2023 Fiscal Year Final Research Report
EnKF estimation of frictional properties and slip evolution on LSSE faults
| Project/Area Number |
18K03779
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 17040:Solid earth sciences-related
|
|---|
| Research Institution | Kagawa University |
|---|
Principal Investigator |
Hirahara Kazuro 香川大学, 四国危機管理教育・研究・地域連携推進機構, 客員教授 (40165197)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宮崎 真一 京都大学, 理学研究科, 教授 (00334285)
|
|---|
| Project Period (FY) |
2018-04-01 – 2024-03-31
|
| Keywords | データ同化 / アンサンブルカルマンフィルタ / 長期的スロースリップ / 速度状態摩擦依存則 / GNSS / すべり発展予測 / 巨大地震発生 |
|---|
| Outline of Final Research Achievements |
Using a sequential data assimilation method, the Ensemble Kalman Filter (EnKF), we developed a method for estimating frictional properties and monitoring slip evolution on an LSSE fault to confirm the capability with twin numerical experiments.
Further, we applied our EnKF method to the slip rate data on the Bungo Channel LSSE fault, which were obtained from the actual GNSS data with a kinematic inversion method. First, we used the data during the whole LSEE cycle, and could successfully estimate the frictional properties. Then we showed that the limited data only during the period up to just after the period with the peak slip rates could resolve the friction properties to forecast the ending period of the LSSE cycle. This is the first result where an EnKF method can estimate the frictional properties and show the short-term predictability of slip evolution for an actual LSSE fault using the slip rate data inverted from actual GNSS observation data at the surface.
|
| Free Research Field |
地震学
|
| Academic Significance and Societal Importance of the Research Achievements |
データ同化手法は気象や海洋分野での事象予測に用いられ多くの成果を挙げている。しかしながら、地震学での適用例はまだ多くない。そこで、豊後水道長期的スロースリップ（LSSE)域を対象に、アンサンブルカルマンフィルタ（EnKF)を用いて、GNSS観測時系列をデータとして、LSSE断層面上での摩擦特性推定とすべりの発展予測を行う手法を開発した。双子数値実験によりその性能を評価し、部分的ではあるが実データを用いて、摩擦特性の推定とすべり発展予測に成功した。LSSE挙動の理解は巨大地震発生予測において重要で、巨大地震発生予測に向けてのEnKFによるLSSEのモニタリングの第一歩と評価できる。
|
