagalan. Kemiringan distribusi yang diamati mendekati satu, yang konsisten dengan fungsi distribusi kumulatif yang seragam. Jika jumlah kesalahan yang sama berada pada tekanan tertentu dari kegagalan dan jumlah kesalahan terintegrasi yang gagal untuk pemicu tertentu berbanding lurus dengan pemicunya.
4.2 Peta Intensitas Pemicu di California Selatan
Peta intensitas pemicu dapat membantu mengonfirmasi apakah sinyal pemicu jarak jauh secara eksklusif berasal dari wilayah tertentu. Misalnya, penelitian sebelumnya menunjukkan bahwa wilayah panas bumi lebih mudah dipicu daripada wilayah lain (Brodsky, 2006 ; Hill et al., 1993 ; Miyazawa et al., 2021 ; van der Elst & Brodsky, 2010 ). Secara historis, kepadatan instrumentasi yang lebih tinggi dalam jaringan khusus, dan karenanya besarnya kelengkapan yang lebih rendah di wilayah panas bumi telah membuat pengamatan ini sulit untuk ditafsirkan dari studi berbasis katalog yang mengasumsikan besarnya kelengkapan yang konstan di wilayah yang luas. Di sini kami menghindari masalah ini dengan mengukur kontribusi terhadap intensitas pemicu yang diukur secara keseluruhan untuk setiap stasiun. Kami menggabungkan semua pemicu yang tersedia dengan kecepatan tanah puncak di atas 5,2 × 10 −5 m/s dalam rentang di mana pemicu yang jelas terjadi (seperti yang ditunjukkan pada Gambar 5 ). Kami kemudian melakukan koreksi terhadap variasi gerakan tanah dengan menghitung rata-rata PGV yang diukur untuk setiap stasiun dan menormalkannya ke 1 × 10 −4 m/s menggunakan nilai kurva teramati pada Gambar 5 dan memperoleh peta hasil yang disajikan dari intensitas pemicu n (Gambar 6 ).
Stasiun-stasiun individual di California Selatan menunjukkan rentang intensitas pemicu yang besar, dengan nilai positif yang lebih besar daripada nilai negatif (Gambar 6a ). Dominan nilai positif dan nilai absolut yang kecil dari nilai negatif menunjukkan kurangnya proses pemicu yang dapat diamati secara statistik untuk stasiun-stasiun ini (Perhatikan bilah warna asimetris pada Gambar 6a yang meluas lebih jauh ke nilai positif). Pengamatan di sepanjang tepi timur California, di mana tidak ada patahan aktif yang terdokumentasi, mengungkapkan pemicu yang umumnya tinggi. Namun, karena tidak adanya studi geologi atau seismologi terperinci di wilayah ini, sulit untuk menghubungkan pemicu yang tinggi ini dengan fenomena spesifik apa pun.
Meskipun fakta bahwa ukuran triggerability kami benar-benar lokal berdasarkan kegempaan dalam jarak sekitar 10 km dari sebuah stasiun, kami ingin mengklarifikasi jika ada tren triggerability yang disukai di wilayah geografis area studi kami. Gambar 6b menampilkan distribusi yang dihaluskan yang dicapai dengan menerapkan kernel Gaussian dua dimensi dengan deviasi standar 0,3°. Untuk mencegah hasil penghalusan dipengaruhi secara tidak proporsional oleh pengamatan dengan nilai positif yang sangat tinggi, kami mengecualikan 5% data teratas dengan intensitas pemicu tertinggi. Pendekatan penghalusan menyelaraskan metodologi kami dengan studi sebelumnya, seperti Miyazawa et al. ( 2021 ) dan van der Elst dan Brodsky ( 2010 ), memastikan konsistensi di seluruh alur kerja. Sementara metode ini memperkenalkan beberapa pengambilan keputusan untuk menentukan parameter penghalusan, ini penting untuk mengurangi kebisingan, menyoroti tren, dan menstabilkan model, khususnya dalam kasus seperti studi kami saat ini, di mana datanya jarang dan rumit. Secara khusus, dalam penelitian kami, pemulusan memberikan estimasi yang kuat secara statistik
dengan mengkonsolidasikan pengamatan yang cukup untuk membentuk pola yang stabil di seluruh wilayah studi. Dengan nilai statistik yang kuat
Dengan demikian, kita dapat mengungkap pola regional yang lebih konsisten yang menawarkan wawasan yang berarti ke dalam tren umum, bukan gangguan dan variabilitas pada setiap tingkat stasiun. Hal ini khususnya relevan karena kumpulan data kita mencakup wilayah yang luas dengan 239 stasiun (∼170 setelah kontrol kualitas). Resolusi spasial pasca-perataan dibatasi oleh distribusi stasiun, yang menghasilkan solusi lokal untuk wilayah dengan cakupan stasiun yang jarang.
Bahasa Indonesia: Dibandingkan dengan pola spasial yang diamati di Miyazawa et al. ( 2021 ), kami menemukan perbedaan jelas yang kemungkinan besar disebabkan oleh proses normalisasi yang diadopsi untuk memastikan nilai intensitas pemicu yang ditampilkan sesuai dengan level PGV yang sama, dengan demikian menyoroti wilayah dengan intensitas pemicu yang lebih tinggi. Pada Gambar 6a dan 6b , kami mengamati nilai intensitas pemicu yang tinggi di sepanjang segmen Mojave dari patahan San Andreas dan persimpangan patahan San Andreas dan patahan Garlock. Meskipun latar belakang rendah di area ini, rata-rata selama seluruh periode studi, mereka tampaknya memiliki proporsi patahan tertinggi yang mampu didorong hingga gagal oleh tekanan kecil gelombang seismik. Pemicu yang tinggi juga diidentifikasi di segmen utara Sesar Elsinore, serta di persimpangan patahan San Andreas dan patahan San Jacinto, yang dicirikan oleh jaringan kompleks patahan geser dan patahan terbalik yang menunjukkan kegempaan aktif (Burgette et al., 2020 ).
Di sini kami menyelidiki hubungan antara intensitas pemicu yang dinormalkan dan kecepatan tanah puncak (PGV). Kami menerapkan langkah normalisasi tambahan dibandingkan dengan pekerjaan sebelumnya (Miyazawa et al., 2021 ) untuk memastikan bahwa pengukuran intensitas pemicu sebanding di seluruh stasiun dengan tingkat PGV yang sama. Secara efektif, normalisasi memungkinkan kami untuk mempelajari pemicuan daripada pemicu agregat. Tanpa normalisasi ini, intensitas pemicu yang diamati dapat mencerminkan tingkat pemicu selama periode studi, yang berpotensi dipengaruhi oleh banyaknya gelombang seismik amplitudo tinggi sebagai pemicu potensial. Misalnya, pemicu tinggi yang dilaporkan di wilayah panas bumi dan vulkanik oleh Miyazawa et al. ( 2021 ) kemungkinan dipengaruhi oleh nilai PGV yang signifikan dari gempa bumi El Mayor-Cucapah selama studi mereka dan dengan demikian mungkin merupakan pemicu agregat, daripada efek pemicu. Karena kedua studi menerapkan kernel Gaussian yang sama untuk menghaluskan peta spasial, pola berbeda yang diamati pada Gambar 6b dibandingkan dengan karya sebelumnya (Gambar 7b dalam Miyazawa et al. ( 2021 )) terutama disebabkan oleh perbedaan dalam cakupan kumpulan data daripada pembaruan metodologis. Ketahanan hasil terhadap metode tersebut diilustrasikan oleh peta intensitas pemicu tanpa normalisasi pada Gambar S4 dalam Informasi Pendukung S1 , yang masih menunjukkan kemampuan pemicu yang tinggi serupa selama periode studi kami di wilayah yang disebutkan di atas.
Berbeda dengan banyak penelitian sebelumnya, penelitian kami tidak mengungkap intensitas pemicu yang tinggi di wilayah vulkanik dan panas bumi seperti yang disarankan oleh beberapa penelitian lain (Prejean & Hill, 2018 ; Q. Zhang et al., 2017 ) dan diharapkan oleh mekanisme yang digerakkan secara hidrologis (Hill & Prejean, 2015 ; van der Elst et al., 2013 ). Dalam penelitian kami, sebagian besar stasiun dengan intensitas pemicu yang tinggi berlokasi jauh (beberapa puluh kilometer) dari platform produksi apa pun meskipun stasiun tersebut berada jauh lebih dekat dengan produksi panas bumi. Misalnya, intensitas pemicu di lapangan vulkanik Coso tidak terlalu tinggi (Gambar 6a dan 6b ). Meskipun penelitian sebelumnya telah mendokumentasikan pemicu dinamis gempa bumi di lapangan panas bumi Coso (Aiken & Peng, 2014 ; Alfaro-Diaz et al., 2020 ), intensitas pemicu keseluruhan selama periode penelitian tidak sejelas yang diharapkan. ( 2017 ) mengamati berkurangnya seismisitas terpicu dalam lapangan panas bumi Coso dibandingkan dengan area sekitarnya, yang dapat menjelaskan intensitas pemicu total yang lebih rendah di wilayah ini. Lalu, apakah perbedaan ini disebabkan oleh kurangnya sensitivitas studi kami? Meskipun stasiun lokal di dekat wilayah yang diminati dapat menyelidiki sinyal pemicu lokal, akan selalu lebih baik untuk menyertakan lebih banyak stasiun yang lebih dekat dengan area panas bumi atau vulkanik ini untuk menangkap sinyal yang jelas dan kuat. Studi kami saat ini bergantung pada data yang tersedia untuk umum dari jaringan CI—jaringan terbesar dan terlengkap di California Selatan—yang sayangnya menyediakan cakupan stasiun terbatas di wilayah panas bumi. Misalnya, tidak ada data publik tambahan yang tersedia untuk area Laut Salton selama periode studi kami, dan hanya satu stasiun yang dapat diakses di dekat zona aktivitas panas bumi utama di Coso. Pola pemicu di area panas bumi ini mungkin terlalu terlokalisasi untuk ditangkap sepenuhnya dalam cakupan studi ini (Miyazawa et al., 2021 ). Kami menyimpulkan bahwa setiap peningkatan kemampuan pemicu di dekat area panas bumi harus lebih terlokalisasi daripada yang ditangkap jaringan publik, yaitu, terbatas pada wilayah yang lebih kecil dari 10 km di sekitar produksi.
Selain itu, daripada mengidentifikasi intensitas pemicu tinggi hanya di ladang panas bumi, seperti yang sering diamati dalam studi sebelumnya, studi kami mencakup seluruh California selatan dan tidak mengungkapkan pemicu yang sangat signifikan di semua zona patahan aktif, yaitu patahan San Jacinto dan patahan Elsinore. Meskipun ada area minat tertentu, kondisi ekstrem tidak lazim. Dengan membandingkan laju seismik (Gambar 1 ) dan peta intensitas pemicu (Gambar 6 ), hasilnya menunjukkan bahwa seismik dapat ditingkatkan dengan perubahan regangan dinamis di berbagai lokasi, terlepas dari laju seismik keseluruhan atau fitur pengelompokan seismik lokal. Ini adalah temuan yang secara langsung bertentangan dengan prediksi oleh Dieterich ( 1994 ) bahwa intensitas pemicu harus berkorelasi dengan laju latar belakang, karena kedua variabel dipengaruhi oleh laju stres regional.
4.3 Pengurangan Intensitas Pemicu pada Saat Terjadi Gempa Ridgecrest
Gambar 6 mengilustrasikan temuan komprehensif untuk California selatan, termasuk kejadian gempa bumi Ridgecrest 2019 M W 7,1 selama periode yang dianalisis. Untuk mengatasi dampak gempa bumi ini, kami menggambarkan distribusi spasial intensitas pemicu sebelum dan 1 bulan setelah gempa bumi pada Gambar 7. Uji stabilitas lebih lanjut tersedia dalam Informasi Pendukung S1 (Gambar S5 dan S6). Urutan gempa bumi Ridgecrest secara signifikan mengubah pola intensitas pemicu, terutama untuk wilayah yang aktif secara seismik di sepanjang patahan San Andreas di mana nilai- n yang ditentukan bergeser dari positif ke negatif. Pergeseran ini menyiratkan transisi di wilayah lokal dari yang dapat dipicu menjadi tidak dapat dipicu dan pelepasan tegangan di dekat episentrum gempa utama yang konsisten dengan banyak penelitian sebelumnya (Ramos et al., 2020 ; Sheng & Meng, 2020 ). Penurunan intensitas pemicu yang diamati setelah gempa bumi Ridgecrest dapat lebih lanjut mendukung temuan bahwa gempa bumi besar dapat secara efektif mengatur ulang siklus gempa bumi lokal, berpotensi menawarkan periode aktivitas seismik yang berkurang di sepanjang patahan (Brodsky et al., 2020 ; Uchida & Bürgmann, 2019 ).
Bahasa Indonesia: Untuk lebih memahami perubahan dalam kemampuan pemicu dan menilai apakah penurunan kemampuan pemicu adalah fenomena umum, kami menghitung perubahan dalam intensitas pemicu yang disebabkan oleh urutan gempa Ridgecrest dengan mengurangi data pada Gambar 7a dari Gambar 7b . Penting untuk dicatat bahwa pengurangan ini hanya menunjukkan apakah intensitas pemicu meningkat atau menurun; nilai yang dihasilkan tidak memiliki signifikansi fisik langsung. Hasilnya menunjukkan bahwa intensitas pemicu telah menurun di hampir semua titik data yang diamati di sepanjang seluruh segmen Mojave dari Sesar San Andreas (Gambar 8a ), dengan 60% stasiun seismik mengalami pengurangan intensitas pemicu (Gambar 8b ). Sementara gempa Ridgecrest mungkin telah mengatur ulang keadaan stres di California selatan, penyelidikan lebih lanjut diperlukan untuk menentukan apakah reorganisasi stres ini dipengaruhi oleh faktor-faktor lain seperti orientasi patahan, tingkat seismisitas latar belakang, atau mekanisme yang tidak teridentifikasi.
4.4 Tingkat Peluruhan Pemicu Dinamis
Gangguan dapat menyebabkan perubahan dalam kondisi tegangan, tetapi setelah laju seismisitas meningkat karena gangguan, laju tersebut pada akhirnya akan kembali ke laju latar belakang. Mengikuti strategi yang dijelaskan dalam Bagian 3.1 , sekarang kami memeriksa bagaimana pemicuan dinamis yang terlambat dapat terjadi dan bagaimana seismisitas yang dipicu berkurang seiring waktu. Kami membandingkan distribusi waktu t1 yang diamati dengan t2 dan menyesuaikan rasio jumlah kumulatif r0 menggunakan bentuk fungsional Persamaan 5. Mirip dengan penelitian sebelumnya, kami membatasi data pada kejadian pemicu yang kuat, yang didefinisikan sebagai kejadian dengan perubahan kecepatan tanah puncak lokal yang melebihi 3,5 × 10 −3 m / s . Karena waktu kejadian t1 dan t2 diurutkan dalam urutan menaik untuk analisis statistik, asosiasi t1 dan t2 untuk pemicu tertentu tidak dipertahankan, karena tidak ada cukup data untuk menerapkan analisis statistik ini untuk kasus pemicu tunggal.
Gambar 9a menyajikan jumlah kumulatif t1 dan t2 yang diukur . Jumlah kumulatif kejadian pada waktu t2 yang kecil umumnya lebih besar daripada t1 karena pemicunya harus memajukan terjadinya gempa bumi, sehingga menghasilkan nilai t2 yang lebih kecil . Oleh karena itu, lebih banyak nilai t2 akan dikelompokkan ke arah nilai yang lebih kecil. Pada Gambar 9b , kami menghitung rasio distribusi r0 untuk t2 dengan interpolasi untuk mendapatkan jumlah kumulatif t1 yang sesuai dengan t2 . Rasio tersebut menunjukkan pola peluruhan bertahap seiring waktu, dimulai sekitar 0,1 hari. Tiga parameter lain dalam model ini, termasuk kegempaan latar belakang λ , aktivitas gempa susulan K , dan eksponen peluruhan p , kemudian diestimasi menggunakan kecocokan terbaik nonlinier dari Persamaan 5 .
Kurva kumulatif untuk t 1 (latar belakang) pada Gambar 9a mungkin tidak benar-benar mengikuti bentuk 1-exp(− λt ), yang berpotensi menghasilkan puncak lokal yang muncul pada kurva rasio jumlah kumulatif antara 10 dan 100 hari (Gambar 9b ). Untuk mengatasi masalah ini, kami menggunakan dua strategi penyesuaian. Pertama, kami memperkirakan λ menggunakan peristiwa yang dipilih oleh PhaseNet selama 30 hari sebelum pemicu dan kemudian menyesuaikan data untuk mendapatkan p dan K . Kedua, kami menyesuaikan tiga parameter secara independen. Kedua strategi (garis putus-putus biru dan merah pada Gambar 9b ) menunjukkan peluruhan laju yang konsisten dengan model Persamaan 5 . Untuk membatasi data secara objektif pada waktu peluruhan dan menghilangkan periode awal yang kemungkinan tidak lengkap karena keterbatasan pengamatan, kami membatasi data setidaknya 2 jam setelah pemicu atau waktu ketika jumlah kumulatif untuk t 2 setidaknya 20, mana pun yang lebih lambat (garis hitam pada Gambar 9b ).
Kurva model yang dipasang (garis putus-putus pada Gambar 9b ) menunjukkan bahwa model kami berdasarkan hukum Omori-Utsu untuk gempa bumi yang dipicu dapat berhasil menjelaskan pengamatan. Nilai p dan K yang dihasilkan masing-masing adalah 0,25 dan 0,18, untuk λ tertentu yang ditentukan dari kegempaan latar belakang. Untuk kasus lain, p , K dan λ masing-masing adalah 0,41, 0,02, dan 0,04. Dalam kedua kasus, parameter pemasangan p jauh lebih kecil daripada nilai p biasa sekitar satu yang diamati dalam urutan gempa susulan (Utsu et al., 1995 ). Jadi, terlepas dari parameterisasi, kesimpulan fisiknya adalah bahwa peluruhan pemicu dinamis lebih lambat daripada gempa susulan biasa (Dieterich, 1994 ).
Peluruhan lambat ini adalah karakteristik yang sangat penting dari seismik yang dipicu dari jarak jauh atau dinamis dan membatasi mekanisme pemicu yang tertunda. Proses fisik yang memperpanjang proses di luar level pengamatan saat ini masih mungkin terjadi. Namun, seismik yang dipicu yang dapat diamati kembali ke seismik latar belakang dalam beberapa hari (Gambar 9b ) dan hubungan antara nilai- p dan perubahan regangan puncak atau PGV masih belum jelas (Miyazawa et al., 2021 ). Seperti dibahas di atas, laju peluruhan memiliki signifikansi mekanistik untuk membandingkan kaskade tegangan Coulomb dengan mekanisme lain yang diusulkan, yang memerlukan penentuan apakah waktu gempa bumi mengikuti hukum Omori, seperti gempa susulan biasa atau laju peluruhan lainnya (Brodsky & van der Elst, 2014 ; Miyazawa et al., 2021 ). Bahasa Indonesia: Jika pemicu mirip kaskade itu ada, itu harus nyata dalam urutan gempa susulan di mana satu kejadian memicu kejadian berikutnya dan eksponen peluruhan Hukum Omori hampir 1. Dari perspektif fisik, implikasinya adalah bahwa beberapa mekanisme khusus seperti creep atau aliran fluida dapat dipanggil jika laju peluruhan sinyal yang dipicu secara dinamis berbeda dari gempa susulan biasa. Penelitian sebelumnya telah menunjukkan bahwa nilai p yang rendah sesuai dengan difusi tekanan pori atau creep. Misalnya, Turkaya et al. ( 2015 ) telah mengamati nilai- p sebesar 0,5 yang dijelaskan oleh difusi tekanan pori yang memengaruhi relaksasi tegangan. Dalam Gavrilenko ( 2005 ), perubahan nilai- p karena sirkulasi fluida di kerak dapat meningkat dengan permeabilitas, bervariasi dari 0,65 hingga 1,2. Gelombang seismik dari gempa bumi yang jauh dapat memulai creep lokal atau aliran fluida, yang bertindak sebagai mekanisme pemicu sekunder yang bertahan dalam jangka waktu yang lama. Hal ini dapat menjelaskan keterlambatan timbulnya dan durasi yang panjang dari peristiwa yang dipicu secara dinamis yang diamati dalam beberapa penelitian (Aiken & Peng, 2014 ; Cebry et al., 2022 ; Shelly et al., 2011 ). Dari perspektif bahaya atau statistik, implikasinya adalah bahwa hukum pemicu tambahan diperlukan untuk berhasil mengeksplorasi interaksi gempa bumi berskala besar.
4.5 Pemicu Dinamis Ketergantungan pada Frekuensi Gelombang Pemicu
Penelitian sebelumnya yang menggunakan pendekatan statistik ini untuk menentukan hubungan antara intensitas pemicu dan kecepatan tanah puncak (PGV) biasanya berfokus pada bentuk gelombang frekuensi rendah dalam rentang gelombang permukaan (Miyazawa et al., 2021 ; van der Elst & Brodsky, 2010 ) karena dominasi gelombang permukaan dalam amplitudo gelombang seismik yang melewati gempa bumi besar jarak jauh. Namun, pertanyaan apakah gempa bumi lebih mungkin dipicu secara dinamis oleh sinyal frekuensi rendah atau frekuensi tinggi masih diperdebatkan. Beberapa penelitian menunjukkan bahwa sinyal frekuensi tinggi mendominasi proses pemicu (Perfettini et al., 2003 ; Velasco et al., 2008 ), sementara yang lain berpendapat tentang signifikansi sinyal frekuensi rendah (Brodsky & Prejean, 2005 ; Fan et al., 2021 ; Parsons & Velasco, 2009 ; Voisin, 2001 ). Gomberg dan Johnson ( 2005 ) menyarankan bahwa kedua rentang frekuensi berkontribusi pada pemicu dinamis.
Dalam studi kami, menggunakan bentuk gelombang kontinu memungkinkan kami untuk memfasilitasi penerapan metode kami di beberapa rentang frekuensi. Deteksi pemicu dilakukan langsung dari data bentuk gelombang dengan mengidentifikasi amplitudo puncak dalam jendela waktu yang ditentukan. Kami kemudian kembali ke bentuk gelombang asli dan menyaring ke dalam pita frekuensi yang berbeda untuk mengevaluasi peran frekuensi dalam pemicuan. Kami mengukur amplitudo bentuk gelombang yang difilter dan kemudian menggabungkan pengukuran R berdasarkan amplitudo terbatas frekuensi ini untuk menyimpulkan intensitas pemicu yang berbeda ( nilai- n ) untuk setiap pita. Di sini, kami menggunakan sinyal frekuensi rendah (0,04–0,1 Hz) dan frekuensi tinggi (1–3 Hz) sebagai pemicu untuk menentukan hubungan masing-masing dengan intensitas pemicu (Gambar 10 ). Intensitas pemicu pada PGV tinggi (>10 −4 m/s) pada frekuensi tinggi lebih rendah daripada pada frekuensi rendah, yang menunjukkan bahwa pada level PGV tinggi yang sama, bentuk gelombang frekuensi rendah mungkin lebih efektif dalam proses pemicu dinamis. Sebaliknya, pada PGV rendah (<10 −4 m/s), sinyal frekuensi tinggi tampak mendominasi proses pemicu. Namun, karena tantangan dalam menyaring derau latar belakang untuk sinyal amplitudo rendah, kami lebih berhati-hati dalam menafsirkan hasil ini.
Pemisahan berdasarkan frekuensi menimbulkan poin halus tentang bentuk gelombang pemicu. Ketika peristiwa telesismik terjadi sebagai pemicu, gelombang P dan S frekuensi tinggi selalu diikuti oleh gelombang permukaan frekuensi rendah. Oleh karena itu, interval waktu t2 yang ditentukan dari kedatangan gelombang badan lebih panjang daripada yang dari gelombang permukaan; interval t1 lebih pendek untuk pemicu gelombang badan. Pada prinsipnya, ini menyiratkan bahwa nilai R yang dihitung akan lebih tinggi dan nilai n untuk pemicu frekuensi tinggi dari gelombang badan harus lebih kecil dibandingkan dengan pemicu frekuensi rendah dari gelombang permukaan, dengan asumsi pemicu tertunda dari gempa bumi lokal pertama. Efek ini dapat menjadi lebih signifikan untuk PGV yang lebih besar di mana gelombang badan dan gelombang permukaan dapat diamati. Untuk mengatasi masalah ini, kami memberlakukan batasan bahwa perbedaan waktu antara kedatangan gelombang S dan gelombang permukaan kurang dari 500 detik. Pola frekuensi yang diamati tetap konsisten ketika kami memasukkan koreksi ini ke dalam analisis kami (Gambar S7 dalam Informasi Pendukung S1 ). Dengan demikian kami menyimpulkan bahwa berdasarkan resolusi data saat ini, gelombang periode panjang lebih efektif dalam memicu gempa bumi pada gerakan tanah yang tinggi.
5 Implikasi dan Pembahasan
5.1 Dampak Gempa Bumi Besar terhadap Keadaan Stres Regional
Hasil yang paling penting dan mengejutkan dari pekerjaan ini adalah bahwa gempa bumi regional, gempa bumi Ridgecrest, tampaknya telah mengubah keadaan stres di California Selatan. Bayangan stres dan hubungan berjenjang telah lama diduga, tetapi sulit untuk dinilai hanya berdasarkan pada tingkat kegempaan atau catatan gempa bumi besar yang jarang (Felzer & Brodsky, 2005 ; Harris, 2017 ; Stein et al., 1997 ). Pemicu dinamis telah menyediakan alat baru untuk masalah ini. Data terbatas di sini tidak memungkinkan rangkaian waktu sistematis intensitas pemicu dan dengan demikian kami memfokuskan perhatian kami pada peristiwa paling signifikan dalam katalog, gempa bumi Ridgecrest dan menunjukkan penurunan yang meluas dalam kerentanan terhadap pemicu pada saat gempa bumi.
Penurunan pemicu dapat dikaitkan dengan redistribusi medan tegangan secara statis atau efek pemicu dinamis. Redistribusi tegangan statis, atau bayangan tegangan, diharapkan memiliki pola kupu-kupu yang khas, seperti yang biasa terlihat pada patahan geser (Ma et al., 2005 ; Toda, 2008 ; Toda & Stein, 2020 ). Pola ini tidak jelas pada Gambar 7 ; namun, distribusi stasiun yang jarang dapat mengaburkannya. Selain itu, pemicu dinamis dapat menghasilkan gempa bumi langsung setelah gempa utama pada setiap patahan regional yang hampir gagal, yang kemudian akan mengakibatkan ketenangan yang berkepanjangan karena patahan perlu memuat ulang untuk melanjutkan tingkat seismisitas latar belakang yang lebih biasa. Skenario terakhir tampaknya menjadi faktor signifikan di sini mengingat distribusi luas dari intensitas pemicu yang berkurang.
5.2 Generalisasi Metode
Sementara PGV berfungsi sebagai prediktor pemicu yang wajar, ia tidak membahas bagaimana suatu wilayah merespons sumber gelombang seismik yang berkepanjangan atau berulang. Ada alasan fisik untuk menduga bahwa gerakan tanah yang berkepanjangan harus berkontribusi secara signifikan terhadap pemicu gempa bumi. Mekanisme yang beberapa siklus stres dapat memiliki efek yang meningkat (Barbot et al., 2012 ; Brodsky & van der Elst, 2014 ; Lyakhovsky et al., 2001 ; Miyazawa, 2015 ). Efek kumulatif ini dapat ditangkap oleh energi kumulatif dalam sinyal seismik. Namun, set data yang secara sistematis membandingkan daya prediksi energi dan PGV untuk pemicu gempa bumi sejauh ini terbatas, menghadirkan peluang untuk eksplorasi lebih lanjut dari bentuk gelombang kontinu sebagai alat yang lebih berguna.
Orientasi patahan relatif terhadap medan gelombang yang diterapkan kemungkinan juga berperan (Alfaro-Diaz et al., 2020 ). Investigasi orientasi patahan dan tegangan teratasi pada patahan dengan orientasi yang sesuai akan menjadi perluasan logis dari pekerjaan ini jika cukup banyak bentuk gelombang dan cukup banyak mekanisme fokus tersedia di masa mendatang. Mengetahui orientasi yang tepat dari patahan yang diaktifkan merupakan tantangan yang sangat serius dalam menyusun kumpulan data dengan tegangan teratasi. Untuk saat ini, menggabungkan data dengan PGV merupakan pendekatan yang lebih realistis untuk menyusun cukup banyak data guna menetapkan perilaku statistik.
Lebih jauh lagi, pendekatan bentuk gelombang kontinu menyarankan untuk mengeksplorasi efek pemicu dari sumber gerakan tanah selain gempa bumi. Mikroseisme samudra, pasang surut, dan lalu lintas semuanya menghasilkan gelombang seismik yang dapat dikuantifikasi melalui pendekatan jaringan yang sama. Memeriksa sumber non-gempa bumi sangat penting untuk menjawab pertanyaan tentang seberapa penting pemicu dinamis secara kuantitatif (Delorey et al., 2017 ; Gibney, 2020 ; Tang et al., 2020 ). Eksplorasi ini dapat menghasilkan efek yang mengejutkan; misalnya, jika mikroseisme samudra adalah pemicu yang efektif, gangguan hariannya dapat menjadi kontribusi yang signifikan terhadap anggaran pemicu dinamis secara keseluruhan meskipun amplitudonya kecil, yang dapat menjadi perluasan potensial dari studi ini di masa mendatang.
Secara keseluruhan, pendekatan kami memberikan fleksibilitas yang lebih besar dengan tidak bergantung pada katalog gempa bumi yang sudah ada sebelumnya, tidak seperti studi sebelumnya yang membandingkan temuan saat ini dengan analisis berbasis katalog. Misalnya, Miyazawa et al. ( 2021 ) menggunakan katalog gempa bumi untuk mengidentifikasi peristiwa yang dipicu secara lokal, sedangkan metode kami menggunakan pemilihan fase PhaseNet untuk secara langsung mengekstraksi sinyal yang dipicu dari bentuk gelombang kontinu, yang memungkinkan pengukuran intensitas pemicu yang lebih langsung. Kedua metode ini berbeda tidak hanya dalam teknik pemrosesan data tetapi juga dalam penerapannya pada wilayah dengan berbagai tingkat aktivitas seismik. Pendekatan kami sangat menguntungkan untuk studi pemicu dinamis di wilayah yang tidak memiliki katalog gempa bumi berkualitas tinggi, terutama di lingkungan yang tidak terlalu bising. Namun, pendekatan ini memerlukan kontrol kualitas data yang cermat karena sensitivitasnya terhadap kebisingan lokal dan kepadatan stasiun, karena studi ini tidak menerapkan langkah-langkah kontrol kualitas tingkat jaringan untuk mengurangi faktor-faktor ini. Di wilayah yang lebih tenang, mungkin saja menggunakan ambang batas yang lebih rendah saat memilih peristiwa dengan PhaseNet, tetapi di wilayah perkotaan, ambang batas yang lebih tinggi diperlukan untuk mengurangi gangguan kebisingan, meskipun hal ini dapat membatasi jumlah data yang tersedia untuk analisis statistik. Oleh karena itu, menemukan ambang batas yang seimbang sangat penting untuk memperhitungkan dampak-dampak ini. Selain itu, di wilayah-wilayah dengan aktivitas industri, seperti peledakan tambang, penting untuk berhati-hati saat menafsirkan sinyal dari stasiun-stasiun yang mungkin merekam peristiwa-peristiwa semacam itu.
6 Ringkasan dan Kesimpulan
Kami menggunakan bentuk gelombang kontinu untuk mengukur pemicuan dinamis, yang memungkinkan pengukuran pola temporal dan spasial kerentanan terhadap pemicuan di mana pun seismometer ditempatkan, sehingga menghilangkan kendala buatan yang diberlakukan oleh katalog seismik, yang terbatas secara spasial dan temporal. Pendekatan ini layak untuk kasus stasiun tunggal dan dapat diperluas ke wilayah dengan pengamatan seismik yang jarang tetapi memiliki minat ilmiah yang besar.
Validasi kami terhadap strategi ini melibatkan perbandingan temuan kami dengan studi sebelumnya (yaitu, Miyazawa et al., 2021 ) yang dilakukan di wilayah yang sama tetapi menggunakan katalog berkualitas tinggi. Kami menetapkan hubungan empiris yang serupa antara intensitas pemicu yang ditentukan dan kecepatan tanah puncak, serta pola laju peluruhan lambat yang sebanding. Kami juga menguji ketergantungan frekuensi pemicu dinamis yang halus dengan pemicu yang mungkin lebih kuat dengan gelombang frekuensi yang lebih rendah. Proses pemicu berbeda dari pemicu gempa susulan konvensional yang mungkin menunjukkan mekanisme pemicu yang dibantu oleh creep atau hidrologis.
Kepekaan terhadap pemicu dinamis di California Selatan menunjukkan bahwa kondisi tekanan berubah akibat gempa Ridgecrest berkekuatan 7,1 SR , terutama untuk wilayah yang aktif secara seismik. Untuk sementara, California Selatan tampak lebih aman, mungkin karena pemicu sementara dari populasi patahan yang sebelumnya hampir runtuh.
