غزال زیاری: با این وجود که زلزله‌های بزرگ همواره به عنوان یک تهدید جدی و ویرانگر در سطح جهانی مطرح بوده‌اند، بشر هنوز موفق به پیش‌بینی دقیق محل، شدت و زمان وقوع آن‌ها نشده است. این موضوع تا کنون به عنوان یک چالش غیرممکن شناخته می‌شود. اما به لطف پیشرفت‌های علمی و فناوری، محققان اکنون در حال انجام پیشرفت‌های قابل توجهی در این زمینه هستند.

دکتر ایلونا فان دینتر، دانشیار دانشگاه اوترخت هلند که سال‌ها در حوزه زلزله و حرکات تکتونیکی فعالیت می‌کند، به تازگی پروژه‌ای را با عنوان RESET (نظریه سیستم زلزله‌های بزرگ) راه‌اندازی کرده است. هدف اصلی این پروژه، ارتقای قابل توجه در پیش‌بینی موقعیت، اندازه و حتی زمان احتمالی وقوع زلزله‌ها می‌باشد.

حوزه‌های تخصص و پژوهشی دکتر ایلونا فان دینتر

دکتر فان دینتر در زمینه علم فیزیک زلزله و تکتونیک فعالیت می‌کند و تحقیقاتش شامل بررسی زلزله‌های طبیعی و زلزله‌های کوچک ناشی از فعالیت‌های انسانی است. او به‌طور خاص به مطالعه زلزله‌های ناشی از فعالیت‌های انسانی در منطقه خرونینگن هلند می‌پردازد؛ جایی که استخراج گاز طبیعی در دهه‌های اخیر به افزایش میزان زلزله‌ها منجر شده و به همین دلیل فعالیت‌های استخراجی در این منطقه متوقف گردیده است.

به همین خاطر، خرونینگن هلند به یک آزمایشگاه طبیعی فوق‌العاده برای بهبود فهم علمی فیزیک زلزله تبدیل شده است. از دیگر جنبه‌های تحقیقاتی دکتر فان دینتر می‌توان به بررسی حرکات صفحات زمین و فرآیند شکل‌گیری کوه‌ها از طریق مدل‌های عددی و ادغام داده‌های مشاهداتی با مدل‌های عددی (داده‌همگن‌سازی) برای افزایش دقت پیش‌بینی‌ها اشاره کرد.

اهداف کلیدی پژوهش

در سال‌های اخیر، اولویت اصلی او بر زلزله‌های انسانی متمرکز بوده که از نظر اجتماعی و ایمنی بسیار حیاتی تلقی می‌شوند. به‌طور کلی، هدف عمده تیم او، شناسایی محل شروع و پایان زلزله‌ها و برآورد بزرگی آن‌هاست تا به این ترتیب داده‌های فیزیکی به ارزیابی خطرات زلزله منتقل شود.

هدف آن‌ها در این مطالعات، بهره‌برداری از این داده‌ها برای پروژه‌های پایدار نظیر انرژی زمین‌گرمایی و ذخیره‌سازی گازهای هیدروژن و دی‌اکسید کربن است. دکتر فان دینتر در حال حاضر تکنیک‌های پیش‌بینی جوی را به عرصه پیش‌بینی زلزله انتقال می‌دهد و تحقیق و توسعه در این زمینه به تازگی آغاز شده است.

یک گام کوچک به سوی پیش‌بینی زلزله با کمک فناوری‌های نوین

دستاوردهای مهم دکتر فان دینتر

یکی از دستاوردهای بارز او و تیمش، طراحی مدل‌هایی است که تغییر مقیاس زمانی را از میلیون‌ها سال به میلی‌ثانیه (زمان زلزله) در نظر می‌گیرند. این مدل‌ها امکان درک بهتری از فرآیندهای تکتونیکی و زلزله‌ای فراهم می‌آورند. آن‌ها با به‌کارگیری داده‌همگن‌سازی مبتنی بر مجموعه‌های آماری، تحقیقات پیش‌بینی زلزله‌ها را آغاز کرده‌اند که علیرغم محدودیت‌های اطلاعاتی، پتانسیل بالایی را از خود نشان می‌دهد.
تیم او همچنین برای اولین بار داده‌های فیزیکی درباره حداکثر اندازه زلزله‌های ناشی از فعالیت‌های انسانی را ارائه داده که این مسأله کمک شایانی به ارزیابی خطرات زلزله می‌نماید.

پروژه RESET و اهمیت آن

پروژه RESET بر مبنای این دستاوردها طراحی شده و یکی از اهداف اصلی آن، ادغام حرکات عمودی و افقی سطح زمین به منظور ترسیم دقیق‌تر حرکات گسل‌ها است. تا پیش از این، تنها حرکات افقی گسل‌ها به‌طور جامع مورد بررسی قرار گرفته بود، اما حرکات عمودی نیز اطلاعات حیاتی را درباره محل قفل شدن و عمق گسل‌ها فراهم می‌کند.

یک گام کوچک تا پیش‌بینی زلزله به لطف فناوری

برای تحقق این پروژه، به مدل‌های عددی با کارایی بالا و یک چارچوب نوآورانه در تصویربرداری نیاز است تا بتوانیم فرآیندهای پیش، حین و پس از زلزله‌های بزرگ را به دقت شبیه‌سازی کنیم. پروژه RESET، یک رویکرد سیستم‌محور جامع را دنبال می‌کند که امکان ادغام داده‌ها و مدل‌ها را فراهم می‌آورد و به واسطه آن، احتمال پیش‌بینی زلزله‌ها به واقعیت نزدیکتر می‌شود. با اینکه پیش‌بینی زمان دقیق وقوع زلزله‌ها همچنان امکان‌پذیر نیست، اما این پروژه می‌تواند نقشی کلیدی در افزایش دقت در پیش‌بینی احتمال وقوع آنها ایفا کند.

برنامه‌های آتی

تیم دکتر فان دینتر در نظر دارد در سال‌های آتی، به توسعه مدل‌های سیستم زلزله ادامه دهد و از فناوری‌های محاسباتی نوین، از جمله پردازشگرهای گرافیکی (GPU) استفاده کند تا سرعت محاسبات خود را به شدت افزایش دهد. تمرکز اصلی این تیم بر روی مناطق فرورانش است؛ جایی که صفحات زمین به یکدیگر برخورد می‌کنند و منجر به زلزله‌های بزرگ می‌شوند.
این نوع زلزله‌ها، همچون زلزله ۲۰۱۱ توهوکوی ژاپن که به یک فاجعه هسته‌ای انجامید، نادر ولی بسیار ویرانگر هستند و تقریباً ۴۰٪ جمعیت جهان در مناطقی سکونت دارند که در معرض وقوع این زلزله‌ها و سونامی‌های ناشی از آن قرار دارند.

منبع: innovationnewsnetwork

اشتراک‌گذاری »