Algoritmo plantea nuevas preguntas sobre el registro del terremoto de Cascadia

27 de agosto de 2024

Este artículo ha sido revisado de acuerdo con el proceso editorial y las políticas de Science X. Los editores han destacado los siguientes atributos mientras aseguraban la credibilidad del contenido:

• verificado por hechos
• fuente confiable
• corregido por prueba

por Universidad de Texas en Austin

La zona de subducción de Cascadia en el noroeste del Pacífico tiene una historia de producir terremotos poderosos y destructivos que han hundido bosques y generado tsunamis que llegaron hasta las costas de Japón.

El terremoto más reciente ocurrió en 1700. Pero probablemente no será el último. Y las áreas que podrían verse afectadas ahora albergan bulliciosas metrópolis que son hogar de millones de personas.

Determinar la frecuencia de los terremotos y cuándo ocurrirá el próximo 'grande' es una cuestión científica activa que implica buscar signos de terremotos anteriores en el registro geológico en forma de rocas sacudidas, sedimentos y paisajes.

Sin embargo, un estudio realizado por científicos de la Universidad de Texas en Austin y colaboradores está poniendo en duda la confiabilidad de un registro de terremotos que abarca miles de años, un tipo de depósito geológico llamado turbidita que se encuentra en las capas del lecho marino.

Los investigadores analizaron una selección de capas de turbidita de la zona de subducción de Cascadia que datan de hace aproximadamente 12,000 años con un algoritmo que evaluó la correlación entre las capas de turbidita.

Descubrieron que en la mayoría de los casos, la correlación entre las muestras de turbidita no era mejor que al azar. Dado que las turbiditas pueden ser causadas por una variedad de fenómenos, y no solo por terremotos, los resultados sugieren que la conexión del registro de turbiditas con los terremotos pasados es más incierta de lo que se pensaba anteriormente.

'Nos gustaría que todos los que citan los intervalos de terremotos de subducción de Cascadia comprendieran que estos plazos están siendo cuestionados por este estudio', dijo Joan Gomberg, geofísica investigadora del Servicio Geológico de Estados Unidos y coautora del estudio. 'Es importante realizar más investigaciones para refinar estos intervalos. Lo que sabemos es que Cascadia fue activa sísmicamente en el pasado y lo será en el futuro, así que en última instancia, la gente necesita estar preparada'.

Los resultados no cambian necesariamente la frecuencia estimada de terremotos en Cascadia, que es de aproximadamente cada 500 años, según los investigadores. La estimación actual de frecuencia se basa en una variedad de datos e interpretaciones, no solo en las turbiditas analizadas en este estudio. Sin embargo, los resultados subrayan la necesidad de más investigaciones sobre las capas de turbiditas, específicamente, y cómo se relacionan entre sí y con los grandes terremotos.

El coautor Jacob Covault, profesor investigador en la Escuela de Ciencias Geológicas de UT Jackson, dijo que el algoritmo ofrece una herramienta cuantitativa que proporciona un método replicable para interpretar registros de terremotos antiguos, los cuales suelen basarse en descripciones más cualitativas de la geología y sus posibles asociaciones.

'Esta herramienta proporciona un resultado repetible, por lo que todos pueden ver lo mismo', dijo Covault, co-investigador principal del laboratorio de Clásticos Cuantitativos en la Oficina de Geología Económica de la Escuela Jackson. 'Puedes potencialmente discutir ese resultado, pero al menos tienes una línea base, un enfoque que es reproducible'.

Los resultados fueron publicados en la revista Geological Society of America Bulletin. El estudio incluyó investigadores del USGS, la Universidad de Stanford y la División de Estudios Geológicos y Geofísicos de Alaska.

Las turbiditas son restos de deslizamientos submarinos. Están compuestas por sedimentos que se asentaron en el lecho marino después de ser arrojados al agua por el movimiento turbulento de los sedimentos que avanzan a través del fondo marino. Los sedimentos en estas capas tienen una gradación distintiva, con granos más gruesos en la parte inferior y más finos en la parte superior.

Pero hay más de una forma de crear una capa de turbidita. Los terremotos pueden provocar deslizamientos cuando sacuden el lecho marino. Pero también pueden hacerlo las tormentas, las inundaciones y una variedad de otros fenómenos naturales, aunque en una escala geográfica más pequeña.

Actualmente, conectar las turbiditas a los terremotos pasados generalmente implica encontrarlas en núcleos geológicos tomados del lecho marino. Si una turbidita aparece más o menos en el mismo lugar en múltiples muestras en una área relativamente grande, se la considera un remanente de un terremoto pasado, según los investigadores.

Si bien las muestras de datación por carbono pueden ayudar a acotar el momento, todavía existe mucha incertidumbre en interpretar si las muestras que parecen estar aproximadamente en el mismo tiempo y lugar están conectadas por el mismo evento.

Obtener un mejor manejo de cómo se relacionan entre sí diferentes muestras de turbiditas inspiró a los investigadores a aplicar un método más cuantitativo, un algoritmo llamado 'dynamic time warping', a los datos de turbiditas. El método algorítmico data de la década de 1970 y tiene una amplia gama de aplicaciones, desde el reconocimiento de voz hasta el suavizado de gráficos en entornos de realidad virtual dinámica.

Esta es la primera vez que se aplica para analizar turbiditas, dijo el coautor Zoltán Sylvester, un profesor de investigación en la Jackson School y co-investigador principal del Laboratorio de Clásticos Cuantitativos, quien lideró la adaptación del algoritmo para analizar turbiditas.

'Este algoritmo ha sido un componente clave de muchos de los proyectos en los que he trabajado', dijo Sylvester. 'Pero todavía está muy subutilizado en las geociencias'.

El algoritmo detecta la similitud entre dos muestras que pueden variar con el tiempo y determina qué tan de cerca coinciden los datos entre ellos.

Para el software de reconocimiento de voz, esto significa reconocer palabras clave aunque se hablen a diferentes velocidades o tonos. Para las turbiditas, implica reconocer propiedades magnéticas compartidas entre diferentes muestras de turbiditas que pueden verse diferentes de un lugar a otro a pesar de originarse en el mismo evento.

'Correlacionar turbiditas no es una tarea sencilla', dijo la coautora Nora Nieminski, la gerente del programa de peligros costeros de la División de Estudios Geológicos y Geofísicos de Alaska. 'Comúnmente, las turbiditas muestran una variabilidad lateral significativa que refleja sus dinámicas de flujo variables. Por lo tanto, no se espera que las turbiditas conserven el mismo carácter de deposición a lo largo de grandes distancias, o incluso distancias pequeñas en muchos casos, particularmente a lo largo de márgenes activos como Cascadia o a través de diferentes entornos de deposición'.

Los investigadores también sometieron las correlaciones producidas por el algoritmo a otro nivel de escrutinio. Compararon los resultados con datos de correlación calculados usando datos sintéticos creados al comparar 10,000 pares de capas de turbiditas aleatorias. Esta comparación sintética sirvió como control contra coincidencias en las muestras reales.

Los investigadores aplicaron su técnica a registros de susceptibilidad magnética de capas de turbiditas en nueve núcleos geológicos que se recopilaron durante un crucero científico en 1999. En la mayoría de los casos, encontraron que la conexión entre capas de turbiditas que habían sido correlacionadas previamente no era mejor que aleatoria. La única excepción a esta tendencia fue para capas de turbiditas que estaban relativamente cerca una de la otra, no más de unas 15 millas de distancia.

Los investigadores enfatizan que el algoritmo es solo una forma de analizar turbiditas, y que la inclusión de otros datos podría cambiar el grado de correlación entre los núcleos de una u otra manera. Pero según estos resultados, la presencia de turbiditas al mismo tiempo en la misma área geológica no es suficiente para conectarlas definitivamente entre sí.

Y aunque los algoritmos y enfoques de aprendizaje automático pueden ayudar con esa tarea, depende de los geocientíficos interpretar los resultados y ver hacia dónde lleva la investigación.

'Estamos aquí para responder preguntas, no solo aplicar la herramienta', dijo Sylvester. 'Pero al mismo tiempo, si estás haciendo este tipo de trabajo, entonces te obliga a pensar muy cuidadosamente'.

Más información: Nora M. Nieminski et al, Turbidite correlation for paleoseismology, Geological Society of America Bulletin (2024). DOI: 10.1130/B37343.1

Proporcionado por Universidad de Texas en Austin