El ‘Shazam’ que, en vez de canciones, identifica terremotos

Los terremotos por debajo del tres en la escala de Richter no merecen una noticia: son demasiado débiles para causar catástrofes. También, demasiado numerosos. Se confunden fácilmente con las ondas que dibujan en los sismógrafos las rocas al crepitar con los cambios de temperatura, incluso con el batir del viento o las sacudidas de los vehículos sobre las carreteras. Simple ruido, demasiado ruido, que embarulla sin pena ni gloria las quebradas gráficas de los sismógrafos y gasta miles de megas en los discos duros de las estaciones de medición.

El sistema encuentra más rápido los seísmos premonitores, esos pájaros de mal agüero que ocurren antes de muchos grandes terremotos

Sobre la ciencia de la sismología pesa la losa de la incertidumbre: no es posible saber cuándo va a ocurrir un terremoto grande. Sin embargo, muchos de estos pequeños terremotos tienen un poder que no desperdician los sismólogos desde hace unos años: son premonitorios (premonitores los llaman ellos) de uno más grande. Ubicar bien dónde se producen ayuda a averiguar dónde está la falla y la forma que tiene: su tamaño está ligado al máximo terremoto que puede producir. Si se puede dibujar con precisión, puede saberse el riesgo máximo que encierra.

Alentados contra la incertidumbre por la ley de Gutenberg-Richter, una elegante curva matemática que relaciona la frecuencia de los terremotos en una zona con la probabilidad de que en ella se dé uno de determinada magnitud, los sismólogos rastrean los registros en busca de microterremotos. Que por contarlos y cuadrar asi mejor el cálculo de probabilidades no quede. El problema estriba en que la labor de ficharlos es ardua y penosa.

Ahora, un equipo de la Universidad de Stanford ha ingeniado un sistema para que sean más fáciles de detectar, medir y contabilizar. Su líder pensó que si una aplicación como Shazam se las apañaba bien para identificar, con escuchar apenas unos segundos de una canción, su título y autor entre un catálogo de 30 millones, lo mismo podría hacerse con las ondas que genera un microterremoto. “La app es capaz de filtrar rápidamente todo el ruido de fondo y los sonidos que no tienen nada que ver con la canción, como una conversación”, señala Greg Beroza, profesor de Geofísica de la Facultad de Ciencias Medioambientales, de la Energía y de la Tierra de Stanford. Asegura que la inspiración le llegó en una tienda donde sonaba música: echó mano de Shazam para averiguar el nombre de una canción que tenía en la punta de la lengua.

La huella digital del terremoto

Las ondas de la música son vibraciones de alta frecuencia en el aire. Las de un terremoto, vibraciones de baja frecuencia en el suelo. Clara Yoon, doctoranda de Geofísica y firmante también del trabajo que publica la revista Science Advances, sabe bien que en ambos casos se representan como una gráfica sinuosa que, en el caso de un terremoto, es larga y pesada de analizar en su conjunto. Eso sí, tiene unos rasgos básicos que pueden permitir etiquetarla sin tener que escucharla entera. “La técnica de huella digital es la misma en los terremotos que en el audio, aunque usamos parámetros de entrada y rangos de frecuencia distintos en los seísmos”, aclara Yoon desde Palo Alto (California).

Uno de los sismólogos asegura que la inspiración le llegó en una tienda donde sonaba música: echó mano de Shazam para averiguar una canción

Sobre el ruido de fondo, los terremotos surgen como una explosión de alta energía a la que enseguida sucede otra aún mayor. Luego, esa energía va disminuyendo hasta confundirse de nuevo con el ruido de fondo de la tierra. Entrenando el oído de los sistemas de detección de una manera adecuada, son capaces de capturar justo los rasgos que distinguen las ondas del microterremoto del aburrido e inútil ruido de fondo, y, en lugar de seguir escuchando, pasar rápidamente a ocuparse de cazar otro sin perder más tiempo.

Además, como señala Yoon, “los terremotos que han surgido en la misma sección de una falla dibujan una huella muy similar, con independencia de sus magnitudes y de que hayan ocurrido ayer o hace diez años, porque las ondas sísmicas que generan han tenido que atravesar las mismas estructuras subterráneas hasta alcanzar la superficie”. Por eso, encontrar las ondas que se parecen entre sí en el galimatías de semanas de registros continuos ayuda a conocer la marca de la casa de una zona sísmica concreta.

Un sistema eficiente

El nuevo método demuestra que es capaz de emparejar las ondas similares más eficaz y rápidamente (sus siglas en inglés, FAST, rápido, apelan a esa gran velocidad) que los métodos convencionales. Para demostrarlo, los autores escogieron una muestra de datos sísmicos de seis meses y el sistema desenmascaró 3.000 veces más rápido que con las técnicas habituales las ondas gemelas que escondían.

Desde Granada, una de las zonas con más actividad sísmica de la península ibérica, el subdirector del Instituto Andaluz de Geofísica y Prevención de Desastres Sísmicos, Gerardo Alguacil, valora como “eficiente, aunque no revolucionario” el nuevo sistema: “Antiguamente se registraban solo los terremotos, pero desde hace unos años la tendencia es a guardar registro en continuo en las estaciones sísmicas, y eso significa obtener muchos datos que analizar [20 megas al día por estación, en el caso de centro andaluz]. Hasta ahora, la mayoría de ellos se estudian seleccionándolos a mano por un operador y estudiándolos de forma semiautomática, pero, encima, primero hay que detectarlos”.

La técnica tradicional comprueba sin necesidad todos los datos para encontrar terremotos similares (es lo que se conoce como técnica de multipletes), mientras que el equipo de Stanford primero filtra las ondas que no causan los terremotos, sino otros fenómenos, lo que supone desechar el 99% de los datos, que son inútiles.

Clara Yoon avanza con claridad alguna de las aplicaciones del nuevo algoritmo: “Va a ser útil para analizar las secuencias de un terremoto que genere muchos microterremotos”. El sistema es capaz de detectar temblores de magnitud hasta cuatro, pero aseguran que han sido capaces de encontrar una inmensidad de terremotos por debajo de uno: "Eso nos permite asegurar que nuestra técnica es muy sensible. FAST es capaz de rastrear y detectar terremotos desapercibidos en todo el conjunto de datos, sin que importe su nivel de energía".

Además de encontrar los premonitores, esos pájaros de mal agüero que preceden a muchos grandes terremotos, quieren afinar el sistema para estudiar también las réplicas que se suceden tras un gran temblor. "Muchas de ellas quedan registradas en los datos de las estaciones, pero ni siquiera llegan a descubrirse. Podríamos aprovechar otros métodos para averiguar de dónde proceden y así saber cómo una falla vuelve a la normalidad después de un terremoto grande”, explica con entusiasmo Yoon.

La joven investigadora, que además de geofísica y sismóloga es programadora de software, apuesta por usar FAST también para los microterremotos que provoca la actividad humana, “como la inyección de agua en la extracción de petróleo y gas”. Su técnica y el algoritmo, descritos prolijamente en el estudio publicado, son reproducibles en centros de sismología de todo el mundo.