| 研究領域 | Ｓｌｏｗ－ｔｏ－Ｆａｓｔ地震学 |
|---|
| 研究課題/領域番号 |
21H05205
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
加藤 愛太郎 東京大学, 地震研究所, 教授 (20359201)
|
|---|
| 研究分担者 |
武村 俊介 東京大学, 地震研究所, 助教 (10750200)
矢野 恵佑 統計数理研究所, 数理・推論研究系, 准教授 (20806070)
中野 優 国立研究開発法人海洋研究開発機構, 海域地震火山部門(火山・地球内部研究センター), 主任研究員 (40314041)
松田 孟留 国立研究開発法人理化学研究所, 脳神経科学研究センター, ユニットリーダー (50808475)
内田 直希 東北大学, 理学研究科, 准教授 (80374908)
内出 崇彦 国立研究開発法人産業技術総合研究所, 地質調査総合センター, 上級主任研究員 (80713049)
三井 雄太 静岡大学, 理学部, 准教授 (80717950)
竹尾 明子 東京大学, 地震研究所, 助教 (90756933)
|
|---|
| 研究期間 (年度) |
2021-09-10 – 2026-03-31
|
| キーワード | Slow地震 / Slow-to-Fast地震現象 / 情報科学 / 地球物理学 / 地震カタログ |
|---|
| 研究実績の概要 |
隣接観測点でのシグナルの類似性に着目したスロースリップの自動検出法を開発し、四国西部の網羅的カタログ構築に寄与した。また、単点処理の精度を向上するために、スペクトル画像を活用した深層学習による微動の自動検出法を開発し、日本海溝海底地震津波観測網でその精度検証を行った。さらに、地震イベントの判別が可能な1次元・2次元畳み込みニューラルネットワークモデルを火山性地震および浅部微動の波形に適用したところ、両者とも同程度の高い判別性能を示すこと、データの特徴を同じ様に学習し判別している事が分かった。従来のスロー地震解析ではバンドパスフィルタの選択などに恣意性が見られるため、振動子の個数や周波数をデータ駆動的に決定できるベイズ振動子分解の地震データへの適用に着手した。周期的に近い変動を含む測地データから非定常シグナルを抽出するための基礎的な技術として、LSTM深層学習に基づく時系列データの特徴抽出法の開発を進めた。機械学習を用いた小地震の検出のために、海域を含む東北地方の地震波形を用いた機械学習モデルの作成に着手した。その結果、米国のカリフォルニアで取得されたデータで学習したモデルに比べ、地震波の読み取り性能が向上することを確認した。また、繰り返し地震抽出プログラムの作成を開始した。日本各地や米国リッジクレストで発生した中小地震について多重スペクトル解析を行い、単一地域内で複雑なものから単純なものまで存在することが分かり、複雑性の分布は地域によらず類似することも見出した。紀伊半島南東沖で発生する浅部超低周波地震を検知し、震源時間関数の詳細推定を実施しカタログとして公開した。そのカタログにより、沈み込んだ古銭洲海嶺の西端で長期的に浅部スロー地震が活発であることを明らかにした。また、深部Slow地震が発生している四国中央部においてDAS計測を実施し微動の波動場の観測に成功した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
情報科学に基づくSlow・Fast地震の検出に関する新たな手法が開発されたことに加えて、一部の手法に関しては、実際のデータへの適用まで進められており、研究は概ね順調に進展している。テクトニック微動の検出に関しては、スペクトル画像や時系列データに対して，データ駆動的なアプローチ（畳み込みニューラルネットワークモデル，振動子分解等）を取ることで、研究者の恣意性が低い状態でSlow・Fast地震の検出の見通しが立ちはじめている。また、火山性地震の判別にも成功した。さらに、海域を含む東北地方の地震波形を用いた機械学習モデルの作成に着手したところ、読み取り結果が改善されており順調な成果が得られている。測地データを用いた解析に関しては、当初の計画どおり、時系列データからの特徴抽出法の開発は進んでいるものの、手法の実データへの適用にあたって、人工データで期待されたほどの性能が出ないケースが確認されるため、今後の改善を進める。Slow・Fast地震のカタログ構築に向けて、紀伊半島南東沖で発生する浅部超低周波地震を検知し、震源時間関数の詳細に推定した情報を一般に公開した。また、繰り返し地震に関しては、繰り返し地震の抽出プログラムの暫定版ができており作業は順調に進んでいる。地震波スペクトル解析に関しては、当初予定していた通り地震の複雑性を定量化することができたものの、複雑になる要因まで特定できていないため今後の検討事項である。DAS観測に関しては、四国中央部における測線長約12㎞の計測により深部微動の波動場を捉えることに成功した。DASによる微動の波動場の観測は世界的にも珍しく順調な成果が得られている。
|
| 今後の研究の推進方策 |
次年度も引き続き、検出性能の高いカタログ構築に向けて手法開発及び手法適用をおこなう。さらに、物理的な拘束を取り入れる・既存の高精度物理シミュレーションを援用する・時空間情報を活用しノイズ低減を行うといった工夫により手法の高度化にも取り組む。また、地震データの特性に合わせたベイズ振動子分解の改良を進めながら、紀伊半島沖のDONETデータで記録された浅部超低周波地震の解析に適用する。さらに、Fast地震の活動データから背景に存在すると考えられるSlowプロセスの情報を抽出する方向性についても検討を進める。機械学習モデルを東北地方の長期の波形データに適用し、地震カタログを作成する。測地データの解析に関しては、ハイレートサンプリングのGNSSデータから非定常変動シグナルを抽出することを当面の目的とし、いくつかの手法を試行する。多重スペクトル解析を発展させて、Fast地震の震源スペクトルのノンパラメトリック推定を行うとともに、Slow地震の震源スペクトル解析に向けて、データを準備し解析を試行する。また、繰り返し地震の抽出プログラムについて、抽出結果の精度評価を行うための方法を検討し、プログラムに組み入れる。DAS観測に関しては、走行の異なる2つの光ファイバーを同時に使用してSlow・Fast地震を観測することで、震源の位置推定を試みる。
|
