نقشه‌برداری به پیش‌بینی زلزله در ایران کمک می‌کند؟
در سال‌های اخیر پژوهش‌هایی با کیفیت بالا در گروه‌های نقشه‌برداری در زمینه و راستای پیش‌بینی زلزله انجام شده است. البته هیچ‌کدام به‌تنهایی روشی برای پیش‌بینی زلزله نیستند، ولی ترکیب داده‌های زمینی از پایش تغییر شکل‌های جدید با رادار و کاتالوگ‌های لرزه‌خیزی به نتایج جالبی برای نمایش پیش‌بینی‌پذیربودن برخی از رخدادهای گذشته انجامیده، ولی برای پیش‌بینی یک زلزله خاص، قوی و قریب‌الوقوع مؤثر نبوده‌اند.
به گزارش گروه رسانه‌ای شرق،
در سال‌های اخیر پژوهش‌هایی با کیفیت بالا در گروه‌های نقشه‌برداری در زمینه و راستای پیش‌بینی زلزله انجام شده است. البته هیچ‌کدام به‌تنهایی روشی برای پیش‌بینی زلزله نیستند، ولی ترکیب داده‌های زمینی از پایش تغییر شکل‌های جدید با رادار و کاتالوگ‌های لرزه‌خیزی به نتایج جالبی برای نمایش پیش‌بینی‌پذیربودن برخی از رخدادهای گذشته انجامیده، ولی برای پیش‌بینی یک زلزله خاص، قوی و قریب‌الوقوع مؤثر نبوده‌اند. این روش‌ها، ابزارهای مهمی برای درک فیزیک و خطر بلندمدت زلزله هستند، اما هنوز امکان پیش‌بینی دقیق با مشخص‌کردن زمان، مکان و بزرگای یک رویداد قریب‌الوقوع را فراهم نمی‌کنند. یک برنامه جامع پیش‌بینی زلزله نیازمند دسترسی به چند منبع کلیدی است: زیرساخت و سخت‌افزار قوی و شبکه‌ای متراکم از حسگرهای چندپارامتری. لرزه‌نگار‌های باند‌پهن و شتاب‌سنج‌های حرکت قوی به همراه پایش ژئودزی -مانند GPS و InSAR پیوسته- و حسگرهای ژئومغناطیسی-الکترومغناطیسی، آشکارسازهای رادون و زیرساخت پایش یونوسفر مانند گیرنده‌های GNSS برای محتوای کل الکترون، نیازهای پایه چنین سامانه‌ای است. از سوی دیگر، به مدیریت و یکپارچه‌سازی داده‌ها نیز نیاز هست. یک سیستم متمرکز برای جمع‌آوری، انتقال، ذخیره و پردازش حجم زیادی از داده‌ها ضروری است. با این حال از این موارد مهم‌تر، به تخصص چند‌رشته‌ای نیاز است؛ تیمی از زلزله‌شناسان، ژئودزیست‌ها، فیزیک‌دانان جوی، فیزیک‌دانان یونوسفر و متخصصان داده برای تفسیر سیگنال‌های پیچیده. پایش تغییر شکل زمین با رادار و روش
InSAR در مناطق وسیع به شناسایی گسل‌هایی که قفل شده‌اند و تنش انباشته کمک می‌کند، اما انباشت کرنش یک فرایند پیوسته است و پارگی نهایی یک رویداد ناگهانی و غیرخطی. بنابراین این شیوه به‌تنهایی نمی‌تواند بگوید چه زمانی تنش انباشته بر اصطکاک غلبه کرده و باعث پارگی می‌شود. کاتالوگی از زلزله‌های گذشته، مبنای آماری را برای پیش‌بینی احتمالی فراهم می‌کند. تشخیص نبودهای لرزه‌ای با بررسی دقیق کاتالوگ‌های لرزه‌ای ارزیابی خطر بلندمدت و میان‌مدت قابل تخمین و احتمال وقوع زلزله در یک منطقه طی سال‌ها یا دهه‌ها قابل ارائه است، ولی قادر به ارائه هشدار کوتاه‌مدت نیستند. مطالعه‌ای در سال ۲۰۲۴ با استفاده از داده‌های ماهواره Sentinel-1 (دوره ۲۰۱۵ تا ۲۰۲۲)، نرخ لغزش در گسل شمال تبریز را ۷.۷ میلی‌متر در سال و ژرفای قفل‌شدگی را حدود ۱۱ کیلومتر برآورد کرد. نویسندگان خاطرنشان کردند تغییرات ناگهانی در نرخ‌های حرکت، «می‌تواند» منجر به وقوع زلزله شود. اما این مطالعه برای هدف پیش‌بینی طراحی نشده بود. در مورد «گسل انار» در غرب کرمان و جنوب یزد، مطالعه‌ای در سال ۲۰۲۱ با تلفیق داده‌های InSAR ،GPS و اندازه‌گیری‌های رادون، افزایش نرخ جابه‌جایی را در بازه زمانی ۲۰۱۷ تا ۲۰۲۰ مشاهده کرد و نتیجه گرفت این گسل «به پایان چرخه لرزه‌ای خود نزدیک می‌شود» و فعالیت آن افزایش یافته است. اما این یافته در زمره «ارزیابی خطر درازمدت» قرار می‌گیرد، نه پیش‌بینی کوتاه‌مدت. در مورد زلزله‌های هجدک (کرمان) در آذر ۱۳۹۶ مطالعه‌ای در سال ۲۰۲۵، داده‌های Sentinel-1 را برای دوره ۳۸ماهه پیش از وقوع سه زلزله پیاپی هجدک در دسامبر ۲۰۱۷ تحلیل کرد و در مورد پدیده فرونشست پیش‌لرزه‌ای تا سقف ۲۰ میلی‌متر گزارش دادند و نویسندگان پیشنهاد کردند چنین الگوهایی «می‌تواند» به تشخیص مراحل پیش از زلزله کمک کند، اما این تحلیل ماهیت پس‌نگر داشت و رخدادی قبلی را پس‌بینی کرد، نه پیش‌بینی برای اتفاقی بعدی. ناهنجاری‌های الکترومغناطیسی پیش از وقوع زلزله‌ها مثلا در زمین‌لرزه سرپل‌ذهاب (۲۰۱۷) با بزرگای ۷.۳ بررسی شده و مطالعات متعدد، ناهنجاری‌های یونسفری را هشت تا ۱۱ روز پیش از وقوع این رویداد شناسایی کردند. پژوهشی در سال ۲۰۱۹ با استفاده از داده‌های GPS-TEC و ماهواره Swarm، تغییرات غیرعادی را در «روزهای نهم و یازدهم» پیش از زلزله مشاهده کرد و آنها را به اثرات جفت‌شدگی لیتوسفر-اتمسفر-یونسفر (LAIC) مرتبط دانست. همچنین مطالعه‌ای در سال ۲۰۲۴، افزایش شاخص محتوای الکترونی کل (TEC) بر فراز کانون زلزله را در هشت تا ۹ روز پیش از رویداد تأیید کرد. زمین‌لرزه منجیل ۱۹۹۰ با بزرگای ۷.۳ در یک مطالعه مروری در سال ۱۹۹۸ بررسی شد و اختلالاتی را در یونسفر زیرین، لایه F و یونسفر بالایی در فواصل ۲۰۰ تا دو هزار کیلومتری از کانون زلزله و در حوالی زمان وقوع آن گزارش کردند. هرچند نویسندگان خاطرنشان کردند این موارد می‌توانند «پیش‌نشانگر یا رویدادهایی تصادفی» باشند. پژوهشی در سال ۲۰۲۶، شش زمین‌لرزه با بزرگای بیش از شش را در فلات ایران طی سال‌های ۲۰۱۴ تا ۲۰۲۵ را بررسی کرد و نشان داد زلزله‌ها تشدید ناهنجاری‌های مغناطیسی یونسفری هم‌روند بوده است. این الگوی چندپارامتری در تمامی رویدادها مشاهده شد و از چارچوب نظری LAIC پشتیبانی می‌کرد. در مطالعه‌ای که سال ۲۰۱۱ روی گسل گلباف انجام شد، پایش مداوم گاز رادون از دسامبر ۲۰۰۷ تا جولای ۲۰۰۸ ارتباطات نسبتا خوب میان نوسانات سطح رادون و فراوانی وقوع زلزله را نشان داد؛ به‌طوری که «زمان پیش‌نشانگر» با فاصله از کانون سطحی زلزله همبستگی منفی و با بزرگی زلزله همبستگی مثبت داشت. با این حال، نویسندگان تأکید کردند پیش از آنکه بتوان رادون را یک پیش‌نشانگر قابل اعتماد دانست، به داده‌های بیشتر و فواصل زمانی کوتاه‌تر برای نمونه‌برداری نیاز است. چندین مطالعه در ایران از یادگیری ماشین برای پیش‌بینی زلزله استفاده کرده و اغلب دقت بالایی گزارش داده‌اند؛ هرچند نکات و ملاحظات مهمی نیز در این زمینه وجود دارد. نویسندگان به‌صراحت بیان می‌کنند زمان، مکان و شدت دقیق زلزله قابل پیش‌بینی قطعی نیست و توصیه می‌کنند در پژوهش‌های آتی از داده‌های GPS و InSAR نیز استفاده شود. اگرچه این مطالعات نشان می‌دهند پیش از وقوع برخی زلزله‌ها در ایران ناهنجاری‌هایی وجود دارد، این یافته‌ها به معنای امکان «پیش‌بینی عملیاتی» با کاربردی و قابل اتکا برای هشدار پیش‌هنگام نیستند. بیشتر این تحلیل‌ها پس‌نگر هستند. اکثر مطالعات، ناهنجاری‌ها را «پس از» وقوع زلزله شناسایی می‌کنند، به این معنی که در این نوع پژوهش‌ها، محققان می‌دانند کجا و چه زمانی جست‌وجو کنند. در عمل، «تحلیل ژئودتیک» هنوز برای پیش‌بینی کوتاه‌مدت زلزله آماده نیست، اما پتانسیل امیدوارکننده‌ای برای شناسایی سیگنال‌های پیش‌نشانگر ظریف در برخی موارد نشان می‌دهد. شکاف بین موفقیت گذشته‌نگر و پیش‌بینی عملیاتی قابل اعتماد همچنان چالش اصلی است.
برای اطلاع از آخرین اخبار و تحلیل‌ها به کانال شرق در «تلگرام» بپیوندید.
