РНФ 25-17-00094
В рамках проекта РНФ 25-17-00094 «Создание методики расчета зависящей от времени сейсмической опасности» в 2025 г. выполнены следующие работы.
Впервые, после 50 лет детальных сейсмических наблюдений в Курило-Камчатской зоне субдукции, построена малопараметрическая модель распределения глубин землетрясений. Сейсмичность разделена на четыре типа землетрясений: межплитовые в зоне сочленения океанической и континентальной литосферных плит, внутрислэбовые на промежуточной глубине и поверхностные (коровые) в океанической и континентальной плитах. Благодаря такому разделению удалось найти двухпараметрическую аппроксимацию распределения глубин очагов землетрясений каждого типа: межплитовых и внутрислэбовых относительно поверхности слэба по модели SLAB-2 (нормальное распределение) и коровых относительно дневной поверхности (распределение Вейбулла). Модель позволит значительно точнее учитывать в расчетах сейсмической опасности и риска важнейший элемент — глубину очагов возможных землетрясений.
В расчетах сейсмической опасности важным элементом является ориентация плоскости и направление подвижки в очаге будущих землетрясений (механизмы очагов). Для моделирования механизмов будущих очагов необходима максимально полная база данных о механизмах зарегистрированных землетрясений. В настоящее время механизмы очагов землетрясений Курило-Камчатской зоны субдукции доступны в Камчатском филиале ФИЦ ЕГС РАН (далее КФ), Global Centroid Moment Tensor (США), USGS (США), Scardec (Франция). По данным указанных источников сформирована единая база данных по механизмам очагов землетрясений Курило-Камчатской зоны субдукции в 1976–2023 гг., включающая в себя механизмы для более 3000 землетрясений. На рис. 1 представлены эпицентры очагов землетрясений с определенным механизмом. Данные разных агентств были сопоставлены по ряду параметров (рис. 2), в первую очередь, по геометрическим параметрам механизмов очага: угол падения (dip), угол простирания (strike) и угол сдвига (rake/slip). Пространственный анализ расхождений оценок показал, что максимальные расхождения, в целом, распределены равномерно (рис. 3).
Рисунок 1. Эпицентры землетрясений с определенными механизмами очагов. 
Рисунок 2. Распределение расхождений между оценками углов (dip, slip/rake, strike) для пар SCARDEC-GCMT (верхний ряд) и USGS-GCMT (нижний ряд).
Рисунок 3. Пространственное распределение расхождений между оценками GCMT и USGS для параметра – угол сдвига (rake/slip), для землетрясений с M > 6.
Распределение по источникам в объединенном каталоге (рис. 4):
RSMT: 328 событий (11,8%)
RSMT, Scardec: 16 событий (0,6%)
Scardec: 35 событий (1,3%)
GCMT: 960 событий (34,5%)
GCMT, RSMT: 80 событий (2,9%)
GCMT, RSMT, USGS: 51 событие (1,8%)
GCMT, RSMT, Scardec: 2 события (0,1%)
GCMT, RSMT, Scardec, USGS: 18 событий (0,6%)
GCMT, Scardec: 30 событий (1,1%)
GCMT, Scardec, USGS: 160 событий (5,7%)
GCMT, USGS: 997 событий (35,8%)
USGS: 106 событий (3,8%)
Для оценки оптимального шага по сетке было рассчитано распределение эпицентров с определенным механизмом очага на квадратный километр (рис. 5). При шаге в 1º – 79.7% территории покрывается ячейками, в которых осреднено не менее 2 решений, однако в некоторых районах, например, вблизи Авачинской бухты (и г. Петропавловск-Камчатский), а также для Южных Курил есть возможность использовать более детальный масштаб – 0.5º.
Также была проведена апробация метода [Kagan & Jackson, 2014] для моделирования распределения вероятных очагов землетрясений на основе составленной базы данных. Поскольку разные слои сейсмичности (межплитовый, внутриплитовый и поверхностный), вероятно, значительно отличаются по характерным механизмам очагов, то и моделировать эти слои нужно по отдельности. В качестве примера из собранной базы данных были выделены межплитовые землетрясения согласно методике [Воробьева, 2026] и на их основе построена модель пространственного распределения вероятных механизмов очагов на равномерной пространственной сетке с размером ячеек 0.5º×0.5º (рис. 6). Видно, что в подавляющем большинстве ячеек преобладающим механизмом является надвиг (охотской плиты на тихоокеанскую), что соответствует естественному физическому механизму землетрясений, происходящих на границе плит в зоне субдукции.
Рисунок 4. Распределение параметров механизмов очагов землетрясений в итоговом каталоге, демонстрирующее преобладающие диапазоны углов падения (dip), простирания (strike) и сдвига (rake/slip), связанные с классическими субдукционными землетрясениями.
Рисунок 5. Плотность эпицентров землетрясений с оценками по механизмам для собранной базы данных на квадратный километр при шаге по сетке 1º, 0.5º и 0.2º, соответственно.
Рисунок 6. Предварительное моделирование вероятного механизма очага землетрясения с шагом 0.5º по каталогу GCMT.
Сформулирован конкретный прогнозный алгоритм, основанный на анализе продуктивности землетрясений (STVP). Алгоритм прогноза STVP состоит в следующем: если в круге радиуса R_alarm за период T_alarm произошло минимум n_min событий магнитудой M0 или более со значением продуктивности pr_alarm или более, то в области, образованной объединением кругов радиуса R_alarm с центрами в эпицентрах этих событий («область тревоги»), ожидается землетрясение магнитудой M_alarm в период времени T_alarm от момента первого события. Таким образом алгоритм содержит 6 параметров.
Для тестов использовалась диаграмма ошибок Молчана. Было фиксировано значение M_alarm=7.5, другие параметры варьировались следующим образом: T_alarm = {1.5, 2, 2.5} (лет), R_alarm = {200, 250, 300} (км), pr_min = {0.25, 0.5, 0.75, 1.0, 1.25, 1.5, 1.75, 2.0, 2.5}, M0 = {5.7, 6.0, 6.2, 6.5, 6.7}, n_min = {1,2,3}. Диаграммы ошибок для этих наборов параметров показаны на рис.7. В качестве оптимального набора параметров выделен набор со значениями T_alarm = 2 года, R_alarm = 250 км, pr_min = 1.25, M0 = 6.0, n_min = 1. Этот набор параметров обеспечил успешный ретроспективный прогноз всех 12 сильных землетрясений магнитуды 7.5 и выше в регионе Курило-Камчатской зоны субдукции с 1976 года при относительном объеме тревог 0.31. По количеству доля ложных тревог составила 0.72.
В соответствии с планом, построена диаграмма ошибок прогнозного алгоритма STVP с вариациями контрольного параметра (рис. 8) относительно выбранного оптимального набора параметров, в качестве которого выступает величина продуктивности. На основании полученной диаграммы ошибок была рассчитана сглаженная зависимость дифференциального вероятностного выигрыша [Shebalin et al., 2014] от значения управляющего параметра (в качестве которого выбрана величина прокси-продуктивности) (рис. 9).
Рисунок 7. Диаграмма ошибок Молчана для результатов ретроспективных тестов алгоритма при различных наборах параметров.
Рисунок 8. Диаграмма Ошибок Молчана для результатов теста алгоритма при вариациях контрольного параметра относительно оптимального набора параметров.
Рисунок 9. Зависимость дифференциального вероятностного выигрыша от величины контрольного параметра.
База данных механизмов 
Приложение к отчету
