Algoritmos de Clasificación Automática de Eventos Sísmicos de Origen Volcánico. Análisis de los datos del Volcán Popocatepetl (México)

   En esta etapa, el objetivo fundamental es la clasificación de los eventos que se registran y, en función de ella, establecer un algoritmo de activación y gestión de alertas. Esto exige trabajar en un volcán activo con un índice notable de sismicidad. Gracias a proyectos de colaboración entre el Departamento de Volcanología del CSIC y el Centro Nacional de Prevención de Desastres de México (CENAPRED), se ha podido realizar esta investigación en el Volcán Popocatépetl, que cumple los requisitos mencionados. Su actividad es casi permanente y su proximidad a grandes núcleos de población le convierten en un volcán de alto riesgo.

   Los objetivos fundamentales de este trabajo son el estudio de la evolución temporal del espectro de sismos de origen volcánico y el diseño de un algoritmo de clasificación automática de los eventos basado en esa evolución temporal. Se ha desarrollado una herramienta para estudiar la evolución temporal del espectro utilizando representaciones tiempo-frecuencia (TFR) basadas en la transformada continua de wavelets (CWT). La intención es facilitar el análisis espectral de una gran cantidad de registros, de una forma rápida pero detallada, como paso previo para la realización de un algoritmo de clasificación automática de sismos volcánicos. Todas las herramientas de análisis espectral necesarias se han implementado en un programa informático escrito en lenguaje C, cuyo código es transportable a cualquier computadora. Se muestra el fundamento teórico utilizado para desarrollar el programa y su aplicación a los eventos del Volcán Popocatépetl. El programa lee un registro, calcula su espectrograma, y con un algoritmo de clasificación lo compara con los espectrogramas de los eventos tipo que tiene almacenados en memoria. En la versión actual del programa, y que se comenta en este trabajo, se analizan y clasifican ficheros discretos que contienen los registros. Una versión posterior que se esta desarrollando acepta los registros que llegan del sistema de adquisición mediante un sistema de transferencia de datos y los clasifica automáticamente, en tiempo real.

   Se han analizado los espectrogramas correspondientes a los registros de los eventos del Volcán Popocatépetl y se han discriminado bien los eventos volcano-tectónicos o Tipo-A, el tremor volcánico, eventos Tipo-B y cierto tipo de eventos explosivos. Esto sirve para hacer una primera clasificación. Algunos eventos explosivos no han podido resolverse de forma satisfactoria por la gran similitud de sus espectrogramas con los eventos Tipo-B. De la misma forma, los sismos tectónicos regionales presentan problemas de identificación que deben resolverse con el empleo de más de una estación sísmica.

   El primer capítulo del trabajo es una introducción al problema que plantea la existencia de grandes núcleos de población cerca de un volcán activo, como es el Popocatépetl. El capítulo dos da información acerca de lo que se entiende por un sismo de origen volcánico y los distintos tipos de eventos que se pueden registrar asociados a procesos de origen volcánico. También se describe cómo son los eventos más comunes registrados en el Volcán Popocatépetl y se describe cual es el nivel de actividad sísmica en los últimos meses. En el tercer capítulo se presentan las técnicas de análisis espectral que se utilizan para caracterizar la evolución temporal del espectro de los sismos. El algoritmo de clasificación se basa en la utilización de estas técnicas. El capítulo cuatro da unas breves referencias acerca del funcionamiento del programa que calcula y clasifica los espectros, así como de las optimizaciones posibles al método. El listado del programa se comenta en un Anexo al final del trabajo. La aplicación de todo lo anterior a los eventos del Popocatépetl se describe en el capítulo cinco. Se muestra cómo son los espectrogramas y la clasificación de algunos ejemplos. En el último capítulo se dan las conclusiones y las líneas de trabajo futuro.

   Este trabajo ha sido posible gracias a la concesión de una beca MUTIS por parte de la Agencia Española de Cooperación Internacional (AECI) para una estancia de seis meses en México y a la cooperación existente entre el Departamento de Volcanología y el CENAPRED.

CAPÍTULO I. EL VOLCÁN POPOCATÉPETL

1.1 Aspectos geovolcánicos 6
1.2 Riesgo asociado al Volcán Popocatépetl 9
1.2.1 Historia eruptiva y actividad reciente 9
1.2.2 Peligros volcánicos 12
1.2.3 Valoración del riesgo 15
1.3 Red instrumental de vigilancia 17

CAPÍTULO II. SISMICIDAD

2.1 Sismicidad en volcanes 19
2.2 Clasificación general de los sismos de origen volcánico 21
2.3 Trabajos previos sobre la sismicidad del Volcán Popocatépetl 31
2.4 Sismicidad actual del Volcán Popocatépetl 35

CAPÍTULO III . TÉCNICA DE ANÁLISIS CON WA VELETS Y ALGORITMOS DE CLASIFICACIÓN

3.1 Evolución temporal del espectro 39
3.2 La transformada rápida de Fourier (FFT) 40
3.3 La transformada continua de wavelet (CWT) 41
3.4 Escala y frecuencia 43
3.5 Algoritmos de clasificación automática 47

CAPÍTULO IV. PROGRAMA DE ANÁLISIS Y CLASIFICACIÓN

4.1 Esquema de funcionamiento del programa WAVELET 51
4.2 Optimizaciones 53
4.3 Inicialización del programa 54

CAPÍTULO V. APLICACIÓN A LOS EVENTOS DEL VOLCÁN POPOCATÉPETL

5.1 Elección de la estación sísmica y preparación de los datos 57
5.2 Análisis e interpretación de los espectrogramas obtenidos con wavelets 58
5.3 Clasificación de sismos volcánicos a partir de los espectrogramas 66

CAPÍTULO VI. DISCUSIÓN Y CONCLUSIONES

6.1 Conclusiones sobre la técnica de análisis y clasificación 73
6.2 Trabajo futuro 74

BIBLIOGRAFÍA 76

ANEXO. LISTADO DEL PROGRAMA WAVELET.CPP 84

   La variedad de funciones disponibles es muy amplia, en función del detalle con que se quiera analizar el registro: pueden proporcionar información de la frecuencia de cada ciclo (función Mexhat) y estudiar la señal a una escala más amplia si sólo interesa la tendencia general del espectro (función de Morlet). Hay otros métodos, como los filtros gaussianos (por ejemplo en los trabajos ya citados de Lermo et al., 1994 y 1995) que producen representaciones tiempo-frecuencia parecidas puesto que la CWT también utiliza funciones gaussianas para filtrar la señal. Con la transformada de Wigner-Ville también se obtienen resultados parecidos puesto que se consigue resolver el espectrograma a una escala muy fina.
Aparte de la ventaja que proporciona el análisis de la señal a pequeña escala, la principal ventaja práctica de la transformada continua de wavelets es que puede resolverse con la ayuda de los algoritmos tradicionales de transformada de Fourier (FFT), que son métodos suficientemente probados y de uso común en el análisis de señales. Teniendo en cuenta las relaciones comentadas en el capítulo 3 (ver ecuación 3.5 y apartado 3.4 acerca de la relación entre escala y frecuencia), pueden adaptarse los algoritmos FFT existentes a esta técnica.

   Una vez que se ha conseguido el espectrograma se tiene la herramienta adecuada para analizar la variación espectral de las señales. La CWT da una información más precisa que la que información «estática» que proporcionan los algoritmos FFT por sí solos. Gracias a esta técnica se ha observado cómo las frecuencias de las señales volcánicas tienen fuertes variaciones que permiten distinguir la ocurrencia de unos tipos u otros de eventos. Estas variaciones o cambios se estudian en el plano temporal, de forma que se puede averiguar el momento de ocurrencia de un determinado pulso. También pueden detectarse pequeñas variaciones en el contenido espectral de la señal que en ciertos casos podrían interpretarse como consecuencia del establecimiento de fracturas (pulsos de alta frecuencia sobre un fondo de frecuencias más bajas), y el momento del establecimiento de las posibles fracturas respecto del comienzo del evento. La interpretación de las causas de las variaciones temporales del espectro está fuera del propósito del trabajo y sería motivo de un estudio más amplio.

   Utilizando las variaciones observadas en los espectrogramas se realiza un algoritmo de clasificación automática de eventos sismovolcánicos. El algoritmo permite identificar de forma satisfactoria los sismos volcano-tectónicos, el tremor, y los eventos Tipo-B. En algunos casos se consiguen identificar cierto tipo de explosiones en función de su contenido espectral, pero en otras, el parecido con los espectrogramas de los eventos Tipo-B hace difícil esta clasificación (ver apartado 5.3.3). Este problema es intrínseco a la naturaleza de los eventos Tipo-B y a lo que se entiende por ellos, que en muchos casos no tiene mucha diferencia con un evento explosivo (ver apartado 2.2.4). Para resolver más casos habría que mejorar la precisión del algoritmo aumentando el número de celdas y añadiendo más modelos (apartado 3.5).

   Todo el algoritmo de cálculo (obtención de espectrogramas y clasificación de eventos), se ha implementado en un programa informático que trabaja en modo MS-DOS y la clasificación se ha realizado a partir de la lectura de eventos discretos. La velocidad del programa permite calcular los espectrogramas y clasificarlos en tiempo real trabajando con procesadores tipo Pentium. Al tratarse de ficheros discretos, tiempo real significa que se analizan un evento de una determinada longitud en menos tiempo que el que dura ese evento, de forma que hay margen suficiente para analizar un siguiente evento. Se han analizado ventanas de 10 y 20 segundos, en función del muestreo. Uniendo los resultados de unas ventanas (bloques) con otras se representan las señales completas.