今週のうなぎセミナーについてお知らせいたします。

Here is information of the Unagi-seminar(May, 12).

************** Seminar on Seismology IV A, C /地震学ゼミナールIV A, C (Unagi Seminar) **************

科目：地震学ゼミナールIV A, C / Seminar on Seismology IV A, C（修士・博士）
日時：2022年 5月 12日 (木) 14:00~
場所：京都大学防災研究所 連携研究棟301号室（大セミナー室）または オンライン(Zoom)

Date and Time：2022-05-12, 14:00~
Place：Seminar Room #301, DPRI Collaborative Research Hub, Uji Campus, Kyoto University or Zoom (Hybrid)

https://www.kyoto-u.ac.jp/ja/access/campus/map6r-uji
（構内マップ中の77番の建物です。）

----------------------------------------------------------------------------------------------------------------------------
Speaker (発表者)：　Ruan yihuan
Title (題名)：　Estimating the anisotropic properties in Shikoku district by receiver function using teleseismic data
Abstract (要旨)：
Seismic anisotropy shows one of the important properties of the medium; a propagation speed of a seismic wave in the earth generally varies depending on its propagation direction and its polarization as well as the properties of the medium itself. Specifically, many medium properties in the crust may cause anisotropy and the anisotropic property due to aligned fractures under regional stress field (Crampin, 1984).
The subducting Philippine Sea (PHS) plate complicates the tectonic structure in Shikoku in southwestern Japan. The crustal structure in the east Shikoku area has been revealed by a multi-purpose seismic experiment (Ito et al., 2009). Nagaya et al. (2008, 2011) showed an anisotropic property above PHS plate from F-net data by National Research Institute for Earth Science and Disaster Resilience (NIED) in southwestern Japan around Shikoku. It is, however, still an open question for anisotropy. Here, we show the results of the P-wave receiver function (RF) using data from Hi-net stations in Shikoku maintained by NIED to understand shear wave anisotropy in the crust.
Because shear-wave splitting appearing on the original seismogram is observed as an integrated value along the ray path from an earthquake source to a seismic station, it is generally difficult to investigate the anisotropic property of target layer. In contrast, a RF method (Levin & Park, 1997, 1998) is excellent at clearly showing the Ps converted phases, as an inherent property. Instead of using the original seismogram, we apply the RF method to investigate the crustal anisotropic property by using possible Ps converted phases generated from each velocity discontinuity as well as average cumulative anisotropy.
To calculate RFs, we use a time-domain iterative deconvolution method (Ligorria & Ammon, 1999). We also use three-component seismograms in LQT-coordinate system instead of RTZ coordinate to enhance a possible Ps phase that would be overlapped by a significant Ps phase in lower-frequency RFs.
A shear wave generally splits into two perpendicular components with different velocities as it passes through an anisotropic medium. The shear wave splitting analysis method aims to obtain the best parameter pair, which minimizes the RF energy in the transverse component within time-window introduced by Silver & Chan (1991). To obtain the best parameter pair, we also apply the grid search method for both fast polarization directions (FPDs) of the split shear waves and delay time between fast- and slow-component.

----------------------------------------------------------------------------------------------------------------------------
Presenter (発表者)：　加藤慎也
Title (題目)：　深層学習を用いた自動地震カタログの作成
Abstract (要旨)：
　観測された地震波形データは人間の手によって走時pickや極性判定が行われ、地震学的な解析に使用されるのが一般的である。しかし、近年、定常観測網や稠密地震観測網の発展や余震観測網の展開、また収録される地震波形データの連続化によって取得さえるデータ量は指数関数的に増加して(Kong et al. 2018)おり、得られたデータを解析に使用するための仕事量は増加している。そこで、本研究では、人間の仕事量を減らすため得られた波形データから走時値を取得し震源決定を行い、極性判定を行う処理を自動化し、自動で地震カタログを作成するパッケージを作成した。
深層学習(Deep learning)の発展がめざましく、様々な分野で活用されるようになった(Kiranyaz et al. 2021)。地震学分野でも深層学習が様々な用途で導入され始めている。地震波形の走時pickや極性判定にも適応されており、深層学習を用いた走時pickモデル(Ross et al. 2018; Zhu and Beroza 2018; Mousavi et al. 2019など)や極性判定モデル(Ross et al. 2018; Hara et al. 2019; Uchide 2020)が開発されている。しかし、深層学習によるモデルの精度は、その性質上、訓練データに大きく依存する。地震波形の走時pickを行う深層学習モデル(Ross et al., 2018, Woollam et al., 2019, Zhu and Beroza, 2019, Mousavi et al., 2019, Mousavi et., 2020, Soto and Schurr, 2021)を様々な地域で得られたデータセットに適応した結果、走時pickの精度が地域ごとに異なることや、3成分波形で学習したモデルをGEOFONで収録された上下動成分のみの波形に適応した結果、大幅に精度が悪くなることが報告されている(Munchmeyer et al., 2022)。また、極性判定を行う深層学習モデルでも、サンプリング周波数の異なりや収録された場所が異なるとモデルの精度に差が出ることがあると報告されている(Hara et al., 2019)。以上より、深層学習を用いた走時pickモデルや極性判定モデルには、適応する領域で得られた地震波形を用いて学習したモデルが最も高精度になるはずである。また、精度はサンプリング周波数や収録される地震波形成分にも依存していると考えられるため、サンプリング周波数や地震波形成分に合わせ適応する領域で得られた地震波形で学習したモデルを用意する必要がある。そこで、本研究では精度良く走時pickや極性判定を行うために、定常観測網(3成分100 Hzサンプリング)用、満点観測網(3成分250 Hzサンプリング)用と0.1満点観測(上下動成分100 Hzサンプリング)用の3つの走時pickモデルと100 Hzサンプリング波形用と250 Hzサンプリング波形用の二つの極性判定モデルを作成した。そして、カタログ作成のために、深層学習を用いた走時pickモデルで得られた走時値のphase assosiation(REAL; Zhang et al., 2019)を求め、Hypomh_PS(Hirata and Matsu‘ura 1987, Kawanishi et al., 2009)で震源決定後、極性判定モデルで極性の判定を行い、日本で広く使用されているWINシステムに対応するPICKファイルを出力するパッケージを作成した。
本発表では、作成したモデルの精度やパッケージを連続波形に適応した結果やイベント波形に適応した結果を紹介する。

----------------------------------------------------------------------------------------------------------------------------

今後の予定（schedule）
5/19 ：[JpGU rehearsal]
5/26 ：JpGU meeting
6/2　：(online JpGU) 西沢、井上
6/9　：野末、田中
6/16 ：大野、佐脇
6/23 ：山本、Chintan
6/30 ：村本、Admore
7/7　：松尾、岡田
7/14 ：小出、野田
7/21 ：森永、Frazi