Hvordan GPS og GNSS Tidsserier Avslører Jordens Bevegelser og Langsiktige Prosesser

Tidsseriene som registreres av GPS- og GNSS-stasjoner gir oss et detaljert bilde av de geodynamiske prosessene som skjer på jorden. Ved å analysere dataene som samles inn over tid, kan forskere avdekke både raske og langsomme bevegelser i jordskorpen som er et resultat av geologiske hendelser som jordskjelv, langsomme glidningsprosesser, samt påvirkninger fra værforhold. Et eksempel på dette kan være observasjoner fra stasjonene AC12 og AC53 i Alaska, som viser tydelige trender i horisontale og vertikale komponenter som er nært knyttet til seismiske aktiviteter.

På AC53-stasjonen i Willow, Alaska, kan vi observere en mer kompleks bevegelse. Her er det både langsiktige variasjoner som resultat av langsomme glidningsprosesser, samt interseismiske bevegelser som har blitt forstyrret av jordskjelv som det 7,1-magnitudens Anchorage-jordskjelvet i 2018. I tillegg kan man se de årlige syklusene som er et resultat av snøbelastning på bakken, der sommeren og høsten fører til oppadgående bevegelser, mens vinteren og våren fører til synkende bevegelser, et fenomen som er forårsaket av variasjoner i nedbør og snølast.

Denne typen data gir oss ikke bare innsikt i seismiske hendelser, men også en forståelse av de subtile og langsiktige prosessene som kan påvirke jordskorpen. Etter et stort jordskjelv, som for eksempel Simeonof, kan man tydelig observere etter-skjellev-deformasjoner i form av langsom forskyvning på feilsonen rundt hovedbruddsområdet. Dette kan være et resultat av post-seismisk slip, hvor trykket som er bygget opp under jordskjelvet langsomt frigjøres over tid. I noen tilfeller kan denne prosessen vare i flere tiår, som vist i studier av visko-elastisk avslapning av den øvre mantelen.

En annen viktig observasjon som har blitt gjort de siste årene, er hvordan sesongmessige effekter i GPS-tidsserier er knyttet til nedbør og snølast. I begynnelsen av 2000-tallet identifiserte Heki (2001) et mønster i de vertikale bevegelsene av GPS-stasjoner i Japan, der vinteren førte til en synkende bevegelse som et resultat av snøbelastning, mens sommeren førte til oppadgående bevegelser på grunn av snøsmelting. Denne observasjonen har blitt bekreftet i flere studier, og med hjelp av tett nettverk av kontinuerlige GNSS-stasjoner har lignende mønstre blitt sett i andre deler av verden, inkludert USA. Denne informasjonen gir oss viktig innsikt i hvordan vannlagring og vannutvinning kan påvirke jordens bevegelser over tid, som for eksempel den langsiktige hevelsen som er observert i Sierra Nevada og Coastal Ranges i California.

For å kunne analysere slike data på en mer presis måte, er det viktig å være klar over tekniske detaljer som kan påvirke nøyaktigheten, som for eksempel problemet med tidssonejusteringer mellom GPS og UTC. GPS-tid er ikke synkronisert med UTC, og det er nødvendig å ta hensyn til forskjellen mellom disse tidssystemene for å unngå feil i databehandlingen. Dette er spesielt relevant for prosesser som skjer på kortere tidsskalaer, som for eksempel jordskjelv og vulkanske utbrudd, som kan oppdages ved hjelp av sanntids GNSS-løsninger.

Det er også verdt å merke seg at GNSS-teknologi har utviklet seg fra statiske posisjoneringsmålinger, som har vært nyttige for å forstå langsiktige geodynamiske prosesser, til høyfrekvent, sanntidsposisjonering som gjør det mulig å observere hendelser på mye kortere tidsskalaer. Dette gjør at vi kan få et mer detaljert og umiddelbart bilde av geofysiske hendelser, som for eksempel de raske bevegelsene som skjer under et jordskjelv eller et vulkansk utbrudd.

Hvordan overvåke bygningers skadegrad etter jordskjelv med fjernmåling?

For å vurdere skader på bygninger etter jordskjelv, er fjernmåling en uunnværlig teknologi. Satellittbilder og data fra ulike typer sensorer gir muligheten til å overvåke store områder og vurdere skader i områder som kan være vanskelig tilgjengelige etter et jordskjelv. Flere metoder benyttes, inkludert bruk av InSAR (Interferometric Synthetic Aperture Radar) og optisk geodesi, som gjør det mulig å analysere deformasjon på jordens overflate og vurdere hvilken innvirkning et jordskjelv har hatt på infrastrukturen.

En av de mest brukte metodene for skadedeteksjon er InSAR, som benytter radardata til å identifisere små endringer i jordens overflate. Dette gjør det mulig å måle de overflateskader som er resultatet av jordskjelv, som kan være både horisontale og vertikale forskyvninger. Dataene gir en nøyaktig representasjon av hvor skader på bygninger kan ha oppstått, og hvor alvorlige disse skadene er. InSAR har vist seg å være effektivt for å vurdere både store og små skader på bygninger og infrastruktur etter jordskjelv, som vist i flere studier, blant annet i forbindelse med jordskjelvet i Bam, Iran, og andre store hendelser.

Satellittbilder fra høyoppløselige systemer som QuickBird og Landsat er også viktige verktøy for å vurdere skadegraden. Gjennom visuell tolkning av bilder, kan man raskt identifisere bygninger som er helt eller delvis ødelagt. Denne metoden har blitt brukt i flere studier, som for eksempel etter jordskjelvet i Bam i 2003 og i Gujarat i 2001. Ved å bruke satellittbilder sammen med feltdata, kan forskere lage nøyaktige kart over de rammede områdene, som hjelper i katastrofehåndtering og gjenoppbygging.

Bruken av dyp læring (deep learning) i kombinasjon med satellittbilder har også revolusjonert skadedeteksjon. Ved hjelp av konvolusjonelle nevrale nettverk (CNN) kan man automatisere prosessen med å identifisere og klassifisere bygningers skadegrad. Denne metoden har vist seg å være svært presis i operasjonelle forhold, som for eksempel ved evalueringen av skader etter jordskjelvet i Haiti i 2010. Det er viktig å merke seg at bruken av kunstig intelligens og maskinlæring i denne sammenhengen øker både hastigheten og nøyaktigheten i skadedeteksjonen.

I tillegg til satellittbilder, er data fra forskjellige geodetiske teknologier også avgjørende for å overvåke jordens bevegelser og deformasjoner etter et jordskjelv. Bruken av GPS og andre geodetiske metoder har blitt mer utbredt etter 1990-årene, og disse dataene har blitt viktigere i analysen av fault slip, det vil si bevegelsen langs jordskjelvsonen. Når disse dataene kombineres med InSAR, får man en mye mer detaljert forståelse av hvordan jorden har beveget seg under og etter jordskjelvet, og hvordan dette påvirker bygningene og infrastrukturen.

En annen nøkkelfaktor i skadedeteksjonen etter jordskjelv er etter-seismisk analyse. Når et jordskjelv har skjedd, fortsetter jorden å bevege seg i det som kalles den post-seismiske perioden. Dette kan føre til ytterligere deformasjon og skader på bygninger som allerede er svekket. Derfor er det avgjørende å ikke bare vurdere umiddelbare skader, men også overvåke områder over tid for å oppdage langvarige effekter.

En viktig tilleggskomponent til denne teknologien er forståelsen av hvordan ulike typer bygninger reagerer på seismisk aktivitet. For eksempel kan høyhus og eldre bygninger reagere forskjellig på et jordskjelv, avhengig av deres konstruksjon og materialer. Dette er et aspekt som er viktig å ta med i betraktningen når man analyserer satellittdata og vurderer hvilken risiko bygningene står overfor i tilfelle et nytt jordskjelv.

Ved å integrere disse ulike metodene kan man lage et helhetlig bilde av skadenivået i et jordskjelvrammet område. Dette kan være avgjørende for både umiddelbar nødhjelp og langsiktig gjenoppbygging. Fjernmåling og geodetiske metoder gjør det mulig å raskt kartlegge og prioritere områder som trenger assistanse, samt gi nøyaktige data som kan informere beslutningstakere om hvilke bygninger som trenger restaurering eller revurdering av sikkerheten.

Det er også viktig å forstå at fjernmåling ikke gir en fullstendig vurdering av skadene på bygningene. For å få en fullstendig forståelse, bør fjernmålingsdata alltid suppleres med feltbesøk og manuelle vurderinger. Dette gir et mer nyansert bilde av skadene, spesielt når det gjelder strukturelle svekkelser som ikke nødvendigvis kan oppdages gjennom satellittbilder alene. Det er derfor viktig å bruke fjernmåling som en del av et større, tverrfaglig verktøy for skaderapportering og risikovurdering.

Hvordan satellittbasert interferometri (InSAR) bidrar til forståelsen av jordskjelv og geodynamikk

Satellittbasert interferometri (InSAR) har på kort tid blitt et uunnværlig verktøy i geofysiske undersøkelser, særlig når det gjelder studier av jordskjelv og jordskjelvrelatert deformasjon. Denne teknologien benytter seg av radardata fra satellitter til å analysere og overvåke overflatebevegelser på jorden med høy presisjon, både før, under og etter store seismiske hendelser. InSAR har vist seg å være særlig nyttig for å forstå de dynamiske prosessene som skjer i jordskorpen under og etter et jordskjelv, og har gitt ny innsikt i hvordan jordens mantel reagerer på stress og hvordan jordens overflate deformeres.

Gjennom bruk av InSAR-data kan forskere rekonstruere både co-seismisk (direkte forårsaket av jordskjelvet) og post-seismisk (forekommende etter selve jordskjelvet) deformasjon. Et eksempel på dette er undersøkelsen av de post-seismiske bevegelsene i Andesfjellene etter 2010 Maule-jordskjelvet i Chile, hvor geodetiske målinger i etterkant viste at landheving fant sted flere år etter det katastrofale skjelvet. Denne hevingen gir viktig informasjon om de langsiktige geodynamiske prosessene i regionen og har implikasjoner for forståelsen av mantelenes viskoelastiske respons på jordskjelv.

InSAR-teknologi har også blitt brukt til å studere det komplekse fenomenet fault creep, der langsomme bevegelsesmønstre langs forkastninger kan observeres over tid. Eksempler på slike studier inkluderer data fra Southern San Andreas-forkastningen i California, som viser hvordan små, gradvise bevegelser langs forkastningen kan bidra til å redusere spenningene som akkumuleres over tid før et stort jordskjelv. Denne informasjonen er avgjørende for å forstå hvordan store jordskjelv utvikler seg og hvilke mekanismer som er involvert i deres opphav.

Videre har bruken av InSAR i kombinasjon med andre geodetiske teknikker som GPS og differensial LIDAR gjort det mulig å kartlegge detaljerte deformasjonspatterns etter store jordskjelv. Et bemerkelsesverdig eksempel på dette er de omfattende studiene av El Mayor-Cucapah-jordskjelvet i Mexico, hvor forskere har brukt InSAR sammen med differensial LIDAR for å analysere skader på overflaten og den geologiske strukturen på et ekstremt detaljert nivå. Resultatene av slike undersøkelser gir verdifulle data som kan brukes til å forbedre risikovurderinger og forutsi fremtidige seismiske hendelser.

InSAR er også svært nyttig for å studere områder med komplekse geodynamiske forhold, slik som subduksjonssoner og aktive forkastningssystemer. I tilfelle av den japanske Nankai-subduksjonssonen, har forskere brukt InSAR i kombinasjon med GPS-data for å kartlegge spenningsoppbygging over tid og forutsi fremtidige jordskjelv. Denne typen overvåking gjør det mulig å identifisere områder med høy risiko og gir et bedre grunnlag for seismisk farevurdering.

Men det er viktig å merke seg at bruken av InSAR også kommer med utfordringer. For eksempel kan det være betydelig støy i dataene som må håndteres for å unngå feilaktige tolkninger. Støy kan stamme fra forskjellige kilder, som atmosfæriske forstyrrelser eller feil i satellittens målesystemer. Derfor kreves det ofte sofistikerte teknikker for å skille mellom ekte signaler og støy, noe som kan være en tidkrevende prosess. Dette understreker viktigheten av tverrfaglig samarbeid mellom geofysikere, ingeniører og dataspesialister for å sikre nøyaktige og pålitelige resultater.

I tillegg er det avgjørende å forstå at InSAR alene ikke gir en fullstendig forståelse av seismisk aktivitet. Kombinasjonen av InSAR med andre geofysiske metoder som tradisjonell seismologi, gravitasjonsmålinger og modellering av jordens viskoelastiske egenskaper er nødvendig for å bygge et helhetlig bilde av jordens dynamikk under jordskjelv. Slike integrerte tilnærminger gir en mye mer nøyaktig beskrivelse av prosessene som skjer på dypet og på overflaten etter et jordskjelv.

Endtext

Hvordan GRACE-teknologi forbedrer flom- og tørkeforebygging

I de senere årene har satellittbaserte observasjoner blitt avgjørende for å forstå og håndtere geohazarder som flom og tørke. Blant de mest banebrytende teknologiene på dette området er GRACE (Gravity Recovery and Climate Experiment) og dets etterfølger, GRACE-FO. Disse satellittene har gitt oss en unik innsikt i jordens massetransport, og dermed muligheten til å overvåke endringer i vannlagre på tvers av store geografiske områder. For eksempel har GRACE-FO vært et verdifullt verktøy i flom- og tørkeforebygging, spesielt når det gjelder å vurdere potensielle risikoer før de oppstår.

Et konkret eksempel på dette er hvordan GRACE-data ble brukt til å analysere flomforholdene i Donau-bassenget i 2006 og 2010. Gjennom tidlige advarsler basert på endringer i fuktighetsindeksen kunne operatører optimalisere satellittoppdragene og sørge for høyoppløselige bilder ved hjelp av andre satellitter som TerraSAR-X og Sentinel-1. Dette gjorde det mulig å få en raskere og mer presis forståelse av flomforholdene, og dermed iverksette nødvendige tiltak i tide. Den gravitasjonsbaserte fuktighetsindeksen som ble beregnet fra GRACE-data, indikerte tidspunktet for toppflom og ga tidlige varsler basert på overskridelse av bestemte terskelverdier.

På samme måte spiller GRACE en viktig rolle i overvåking av tørkeforhold. Ved å bruke satellittens data for å vurdere endringer i jordens vannlagre, kan man utvikle tørkeklassifiseringskart som gir en helhetlig forståelse av vannstanden i jordens overflate- og grunnvannslagre. Dette gir både forskere og beslutningstakere bedre verktøy for å vurdere og håndtere effektene av tørke på miljøet og økonomien. En slik tilnærming ble brukt av U.S. Drought Monitor, som kombinerte GRACE-data med andre kilder som lokale målinger og ekspertevurderinger.

I fremtiden er det store forventninger til forbedringer i både oppløsning og tidshorisont for GRACE-foresatte misjoner. Nyere teknologier, som bruk av kalde atominterferometre og forbedret satellittdesign, kan gjøre det mulig å oppnå mer presise og hyppige målinger. Et slikt gjennombrudd vil ikke bare styrke vår evne til å forutsi geohazarder, men også gi viktig informasjon for langsiktige klimaforskningsprosjekter.

Det er viktig å merke seg at selv om GRACE har hatt en betydelig innvirkning på vårt forståelse av tørke og flom, er det også flere faktorer som spiller inn når vi vurderer geohazarder. For eksempel er værforhold, som plutselige endringer i nedbørsmønstre, en viktig faktor i å forutsi flom og tørke. I tillegg må man vurdere menneskelig påvirkning på vannforvaltning og jordbruk, da overforbruk av grunnvann kan føre til langvarige endringer i lokale vannlagre som ikke nødvendigvis er reflektert i GRACE-dataene alene.

Hvordan behandles InSAR-data for bruk i vulkanmodeller?

InSAR-interferogrammer kartlegger den relative nettoforflytningen i satellittens synslinje (LOS) mellom to tidspunkt da SAR-bilder er tatt over samme område. Ett interferogram kan gi millioner av målepunkter med romlig oppløsning i størrelsesorden titalls meter og en presisjon på centimeter til millimeter. InSAR er et kraftfullt verktøy for å observere vulkanske systemer, men det har flere viktige begrensninger. Som et relativt nytt geofysisk verktøy finnes det fortsatt ingen robuste, standardiserte prosesseringsmetoder. De mest sentrale utfordringene ved bruk av InSAR til å avgrense modeller for vulkansk deformasjon er atmosfærisk støy, tidsmessig oppløsning, den relative karakteren til målt forflytning og at målingene kun gjøres i én komponent langs synslinjen.

Atmosfærisk støy er vanligvis den største enkeltfeilkilden. Når værmodeller er tilgjengelige, kan de brukes til å simulere atmosfæriske forhold ved tidspunktene for SAR-bildene og dermed korrigere interferogrammet. Matematiske metoder for å estimere atmosfæriske artefakter inkluderer statistiske analyser og generering av atmosfærisk faseskjerm. Selv om slike modeller kan redusere støy, kan de også introdusere nye feil, og lokale turbulente trekk er fortsatt vanskelig å modellere nøyaktig.

Ved å bruke mange høy-kvalitets SAR-bilder kan man lage InSAR-tidsserier som representerer deformasjonen over tid. En vanlig teknikk er å identifisere persistente scatterere (PS), punkter som beholder høy koherens over hele bildeserien. PS InSAR muliggjør modellering og fjerning av atmosfæriske forsinkelser, bane- og høydefeil, og gir tidsseriemålinger med høy nøyaktighet på disse punktene. En annen metode er Small Baseline Subset (SBAS), som bruker alle tilgjengelige interferogrammer for å fjerne romlig korrelert støy og produsere deformasjonkart for hver SAR-innhenting. Men tidsserieinversjon krever at pikslene er koherente i alle interferogrammer, noe som kan redusere dekningsområdet betydelig.

Det er viktig å være oppmerksom på de forutsetningene og begrensningene som følger med modellene som brukes for å redusere usikkerhet i InSAR-data. Selv om det er fristende å kvantifisere usikkerhet, kan introduksjon av ekstra modeller og subjektive parametere føre til bias og forvrengning av deformasjonssignalet. Dette er kritisk i vulkanmodeller, hvor feil estimater av usikkerhet kan påvirke vektingen av data i modelloptimaliseringen og dermed endre tolkningen av vulkansk deformasjon og kilder.

Tidsmessige begrensninger ved InSAR er også viktige i vulkanske miljøer, ettersom de ikke alltid fanger raske eller plutselige endringer i deformasjon. Brukeren må derfor være klar over at InSAR gir et relativt øyeblikksbilde eller et sammensatt bilde over en periode, som kan maskere viktige dynamikker i vulkanens aktivitet.

Det er nødvendig med videre forskning og testing av InSAR-databehandlingsmetoder spesielt rettet mot vulkanske miljøer for å forstå hvordan prosessering påvirker modellering av deformasjon og kildens parametere.