A high-resolution real-time forecasting system for predicting the fate of oil spills in the Strait of Bonifacio (western Mediterranean Sea)

The Strait of Bonifacio is a long and narrow area between Corsica and Sardinia. To manage environmental emergencies related to the spill of oil from vessels, an innovative forecasting system was developed. This tool is capable of operationally predicting the dispersion of hydrocarbon spills in the coastal area of the Bonifacio Strait, either from an instantaneous or continuous spill and either in forward or backward mode. Experimental datasets, including ADCP water current measurements and the trajectories of drifter buoys released in the area, were used to evaluate the accuracy of this system. A comparison between the simulation results and experimental data revealed that both the water circulation and the surface transport processes are accurately reproduced by the model. The overall accuracy of the system in reproducing the transport of an oil spill at sea was estimated for both forward and backward prediction mode and in relation to different forecasting time lags.     

用有限元反演2009年拉奎拉(意大利)Mw6.3地震的DInSAR数据

断层滑动分布通常是通过假设当地地壳是弹性、均匀、各向同性的半空间由大地测量数据恢复的。在过去的几十年里,空间密集的大地测量数据(如,DInSAR图像)同震形变突出的复杂图案,需要新的模拟工具,譬如能够代表地壳流变学和复杂几何关系的数值方法。在这种研究中,我们发展了一种能对当地地壳进行更加真实解释的有限元反演大地测量数据的方法。这种方法应用于2009年拉奎拉地震(MW6.3),使用了同震位移的DInSAR图形。结果突出了不可忽略的介质结构的影响:均匀和非均匀模型显示的差异占断层滑动分布值的20%。此外,非均匀模型中在震源的上方出现了一个新滑动区。我们对分辨率也进行了研究,显示出由大地测量数据恢复的有关断层滑动分布的信息应被认为是周围片区的平均。     

墨西哥城地震预警系统的启示

2017年墨西哥普埃布拉发生7.1级破坏性地震,这次地震为评估公众如何感知和使用墨西哥城的地震预警系统提供了一次良好的检验机会。     

华北地区两千年以来的地震迁移:大陆内部与板块边缘的地震有怎样的不同

板块构造理论只解释了板块边缘的地震,但没有解释那些发生在大陆内部的地震。而大陆内部的地震多发生在没有预料到的地区。我们以华北地区两千年以来的记录为例揭示板块边界和板内地震的不同。结果表明,大陆内部的大地震在断层系统之间的迁移可延伸至一个很大的区域,甚至没有一个大地震可以在同一断裂带上重复发生两次。然而,这些地震的空间迁移并不是完全没有规律,因为断层系统间地震能量的释放是互补的,表明这些系统之间在力学上是耦合的。我们同时针对大陆内部的地震提出了一个简单的概念模型。在此模型中,大陆内部缓慢的构造负荷被一个复杂交错的断层系统全部吸收,而每条断层在长期休眠后都出现一个短暂的活跃期。由此产生的大地震呈现间歇性与空间迁移性,这与板块边缘的地震所具有的更加规则的时空模型形成鲜明对比。     

用于地震检测与定位的卷积神经网络

近期,美国中部诱发地震的活动演变亟需详尽的编目结果,以提升地震灾害评估能力。在过去的几十年里,地震事件的数据量呈指数增长,这就需要一种高效的算法可靠地检测和定位地震。目前最复杂的方法是通过对大量连续地震记录进行扫描,寻找重复的地震信号。我们根据人工智能领域最新进展提出了ConvNetQuake,它是一个高度可扩展的卷积神经网络,应用单一波形进行地震检测和定位。我们将该技术应用于美国俄克拉何马州的诱发地震活动研究。我们检测到的地震事件数量超过了俄克拉何马州地质调查局之前编目结果的17倍之多。我们算法的处理速度较已有的方法快数个数量级。