افشای جزئیاتی جدید از Samsung Galaxy Z Flip 6 و Samsung Galaxy Z Fold 6 ویدئو | گیم‌پلی بازی F1 24، تجربه فرمول یک شایعه‌سازی هوش مصنوعی: «سوپرمن مأمور ۰۰۷ خواهد بود» دستیار هوش مصنوعی در فیس‌بوک و اینستاگرام فعال شد | Meta AI در برابر ChatGPT حذف WhatsApp و Threads از اپ‌استور چین کنسول دستی بامزه و خلاقانه Playdate در سال گذشته ۱۵هزار بازی فروخته است شیائومی تلویزیون‌های جدید سری ردمی A را معرفی کرد + مشخصات و قیمت «بوستون داینامیکس» نسل جدید ربات انسان‌نمای «اطلس» را معرفی کرد + ویدئو اندروید ۱۵ برای افزایش امنیت گوشی، اپلیکیشن‌های مشکوک را قرنطینه می‌کند شیائومی ۱۵ با چه پردازنده‌ای عرضه می‌شود؟ ویژگی‌های جدید گوگل مپس برای حمایت از محیط‌زیست عادت شستن دهان بعد از مسواک‌زدن را کنار بگذارید «اطلس»، مشهورترین و چابک‌ترین ربات شرکت «بوستون داینامیکس»، بازنشسته شد + ویدئو Menteebot، ربات انسان‌نمایی با هوش مصنوعی که می‌توانید با زبان طبیعی هدایتش کنید + ویدئو قابلیت همگام‌سازی گروهی تب‌ها به نسخه‌ موبایل گوگل‌کروم اضافه می‌شود واکنش عیسی زارع‌پور به معامله همراه‌اول و دیجی‌کالا کدام بانک‌های ایرانی پرداخت با موبایل یا NFC را فعال کرده‌اند؟ آموزش‌های کاربردی که‌  می‌توانیم با  آن اینترنت را  برای فرزندانمان امن کنیم معرفی بازی «بابالنگ‌دراز» Daddy Long Legs (اندروید و IOS) + دانلود سامسونگ از حافظ رم جدید خود رونمایی کرد | LPDDR5X، راهی برای ورود هوش مصنوعی به گوشی‌های همراه پاول دورف: کاربران تلگرام به‌زودی میلیاردی می‌شوند
سرخط خبرها

پیش‌بینی زلزله از ۲ روز قبل با نگاه به آسمان!

  • کد خبر: ۱۱۹۱۱۲
  • ۰۷ مرداد ۱۴۰۱ - ۱۱:۴۸
پیش‌بینی زلزله از ۲ روز قبل با نگاه به آسمان!
محققان ادعا کرده‌اند که به روشی دست یافته‌اند که می‌تواند زلزله‌ها را از ۲ روز قبل از وقوع با دقت ۸۰ درصدی تشخیص دهد، در حالی که این کار با نگاه کردن به آسمان انجام می‌شود.

به گزارش شهرآرانیوز، محققان دانشگاه "آریل"(Ariel) روشی ابداع کرده‌اند که می‌تواند به پیش‌بینی زمین‌لرزه‌های بزرگ تا ۴۸ ساعت قبل از وقوع آنها کمک کند.

سطح زمین در سیاره ما از گوشته و پوسته ساخته شده است. با این حال، این لایه‌ها یکنواخت نیستند، بلکه از چندین قطعه مجزا تشکیل شده‌اند که به آرامی در کنار هم حرکت می‌کنند و هر از گاهی به یکدیگر برخورد می‌کنند و هنگامی که این قطعات که "صفحات تکتونیکی" یا "زمین‌ساخت صفحه‌ای" نامیده می‌شوند، در کنار هم می‌لغزند یا به دیگری برخورد می‌کنند، ممکن است زلزله رخ دهد.

زمین‌ساخت صفحه‌ای یا تکتونیک صفحه‌ای(Plate tectonics) به بررسی و مطالعه حرکات وسیع‌مقیاس در سنگ‌کره یا لیتوسفر کره زمین می‌پردازد. این نظریه بر اساس نظریه رانش قاره‌ای در نخستین دهه‌های قرن بیستم مطرح شد و پس از اثبات مفهوم گسترش بستر دریا در سال‌های ۱۹۵۰ تا ۱۹۶۰ میلادی توسط بسیاری از زمین‌شناسان پذیرفته شد.

بر اساس این نظریه، سنگ‌کره (پوسته کره زمین) از صفحاتی تشکیل می‌شود که در کل شامل ۷ یا ۸ صفحه اصلی که در مواردی خود از تعدادی صفحات کوچک تشکیل می‌شوند، ساخته شده‌ است. صفحات شکل‌دهنده پوسته زمین به‌ طور کل از دو نوع سنگ‌کره‌های اقیانوسی و سنگ‌کره‌های قاره‌ایِ ضخیم‌تر تشکیل می‌شوند که هر نوع پوسته‌های خاص خود را دارند. این صفحات به‌صورت مداوم در حال حرکت هستند و بر اثر برخورد این صفحات پدیده‌هایی همچون زلزله، گسل، شکستگی‌ها، تشکیل کوه‌ها، تشکیل درازگودال‌ها و چین‌خوردگی و دیگر پدیده‌ها حاصل می‌شوند. میزان حرکت این صفحات از کمترین حد یعنی صفر میلی‌متر در سال تا بیشترین حد به میزان ۱۰۰ میلی‌متر در سال، بسته به نوع، جایگاه و شرایط آنها تخمین زده می‌شود.

صفحات پوسته زمین به این دلیل قابلیت حرکتی دارند که سنگ‌کره‌های پوشاننده سطح زمین دارای جرمِ حجمی و نیروی بیشتری در مقایسه با لایه‌های زیرینِ خود به نام سست‌کره هستند.

مفهوم زمین‌ساخت همچنین برای گفتگو درباره حرکت آهسته صفحه‌ها به‌کار می‌رود که به آن بیشتر زمین‌ساخت صفحه‌ای یا رانش قاره‌ای گفته می‌شود. زمین‌ساخت همچنین به مباحث زلزله، صفحات قاره‌ای و پدیده‌هایی از این دست می‌پردازد.

آیا می‌توان زلزله را پیش‌بینی کرد؟

بسته به شدت زلزله، تأثیر آن بر زندگی انسان می‌تواند فاجعه‌آمیز باشد. در حالی که زلزله‌های خفیف فقط می‌توانند چند موج شوک را به سطح زمین وارد کنند، زلزله‌های قوی‌تر می‌توانند ساختمان‌ها را در عرض چند ثانیه به تلی از آوار تبدیل کنند و زندگی‌های بسیاری را تهدید کنند. به عنوان مثال، زمین لرزه ۵.۹ ریشتری که ماه گذشته در شرق افغانستان رخ داد، بیش از ۱۰۰۰ کشته و تعداد زیادی زخمی برجای گذاشت. بنابراین دانستن زمان وقوع زلزله واقعا مفید خواهد بود.

اگرچه فناوری ثبت شدت زمین لرزه و همچنین تعیین محل دقیق سایش صفحات تکتونیکی به یکدیگر که موجب زلزله می‌شود، در دسترس است، اما زمین‌شناسان هنوز قادر به پیش‌بینی وقوع آن نیستند.

به گفته وب‌سایت سازمان زمین‌شناسی ایالات متحده(USGS)، زمین‌شناسان از روش‌های مختلفی برای پیش‌بینی زمین‌لرزه‌ها استفاده می‌کنند و همچنین می‌توانند با دقت بگویند که آیا یک زمین‌ساخت صفحه‌ای در آینده شاهد زلزله خواهد بود یا خیر. با این حال، آنها نمی‌توانند زمان یا تاریخ دقیقی را برای پیش‌بینی خود تعیین کنند.

پس اکنون محققان دانشگاه "آریل" چگونه ادعا می‌کنند که می‌توانند این کار را انجام دهند؟ ترفند آنها این است که به جای نگاه کردن به حسگرهای زمینی، به آسمان چشم دوخته‌اند تا پیش‌بینی‌های خود را انجام دهند.

محققان با استفاده از الگوریتم "ماشین بُردار پشتیبان"(SVM)، مقدار کلی الکترون موجود در یونوسفر که بالاترین لایه جو زمین است را به داده‌های GPS برای پیش‌بینی زمین‌لرزه ترسیم کرده‌اند.

"ماشین بردار پشتیبان" یکی از روش‌های یادگیری بانظارت است که از آن برای طبقه‌بندی و رگرسیون استفاده می‌کنند. این روش از جمله روش‌های نسبتاً جدیدی است که در سال‌های اخیر کارایی خوبی نسبت به روش‌های قدیمی‌تر برای طبقه‌بندی از خود نشان داده‌ است. مبنای کاری دسته‌بندی کننده SVM، دسته‌بندی خطی داده‌ها است و در تقسیم خطی داده‌ها سعی می‌کنیم خطی را انتخاب کنیم که حاشیه اطمینان بیشتری داشته باشد. 

محققان در یک مقاله تحقیقاتی منتشر شده در مجله Remote Sensing بیان کرده‌اند که وقتی انواع سنگ‌های روی سطح زمین تحت فشار قرار می‌گیرند، تقریباً همه آنها حفره‌های مثبتی را فعال می‌کنند که می‌توانند جریان‌های الکتریکی را حمل و تولید کنند. با تجمع این حامل‌های بار در سطح زمین، یون‌های باردار نیز در نزدیکی سنگ‌های تحت فشار جمع می‌شوند و این جریان را به بیرون هدایت می‌کنند که طی یک دوره زمانی به یونوسفر منتقل می‌شود و این همان جایی است که می‌توان آن را شناسایی کرد.

بر اساس این مقاله، محققان ادعا می‌کنند که روش آنها می‌تواند یک زلزله بزرگ را تا ۴۸ ساعت قبل از وقوع با دقت ۸۰ درصدی تشخیص دهد و پیش‌بینی کند.

علاوه بر این، محققان ادعا کرده‌اند که همچنین می‌توانند عدم وقوع زلزله را با دقت ۸۷.۵ درصد پیش‌بینی کنند.

گزارش خطا
ارسال نظرات
دیدگاه های ارسال شده توسط شما، پس از تائید توسط شهرآرانیوز در سایت منتشر خواهد شد.
نظراتی که حاوی توهین و افترا باشد منتشر نخواهد شد.
پربازدید
{*Start Google Analytics Code*} <-- End Google Analytics Code -->