GERÇEK-ZAMANLI SİSMOLOJİ İLE DEPREM ERKEN UYARI

Transkript

1 ÖZET: GERÇEK-ZAMANLI SİSMOLOJİ İLE DEPREM ERKEN UYARI A. Pınar 1,2, E. Kalkan 3, M. Çomoğlu 2, S.Ü. Dikmen 1, M. Erdik 1, E. Şafak 1 1 Deprem Mühendisliği Anabilim Dalı, KRDAE, Boğaziçi Üniversitesi, İstanbul 2 Bölgesel Deprem ve Tsunami İzleme-Değerlendirme Merkezi,Boğaziçi Üniversitesi, İstanbul 3 Araştırma Görevlisi, Jeofizik Mühendisliği Anabilim Dalı, KRDAE, Boğaziçi Üniversitesi, İstanbul pinara@boun.edu.tr Deprem erken uyarı çalışmaları, algoritmalarda kullanılan istasyon sayısına göre başlıca iki gruba ayrılmaktadır; tek istasyon (on-site) veya çok istasyon (sismik ağ). Onsite algoritmalarda, depremi kaydeden istasyonlar birbirinden bağımsız olarak analiz edilmekte ve P-dalgasının ilk birkaç saniyelik zaman penceresinin frekans içeriği ve genliklerden depremin büyüklük kestirimi yapılmaktadır. Bunun yanında, genliklerin belli bir eşik seviyesini aşıp aşmadığı kontrol edilerek depremin hasar yapıcı olup olmadığına karar verilmeketdir. Network tabanlaı uygulamalarda depremi kaydeden birçok istasyon birlikte analiz edilerek depremin yeri ve büyüklüğü kısa sürede belirlenmekte ve herhangi bir konum/yapı/kritik tesis için S dalgasının o noktaya ulaşma zamanı ve o noktada gözlemlenecek deprem şiddetini saniyeler önce belirlenmektedir. KRDAE Enstitüsünde gerçek zamanlı sismoloji uygulamalarına dayanan hem onsite hem de network tabanlı deprem erken uyarı çalışmaları yapılmaktadır. Bu çalışmada, network tabanlaı deprem erken uyarı konusu ele alınmaktadır. Bu amaçla, üç farklı yazılım kullanılmaktadır. Bunlardan biri Italya da geliştirilen PRESTo, diğeri ETH Zürih te geliştirilen Virtual Seismologist (VS) ve üçüncüsü de Berkeley Sismoloji Laboratuvarında geliştirilen ELARMS yazılımlarıdır. PRESTO ve VS programları internet üzeründen herkesin erişimine açıktır. Bu algoritmaların ortak noktası SeisComP3 modülü olan Seedlink veri sunucusuna gelen verileri kullanmalarıdır. Bu yazılımlar, istasyon yoğunluğuna bağlı olarak depremlerin yerini ve büyüklüğünü birkaç saniye içinde belirleyebilmektedir. İstasyon sayısının fazla olduğu Marmara bölgesinde meydana gelen depremlerin yeri ve büyüklüğü ortalama 15 saniye gibi bir sürede belirlenebilmeketdir. Bunun sonucunda, uzaklığa bağlı olarak birçok bölge için erken uyarı zamanı onlarca saniye olduğu görülmüştür. Optimizasyon çalışmaları sonucunda, deprem parametrelerinin daha kısa sürede belirlenmesi ve daha hızlı deprem erken uyarı sinyali üretilmesi hedeflenmektedir. ANAHTAR KELİMELER: Deprem Erken Uyarı, Gerçek Zamanlı Sismoloji, Deprem Mühendisliği REAL-TİME SEİSMOLOGY BASED EARTHQUAKE EARLY WARNİNG ABSTRACT The earthquake early warning (EEW) studies depending on the number of stations utlized on their algorithms can be classified in two groups; onsite and seismic network based applications. In onsite algorithms, the data acquired at each seismic station is analyzed individually. The frequency content and maximum amplitude of the few-secondtime-window after the P arrivals are used for magnitudes predictions. In addition, threshold based methods are used for deciding the size of the impending damaging earthquake. In network based applications, several stations are in use to associate, locate and estimate the size of the seismic events and to predict the arrival times of the S- waves and the intensities at a certain location/building/critical infrastructure. KOERI is engaged both with onsite and network based early warning studies. Here, we deal with network based EEW applications utilizing three different routines; PRESTo developped in Italy, Vistual Seismologist (VS) embedded in Seiscomp3 at ETH, and ELARMS developped at Berkeley Seismological Laboraty. The former two applications can be freely downloaded from internet. The common feature of the three routines is the fact that the incoming seismic waveforms are acquired from the seedlink server of KOERI seismic network. Despite the differences in the algorithms all can estimate the earthquake parameters within a couple of seconds. The average first declaration of an event is within 15 seconds of the origin time of the earthquakes in Marmara region where the seismic station density is higher. Thus, the leading time depending on the location of the events reaches to a couple of ten seconds. Optimizations studies are carried out to reduce the early warning time.

2 KEYWORDS: Earthquake Early Warning, Real-Time Seismology, Earthquake Engineering 1. GİRİŞ Deprem muhendisliğinin temel hedeflerinden biri depremler sonucu başta can olmak uzere oluşabilecek kayıpların önlenmesi veya en aza indirgenmesidir. Depremler meydana gelir gelmez depremin hasar verici veya yıkıcı olup olmadığının bilinmesi halinde bircok sistem guvenli bir şekilde kapatılabilir ve olası zararların önüne gecilebilir. Bu acıdan, deprem erken uyarı sistemleri, deprem zararlarının azaltılması calışmalarının en önemli bileşenlerinden biri olarak ortaya cıkmaktadır. Deprem erken uyarı calışmalarının hedefi deprem başladıktan sonra birkac saniye icinde depremin hasar yapıcı olup olmadığına karar vermek, hasar yapıcı deprem dalgaları yerleşim yerlerine ulaşmadan depremi haber vermek, ve gerekli onlemlerin alınmasını sağlamaktır. Günümüzde, teknolojik imkanların sağladığı veri iletişim hızının deprem dalgalarının yer içinde ilerleme hızından binlerce kat daha yüksek olması sayesinde deprem erken uyarı sinyalinin zamanında üretilmesine, istenen yerlere ulaştırılmasına ve gerekli tedbirlerin alınmasına imkan vermektedir. Bu sistemlerin kurulum maliyetleri ile depremlerin oluşturabileceği muhtemel zararlar karşılaştırıldığında deprem erken uyarı sistemlerinin ne denli etkin oldukları da ortaya çıkmaktadır. Bu sistemler için yapılacak yatırımlar sayesinde büyük depremlerde oluşabilecek büyük zararların yanında can kayıpları da önlenebilmektedir (Pınar vd. 2014). Deprem erken uyarı sistemlerinin çalışma prensipleri oldukça basittir. Deprem oluşmaya başladığında fayın hareketi sonucunda iki farklı tip dalga oluşmaktadır; P-dalgası (birincil dalga veya basınc dalgası)ve S-dalgası (ikincil dalga veya makaslama dalgası). P-dalgası yer icinde hızlı hareket eder ve genlikleri duşuk olduğundan hasar yapıcı değildir. Fakat, nispeten daha yavaş ilerleyen S-dalgasının genlikleri buyuk olduğu icin binalara hasar verebilmektedir. Fayı cevreleyen sismometrelerden fiber optik kablolar ve/veya uydu kanalıyla deprem uyarı merkezine surekli veri akışı sağlanmaktadır. Deprem olması durumunda sismometrelere gelen ilk P dalgasının birkac saniyelik kısmı analiz edilerek depremin buyukluğune karar verilmekte ve bu bilgi diğer sismometrelerden gelen verilerle surekli guncellenmektedir. Deprem hasar verici ise bu bilgi anında ilgili yerlere gonderilmektedir. Deprem erken uyarı zamanı deprem kaynağının uzaklığına bağlı olarak değişmektedir. Fay a cok yakın olan bolgeler icin uyarı zamanı sadece birkac saniye iken daha uzak bolgeler icin uyarı zamanı onlarca saniye olabilmektedir. Bir bolgede yapılan deprem erken uyarı calışmalarının niteliğini ve başarısını artırmak icin o bolgedeki kuvvetli yer haraketi istasyon sayısının buyuk onemi vardır. İstasyon sayısı arttıkca uretilen deprem erken uyarı bilgisinin doğruluk payı artmakta ve deprem parametreleri cok daha kısa surede belirlenebilmektedir. 2. SİSMİK AĞ TABANLI DEPREM ERKEN UYARI ALGORİTMALARI 2.1. Sismik Ağ Deprem erken uyarı çalışmaları için kullanılan sismik ağlarda istasyon sayısı önemli bir parametredir. İstasyon sayısı ile deprem erken uyarı sinyalinin üretilme süresi arasında ters orantı vardır. Bu nedenle yoğun sismik ağlar deprem erken uyarı çalışmları için gerekli koşullardan biridir. Marmara bölgesinde KRDAE tarafından işletilen yoğun sismik ağ deprem erken uyarı çalışmaları için alt yapı olarak ta kullanılabilmektedir. Genişbant ve ivme istasyonlarından oluşan sismik ağ 70 istasyon içermekte ve bunların Marmara bölgesindeki dağılımı iyi bir azimutal dağılım teşkil etmektedir sahiptir (Şekil 1). Veri iletişiminde yedekliliğin sağlanması için ivme istasyonlarındaki veriler hem fiber optik hem de uydu sistemleri ile taşınmaktadır. Genişbant istasyonlar için ise uydu ve GPRS sistemleri kullanılmaktadır. KRDAE veri merkezine gelen gerçek zamanlı veriler seedlink ve earthwarm sunucuları vasıtasıyla deprem erken uyarı algoritmalarına dalga şekli verisi sağlamaktadır.

3 Şekil 1. Marmara bölgesinde deprem erken uyarı için kullanılan genişbant ve kuvvetli yer hareketi istasyonları 2.2. CAV algoritması İstanbul için deprem erken uyarı sisteminin kurulduğu ilk tarihlerde, fay segmentlerinin yerleşim yerlerine olan yakınlığı dikkate alarak basit fakat etkin bir erken uyarı algoritması tercih edilmiştir. Bu algoritma sürekli yer hareketlerini izleyen ve yer herketinin belli bir eşik seviyesini geçip geçmediğine bakmaktadır. Bandpass filtresi uygulanan kuvvetli yer hareketi ivme verisinden CAV (cumulative absolute velocity) adı verilen birikimli hız değerleri hesaplanarak eşik seviyesi belirlenektedir (Erdik vd, 2003). Bu amaç için Şekil 2 de verilen kuvvetli yer hareketi deprem istasyonları kullanılmakta ve eşik seviyesinin birbirine en yakın üç istasyonda aşılması durumunda deprem erken uyarı alarmı üretilmektedir. Şekil 2. Deprem erken uyarı için kullanılan kuvvetli yer hareketi istasyonları

4 2.3. Virtual Seismologist Virtual Seismologist (VS), Bayesiyan yaklaşımını kullanan, depremin büyüklüğünü ivme, yer, hız ve yer değiştirme dalga şekli zarflaını sürekli izleyerk belirleyen bir deprem erken uyarı algoritmasıdır. Cua ve Heaton (2007) tarafından Kaliforniya Teknoloji Enstitüsünde geliştirilmiştir. Bu algoritmanın gerçek zamanlı sismoloji uygalamalarına uyarlanması USGS ve Zürihte bulunan ETH merkezlerinde gerçekleştirilmiştir. Özellikle, 7. Çerçeve Avrupa Birliği projeleri kapsamında birçok özelliği geliştirilmiş ve birçok ülkede yaygın olarak kullanılmaya başlanmıştır (Clinton vd 2014). Bu projeler; 1) REAKT (Strategies and Tools for Real-Time Earthquake Risk Reduction), 2) NERA (Network of European Research Infrastructures for Earthquake Risk Assessment and Mitigation), ve 3) Seismic Early Warning for Europe. Halahazırda, Amerika Birleşik Devletleri Kaliforniya CISN/ShakeAlert ve Avrupa daki birçok sismoloji merkezi tarafından kullanılmaktadır. Cua vd. (2009) ve Behr vd. (2016), çalışmalarında yöntemle ilgili ayrıntılı bilgi verilmektedir. VS algoritması, Kandilli Rasathanesi ve Deprem Araştrma Enstitüsü (KRDAE) deprem şebekesinde kullanılan SeisComP3 yazılımının bir modülü olarak Eylül, 2013 tarinde kullanılmaya başlanmıştır. Deprem istasyonlarının nispeten daha yoğun olduğu Marmara bölgesinde 70 adet geniş bant ve kuvvetli yer haraketi istasysonu verisiyle depremlerin büyüklüğü saniyeler mertebesinde belirlenmektedir ELARMS2 (Earthquake Alarm System-2) ElarmS-2, California Integrated Seismic Network ShakeAlert projesi kapsamında geliştirilen ve kullanılan sismik ağ tabanlı bir deprem erken uyarı sistemi olup, daha önce geliştirilen ElarmS sisteminin devamıdır (Kuyuk et al. 2014). Kaliforniya sismik ağın konfigürasyon, altyapı ve yazılım kapasitesini geliştirmek amacıyla ortaya çıkmıştır. Deprem erken uyarı hızı ve yüksek doğruluk oranı bilinen en iyi özellikleridir. Şubat 2015 tarinden beri KRDAE sismik şebekesinde test edilmekte ve optimizasyonu yapılmakatdır. VS algoritmasında olduğu gibi ElarmS2 Seedlink sunucusuna gelen dalga şekli verilerinin düşey bileşenini kullanmaktadır PRESTo (PRobabilistic and Evolutionary early warning SysTem) PRESTo, internet üzerinden erişime açık olan, C++ programlama dilinde yazılan, Napoli Üniversitesinde geliştirilen bir deprem erken uyarı yazılımıdır (Satriano et al. 2010). Sismik ağ tabanlı ve on-site erken uyarı yöntemlerinin her ikisini de entegre biçimde kullanan, kolayca kurulabilen bir yazılım platformudur. İlk etapta,windows ve Linux işletim sistemleri için yazılan, Irpinia Sismik Ağ (ISNet) için geliştirlen bir program şeklinde ortaya çıkmıştır. Kullanımaya başlandığı günlerden beri yanlış alarma düzeyi oldukça düşük olan bir uygulamadır (Zollo et al., 2013; 2014). KRDAE de başlangıçta sadece kuvvetli yer hareketi deprem istasyonarı kullanılmıştır. Daha sonra, geniş bantlı deprem istsyonları da sisteme entegre edilmiştir. 3. BİR SİSMİK AĞ TABANLI ÖRNEK UYGULAMALAR Mayıs :16 Depremi (ML=3.9) Virtual seismologist, PRESTo ve ELARMS2 algortimalarının performanslarının karşılaştırılması, kuvvetli ve zayıf yönlerinin incelenmesi amacıyla bu sistemler KRDAE merkezinde çalıştırılmaktadır. Aşağıda verilen örnekte aynı deprem için her birinin elde ettiği parametreler karşılaştırılmaktadır. Bu örnekte görüldüğü gibi her algoritma depremin yerini ve büyüklüğünü çok kısa bir zamanda belirleyebilmekte ve erken uyarı alarmını zamanında üretmektedir. Erken uyarı sinyalinin üretilmesinde en kritik parametre sinyali üretme süresidir; yani, depremim orijin zamanı ile erken uyarı sinyalinin üretildiği zaman arasındaki farktır (Tdiff). Söz konusu Tdiff zamanı sismometreden veri merkezine gönderilen veri paketi büyüklüğünün (VPB) fonksiyonudur. VPB büyük

5 olması durumlarında erken uyarı sinyalinin üretilmesinde gecikmeler meydana gelebilmektedir. VPB kaynaklı gecikmeleri azaltmanın yollardan biri örnekleme aralığını artılırmasıdır. Örneğin, örnekleme aralığı 50 sps olan bir veri kümesinde Tdiff 30 saniye ise, 100 sps dusumlarında Tdiff 15 saniyeye düşmektedir. Yani, Seiscomp3 platformunun depremi çözmesi için gerekli olan zaman yarı yarıya azalmaktadır. Bu nedenle deprem erken uyarı çalışmaları için buna benzer optimizasyonlara dikkat edilmelidir. Mevcut sistemde Batı Marmarada meydana gelen depremlerde İstanbul için Tdiff zamanı saniye civarındadır. Ağ tabanlı üç algoritmanın da çalıştığı 11 Mayıs :16 ML=3.9 depremini ele alalım. Table 1 de gösterilen sonuçlarda KRDAE tarafından yapılan rutin çözüm sonucu da verilmeketdir. Ayrıca, Tablo 1 de algoritmaların depremin yeri, büyüklüğü ve orijin zamanının belirlenmesinde gösterdiği performans verilmektedir. ELARMS2 algoritması depremin büyüklüğünü 0.4 birim yüksek hesapladığı dikkat çekmektedir. Algoritmalar farklı istasyonlar kullanmış olmalarına rağmen Tdiff zamanları 16 saniyeden küçüktür (Şekil 3). En hızlı çözümü PRESTo yaptığı görülmekte ve bunu 1 saniye gecikme ile ELARMS2 algoritması izlemektedir. Algoritmalar arasında episentır ve orijin zaman farkları oldukça küçüktür. PRESTo çözümü şematik olarak Şekil 4 te gösterilmektedir. Şekil 3. KRDAE very merkezinde çalışan deprem erken uyarı algoritmalarının 11 Mayıs :16 GMT ML=3.9 depremi çözümünde kullandığı istasyonlar Tablo 1. Ağ tabanlı erken uyarı algoritmalarının performansı EEW Tdiff (sn) Orijin zamanı Enlem (N) Boylam (E) Derinlik (km) M

6 4. Uluslararası Deprem Mühendisliği ve Sismoloji Konferansı *KOERI - 07:16: PRESTo 14 07:16: VS-in-SC :16: ELARMS :16: *sismolog çö Şekil 4. PRESTo deprem erken uyarı algoritmalasının 11 Mayıs :16 GMT ML=3.9 depremi çözümü Mayıs :25 Kuzey Ege Depremi (Mw=6.9) Bu bölümde virtual seismologist algortimasının Kuzey Ege depreminde gösterdiği performans ele alınmaktadır. Depremin ilk çözümü 8 istasyon tarafından elde edilmiş ve Tdiff zamanı saniyedir. Deprem çözümü her saniye eklenen yeni stasyonlar kullanılanarak güncellenmeketdir. Son çözüm 55 istasyon kullanılarak yapılmıştır (Tablo 2).

7 Tablo 2. Virtual Seismologist algoritmasının belirlediği 24 Mayıs 2014 Kuzey Ege depremi parametreleri Mag Enlem Boylam Tdiff H (km) ihtima #stn #mag ilk çözüm son çözüm Tdiff zamanı 36 saniye civarında olması ve S dalgası seyahat zamanını 300 km uzaklıktaki İstanbul Büyükşehir sınırları için düşünüldüğünde erken uyarı zamanın 50 saniyecivarında olduğu görülebilir. Kuzey Ege artçı depremleri için elde edilen Tdiff zamanlarının frekans dağılımı Şekil 5 te verilmektedir. Bu süreler deprem erken uyarı çalışmları için oldukça uzun sayılır ve birçok önlem almak için yeterlidir. Her ne kadar 300 km uzaklıkta kaydedilen ivmeler çok düşük olsada Kuzey Ege depreminde gelişen uzun periyotlu dalgalar özellikle yüksek katlı binalarda uzun süre etkili olduğu görülmüştür. Şekil 5. Kuzey Ege depremi artçı depremleri için elde edilen Tdiff histogramı VS tarafından hesaplanan ilk çözümde belirlenen deprem büyüklüğünde kullanılan istasyon sayısı 8 ve elde edilen büyüklük Mvs=6.16 dir. Bu değer, depremin büyüklüğü Mw=6.9 ile karşılaştırılınca oldukça düşük olduğu görülmektedir. Buna karşın son çözümde hesaplanan Mvs=6.55 değerinin ilk çözüme göre nispeten daha büyük olması ise deprem büyüklüğü hesaplamalıranda kullanılan azalım ilişkilerinin yakın mesafelerdeki performansı uzak mesafelere göre yetersiz olduğu görülmektedir. Bu nedenle özellikle kısa mesafelerde bölge için karakteristik olan azalım ilişkileri kullanılması gerekmektedir. Halahazırda, VS Kaliforniya da meydana gelen depremler kullanılarak türetilen azalım ilişkilerini kullanmaktadır (Cua 2005).

8 KAYNAKLAR Behr Y, Clinton JF, Cauzzi C, Hauksson E, Jónsdóttir K, Marius CG, Pinar A, Salichon J, Sokos E (2016). You have accessthe Virtual Seismologist in SeisComP3: A New Implementation Strategy for Earthquake Early Warning Algorithms, Seismological Research Letters, v. 87, i. 2A, p Clinton J, ve A Zollo (2014), An Overview of Earthquake Early Warning Efforts in Europe through the Prism of REAKT, 3rd International Conference on Earthquake Early Warning: Implementing Earthquake Alerts. Cua, G. (2005). Creating the Virtual Seismologist: developments in ground motion characterization and seismic early warning. PhD thesis, California Institute oftechnology. Cua G and Heaton T (2007) The Virtual Seismologist (VS) method: a Bayesian approach to earthquake early warning. In Gasparini P, Manfredi G, Zschau J (eds.), Earthquake Early Warning Systems. Berlin: Springer: Cua G, Fischer M, Heaton T, Wiemer S, Giardini D (2009) Real-time performance of the Virtual Seismologist method in southern California. Seismol Res Lett 80: , doi: /gssrl Erdik, M, Y.Fahjan, O.Ozel, H.Alcık, A.Mert and M.Gul (2003), Istanbul Earthquake Rapid Response and Early Warning System, Bulletin of Earthquake Engineering, v1, Kuyuk, S. H., R. M. Allen, H. Brown, M. Hellweg, I. Henson, and D. Neuhauser (2014). Designing a networkbased earthquake early warning algorithm for California: ElarmS-2, Bull. Seismol. Soc. Am. 104, no. 1, , doi: / Pınar, A., Dikmen, Ü.S. ve Erdik, M. (2014). Deprem Erken Uyarı Sistemleri. İstanbul Teknik Üniversitesi Vakfı Yayını 66:1, Satriano, C., L. Elia, C. Martino, M. Lancieri, A. Zollo, and G. Iannaccone (2010), PRESTo, the earthquake early warning system for southern Italy:Concepts, capabilities and future perspectives, Soil Dynam. Earthquake Eng., doi: /j.soildyn Zollo A., A. Emolo, S. Colombelli, L. Elia, G. Festa, C. Martino, and M. Picozzi (2013), PRESTo Probabilistic and evolutionary early warning system: Concepts, performances, and case studies, AGU Fall Meeting, 9 13 December 2013, San Francisco, Calif. Zollo, A., S. Colombelli, L. Elia, A. Emolo, G. Festa, G. Iannaccone, C. Martino, and P. Gasparini (2014), An integrated regional and on-site Earthquake Early Warning System for Southern Italy: Concepts, methodologies and performances, in Early Warning for Geological Disasters-Scientific Methods and Current Practices, edited by F. Wenzel and J. Zschau, Springer, Berlin.