Exploración del rendimiento de la alerta temprana de terremotos en grandes terremotos utilizando la secuencia de...

Área de la Ciencia:

• Geofísica; Sismología; Ingeniería de Terremotos

Sus antecedentes:

• Los sistemas de alerta temprana de terremotos (EEWS) son cruciales para mitigar los riesgos sísmicos en áreas pobladas.; La secuencia de terremotos de Kahramanmaraş de 2023 en Türkiye proporcionó una oportunidad única para probar el rendimiento de EEWS con datos del mundo real.; Existe incertidumbre sobre la efectividad de EEWS, especialmente para grandes terremotos cerca de centros urbanos.

Objetivo del estudio:

• Simular tiempos de alerta realistas utilizando datos de los terremotos de Kahramanmaraş de 2023.; Evaluar el rendimiento del algoritmo de punto fuente EPIC en la caracterización de terremotos en tiempo real.; Evaluar el impacto de la latencia de entrega de alertas en los tiempos de alerta.

Principales métodos:

• Se utilizaron datos de formas de onda de los terremotos M7.8 Pazarcık y M7.5 Elbistan.; Se empleó el algoritmo de punto fuente EPIC para la caracterización rápida de terremotos.; Se incorporó un modelo estadístico de latencia de entrega de alertas basado en datos de la aplicación MyShake.

Principales resultados:

• El algoritmo EPIC proporcionó soluciones rápidas (4 s para Pazarcık, 10 s para Elbistan).; A pesar de la subestimación inicial de la magnitud, las estimaciones de EPIC mejoraron rápidamente.; Las simulaciones mostraron tiempos de alerta potenciales de hasta 20 segundos para sacudidas MMI 6+ con umbrales de alerta bajos.

Conclusiones:

• Los EEWS pueden ser efectivos incluso con latencias inherentes del sistema e incertidumbres iniciales de magnitud.; Los umbrales de alerta bajos (MMI 3-4) son críticos para maximizar los tiempos de alerta.; La secuencia de terremotos de Kahramanmaraş validó el potencial de EEWS en eventos sísmicos de alto impacto.