Algorithmus wirft neue Fragen zu Erdbebenaufzeichnungen in Cascadia auf

In der Cascadia-Subduktionszone im pazifischen Nordwesten kam es in der Vergangenheit immer wieder zu heftigen und zerstörerischen Erdbeben, die Wälder versinken ließen und Tsunamis auslösten, die bis an die Küste Japans reichten.

Das letzte große Erdbeben ereignete sich im Jahr 1700. Aber es wird wahrscheinlich nicht das letzte sein. Und das Gebiet, das betroffen sein könnte, sind heute geschäftige Metropolen, in denen Millionen von Menschen leben.

Die Häufigkeit von Erdbeben zu ermitteln – und herauszufinden, wann das nächste „große“ Beben stattfinden wird – ist eine aktuelle wissenschaftliche Frage, bei der man in geologischen Aufzeichnungen nach Zeichen vergangener Erdbeben in Form von aufgewühlten Gesteinen, Sedimenten und Landschaften sucht.

Eine Studie von Wissenschaftlern der University of Texas in Austin und ihren Kollegen stellt jedoch die Zuverlässigkeit eines Erdbebenprotokolls in Frage, das Tausende von Jahren umfasst – eine Art geologische Ablagerung namens Turbidit, die in den Schichten des Meeresbodens vorkommt.

Die Forscher analysierten eine Auswahl von Turbiditschichten aus der Cascadia-Subduktionszone, die etwa 12.000 Jahre alt sind, mit einem Algorithmus, der beurteilte, wie gut Turbiditschichten miteinander korrelierten.

Sie fanden heraus, dass die Korrelation zwischen den Turbiditproben in den meisten Fällen nicht besser als zufällig war. Da Turbidite durch eine Reihe von Phänomenen und nicht nur durch Erdbeben verursacht werden können, deuten die Ergebnisse darauf hin, dass der Zusammenhang der Turbiditaufzeichnungen mit vergangenen Erdbeben unsicherer ist als bisher angenommen.

„Wir möchten, dass jeder, der die Intervalle der Cascadia-Subduktionsbeben angibt, versteht, dass diese Zeitlinien durch diese Studie in Frage gestellt werden“, sagte Joan Gomberg, eine Forschungsgeophysikerin beim US Geological Survey und Mitautorin der Studie. „Es ist wichtig, weitere Forschungen durchzuführen, um diese Intervalle zu verfeinern. Was wir wissen, ist, dass Cascadia in der Vergangenheit seismisch aktiv war und es auch in Zukunft sein wird, also müssen die Menschen letztendlich vorbereitet sein.“

Die Ergebnisse ändern nicht unbedingt die geschätzte Erdbebenhäufigkeit in Cascadia, die etwa alle 500 Jahre beträgt, sagten die Forscher. Die aktuelle Häufigkeitsschätzung basiert auf einer Reihe von Daten und Interpretationen, nicht nur auf den in dieser Studie analysierten Turbiditen. Die Ergebnisse unterstreichen jedoch die Notwendigkeit weiterer Forschung insbesondere zu Turbiditschichten und deren Beziehung zueinander und zu großen Erdbeben.

Co-Autor Jacob Covault, ein Forschungsprofessor an der UT Jackson School of Geosciences, sagte, der Algorithmus biete ein quantitatives Werkzeug, das eine reproduzierbare Methode zur Interpretation alter Erdbebenaufzeichnungen liefere, die normalerweise auf eher qualitativen Beschreibungen der Geologie und ihrer möglichen Zusammenhänge beruhen.

„Dieses Tool liefert ein wiederholbares Ergebnis, sodass jeder das Gleiche sehen kann“, sagte Covault, der Co-Leiter des Quantitative Clastics-Labors am Bureau of Economic Geology der Jackson School. „Man kann dieses Ergebnis möglicherweise anfechten, aber man hat zumindest eine Basislinie, einen Ansatz, der reproduzierbar ist.“

Die Ergebnisse waren veröffentlicht im Journal Bulletin der Geologischen Gesellschaft von AmerikaAn der Studie waren Forscher des USGS, der Stanford University und der Alaska Division of Geological & Geophysical Surveys beteiligt.

Turbidite sind die Überreste von Unterwasser-Erdrutschen. Sie bestehen aus Sedimenten, die sich wieder auf dem Meeresboden abgesetzt haben, nachdem sie durch die turbulente Bewegung des über den Meeresboden rasenden Sediments ins Wasser geschleudert wurden. Das Sediment in diesen Schichten weist eine charakteristische Abstufung auf, mit gröberen Körnern unten und feineren oben.

Es gibt jedoch mehr als nur eine Möglichkeit, eine Turbiditschicht zu bilden. Erdbeben können Erdrutsche auslösen, wenn sie den Meeresboden erschüttern. Dasselbe gilt aber auch für Stürme, Überschwemmungen und eine Reihe anderer Naturphänomene, wenn auch in kleinerem geografischen Maßstab.

Um Turbidite mit vergangenen Erdbeben in Verbindung zu bringen, muss man sie derzeit in geologischen Kernen aus dem Meeresboden finden. Wenn ein Turbidit in mehreren Proben in einem relativ großen Gebiet an ungefähr derselben Stelle auftaucht, wird er den Forschern zufolge als Überbleibsel eines vergangenen Erdbebens gezählt.

Obwohl die Kohlenstoffdatierung von Proben dabei helfen kann, den Zeitpunkt einzugrenzen, besteht immer noch eine große Unsicherheit bei der Interpretation, ob Proben, die ungefähr zur gleichen Zeit und am gleichen Ort gefunden wurden, mit demselben Ereignis in Zusammenhang stehen.

Die Erkenntnis, wie verschiedene Turbiditproben zueinander in Beziehung stehen, inspirierte die Forscher dazu, eine quantitativere Methode – einen Algorithmus namens „Dynamic Time Warping“ – auf die Turbiditdaten anzuwenden. Die algorithmische Methode stammt aus den 1970er Jahren und hat ein breites Anwendungsspektrum, von der Spracherkennung bis zur Glättung von Grafiken in dynamischen VR-Umgebungen.

Dies sei das erste Mal, dass dieser Ansatz zur Analyse von Turbiditen angewandt werde, sagte Co-Autor Zoltán Sylvester, Forschungsprofessor an der Jackson School und einer der leitenden Forscher des Quantitative Clastics Lab, der die Anpassung des Algorithmus zur Analyse von Turbiditen leitete.

„Dieser Algorithmus war eine Schlüsselkomponente vieler Projekte, an denen ich gearbeitet habe“, sagte Sylvester. „Aber in den Geowissenschaften wird er immer noch viel zu wenig genutzt.“

Der Algorithmus erkennt Ähnlichkeiten zwischen zwei Proben, die sich im Laufe der Zeit ändern können, und bestimmt, wie gut die Daten übereinstimmen.

Für Spracherkennungssoftware bedeutet das, Schlüsselwörter zu erkennen, auch wenn sie mit unterschiedlicher Geschwindigkeit oder Tonhöhe gesprochen werden. Für die Turbidite bedeutet das, gemeinsame magnetische Eigenschaften verschiedener Turbiditproben zu erkennen, die von Ort zu Ort unterschiedlich aussehen können, obwohl sie vom selben Ereignis stammen.

„Die Korrelation von Turbiditen ist keine einfache Aufgabe“, sagte Co-Autorin Nora Nieminski, Programmmanagerin für Küstengefahren der Alaska Division of Geological & Geophysical Surveys. „Turbidite weisen häufig eine erhebliche laterale Variabilität auf, die ihre unterschiedliche Fließdynamik widerspiegelt. Daher ist nicht davon auszugehen, dass Turbidite über große oder in vielen Fällen sogar über kleine Entfernungen hinweg denselben Ablagerungscharakter beibehalten, insbesondere entlang aktiver Ränder wie Cascadia oder über verschiedene Ablagerungsumgebungen hinweg.“

Die Forscher unterzogen die vom Algorithmus ermittelten Korrelationen außerdem einer weiteren Prüfungsebene. Sie verglichen die Ergebnisse mit Korrelationsdaten, die anhand synthetischer Daten berechnet wurden, die durch den Vergleich von 10.000 Paaren zufälliger Turbiditschichten erstellt wurden. Dieser synthetische Vergleich diente als Kontrolle gegen zufällige Übereinstimmungen in den tatsächlichen Proben.

Die Forscher wandten ihre Methode auf magnetische Suszeptibilitätsprotokolle für Turbiditschichten in neun geologischen Kernen an, die während einer wissenschaftlichen Expedition im Jahr 1999 gesammelt wurden. Sie fanden heraus, dass die Verbindung zwischen Turbiditschichten, die zuvor korreliert worden waren, in den meisten Fällen nicht besser als zufällig war. Die einzige Ausnahme von dieser Tendenz waren Turbiditschichten, die relativ nahe beieinander lagen – nicht mehr als etwa 24 Kilometer voneinander entfernt.

Die Forscher betonen, dass der Algorithmus nur eine Möglichkeit zur Analyse von Trübungen ist und dass die Einbeziehung anderer Daten den Grad der Korrelation zwischen den Kernen auf die eine oder andere Weise verändern könnte. Diesen Ergebnissen zufolge reicht das Vorhandensein von Trübungen zur gleichen Zeit und in einem bestimmten Gebiet im geologischen Datenbestand jedoch nicht aus, um sie eindeutig miteinander in Verbindung zu bringen.

Und obwohl Algorithmen und Ansätze des maschinellen Lernens bei dieser Aufgabe helfen können, liegt es an den Geowissenschaftlern, die Ergebnisse zu interpretieren und zu sehen, wohin die Forschung führt.

„Wir sind hier, um Fragen zu beantworten, nicht nur, um das Tool anzuwenden“, sagte Sylvester. „Aber gleichzeitig zwingt einen diese Art von Arbeit dazu, sehr sorgfältig nachzudenken.“