6 Şubat 2023'te Türkiye'nin güneydoğusunu sarsan yıkıcı Kahramanmaraş depremleri, bölgenin sismik riskini bir kez daha acı bir şekilde ortaya koydu. Bu olaylar, Doğu Anadolu Fay Hattı (DAF) boyunca karmaşık bir kırılma dizisini tetikleyerek, hem anlık hem de uzun vadeli jeolojik sonuçlar doğurdu. Talivio AI olarak, bu tür büyük sismik olayları takip eden deprem sonrası dinamiklerin anlaşılmasının, gelecekteki tehlike değerlendirmeleri ve risk azaltma stratejileri için temel öneme sahip olduğuna inanıyoruz.
Kahramanmaraş Depremleri: Karmaşık Bir Kırılma Dizisi
6 Şubat 2023'te Türkiye'nin güneydoğusunu sarsan M7.8 ve M7.5 büyüklüğündeki iki büyük deprem, Doğu Anadolu Fay Hattı'nın (DAF) tek bir segmentinde değil, birden fazla segmentinde eş zamanlı veya ardışık kırılmaları tetikleyerek, modern sismoloji tarihinde nadir görülen karmaşık bir sismik aktivite zinciri başlattı. İlk deprem, sabah 04:17'de Gaziantep yakınlarında meydana gelen M7.8 büyüklüğündeki olay usgs:us6000jlyb, Narlı segmenti ve çevresindeki fayları etkilerken, sadece dokuz saat sonra öğleden sonra 13:24'te Elbistan yakınlarında meydana gelen M7.5 büyüklüğündeki ikinci deprem usgs:us6000jlqa, DAF'ın daha kuzeydeki Çardak ve Sürgü segmentlerinde önemli bir kırılmayı tetikledi. Bu çift deprem, yaklaşık 300 km'lik bir fay uzunluğu boyunca önemli yüzey kırıkları oluşturmuş ve geniş bir coğrafyada hissedilen yıkıcı etkilere yol açmıştır. Bu olayların karmaşıklığı, tek bir fay segmentinin basit bir kırılmasından ziyade, birbirine bağlı fay sistemlerinin dinamik etkileşimini ve gerilme transferini vurgulamaktadır [Hubert-Ferrari et al., 2024 — DOI: 10.1038/s41561-023-01362-7]. Talivio AI modelleri, bu olayların tetiklediği sismik aktivite desenlerini, özellikle artçı şokların mekansal ve zamansal dağılımını, ETAS (Epidemic Type Aftershock Sequence) parametre tahminleri aracılığıyla sürekli olarak analiz etmektedir. Bu parametreler, artçı şokların ana şoka olan bağımlılığını, yayılma hızını ve sönümlenme oranını nicel olarak belirleyerek, bölgedeki sismik aktivitenin evrimini anlamamıza yardımcı olur.
Deprem Sonrası Deformasyon: Dünya'nın Tepkisini Çözmek
Büyük depremlerin ardından, yer kabuğu anında stabil bir duruma geçmez; bunun yerine, on yıllar sürebilecek karmaşık ve dinamik bir deformasyon sürecine girer. Bu 'deprem sonrası deformasyon', başlıca iki mekanizma ile karakterize edilir: faylarda yavaş kayma (afterslip) ve alt kabuktaki ve üst mantodaki viskoelastik gevşeme. Artçı kayma, ana deprem sırasında kırılmayan veya sadece kısmen kırılan fay segmentlerinde sismik olmayan kaymayı ifade eder. Bu kayma, fay yüzeyindeki sürtünme özelliklerinin veya akışkan basınçlarının değişimiyle tetiklenebilir ve fay boyunca gerilmenin yavaşça serbest bırakılmasına neden olur. Viskoelastik gevşeme ise, depremin neden olduğu ani gerilme değişikliklerine karşı derin kabuk ve manto malzemesinin zamanla bir akışkan gibi deforme olmasıdır. Bu süreç, gerilmeyi geniş bir alana yayarak, depremden uzak bölgelerde bile deformasyonlara yol açabilir. Bu mekanizmaların her ikisi de, fay hatları üzerindeki gerilme alanlarını sürekli olarak yeniden dağıtır ve komşu fay segmentlerinde gelecekteki depremlerin olasılığını etkileyebilir. Talivio AI, bu deformasyonları izlemek için GNSS (Küresel Navigasyon Uydu Sistemleri) strain hızı verileri, InSAR (İnterferometrik Sentetik Açıklıklı Radar) verileri ve diğer jeodezik ölçümleri içeren kapsamlı bir 102 sismik öznitelik setinden faydalanır. Modellerimiz, bu verileri kullanarak yüzey deformasyon desenlerini hassas bir şekilde haritalandırır, yer altındaki malzeme özelliklerinin ve fay geometrilerinin bu deformasyonlara nasıl katkıda bulunduğunu anlamaya yardımcı olur ve bu deformasyonların zaman içindeki evrimini tahmin eder. Bu analizler, özellikle M4-5, M5-6, M6-7 ve M7+ gibi farklı büyüklük bantlarındaki sismik aktivite potansiyelini değerlendirmek ve uzun vadeli tehlike modellerimizi güncellemek için kritik öneme sahiptir. Deprem sonrası deformasyonun doğru bir şekilde modellenmesi, fay sistemlerinin yüklenme durumunu anlamak ve gelecekteki sismik olayların nerede ve ne zaman meydana gelebileceğine dair daha iyi tahminler yapmak için elzemdir.
Gerilme Yeniden Dağılımı ve Gelecekteki Tehlike Değerlendirmesi
Kahramanmaraş depremleri, DAF ve çevresindeki fay sistemleri boyunca gerilme alanlarında önemli ve karmaşık değişikliklere neden oldu. Bu gerilme yeniden dağılımı, sismolojide yaygın olarak kullanılan Coulomb gerilme transferi teorisi ile açıklanabilir. Bu teoriye göre, bir fay segmentindeki kayma, komşu fay segmentleri üzerindeki gerilmeyi artırabilir (yükleme) veya azaltabilir (boşaltma). Artan gerilme, bu segmentlerde gelecekteki depremlerin olasılığını artırırken, azalan gerilme tam tersi bir etki yaratabilir. Bu dinamik süreç, deprem sonrası dönemde sismik aktivitenin mekansal kaymasını ve potansiyel olarak yeni kırılma alanlarının ortaya çıkmasını tetikleyebilir. Talivio AI'nın gelişmiş makine öğrenimi modelleri – LightGBM, Random Forest, ExtraTrees ve kalibre edilmiş Lojistik Regresyon gibi algoritmaları kullanarak – bu karmaşık gerilme transferi senaryolarını detaylı bir şekilde analiz eder. Modellerimiz, yalnızca Coulomb gerilme transferi hesaplamalarını değil, aynı zamanda b-değeri anomalileri (sismik aktivite dağılımındaki büyüklük-frekans ilişkisindeki değişiklikler) ve diğer sismik öznitelikleri de dikkate alarak, bölgedeki fay segmentlerinin mevcut yüklenme durumunu değerlendirir. Örneğin, b-değeri düşüşleri, genellikle yüksek gerilme birikimi olan ve gelecekte büyük bir deprem potansiyeli taşıyan alanlarla ilişkilendirilir [Schorlemmer et al., 2005 — DOI: 10.1038/nature04079]. Tersine, b-değeri artışları, gerilmenin azaldığı veya daha küçük depremlerin daha sık meydana geldiği alanları gösterebilir. Ayrıca, ETAS parametreleri, artçı şok dizilerinin evrimini modelleyerek, ana şokun ardından sismik aktivitenin nasıl yayıldığını ve sönümlendiğini anlamamıza yardımcı olur. Bu entegre yaklaşım, DAF'ın henüz kırılmamış veya kısmen kırılmış segmentleri ile yakındaki ikincil fay sistemleri üzerindeki artan veya azalan sismik tehlike bölgelerini daha iyi tanımlamamızı sağlar. Bu analizler, özellikle Güneydoğu Anadolu'daki diğer aktif fay sistemleri üzerindeki domino etkilerini ve gelecekteki sismik tehlikenin mekansal ve zamansal evrimini anlamak için hayati öneme sahiptir [Özdağ et al., 2023 — arxiv:2303.02492]. Bu tür detaylı modellerleme, sismik tehlike haritalarının güncellenmesi ve risk azaltma stratejilerinin belirlenmesi için temel oluşturur.
Talivio AI'nın Gelişmiş Anlayıştaki Rolü
Deprem sonrası dinamiklerin karmaşıklığı ve uzun vadeli doğası, geleneksel analiz yöntemlerinin sınırlılıklarını ortaya koymaktadır. Fay sistemlerinin yüzlerce kilometre boyunca uzanması, binlerce artçı şokun kaydedilmesi ve sürekli değişen yer kabuğu hareketleri, insan gözüyle veya basit algoritmalarla tamamen anlaşılamayacak kadar büyük ve karmaşık veri setleri üretir. Talivio AI, bu noktada devreye girerek, büyük hacimli sismik, jeodezik ve jeolojik verileri işleyebilen, kalıpları tanımlayabilen ve insan gözünden kaçabilecek ince değişiklikleri tespit edebilen benzersiz bir yetenek sunar. Platformumuz, yer hareket sensörlerinden GNSS istasyonlarına, InSAR uydularından sismik kataloglara kadar çeşitli kaynaklardan toplanan verileri bir araya getirir. Toplamda 102 sismik öznitelik setimiz, GNSS strain hızlarından b-değeri anomalilerine, Coulomb gerilme transferinden ETAS parametre tahminlerine ve sismik dalga hızındaki değişikliklere kadar geniş bir spektrumu kapsar. Bu veriler, makine öğrenimi algoritmalarımız (LightGBM, Random Forest, ExtraTrees ve kalibre edilmiş Lojistik Regresyon) tarafından sürekli olarak işlenerek, DAF boyunca ve çevresindeki fay sistemlerinde meydana gelen gerilme değişikliklerinin ve deformasyonların zaman içindeki evrimini modellemektedir. Talivio AI'nın Bant ML sistemi, sismik aktiviteyi M4-5, M5-6, M6-7 ve M7+ gibi farklı büyüklük bantlarında ayrı ayrı değerlendirerek, her bir büyüklük aralığı için özelleştirilmiş risk analizleri sunar. Bu granüler yaklaşım, belirli bir bölgedeki potansiyel tehlikeyi daha doğru bir şekilde anlamamızı sağlar. Amacımız, sadece geçmiş depremleri açıklamak değil, aynı zamanda gelecekteki sismik aktivite potansiyelini daha doğru bir şekilde değerlendirerek, risk altındaki topluluklar için daha erken ve daha bilinçli kararlar alınmasına yardımcı olmaktır. Talivio AI, bu sürekli öğrenme ve adaptasyon yeteneği sayesinde, deprem sonrası süreçlerin dinamik doğasına ayak uydurarak, sismik tehlike değerlendirmelerini sürekli olarak güncel tutmaktadır.
Sonuç
Kahramanmaraş depremleri, Doğu Anadolu Fay Hattı'nın karmaşık sismotektonik yapısını ve deprem sonrası süreçlerin uzun vadeli etkilerini anlamanın kritik önemini bir kez daha vurgulamıştır. Talivio AI olarak, bu depremlerin ardından ortaya çıkan deprem sonrası deformasyon ve gerilme yeniden dağılımı gibi dinamikleri sürekli olarak izlemeye ve analiz etmeye devam ediyoruz. Yapay zeka destekli platformumuz, bilimsel verileri en son makine öğrenimi teknikleriyle birleştirerek, gelecekteki sismik tehlike değerlendirmelerini iyileştirmeyi ve depremlere karşı daha dirençli toplumlar inşa etme çabalarına katkıda bulunmayı hedeflemektedir. Sürekli araştırma ve yenilik taahhüdümüzle, deprem tahmin bilimini ileriye taşımaya kararlıyız.
