Huella de la urbanización de Delhi y su efecto en el estado del subsuelo de la tierra

Scientific Reports volumen 13, número de artículo: 11750 (2023) Citar este artículo

86 Accesos

Detalles de métricas

El suelo urbano y su expansión han impactado profundamente el medio ambiente global, incluido el cambio de tensión en el subsuelo de la tierra, a pesar de que el suelo urbano es una pequeña fracción de la superficie terrestre global. Divulgar tales efectos nunca ha sido más importante, dado el papel del estrés en la determinación de la seguridad de la población urbana contra los terremotos. Sin embargo, el conocimiento de este efecto no lineal y dependiente del tiempo de la urbanización sobre el subsuelo permanece en la zona gris. Este estudio se centra en el área que rodea a Delhi, la capital de la India, para comprender la contribución relativa de la carga de construcción creada por la rápida urbanización a la hora de exacerbar el estado de tensión del subsuelo. Los resultados destacan que, desde 2010, la modulación de la tasa de sismicidad y la estabilidad de las fallas de cabalgamiento del basamento está vinculada no sólo a la urbanización sino también al almacenamiento decenal de agua subterránea. Cada vez hay más pruebas que sugieren que la rápida urbanización y la resultante compresión horizontal no tectónica estabilizan las fallas en el cinturón de Aravalli Delhi, que están desestabilizadas debido a la extensa extracción de agua subterránea. Esto afecta la tendencia decenal de sismicidad alrededor del cinturón plegado de Aravalli Delhi. No obstante, la magnitud de esta influencia de la deformación dependiente del tiempo sobre la modulación de la sismicidad sigue siendo incierta. Los hallazgos de este estudio cuantifican por primera vez los impactos geomecánicos de la urbanización en el área de Delhi.

Al ser un nexo próximo de interacciones ambientales y antropogénicas, la urbanización remodela varias facetas del medio ambiente. A medida que el crecimiento demográfico guía la rápida urbanización y la agresiva metamorfosis de la superficie terrestre, se prevé que la atmósfera, el ciclo hidrológico, los procesos ecosistémicos, el sistema climático y la estabilidad del subsuelo se vean dramáticamente alterados a escala local y global1,2,3,4. Los terrenos urbanos ocupan una pequeña fracción del terreno global y, sin embargo, albergan al 55% de la población mundial. La superficie de suelo urbano se está acelerando más rápido que la población urbana. La urbanización contribuye al 70% del calentamiento global y al 80% de la pérdida de hábitat natural. Alrededor del 60% de las tierras de cultivo del mundo se encuentran en las proximidades de áreas urbanas, lo que enfatiza el conflicto entre ellas5. Múltiples estudios5,6,7,8 resaltan la proporcionalidad entre la tasa de expansión urbana y la disminución de las tierras de cultivo, siendo India, China y Egipto los ejemplos focales (Fig. 1a, con Delhi y sus regiones circundantes en proximidad a las tierras de cultivo). En muchos países desarrollados, se prevé que el desplazamiento de la población de las zonas rurales a las urbanas disminuirá, mientras que en el mundo en desarrollo ocurre lo contrario, especialmente cuando la atención se centra en la India. Angel et al.9 y Seto et al.10 proyectaron que para 2030, el suelo urbanizado mundial sería tres veces mayor que en 2000, junto con una duplicación de la población urbana. En vista de ello, la urbanización actual es la génesis de la megaurbanización (la fusión de múltiples tejidos urbanos que forman un tramo urbano contiguo5). Se prevé que esta megaurbanización se produzca en regiones propensas a altas tasas de pobreza, normalmente donde la agricultura domina los sectores dominantes de la economía. Por lo tanto, una comprensión interdisciplinaria de cómo la urbanización futura y su población alterarán la Tierra es fundamental para aliviar el problema de la sostenibilidad global.

Mapa de uso de la tierra de la región norte de la India para el año 2020. (a) Clasificación de uso de la tierra (nivel I) de la región norte de la India para el año 2020, con el área del estudio resaltada por un recuadro. (b) Transición de clases de suelo edificado durante 1990-2020 con un intervalo de tiempo de 5 años. El color rojo pastel representa el área edificada existente y el rojo sólido resalta la nueva superficie de terreno incluida en la clase edificada en comparación con el intervalo de tiempo anterior. El panel inferior derecho muestra el crecimiento de la superficie acumulada de suelo edificado y de la población urbana a lo largo del tiempo. Esta figura se generó utilizando ArcMap (versión 10.7.1; URL: https://support.esri.com.

Con el carácter de ser un cambio irrevocable en la cobertura del suelo (LCC), los terrenos urbanos generan efectos perpetuos en sus entornos acoplados. Manteniendo fuertes altercados con el medio ambiente, la expansión urbana es el factor antropogénico más importante responsable de alterar la superficie terrestre. La expansión masiva de las áreas urbanas cambia la tendencia demográfica, lo que no sólo altera las trayectorias socioeconómicas2 sino que también perturba los ciclos biogeoquímicos11, el funcionamiento de la biodiversidad12, los procesos del subsuelo de la Tierra4 y los sistemas hidrológicos7. En conjunto, la literatura señala que la urbanización con el tiempo moldea los impactos sociales de diversas tensiones climáticas y ambientales. Sin embargo, con el avance de las tecnologías de observación de la Tierra a través de la teledetección satelital11, se han monitoreado la mayoría de los cambios inducidos por la urbanización en diversos temas. Pero, como la mayor parte de la literatura se limita a posibles variables socioambientales impulsadas por la urbanización, apenas se comprende cómo la urbanización afecta el régimen de estrés del subsuelo de la Tierra y el potencial de inducir (o desencadenar) terremotos inducidos por el hombre en diferentes zonas. contextos temporales y espaciales.

Los terremotos inducidos por el hombre se están convirtiendo cada vez más en un tema de debate sociopolítico y científico en las últimas décadas, y se han notificado más de 1.200 casos en la base de datos HiQuake, que abarca el período comprendido entre 1868 y 202213,14. De ahí que muchos investigadores hayan explorado la posibilidad de comprender y predecir los terremotos inducidos por el hombre15,16,17,18,19. Dong et al.20 han propuesto un método de tomografía para la identificación de regiones anormales en estructuras complejas de macizos rocosos. A partir de la tomografía en tiempo de viaje y de experimentos numéricos y de laboratorio, pudieron determinar el tamaño y el rumbo de las fallas y también identificar regiones potencialmente peligrosas en sitios subterráneos de ingeniería geotécnica20. Además, Dong y Luo21 argumentaron que la tensión, la velocidad, el material, el fluido y la temperatura tienen ramificaciones importantes para la mecánica de fallas y terremotos. Barberio et al.22 investigaron las respuestas del agua subterránea a la sismicidad mundial y sugirieron que las ondas de Rayleigh de terremotos distantes causan variaciones en el nivel freático y, como resultado, modulan la sismicidad cercana. La sismicidad también es inducida por la hidrofractura que se ha utilizado para extraer recursos petroleros23,24. Sin embargo, se ha pasado mayoritariamente por alto el desencadenamiento o inducción de terremotos por cambios en la distribución de la carga superficial debido a LCC antropogénico e irrevocable. Dichos cambios incluyen megaestructuras artificiales, rascacielos, rascacielos, vertederos, construcciones de infraestructura y canteras mineras. Se descuidan debido a sus pequeñas dimensiones en relación con una cuenca geológica típica o una región de estudio sísmico. Las relaciones entre la rápida urbanización y los cambios del subsuelo terrestre existen desde hace mucho tiempo, aunque menos cuantificadas (a excepción de unos pocos informes, por ejemplo, Lin.25; Klose26; Parsons4; Hu et al.27; Qian et al.28). Por lo tanto, se sabe poco sobre la relación causal entre HiQuake y el LCC permanente. Desentrañar este vínculo es fundamental para una mejor evaluación de los peligros sísmicos, la mitigación de los terremotos inducidos y la caracterización del estado de tensión de las fallas sismogénicas, específicamente en respuesta a la construcción de infraestructura de edificios. Esto nos motivó a cuantificar los cambios en el estado de tensión del subsuelo debido a la dinámica de expansión del suelo urbano para poder comprender mejor las consecuencias de estos cambios.

Nuestro análisis se basa en un marco de análisis de clasificación de uso de la tierra (LUC) internamente consistente que utiliza 30 años de datos satelitales mediante la creación de mapas LUC en un intervalo de 5 años desde 1990 utilizando los datos Landsat y dividiendo el área de suelo urbano alrededor de la región de Delhi en el norte. India, que incluye la densamente poblada capital de la India, Delhi. La dinámica de LUC en Delhi y sus alrededores (área del recuadro en la Fig. 1a) se deriva de los datos de referencia. Cuantificamos la dinámica LUC y su incertidumbre asociada a escala local para mantener la precisión y resolución de nuestro análisis. Cuantificamos la distribución espacial del peso en la región circundante de Delhi para revelar el impacto acumulativo del cambio de tensión en la estabilidad de las fallas subsuperficiales. También argumentamos que la distribución del peso tiene vínculos con la modulación decenal de la sismicidad alrededor del cinturón plegado de Aravalli Delhi debido a la redistribución de masa creciente e irreversible debido al asentamiento del suelo, el hundimiento, la extracción de agua subterránea y el ciclo de carga hidrológica controlado estacionalmente.

Se ha observado que el LCC alrededor de Delhi y la región circundante evolucionó con el tiempo a diferentes ritmos en diferentes épocas (Fig. 1b). El CCV máximo se observó durante el período 2000-2005, cuando la clase de 'tierras de cultivo' tuvo una reducción significativa en su área y la clase 'edificada' tuvo un aumento implacable (descrito en Métodos). De manera similar, la clase de 'tierras forestales' experimentó una gran reducción en el área durante las épocas 1990-1995 y 2000-2005. En general, la urbanización siguió aumentando y las superficies de tierras de cultivo y bosques siguieron disminuyendo. Dado que nuestro estudio trata sobre los efectos de la urbanización, decidimos centrar nuestra interpretación en la clase "urbanizada". Se desarrolló un mapa LUC consistente para el aumento urbano en un período de 5 años desde 1990 hasta 2020 para Delhi y su región circundante y se presenta en la Fig. 1b. La intensidad del CCV de la 'área urbanizada' fue comparativamente estable entre 1990 y 2000, con una intensidad del 2,67% (± 0,95%). Posteriormente, el área de LCC tuvo un crecimiento implacable durante 2000-2005 (Fig. 1b, panel superior derecho) con una intensidad del 69,13% (± 23,72%) en contraste con su valor en 1990, lo que indica que la urbanización tuvo un cambio inigualable ( Fig. 1b, panel inferior más a la derecha). Pero el cambio de intensidad se limitó más tarde para mantenerse dentro del rango de 6% a 9% entre 2005 y 2020, como lo muestra un aumento más lento en la curva de área acumulada del CCV durante estas épocas. Desde la perspectiva temporal, la transición decenal del área urbanizada por celda de la cuadrícula (por 100 km2) en la década 1 (1990-2000) mostró la pendiente más baja de 12,34 (± 7,63) km2 por época de 5 años, mientras que la pendiente máxima es observado durante la década 2 (2000-2010) con el valor de pendiente más alto de 87,75 (± 31,43) km2 por época de 5 años. Para la década 3 (2010-2020), la pendiente es de 24,49 (± 12,55) km2 por época de 5 años. Desde el punto de vista espacial, la urbanización tuvo una expansión acelerada durante el período 2000-2005, principalmente en la zona de influencia de Delhi. Antes de esto, la región tuvo una expansión periférica (las nuevas regiones no estaban en conexión espacial directa con la región de Delhi) entre 1990 y 2000. Después de 2005, la región de estudio experimentó principalmente la expansión del borde (nuevas regiones en contacto directo con los bordes de la región de Delhi), que se observó con cambios periódicos (es decir, la prominente expansión urbana de 2005 continúa expandiéndose hacia el suroeste en términos de expansión del borde antes de 2015, que se desplazó hacia el sureste en la época de 2020).

Calcular el porcentaje de acuerdo general, o el porcentaje de acuerdo efectivo, es un método implícito para determinar el acuerdo entre las variables clasificadas en la ciencia LUC. Si bien la evaluación de la precisión puede mostrar cuánto acuerdo existe entre las clases de variables, no tienen en cuenta la posibilidad de que el acuerdo se produzca únicamente por casualidad. Un acuerdo válido entre las clases de variables existe sólo cuando el nivel de acuerdo excede lo que se esperaría únicamente por casualidad. En el contexto de mejorar la confianza en nuestro sistema de clasificación, se utilizó uno de esos métodos de concordancia verdadera, el coeficiente kappa de Cohen (κ), para evaluar la estabilidad estadística y la confiabilidad entre evaluadores entre las clases. Con eso, la precisión general del LUC se asignó al rango de 79,81–91,76%, observándose la precisión máxima para 2010 (con κ de 0,93) y la precisión mínima observada para 1995 (con κ de 0,81) (descrito en Métodos ). Las precisiones entre las clases LUC fueron heterogéneas (por ejemplo, las tierras de cultivo tuvieron una precisión media más baja de κ = 0,79, y la clase urbanizada tiene una precisión más alta de κ = 0,96). Aunque el patrón fluctuó entre las clases, se observó que la precisión de la clase construida tenía un grado de κ consistentemente mayor. Este alto grado de precisión en la región de estudio se puede inferir de la Fig. 2. A pesar de los mayores niveles de concordancia entre las clases, existió una clasificación errónea entre la clase de tierra baldía y la clase urbanizada debido a la confusión en la asignación espectral. Sin embargo, esto no afecta la naturaleza general de los resultados porque la cobertura temporal de la clase urbanizada tiende a tener la máxima precisión con menos confusión (Fig. 2, paneles de matriz de confusión) en referencia al área espacial cuadriculada (Fig. 2, panel cuadriculado). Con base en la matriz estratificada temporalmente, el año 2000 tuvo la máxima precisión para la clase edificada al compartir confusión con la clase de tierra árida. La precisión mínima fue en el año 2010 cuando la clase urbanizada compartió su confusión con las clases de tierras áridas y tierras de cultivo. Por lo tanto, la mayor precisión general y la precisión explícita de clase (especialmente para la clase urbanizada), con una incertidumbre insignificante en escalas espaciales y temporales, indican la validez de la tendencia de urbanización en Delhi y su región circundante. Esto proporciona la confianza necesaria en el uso del mapa de urbanización para calcular el efecto de la urbanización sobre el estado de tensión del subsuelo.

Gráfico de precisión de la clasificación del uso de la tierra para el período 1995-2020. El panel izquierdo resalta la precisión de la clasificación para una cuadrícula de 5 × 5 km, agregada desde 1990. El mapa insertado traza las puntuaciones de precisión de las celdas de la cuadrícula. Las matrices de confusión normalizadas en el panel derecho resaltan la precisión de la clasificación y el sesgo del clasificador para los años correspondientes (la matriz de confusión para el año 1990 es similar y no se muestra para mantener la forma de la figura). Esta figura se generó utilizando ArcMap (versión 10.7.1; URL: https://support.esri.com).

La cuantificación del peso de las áreas urbanas es prácticamente imposible debido a la gran cantidad de estructuras individuales de tamaño y forma variables en los terrenos urbanos. La importación y exportación de bienes también provocan flujos masivos en las zonas urbanas. Aproximamos el peso de la urbanización bajo el supuesto de que los edificios y su contenido constituyen la parte dominante del peso, es decir, la contribución del peso de los edificios residenciales/comerciales, edificios públicos, edificios industriales ligeros y pesados, almacenes, centros de transporte, etc. En ausencia de un archivo abierto (o base de datos pública) de contornos de edificios y alturas específicas de edificios individuales, consideramos nuestro mapa de huella de urbanización como un proxy directo de contornos de edificios para calcular los efectos de las urbanizaciones en el estado de tensión del subsuelo sobre la región circundante de Delhi. Según el Código de prácticas estándar de la India para cargas de diseño (distintas de terremotos) para edificios y estructuras29, la carga del edificio se clasifica en carga muerta y carga viva. La carga muerta consiste en la carga estructural del edificio (techo, piso y paredes). La carga viva incluye todos los contenidos del edificio, como personas, alimentos, agua, muebles, servicios interiores, vehículos estacionados, etc., así como la carga debida al impacto, vibración y polvo/escombros, pero excluye la carga debida al viento. actividad sísmica y nieve. El valor de la carga muerta de los componentes del edificio oscila entre 0,25 y 0,74 kN/m2 para un espesor de techo de 13 a 25 mm y de 1,18 a 1,96 kN/m2 para un espesor de piso de 100 a 125 mm, suponiendo que el hormigón sea el material de construcción principal. utilizado para la construcción29. Según el estándar indio del código de construcción, la carga muerta de un edificio de un solo piso no excede los 5,0 kN/m2, y este valor aumenta con el aumento del número de pisos en un edificio29. Además, el valor de carga viva del edificio oscila entre 5,0 kN/m2 para un edificio industrial ligero y 10,0 kN/m2 para un edificio de servicio pesado, mientras que los otros edificios, como casas residenciales, escuelas, tiendas y centros comerciales, han oscilado entre 3,0–5,0 kN/m2 según el estándar indio29.

Dado que es difícil contar todas las cargas individuales y su tipo (vivas o muertas), asumimos una carga de 5,0 kN/m2 como valor estándar que combina las contribuciones vivas y muertas para calcular el peso de una ciudad. Por lo tanto, nuestros resultados deben considerarse estimaciones mínimas. Calculamos la masa acumulada (en kg) de la huella de un edificio en la región circundante de Delhi combinando las contribuciones de carga viva y muerta (es decir, 5,0 kN/m2), dividiendo por la constante gravitacional (g = 9,81 m/s2) y finalmente multiplicando por el área edificada acumulada (Fig. 3b). La distribución de la carga urbana se calculó considerando el peso de los edificios en sus puntos centroides, dividiendo el dominio de estudio en celdas de 1 × 1 km2 y posteriormente sumando el peso de todos los centroides que ocurren dentro de una celda. Como era de esperar, la concentración máxima de peso ocurre en y alrededor de las áreas urbanas urbanizadas de la región circundante de Delhi junto con ubicaciones de puntos críticos específicos, por ejemplo, Gurgaon, Meerut, áreas de ribera del río Yamuna, el Aeropuerto Internacional de Nueva Delhi y la región adyacente, donde hay múltiples rascacielos y edificios altos/pesados ​​que ocupan áreas relativamente pequeñas.

Extracción de agua subterránea, cambios de área acumulativos y hundimiento del suelo de la región circundante de Delhi (a) Tasa de agotamiento del agua subterránea en la región derivada de GRACE y GLDAS (contornos en cm/año). Tenga en cuenta que la sismicidad asociada al cinturón plegado de Aravalli Delhi (marcada por los círculos rojos en (a)) se encuentra en la región de máximo agotamiento del agua subterránea (~ 1,6 cm/año). Las pelotas de playa representan 15 mecanismos focales de terremotos importantes. Las diferentes fallas del sótano están marcadas con líneas discontinuas amarillas: falla de MDF Mahendragarh Dehradun, falla de CF Chahapoli, falla de SF Sohna, falla de MF Mathura, falla del Gran Límite de GBF, falla de DHF Delhi Hardwar, empuje del límite principal de MBT, empuje frontal principal de MFT. (b) Los cambios de área acumulados de 1990 a 2020 alrededor de Delhi se suman en una cuadrícula de 1 km2 y la masa estimada de edificios se distribuye sobre la superficie. La línea roja ladrillo representa la sección transversal a través del río Yamuna utilizada para estimar la carga de la línea para el cálculo del cambio de tensión de falla de Coulomb (\(\Delta CFS\)). La línea negra representa la frontera estatal de Delhi. (c) El hundimiento del terreno en Nueva Delhi, Región de la Capital Nacional (NCR, por sus siglas en inglés) se analiza utilizando múltiples datos de sensores SAR y la técnica PS-InSAR30. La trama representa el desplazamiento acumulativo vertical ascendente Cosmo-Skymed adquirido desde el 8 de junio de 2011 hasta el 15 de noviembre de 2017 sobre Delhi. (a, b) se generó usando Generic Mapping Tools (versión 6.3.0; URL: https://www.generic-mapping-tools.org/download/) y (c) se generó usando ArcMap (versión 10.7.1 ; URL: https://support.esri.com).

Al ser la capital de la India, Delhi está densamente poblada y, por lo tanto, ha experimentado una sobreexplotación de los acuíferos subterráneos debido al riego extensivo, el desarrollo y la expansión urbanos y las precipitaciones bajas o fluctuantes debido al escenario de cambio climático global. Como resultado, la región ha sufrido un importante hundimiento del suelo en las últimas décadas. Para cuantificar la tasa de extracción de agua subterránea en el noroeste de la India y la región circundante de Delhi, hemos explorado los datos del Experimento de recuperación de gravedad y clima terrestre (GRACE) y el Sistema global de asimilación de datos terrestres (GLDAS) (descrito en Métodos). A partir de esto, estimamos la tasa de cambio en el almacenamiento de agua subterránea en ~ 1,6 ± 0,6 cm/año durante el período 2002-2015, lo cual es alarmante en la región circundante de Delhi (Fig. 3a, contornos en cm/año). Otro punto interesante a tener en cuenta es que la sismicidad en la región del cinturón plegado de Aravalli Delhi posiblemente esté relacionada con la paleoestructura31 y se encuentra en la región de máximo agotamiento de las aguas subterráneas (~ 1,6 cm/año). Aunque todo el cinturón plegado de Aravalli Delhi ha sido testigo de varios terremotos históricos de moderados a fuertes32,33, la región de Delhi parece ser más activa sísmicamente, y una densa red sísmica que opera en la región ha registrado varios terremotos de pequeña magnitud (Fig. 3a). La mayoría de estos terremotos ocurren en la corteza superior, dentro de ~ 25 a 30 km de profundidad, y la mayoría de ellos involucran un movimiento de falla inversa junto con algún componente de deslizamiento en planos de falla empinados con una inclinación de ~ 50 a 65 ° 33 (Fig. 3a). ). La región circundante de Delhi está cubierta por aluviones, que ocasionalmente son atravesados ​​por crestas de cuarcita linealmente alargadas de la era Proterozoica, que actúan como una roca basal y también albergan varias fallas de basamento34,35.

Una observación importante es que el hundimiento del suelo estimado a partir de datos de radar multisensor alrededor de la región circundante de Delhi parece seguir las huellas de la urbanización (Fig. 3c. descrita en Métodos). Las observaciones de desplazamiento del suelo a partir de los datos de Cosmo-Skymed han capturado la tasa de subsidencia de ~ 2 a 18 mm/año. Observamos una mayor tasa de hundimiento del suelo de ~ 15–18 mm/año en y alrededor de varios lugares, por ejemplo, Gurgaon, Saraswati-Vihar, Surya-Vihar, Dundahera, Ashok-Vihar, Faridabad y el lado oriental del río Yamuna que incluye Noida, Ghaziabad y Shahdara. Además, el área más cercana al Aeropuerto Internacional de Nueva Delhi y las regiones adyacentes de Prahladpur-Dwarka (que cubre un área de ~ 15 km2) parece estar hundiéndose a un ritmo sustancialmente mayor de ~ 15 a 35 mm/año, posiblemente debido a las construcciones más densas y pesadas. construcción junto con la extracción extensiva de agua subterránea. La tasa de hundimiento del suelo observada alrededor de la región circundante de Delhi parece ser mucho más alta que la tasa de hundimiento del suelo prevista (~ 2 mm/año) a partir de un modelo hidromecánico acoplado que simuló la extracción decenal de agua subterránea36. Además, la tasa de subsidencia del suelo observada parece ser mucho más alta que la tasa de subsidencia estimada a partir de los datos geodésicos (cGPS) escasamente ubicados y la tasa de subsidencia predicha por el modelo hidrológico LSDM de la región circundante de Delhi (Figura S1) (~ 1–3 mm/año).

Además de estos efectos indirectos, la urbanización en la región circundante de Delhi (o el peso de la ciudad) puede estar directamente relacionada con el estado de estrés del subsuelo y la estabilidad de la falla del basamento en el cinturón plegado de Aravalli Delhi, que eventualmente modula los terremotos de magnitud moderada y fuerte. durante el ciclo sísmico. La acumulación masiva antropogénica en respuesta a la rápida urbanización en la región circundante de Delhi no ocurrió instantáneamente, sino que creció a medida que lo hacía la población urbana (Fig. 1b). Por lo tanto, la respuesta de carga de la corteza no es instantánea y aumenta con el tiempo. Las partes elásticas de la corteza responden instantáneamente a la carga de la urbanización, y la historia temporal de la carga no es particularmente significativa para la respuesta de deformación elástica. Sin embargo, las capas geológicas cercanas a la superficie son más dúctiles y las rocas debajo de la corteza superior elástica se deforman de forma no lineal, lo que hace que su respuesta dependa del tiempo, incluso si la carga es independiente del tiempo. En la siguiente sección, cuantificamos el efecto de la urbanización sobre el estado de tensión del subsuelo considerando los dos aspectos anteriores y excluyendo el aspecto debido a la estructura de viscosidad del subsuelo, que probablemente sea mucho más complicado.

Un aumento en la tensión vertical debido al peso de la urbanización sobre el suelo, la falla frágil bajo la carga vertical y los cambios en la estabilidad de la falla del basamento son altamente sensibles a la naturaleza de los planos de falla y los mecanismos de falla. La falla frágil bajo condiciones de carga vertical se vería favorecida en un mecanismo de falla normal con fallas de pronunciado buzamiento. La descarga debida a la erosión natural, la extracción de fluidos del sótano37 o la remoción de masa antropogénica promueven un mecanismo de falla por cabalgamiento. La inversión de tensiones de las soluciones de mecanismo focal disponibles en la región del cinturón plegado de Aravalli Delhi sugiere un estado de orientación de tensiones en el que la tensión de compresión principal máxima está en la dirección NNE-SSW con una caída moderada, es decir, idéntica a la orientación de tensiones en el Garhwal adyacente. -Kumaun Himalaya. Por lo tanto, se espera que la tasa de producción de sismicidad disminuya bajo condiciones de carga antropogénica.

Para evaluar esto e incluir la carga inducida por la urbanización en la región circundante de Delhi, calculamos la tasa de cambio de tensión de falla de Coulomb (ΔCFS) en una falla del sótano debido al peso de la urbanización estimado anteriormente. Componentes de tensión (\({\tau }_{xx}\), \({\tau }_{zz}\), \({\tau }_{xz}\)) en cualquier punto (P) en un La profundidad específica, resultante de una carga vertical (\({N}_{0}\) en N/m) dentro de un semiespacio elástico homogéneo, se representa como funciones de la posición geométrica de la carga expresada en términos de ángulos θ1 y θ2 desde ambos bordes de la carga (ángulos medidos en el sentido de las agujas del reloj desde la dirección x positiva), el ancho de la carga (\(a\)) y el valor de la carga \({N}_{0}\) (Fig. .4, panel insertado superior) (descrito en Métodos38). \({N}_{0}\) es negativo para descarga y positivo para carga, y el eje z es positivo hacia abajo. Los componentes de tracción de corte (\({\tau }_{s}\)) y tracción normal (\({\tau }_{n}\)) se pueden resolver en un plano de falla de sótano que buza en un ángulo \(\varphi \) con dirección de rumbo normal al plano xz (descrito en Métodos). La estabilidad de la falla del sótano bajo carga se cuantifica evaluando el \(\Delta CFS\), que se define como \(\Delta CFS=\left|{\Delta \tau }_{s}\right|+\mu \left( \Delta {\tau }_{n}-\Delta p\right)\), donde \({\Delta \tau }_{s}\) es el cambio en la tracción cortante de la falla, \(\Delta {\ tau }_{n}\) es el cambio en la tracción normal total (positiva en compresión), \(\Delta p\) es el cambio de presión de poro y \(\mu\) es el coeficiente de fricción de falla. Por lo tanto, el \(\Delta CFS \mathrm {\;es\;una\;función\; de}f\left({N}_{0}, {\theta }_{1}, {\theta }_ {2}, a, \varphi ,\mu \right).\) Considerando el buzamiento de las fallas de basamento en la región del cinturón plegado de Aravalli Delhi como \(\varphi =\) 60°, el rango del coeficiente de fricción como \( \mu =\) 0,3–0,6, el ancho de carga efectivo de la urbanización es \(a=\) 65(± 2) km, y nuestra estimación del peso de las áreas urbanas es \({N}_{0}\) , calculamos \(\Delta CFS\) en un perfil vertical NW-SE con tensiones resueltas en las fallas del basamento inclinado (Fig. 4). Parece que la respuesta elástica al peso de la urbanización en la región circundante de Delhi ejerce una tensión inducida por la carga de al menos ~ 1–4 kPa en la región hipocentral de los terremotos.

Cambio de tensión de falla de Coulomb debido a la carga de urbanización. El cambio en la tensión de falla de Coulomb (\(\Delta\)CFS) debido a la carga de la urbanización (carga de construcción en un área) trazada en una sección vertical a lo largo de un perfil horizontal (marcado en la Fig. 3) a través de Delhi. Los gráficos superior e inferior corresponden a valores de coeficiente de fricción de 0,3 y 0,6, respectivamente. \(\Delta\)CFS (MPa) se resuelve en la falla subsuperficial con inmersión de 60°. La configuración del modelo está representada en la esquina superior derecha. La carga lineal que actúa sobre el semiespacio elástico se distribuye sobre el ancho a. θ1 y θ2 miden el ángulo hacia abajo desde el eje x positivo hasta cualquier punto P en profundidad. La distribución en profundidad de los terremotos con magnitud (Mc > 2,5) observados entre 2000 y 2020 en el área de estudio. Esta figura se generó utilizando la aplicación gráfica Surfer (versión 13.6.618 URL: https://www.goldensoftware.com/products/surfer) y la aplicación gráfica Grapher (versión 16.6.478 URL: https://www.goldensoftware.com/ productos/grafista).

El valor de tensión umbral crítico para la sismicidad inducida por la carga externa en un sistema de falla (es decir, carga de marea, carga hidrológica, evento telesísmico, lluvia, carga de construcción, etc.) también es esencial para comprender la modulación de la sismicidad. Se ha observado que el valor umbral crítico de activación para la carga de marea es de aproximadamente 0,15-0,3°39 y menos de 2 kPa para terremotos inducidos por lluvia40. Además, Kundu et al.41 sugirieron que la tensión umbral para el terremoto de Gorkha de 2015 en Nepal inducido por la descarga de agua subterránea es de aproximadamente 0,05 − 0,15 kPa/año. De manera similar, el valor de tensión crítica para las ondas sísmicas es de 0,1 a 10 kPa42,43 y de 0,1 a 1 kPa para el temblor no volcánico inducido por carga hidrológica a lo largo de la zona de subducción de Cascadia44. Sin embargo, Ziv y Rubin45 han argumentado que no existe un umbral para la activación o modulación de un terremoto. En el presente estudio, la tensión estimada inducida por el peso de la urbanización en la región circundante de Delhi es mayor que el valor de tensión umbral crítico previamente estimado de varios forzamientos exógenos. Por lo tanto, hemos sugerido que el estrés inducido por el peso de la urbanización en la región circundante de Delhi es suficiente para la modulación decenal de la sismicidad en la región circundante de Delhi.

Además, una comparación de las caídas de tensión asociadas con terremotos de menor magnitud (por ejemplo, caídas de tensión de 0,25 a 2 MPa46,47 asociadas con un rango de magnitud de 1 a 3) y el cambio de tensión debido a la urbanización alrededor de la región circundante de Delhi implica que esta carga antropogénica El proceso podría tener un potencial sustancial para reducir la tasa de sismicidad durante períodos más largos al estabilizar las fallas de empuje en el sótano. Sin embargo, es difícil comentar sobre el plazo exacto. También examinamos la posibilidad del proceso de erosión inducido por el río Yamuna y su influencia en el mecanismo desencadenante de tensión de las fallas de basamento alojadas en el cinturón plegado de Aravalli Delhi porque se ha informado que la erosión es un mecanismo viable en la región de falla de empuje activa de Taiwán48 y el Región interior de placa clásica de la Zona Sísmica de Nuevo Madrid49. Resulta que la contribución del cambio de estrés inducido por la erosión es insignificante en comparación con el cambio de estrés inducido por la urbanización antropogénica en la región circundante de Delhi. Por lo tanto, descartamos esa posibilidad (descrita en Métodos).

Cabe señalar que la región circundante de Delhi ha estado cubierta por una capa de aluvión con un espesor reportado de hasta 300 m junto con capas de suelo de ~ 10 a 12 m de espesor en las inmediaciones, que ocasionalmente es atravesada por crestas de cuarcita linealmente alargadas que actúan como una roca basal de la zona34,35,50. Por lo tanto, la roca superficial y la cobertura del suelo en Delhi y sus alrededores exhiben características de deformación no lineal dependientes del tiempo, por ejemplo, compactación inicial y secundaria de suelos cercanos a la superficie; cierre de huecos inducido por compresión y proceso de deshidratación; y fluencia y compactación a largo plazo en la fase posterior a la construcción51,52,53. Como resultado, los esqueletos de rocas y suelos cercanos a la superficie sometidos a esfuerzos inducidos por cargas experimentan dos etapas de asentamiento no lineal: asentamientos primarios y secundarios51. La compresión elástica y el drenaje del fluido de los poros de la cubierta del suelo se consideran el asentamiento primario, mientras que el mecanismo de fluencia y compactación a largo plazo que puede continuar indefinidamente se ha considerado como el asentamiento secundario53.

Para cuantificar el asentamiento primario y la deformación no lineal dependiente del tiempo asociada bajo la carga del edificio, presentamos un modelo simplista pero realista que explica la rápida urbanización en la región de Delhi (Fig. 1b). El modelo de simulación de elementos finitos utiliza el código Settle3D (https://www.rocscience.com/software/settle3) (descrito en Métodos y Figura S2). El efecto del asentamiento secundario se ha calculado utilizando la expresión de la ecuación de Buisman54: \({S}_{c}={{C}_{a}{\prime}H}_{c}\mathrm{log} \left[\frac{{t}_{2}}{{t}_{1}}\right]\), donde el asentamiento secundario es función del coeficiente de compresión secundaria (\({C}_{a }{\prime}\)), espesor efectivo del suelo (\({H}_{c}\)), proporción de vacíos del suelo al final del asentamiento primario (\({e}_{p}\)), y horas de inicio y finalización (\({t}_{1}, {t}_{2}\)) (descritas en Métodos). Implementamos dos cargas de rampa rectangulares (100 m × 100 m), A y B, de magnitudes ~ 10 kPa y 13 kPa, respectivamente, aplicadas sobre la superficie del suelo en diferentes momentos utilizando propiedades estándar del suelo en la región circundante de Delhi (Figura S2 , Tabla 1). La geometría detallada del modelo y las condiciones de contorno se presentan en los documentos de respaldo y en las Figs. 5 (descrito en Métodos). Los efectos de las dos fases del asentamiento primario se simulan durante 15 años, y el asentamiento total se calcula incluyendo el asentamiento secundario durante ~ 100 años. Se ha observado que el asentamiento primario se produce principalmente debido al cierre de huecos y al hundimiento causado por la carga del edificio a los pocos años de la construcción. El asentamiento total simulado para el área de carga se presenta en la Fig. 6 suponiendo un rango de relación de vacíos específico (Δe) y un coeficiente de compresión secundaria (\({C}_{a}{\prime}\)). La condición de carga, el asentamiento primario y el asentamiento total con el tiempo se presentaron en el centro de modelos (Fig. 6). Según el modelo, el asentamiento total durante ~ 100 años es ~ 160-190 mm, lo que incluye el efecto de las fases duales de asentamiento primario y secundario. Se calcula que la tasa de asentamiento primario durante los últimos ~ 15 años es de ~ 3 a 10 mm/año, lo que es comparable con la tasa de hundimiento de la superficie de ~ 2 a 18 mm/año observada en los datos del radar alrededor de la región circundante de Delhi. Aunque la geología es extremadamente localizada, las características del suelo y la naturaleza heterogénea de la extracción de agua subterránea también contribuyen a la discrepancia espaciotemporal entre las tasas de subsidencia calculadas y observadas, que es difícil de explicar.

Análisis de liquidación total del modelo. Asentamiento total inducido por una carga superficial total de 10 kPa y 13 kPa durante 100 años de simulación considerando tres valores diferentes de relación de vacíos (es decir, 1, 0,5, 0,1) y tres valores diferentes de relación de consolidación secundaria (0,0005, 0,0075, 0,001) dispuestos como a la izquierda. figuras de la derecha y del centro, respectivamente. Esta figura se generó utilizando Settle 3D (URL de la versión 2.0: https://www.rocscience.com/software/settle3).

Variación del asentamiento primario y secundario con el tiempo. Derecha: Las cargas en rampa A y B se aplican para calcular el impacto de la carga de urbanización variable sobre el suelo elástico. La compactación del suelo, el cierre de huecos y la deshidratación conducen al asentamiento primario debido a la carga del edificio, que se ha representado aquí para tres valores de relación de huecos durante un período de 15 años. Izquierda: Impacto combinado del proceso de fluencia a largo plazo, asentamiento primario para diferentes proporciones de vacíos y asentamiento secundario inducido por la consolidación calculado para 100 años. Esta figura se generó utilizando la aplicación gráfica Grapher (versión 16.6.478 URL: https://www.goldensoftware.com/products/grapher).

Para representar la modulación decenal de la sismicidad alrededor del cinturón plegado de Aravalli Delhi y la región circundante de Delhi, generamos un catálogo reubicado agotado por las réplicas (2000-2020) y estimamos el límite inferior del umbral de magnitud en el catálogo (Mc = 2,5) que permanece estable durante tiempo durante el período de observación (descrito en Métodos). La Figura 7 representa una serie de tiempo compuesta para el período 2000-2015 para comparar (a) la anomalía del almacenamiento de agua subterránea derivada de la observación GRACE y GLDAS; (b) deformación de la superficie observada junto con la variación de la masa hidrológica capturada por los desplazamientos del cGPS y la predicción del modelo hidrológico satelital por LSDM, (c) cambio acumulativo sin tendencia en las tasas de sismicidad correspondientes para el catálogo desagregado (M ≥ Mc), (d) estacional regional lluvia y su patrón residual sin tendencia, (e) \(\Delta CFS\) inducida por la carga de urbanización (considerando µ = 0,6) y (f) efecto de la urbanización de Delhi y la tasa de asentamiento primario. Las inspecciones visuales de estas series temporales compuestas muestran buenas correlaciones con el cambio acumulativo en la tasa de sismicidad decenal alrededor del cinturón plegado de Aravalli Delhi. Se puede observar que hay una caída significativa en la tasa de sismicidad a partir de 2010, con un aumento inicial constante en la tasa de sismicidad a partir de 2000. Este cambio decenal en la tasa de sismicidad puede conectarse a dos mecanismos: el cambio decenal en el nivel del agua subterránea anomalía de almacenamiento y el asentamiento primario inducido por cargas de construcción, los cuales modulan la estabilidad de las fallas de cabalgamiento del sótano. La rápida disminución en el cambio del almacenamiento de agua subterránea (~ 1,9 ± 0,6 cm/año) durante el período 2003-2009 (Fig. 7), seguida de una tendencia relativamente estable (0,02 ± 0,5 cm/año) durante 2010-2015 puede estar relacionada con la estabilidad de la falla del basamento debido a la contracción combinada del acuífero y la expansión de la roca del basamento debido a la extracción de agua subterránea. Estos mecanismos actúan juntos para modular el régimen de tensiones efectivo y la tasa de sismicidad en las fallas de basamento36. El cambio en el almacenamiento de agua subterránea también está convergiendo con una rápida disminución de las precipitaciones regionales durante 2003-2009, seguida de una recarga significativa del acuífero en el período posterior (2010-2015) (Fig. 7). Con respecto al segundo mecanismo, la adición de una cantidad significativa de tensión vertical sobre el terreno durante el rápido proceso de urbanización, junto con los efectos no lineales dependientes del tiempo de la carga del edificio, es capaz de modular el estado de tensión del subsuelo estabilizando el empuje del sótano. fallas y reducir la tasa de sismicidad (Fig. 7, Figura S3). Por lo tanto, ambos mecanismos, es decir, el cambio en el almacenamiento de agua subterránea y la urbanización, se complementan entre sí, y ambos parecen ser importantes para la modulación decenal de la sismicidad alrededor del cinturón plegado de Aravalli Delhi. Sin embargo, es difícil discriminar sus contribuciones relativas a la estabilidad de la falla del basamento. Además, el marco temporal exacto de la interacción entre la estabilización de las fallas del sótano y la urbanización de Delhi espera más investigaciones porque es difícil comentar sobre la extensión temporal del estrés inducido por la urbanización que actuó para reducir la tasa de sismicidad en las fallas del sótano. Además, reconocemos que la tasa de sismicidad de la región de Delhi también muestra una variación estacional significativa en la escala anual; el nivel de sismicidad es relativamente bajo durante el período de carga hidrológica estacional (Figura S4).

Correlación entre desplazamiento vertical de LSDM y GPS, anomalía del almacenamiento de agua subterránea, sismicidad y lluvia. Representación de series de tiempo del desplazamiento vertical de LSDM y GPS en tres sitios DNGD, NPGJ y DELH, anomalía del almacenamiento de agua subterránea, que se derivan de las observaciones GRACE y GLDAS en la región de estudio. Tome nota de la tendencia a la baja del nivel freático (1,9 cm/año) de 2002 a 2009, seguida de un período de estabilidad. En los paneles inferiores se presenta el cambio acumulativo en la sismicidad asociada al cinturón plegado de Aravalli Delhi, el CFS y las precipitaciones regionales. Los cambios de pendiente en la sismicidad acumulativa sin tendencia, la anomalía del almacenamiento de agua subterránea, el CFS y la precipitación regional acumulativa sin tendencia ocurren al mismo tiempo (marcados por el sombreado naranja). La región sombreada en rosa representa el cambio de área acumulativo de 2000 a 2015, lo que muestra una rápida tendencia a la urbanización en Delhi y su región circundante de 2000 a 2005; después, la tendencia se volvió constante. Obsérvese un rápido aumento de la urbanización primaria durante el período 2005-2009 (marcado por el sombreado verde). El sombreado naranja representa una tendencia relativamente estable durante el período 2010-2015. Esta figura se generó utilizando la aplicación gráfica Grapher (versión 16.6.478 URL: https://www.goldensoftware.com/products/grapher).

A diferencia de otros cambios ambientales perceptibles causados ​​por la urbanización, los cambios en el subsuelo son más difíciles de percibir y observar. Sin embargo, los impactos del cambio del subsuelo no se limitan a la región urbanizada y se extienden a regiones más allá. Para probar la hipótesis de que la rápida urbanización está perturbando el estado de estrés del subsuelo, se investigaron las características de una región megaurbanizada que rodea a Delhi. Con base en el análisis anterior, los resultados del modelo del peso de la ciudad y la urbanización, y la discusión relacionada, se puede inferir que la variación decenal de la tasa de sismicidad en el cinturón plegado de Aravalli Delhi y la región circundante posiblemente haya sido influenciada por la rápida urbanización. Proceso y efectos no lineales dependientes del tiempo de la carga del edificio junto con el bombeo antropogénico de agua subterránea no tectónico. Además, la tasa de sismicidad a escala anual también refleja la variación estacional inducida por el proceso de carga hidrológica. Aunque el mecanismo de fallas es un proceso tectónicamente controlado y se desconoce la tasa precisa de acumulación de tensión tectónica debido a la falta de restricciones geofísicas en la región interior de la placa del cinturón plegado de Aravalli Delhi, sostenemos que la carga tectónica en curso durante la fase intersísmica del ciclo sísmico de las fallas de basamento en el cinturón plegado de Aravalli Delhi experimentó una compresión (y extensión) horizontal significativa dependiendo del proceso de carga (y descarga) no tectónica en un conjunto diverso de escenarios. Esto ha influido significativamente en la compresión intersísmica secular a profundidad sismogénica durante las últimas décadas (Fig. 8). Se puede argumentar que un componente significativo de compresión horizontal no tectónica se suma a la compresión intersísmica secular de la carga tectónica regional debido al bombeo extensivo de agua subterránea en una escala de tiempo de una década y a la descarga estacional en una escala de tiempo anual. El aumento neto resultante en la compresión horizontal promueve la desestabilización de la falla. Sin embargo, la rápida urbanización y los efectos no lineales dependientes del tiempo de las cargas de los edificios añaden un componente significativo de extensión horizontal no tectónica a la compresión intersísmica secular, reduciendo así la compresión intersísmica secular resultante y estabilizando las fallas de basamento en el cinturón plegado de Aravalli Delhi. La recarga de acuíferos como parte del proceso de urbanización también está provocando la misma influencia (Fig. 8).

Representación esquemática de carga y descarga de la corteza terrestre, hundimiento del suelo y fallas asociadas con la extracción de agua subterránea, recarga de acuíferos, descarga estacional y urbanización. La región de color azul claro indica el acuífero libre. La compresión de las rocas del basamento cerca de lugares de bombeo extenso favorece las fallas inversas. La descarga de corteza debido a la extracción de agua subterránea y la descarga estacional provocan la expansión del basamento, que puede aplicar compresión horizontal (flechas verdes) en fallas delimitadoras que están lejos del acuífero. Esta compresión se suma a la contracción secular a largo plazo (flechas negras). Los procesos de recarga y urbanización de los acuíferos provocan carga en la corteza terrestre, que aplica extensión horizontal (paneles izquierdo y derecho) sobre las fallas que limitan los acuíferos. Esta figura se generó utilizando la aplicación gráfica Corel Draw (versión 22.2.0.532 URL: https://www.coreldraw.com/en).

En el contexto del presente estudio, Parsons4 calculó el estado de tensión del subsuelo inducido por el peso de la urbanización para una región desarrollada como San Francisco, EE.UU. Sin embargo, no relacionó el peso de la urbanización con la modulación decenal de la sismicidad. De manera similar, Lin25 discutió la carga de un solo edificio, la torre Taipei 101, sobre fallas normales y la sismicidad asociada en la cuenca de Taipei, Taiwán. Informó que la energía sísmica y el número de microterremotos comenzaron a aumentar ligeramente durante la construcción del edificio de 508 m de altura sobre la cuenca de Taipei y aumentaron considerablemente después de la finalización de la construcción de la torre. Por lo tanto, consideramos que el presente estudio es nuevo y probablemente el primer informe que analiza el efecto directo de la urbanización sobre la deformación de la corteza terrestre y la modulación de la sismicidad asociada. Reconocemos que es difícil comentar sobre las contribuciones relativas de las tensiones no tectónicas en la falla del sótano, pero aun así se puede argumentar que para países en desarrollo como India, la expansión del suelo urbano y el “peso de la ciudad” asociado parecen ser nuevos puntos focales para comprender el estado de tensión del subsuelo y la modulación de la sismicidad en la región.

El foco del estudio es la ciudad capital de la India, Nueva Delhi, y sus alrededores, con una extensión geográfica de 28°–29,30° N y 76°–78° E (Fig. 1a). Desde el preprocesamiento de datos hasta la evaluación de la precisión de LUC, nuestro análisis utilizó una plataforma informática basada en la nube, Google Earth Engine (GEE), y nuestro sistema informático local. A escalas sin precedentes, GEE paraleliza el área del mapa de pantalla para permitir procesos computacionales intensivos en la nube, como LUC62,63 basado en aprendizaje automático (ML). Al adoptar el algoritmo GEE-ML, la región se cartografió con clases LUC dominantes primarias de 'Nivel I' con una resolución de 30 m, empleando Landsat TM, ETM + y OLI, en intervalos de 5 años desde 1990. La elección de este nivel de clasificación fue respaldado por la imposición de restricciones de firma espectral en diferentes plataformas Landsat63,64. El LUC jerárquico de la región se definió por cinco amplias clases de cobertura del suelo: árido (el LUC difiere espectralmente de las clases dominantes y la clase incluye tierras baldías, barbechos permanentes, humedales, etc.), urbanizada (estructuras artificiales y no naturales en centros urbanos y sus áreas de amortiguamiento), tierras de cultivo (áreas de cultivo de riego o de secano, incluidas las permanentes y en barbecho), bosques (incluye áreas dominadas por vegetación con árboles de más de 2 m de altura; incluye tipos de tierra cerrada, abierta, mixta, escasa y dispersa con ≥ 20 % de cobertura de dosel) y agua (cuerpos de agua continentales perennes). Para racionalizar el sistema de clasificación para el análisis geomecánico, se agruparon algunas de las subclases. Por ejemplo, los pastizales y matorrales se fusionaron en la clase de bosque, y los cuerpos de agua no perennes se fusionaron en la clase árida. A pesar de su alta resolución espacial, el marco LUC utilizó una combinación de hojas topográficas de alta resolución e información censal secundaria espacialmente explícita para su sólida resolución y consistencia espacial.

Para mantener el enfoque en el LUC, nuestro estudio recortó los efectos espectrales planteados, como la redacción de los efectos de dispersión y absorción, la discrepancia del sensor, la discrepancia de huella y adquisición, etc., durante el preprocesamiento62,64,65. Por lo tanto, debido a la mayor garantía de calidad de los datos, nuestro análisis empleó solo los datos de reflectancia de la superficie de las escenas Landsat de nivel 1, que fueron corregidas atmosféricamente y calibradas topográfica, radiométrica y geométricamente. Comparamos nuestro análisis con el marco de procesamiento de datos establecido de Landsat, que ha sido reflejado en muchos estudios. Los conjuntos de datos calibrados se armonizaron enmascarando píxeles saturados, nubes y sombras de nubes para mantener la similitud espectral entre múltiples sensores Landsat. A pesar del fallo del corrector de línea de exploración para las imágenes Landsat ETM+, nuestro análisis rectificó las escenas del año 2005 con el 'algoritmo de llenado de huecos USGS SLC-off' para conservar la consistencia confiable de la comparación de series temporales62,65. Para minimizar el sesgo en el análisis, los píxeles de datos se excluyeron del análisis si no encajaban en las banderas de calidad. Sin embargo, los estudios informaron que el 99% de los productos de datos de la plataforma GEE son más consistentes que las plataformas de datos convencionales. En cada época de análisis (es decir, 1990, 1995, 2000, 2005, 2010, 2015 y 2020), se apilaron las bandas espectrales y se calcularon los valores medianos en cada píxel. Además de los compuestos de bandas ortodoxas (es decir, azul, verde, rojo, NIR, SWIR 1 y 2), los índices espectrales auxiliares se derivan de las bandas de datos principales, a saber, el índice de acumulación de diferencia normalizada (NDBI)66, el índice de vegetación de diferencia normalizada ( NDVI)62, índice de vegetación mejorado (EVI)67, índice de vegetación ajustado al suelo (SAVI)68, índice de diferencia de agua normalizado (NDWI)69 y temperatura de la superficie terrestre (LST)70, se apilaron con los compuestos para mejorar la precisión de la clasificación.

Utilizamos el método de clasificación aleatoria de la cobertura del suelo forestal (RF)62,64,71, que es uno de los algoritmos más confiables hasta ahora y se usa ampliamente entre los investigadores por su velocidad de procesamiento, manejo del ruido y mayor precisión. Se empleó el proceso de muestreo aleatorio semiautomático interpretado por humanos para construir los conjuntos de datos de entrenamiento y validación. Al ser el dato de verdad pseudo-terreno, corroboramos que la muestra estuvo estratificada al máximo en toda la escena. Las firmas espectrales muestreadas se etiquetaron utilizando los mapas administrativos del estudio de hojas topográficas de la India. Además, para eliminar las muestras dudosas y los posibles valores atípicos, se superpusieron firmas espectrales clasificadas no supervisadas sobre los datos verdaderos pseudo-terrenos62. Excluimos las muestras ordenadas para mejorar potencialmente la precisión de la clasificación. Para fundamentar una cobertura espacial homogénea, se empleó una corrección visual final eliminando los valores atípicos. Las firmas espectrales de la muestra de decisión final fueron 15.834, siendo 11.251 y 4583 el número de muestras de entrenamiento y validación. Dado que la autocorrelación espacial es una amenaza para el esquema de validación, si las firmas de validación están muy cerca de las firmas de entrenamiento, corroboramos el ausentismo de las muestras de entrenamiento alejadas de las muestras de validación, en un mínimo de 100 m de buffer. Además, para una validación explícita, las escenas Landsat se dividieron utilizando un esquema hexagonal como lo propusieron Gong et al.72 al proporcionar las firmas de la muestra.

Al ser el método de evaluación de la precisión más destacado entre los investigadores, las matrices de confusión (con informes de precisión general, precisión del usuario y precisión del productor) se desarrollaron comparando la precisión de múltiples LUC. Se dirige a los lectores a la extensa documentación sobre la matriz de confusión para la evaluación de la precisión de Congalton73. Utilizando las muestras de validación, se calcularon diferentes métricas de precisión para cada época. Según lo propuesto por Foody74, las matrices de confusión representan los resultados preterminando las pequeñas diferencias de precisión. El coeficiente kappa (κ) también se utilizó para evaluar la precisión de los mapas LUC para la estabilidad estadística. Esto es relevante, especialmente cuando se utilizan múltiples firmas espectrales de muestra como clasificadores, lo cual no es nuestro caso. Dado que el tema era la expansión del suelo urbano, se aplicó un único proceso de posclasificación para minimizar el sesgo temporal, donde los píxeles distintos del "área edificada" se reclasificaron y excluyeron para una transición temporal sólida y para superponerlos sobre el subsuelo. regiones de estrés. Sin embargo, la precisión de la clasificación y las transiciones LCC se calcularon antes de la clasificación posterior. Cada firma de validación de la clase "construida" fue inspeccionada visualmente con Google Earth para rastrear la dinámica temporal del cambio de área. Para interceptar el sesgo en el cambio del área 'construida', se empleó el área ajustada por error, como propone Olofsson et al.75, con ρ > 0,05. El margen de error y los intervalos de confianza en el cambio de cobertura del suelo se calcularon utilizando una función de distribución normal propuesta por Schmidt y McCullum76:

donde σ es el error estándar, \({W}_{i}\) es el peso del estrato, \({\widehat{p}}_{ij}\) es la matriz de error basada en píxeles y \({n }_{i}\) es el número total de puntos clasificados, respectivamente. El número total de clases está representado por \(n\) y \(j\) representa el índice de error basado en área de varias clases.

El cambio anual en el almacenamiento de agua subterránea basado en el método de equilibrio hídrico se ha estimado utilizando más de 15 años de experimento de recuperación de gravedad y clima terrestre (GRACE) y datos de contenido de agua del sistema global de asimilación de datos terrestres (GLADS)77,78,79,80,81. Los datos GRACE RL05 de \((1^\circ \times 1^\circ )\) resolución espacial utilizados para el cálculo son proporcionados por la Administración Nacional de Aeronáutica y del Espacio (NASA) basándose en soluciones de armónicos esféricos del Jet Propulsion Laboratory (JPL) ( https://grace.jpl.nasa.gov/). Utilizamos cuatro niveles verticales de datos mensuales de humedad del suelo GLDAS de la NASA con una resolución espacial de \(\left(1^\circ \times 1^\circ \right),\) disponible en https://disc.gsfc.nasa .gov/datasets?keywords=GLDAS, para obtener el componente primario de flujo y almacenamiento de la superficie terrestre para el mismo período de tiempo que los datos GRACE. El cambio en el almacenamiento de agua subterránea del almacenamiento total de agua terrestre se puede estimar a partir de los datos de GRACE. Esto se ha expresado como:

donde \(\Delta\) GW es el cambio en el almacenamiento de agua subterránea. \(\Delta\) S, \(\Delta\) SWE, \(\Delta\) SW y \(\Delta\) SM representan el cambio en el almacenamiento total de agua terrestre, el equivalente en agua de nieve, el almacenamiento de agua superficial y humedad del suelo, respectivamente. Las anomalías de los cambios en el equivalente de agua de la nieve, el almacenamiento de agua superficial y la humedad del suelo se extraen del modelo de superficie terrestre Noah de la NASA. Se utilizan series temporales mensuales de \(\Delta\) GW para determinar la significancia estadística de la tendencia empleando la prueba no paramétrica de Mann-Kendall82,83. Los resultados presentados son significativos con un nivel de confianza del 95% (p < 0,05). Además, basándose en los errores respectivos de los componentes específicos, el error de tendencia en el cambio del agua subterránea se estima utilizando la siguiente expresión:

donde \(\sigma\) representa el error de tendencia de uno sigma en el componente mencionado en el subíndice.

La deformación globalmente activa del suelo en regiones pobladas se estima con frecuencia utilizando mediciones del radar interferométrico de apertura sintética (InSAR)84,85,86. Para la detección de deformaciones de superficies en regiones amplias con alta exactitud y precisión de nivel mm, generalmente, se prefieren los sensores SAR en comparación con cualquier otra técnica84,87,88,89. Para estimar el hundimiento de la superficie sobre la región de Delhi, se procesan 45 imágenes Cosmo-Skymed, que fueron adquiridas entre el 8 de junio de 2011 y el 15 de noviembre de 2017. Hemos adoptado la técnica diferencial InSAR para cuantificar el desplazamiento del suelo en la línea de- dirección de visión (LOS) del satélite, lo que limita la diferencia de fase de las imágenes SAR temporalmente separadas. Utilizando esta técnica, el hundimiento del terreno sobre Delhi y la región adyacente se ha mapeado con alta precisión y se presenta en la Fig. 3c.

El efecto de la masa calculada sobre la corteza elástica y la estabilidad de la falla se ha cuantificado utilizando el ΔCFS. Para eso, se estima la tensión inducida por la carga de la línea vertical (\({N}_{0}\) en N/m) en cualquier punto (P) dentro de un semiespacio elástico homogéneo a una profundidad específica. Los tres componentes del tensor de tensión 2-D (\({\tau }_{xx}\), \({\tau }_{zz}\), \({\tau }_{xz}\)) se representan como funciones de la posición geométrica de la carga38,

donde \({\theta }_{1}\) y \({\theta }_{2}\) son los ángulos de ambos bordes de la línea de carga, medidos en el sentido de las agujas del reloj desde la dirección x positiva, z es positivo hacia abajo, y \(a\) es el ancho de la carga. Las componentes de corte \({(\tau }_{s}\)) y tensión normal \({(\tau }_{n}\)) se resuelven en un plano de falla del receptor, sumergiéndose en un ángulo de \(\ phi\) con la dirección de impacto normal al plano xz:

El \(\Delta CFS\) viene dado por:

donde \(\mu\) es el coeficiente de fricción de falla y \(\Delta p\) es el cambio de presión del fluido intersticial.

La ecuación de Boussinesq es la expresión más comúnmente utilizada para obtener la distribución de tensiones inducidas por una carga vertical, suponiendo que el suelo es un medio elástico, isotrópico y homogéneo. El modelo FEM 3D de Settle60 utiliza expresiones de forma cerrada de los perfiles de tensión en la esquina de un área rectangular cargada uniformemente y, por lo tanto, proporciona resultados más sólidos. Utilizamos este enfoque de modelado FEM para estimar el asentamiento total debido a la carga del edificio. La liquidación total es la suma de tres componentes: Liquidación Inmediata (Inicial), Liquidación por consolidación (Liquidación Primaria) y Liquidación Secundaria (Long Term Creep).

El Asentamiento Inmediato es un efecto instantáneo debido a la carga aplicada y se asume como elástico lineal. Settle3D calcula la deformación de cada elemento utilizando el módulo elástico 1D y la tensión efectiva dada como:

donde \(v\) es la relación de Poisson y \({E}_{o}\) es el módulo elástico 1D inicial (módulo restringido), \(\epsilon\) es la deformación vertical y \(\Delta \sigma\ ) es el cambio en la tensión vertical total. Se supone que la superficie del fondo es fija y el desplazamiento del elemento sobre el fondo viene dado por:

donde \({H}_{c}\) es el espesor de la capa de suelo. El asentamiento del elemento \({i}^{th}\) viene dado por la suma del asentamiento del elemento debajo de \((i+1)\) y el asentamiento del elemento de subcapa:

El asentamiento primario progresa gradualmente mediante el cierre de los espacios vacíos y el aumento de la tensión efectiva. El módulo del material no lineal es función de la tensión. La relación entre el volumen de huecos y el volumen de sólidos es la relación de huecos \(e={V}_{v}/{V}_{s}\). La tensión de preconsolidación \({P}_{c}\) es la tensión efectiva máxima que experimentó una capa de suelo en el pasado. La relación de vacíos y el logaritmo de la relación de tensión efectiva vienen dados por el índice de recompresión \({C}_{r}\). Para el asentamiento primario, el cambio en la relación de vacíos \(\Delta e\) se puede calcular a partir de la tensión efectiva inicial \({\sigma }_{o}\) y la tensión efectiva final \({\sigma }_{ f}\) de la siguiente manera:

La relación entre la deformación vertical y la relación de vacíos está dada por

donde \({e}_{o}\) es la relación de vacíos inicial. Entonces el cambio de deformación viene dado por:

El asentamiento secundario, o fluencia, ocurre bajo tensión efectiva constante para algunos tipos de suelos. Los edificios suelen construirse sobre suelos y rocas fracturadas. Durante el tiempo de construcción, y hasta la finalización del período de compactación inicial después de la construcción, se produce el asentamiento del suelo. Este comportamiento variable en el tiempo del suelo bajo tensión resulta de sus propiedades composicionales y constitutivas52.

Además, el asentamiento secundario del suelo54 viene dado por:

donde el coeficiente de compresión secundaria \({C}_{a}{\prime}\) es:

donde \({t}_{1}\mathrm{y} {t}_{2}\) son los tiempos de inicio y finalización de la liquidación, \({e}_{p}\) es la relación de vacíos en el final del asentamiento primario, y \({C}_{a}\)90 se expresa como:

El río Yamuna se origina en el glaciar Yamunotri a una altitud de 6330 m sobre el nivel medio del mar (msnm) en la cordillera Mussorie. Después de pasar por las colinas de Siwalik, viaja hasta su confluencia con el Ganges en Allahabad (100 m sobre el nivel del mar) desde Tajewala (370 m sobre el nivel del mar). Jha et al.91 estimaron que la tasa de erosión en la región aguas arriba del Yamuna tiene un promedio de aproximadamente 2178 t/km2/año en Baghpat y disminuye aguas abajo a 308 t/km2/año cerca de la confluencia con el Ganges en Allahabad. El ancho de Yamuna en Delhi varía en varios lugares, como lo estimaron Gurusamy y Jayaraman92 en la presa de Yamuna (Delhi) 255,9 m, el puente ferroviario 193,8 m, el puente Nizamuddin 309,6 y el puente de peaje de Noida 418,3 m. Para estimar la influencia de la erosión de sedimentos por el río Yamuna en la modulación de la tensión del subsuelo alrededor de la región circundante de Delhi, calculamos el \(\Delta CFS\) utilizando el método anterior, donde se convirtió la tasa de erosión de 2178 t/km2/año. a la descarga de una carga lineal y se resolvió sobre la falla del basamento con inclinación de 60° utilizando dos valores del coeficiente de fricción: 0,3 y 0,6. El \(\Delta CFS\) estimado es del orden de 10-5 Pa, lo cual es insignificante en comparación con el cambio de estrés inducido por la urbanización antropogénica en la región circundante de Delhi.

Para estimar la deformación de la superficie causada por la variación estacional de la masa hidrológica en las coordenadas del sitio cGPS, consideramos los modelos de carga elástica de análisis hidrológicos terrestres y satelitales, por ejemplo, el modelo de descarga superficial terrestre (LSDM). Hemos considerado el modelo hidrológico LSDM proporcionado por GFZ (http://rz-vm115.gfz-potsdam.de:8080/repository). La carga hidrológica se toma de la versión hidrológica LSDM v1.3, que incluye estimaciones cada 24 horas de la humedad del suelo, la nieve y la masa de agua superficial en ríos y lagos en una cuadrícula regular de 0,5° × 0,5°93. La deformación de la superficie elástica inducida hidrológicamente se calcula convolucionando la función de Green de Farrell con las distribuciones de masa hidrológica modeladas del LSDM. La deformación elástica se ha calculado en el centro del marco de la Tierra (cF), que sigue de cerca la deformación en escalas de tiempo estacionales y más cortas94 y sobre la base de los números de carga de Love dados para el modelo de estructura elástica de la Tierra “ak135”95. Todas las series temporales de cGPS de la región circundante de Delhi se pueden obtener en http://geodesy.unr.edu/NGLStationPages/gpsnetmap/GPSNetMap.html. Los datos de precipitación utilizados en este artículo y en la Fig. 7 se pueden obtener del Centro Climatológico de Precipitación Global (GPCC, http://www.esrl.noaa.gov/psd/).

Para hacer que estas observaciones sean más sólidas, generamos un catálogo de terremotos reubicados y agotados por réplicas de 2000 a 2020, controlado por el Centro Nacional de Sismología (NCS), Delhi, utilizando el enfoque de desagrupación96. Para establecer la integridad del catálogo (Mc), analizamos la relación Gutenberg-Richter del catálogo bruto de la región durante el período de estudio (2000-2020) utilizando un enfoque de máxima verosimilitud97. Encontramos que el umbral de magnitud más bajo (Mc = 2,5) en el catálogo permanece estable en el tiempo durante el período de observación (Figura S5). Los datos del catálogo de terremotos se pueden descargar de NCS, disponible en https://seismo.gov.in.

Todos los datos y análisis computacional utilizados en este presente estudio se presentan en el texto y los documentos de respaldo. Los conjuntos de datos satelitales empleados en este estudio son de libre acceso desde la plataforma en la nube Google Earth Engine bajo la política de datos abiertos adoptada por el programa Landsat del Servicio Geológico de EE. UU.; Los mapas administrativos de las hojas topográficas del estudio de la India (1:50.000) son de libre acceso desde https://soinakshe.uk.gov.in/. Los datos de precipitación utilizados en este artículo se pueden archivar en el Centro Climatológico de Precipitación Global (GPCC, http://www.esrl.noaa.gov/psd/). Las series temporales de GPS de la región circundante de Delhi se pueden archivar en http://geodesy.unr.edu/NGLStationPages/gpsnetmap/GPSNetMap.html. Utilizamos el simulador FEM Settel3D (https://www.rocscience.com/) para el análisis de liquidación. Los datos de terremotos de NCS están disponibles en https://seismo.gov.in/. Todos los demás datos relevantes están disponibles del autor correspondiente previa solicitud razonable.

Chen, G. y col. Proyecciones globales de la futura expansión del suelo urbano según vías socioeconómicas compartidas. Nat. Comunitario. 11, 1–12. https://doi.org/10.1038/s41467-020-14386-x (2020).

Artículo CAS Google Scholar

Mahtta, R. y col. Expansión del suelo urbano: el papel de la población y el crecimiento económico para más de 300 ciudades. npj Urban Sustain. 2, 1–11. https://doi.org/10.1038/s42949-022-00048-y (2022).

Artículo de Google Scholar

van Vliet, J. (2019) Pérdida directa e indirecta de área natural debido a la expansión urbana. Nat. Sostener. 28(2), 755–763. https://doi.org/10.1038/s41893-019-0340-0 (2019).

Artículo de Google Scholar

Parsons, T. El peso de las ciudades: efectos de la urbanización en el subsuelo de la tierra. AGU Adv. 2, e2020AV000277. https://doi.org/10.1029/2020AV000277 (2021).

ADS del artículo Google Scholar

Bren d'Amour, C. et al. Futura expansión del suelo urbano e implicaciones para las tierras de cultivo globales. Proc. Nacional. Acad. Ciencia. 114, 8939–8944. https://doi.org/10.1073/pnas.1606036114 (2017).

Artículo ADS CAS PubMed Google Scholar

Gao, J. & O'Neill, BC Mapeo del suelo urbano global para el siglo XXI con simulaciones basadas en datos y vías socioeconómicas compartidas. Nat. Comunitario. 11, 1–12. https://doi.org/10.1038/s41467-020-15788-7 (2020).

Artículo CAS Google Scholar

Huang, Q. y col. Patrones y distribuciones de la expansión urbana en cuencas hidrográficas globales. El futuro de la Tierra. 9, e2021EF002062. https://doi.org/10.1029/2021EF002062 (2021).

ADS del artículo Google Scholar

Li, X., Zhou, Y., Eom, J., Yu, S. y Asrar, GR Proyectar el crecimiento global de las áreas urbanas hasta 2100 basándose en datos de series temporales históricas y futuras trayectorias socioeconómicas compartidas. El futuro de la Tierra. 7, 351–362. https://doi.org/10.1029/2019EF001152 (2019).

ADS del artículo Google Scholar

Angel, S., Parent, J., Civco, DL, Blei, A. & Potere, D. Las dimensiones de la expansión urbana global: estimaciones y proyecciones para todos los países, 2000-2050. Prog. Planificar. 75, 53-107. https://doi.org/10.1016/J.PROGRESS.2011.04.001 (2011).

Artículo de Google Scholar

Seto, KC, Güneralp, B. & Hutyra, LR Previsiones globales de expansión urbana hasta 2030 e impactos directos sobre la biodiversidad y las reservas de carbono. Proc. Nacional. Acad. Ciencia. 109, 16083–16088. https://doi.org/10.1073/pnas.1211658109 (2012).

Artículo ADS PubMed PubMed Central Google Scholar

Hari, M. & Tyagi, B. Ciclo del carbono terrestre: punto de inflexión del cambio climático entre la atmósfera y los ecosistemas de la biosfera. Reinar. Ciencia. Atmos. 2, 867–890. https://doi.org/10.1039/D1EA00102G (2022).

Artículo de Google Scholar

Simkin, RD, Seto, KC, McDonald, RI & Jetz, W. Impactos en la biodiversidad e implicaciones para la conservación de la expansión del suelo urbano proyectadas hasta 2050. Proc. Nacional. Acad. Ciencia. 119, e2117297119. https://doi.org/10.1073/pnas.2117297119 (2022).

Artículo CAS PubMed PubMed Central Google Scholar

Foulger, GR, Wilson, MP, Gluyas, JG, Julian, BR y Davies, RJ Revisión global de terremotos inducidos por el hombre. Ciencias de la Tierra. Apocalipsis 178, 438–514. https://doi.org/10.1016/j.earscirev.2017.07.008 (2018).

ADS del artículo Google Scholar

Wilson, MP, Foulger, GR, Gluyas, JG, Davies, RJ y Julian, BR HiQuake: la base de datos de terremotos inducidos por humanos. Sísmol. Res. Letón. 88, 1560-1565. https://doi.org/10.1785/0220170112 (2017).

Artículo de Google Scholar

Dana, S., Zhao, X. y Jha, B. Un marco de simulación de dos cuadrículas para un monitoreo rápido de la estabilidad de fallas y la deformación del suelo en geomecánica multifásica. J. Computación. Física. 466, 111405. https://doi.org/10.1016/j.jcp.2022.111405 (2022).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Bubshait, A. & Jha, B. Revisando la sismicidad de Azle 2013-2014 para comprender el papel de la producción de Barnett en la propagación de tensiones y la estabilidad de fallas. Geofísica 87, M127 – M149. https://doi.org/10.1190/geo2021-0317.1 (2022).

Artículo de Google Scholar

Zhao, X. & Jha, B. Análisis diagnóstico y predictivo de activación de fallas inducidas por inyección y producción. En t. J. Número. Anal. Métodos Geomecánicos. 46, 392–415. https://doi.org/10.1002/NAG.3304 (2022).

Artículo de Google Scholar

Zhao, X. & Jha, B. Un nuevo marco acoplado de flujo multifásico, deformación por deformación finita y deslizamiento por falla para la sismicidad inducida. J. Computación. Física. 433, 110178. https://doi.org/10.1016/j.jcp.2021.110178 (2021).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Zhao, X. & Jha, B. Papel de las operaciones de pozos y la geomecánica multifásica en el control de la estabilidad de las fallas durante el almacenamiento de CO2 y la recuperación mejorada de petróleo. J. Geophys. Res. Tierra sólida 124(7), 6359–6375. https://doi.org/10.1029/2019JB017298 (2019).

Artículo CAS Google Scholar

Dong, L., Pei, Z., Xie, X., Zhang, Y. y Yan, X. Identificación temprana de regiones anormales en la masa rocosa mediante tomografía en tiempo de viaje. Ingeniería 22, 191–200. https://doi.org/10.1016/j.eng.2022.05.016 (2022).

Artículo de Google Scholar

Dong, L. & Luo, Q. Investigaciones y nuevos conocimientos sobre la mecánica de los terremotos a partir de experimentos de deslizamiento de fallas. Ciencias de la Tierra. Rev. 228, 104019 (2022).

Artículo de Google Scholar

Barberio, MD y cols. Nuevas observaciones en el centro de Italia de las respuestas de las aguas subterráneas a la sismicidad mundial. Ciencia. Representante 10, 1–10. https://doi.org/10.1038/s41598-020-74991-0 (2020).

Artículo CAS Google Scholar

Yu, H., Harrington, RM, Liu, Y. y Wang, B. Sismicidad inducida impulsada por la difusión de fluidos revelada por un conjunto de monitoreo de estimulación hidráulica de campo cercano en Montney Basin, Columbia Británica. J. Geophys. Res. Tierra sólida 124, 4694–4709. https://doi.org/10.1029/2018JB017039 (2019).

ADS del artículo Google Scholar

Schultz, R. y col. Sismicidad inducida por fracturación hidráulica. Rev. Geophys. 58, 1–43. https://doi.org/10.1029/2019RG000695 (2020).

Artículo de Google Scholar

Lin, C.-H. Aumento de la sismicidad tras la construcción del edificio más alto del mundo: una falla ciega activa debajo del Taipei 101. Geophys. Res. Letón. 32, (2005) https://doi.org/10.1029/2005GL024223.

Klose, CD Evidencia de carga superficial antropogénica como mecanismo desencadenante del terremoto de Wenchuan de 2008. Reinar. Ciencia de la Tierra. 66, 1439-1447. https://doi.org/10.1007/s12665-011-1355-7 (2012).

Artículo ADS CAS Google Scholar

Hu, X., Xue, L., Bürgmann, R. & Fu, Y. Perturbaciones de estrés debido a cargas hidrológicas e industriales y sismicidad en la región de Salt Lake City. J. Geophys. Res. Tierra sólida 126, e2021JB022362. https://doi.org/10.1029/2021JB022362 (2021).

ADS del artículo Google Scholar

Qian, Y. et al. Un terremoto de empuje extremadamente superficial de Mw 4,1 en la cuenca oriental de Sichuan (China) probablemente provocado por una descarga durante la construcción de infraestructura. Geofís. Res. Letón. 46, 13775–13784. https://doi.org/10.1029/2019GL085199 (2019).

ADS del artículo Google Scholar

BIS (Oficina de Normas de la India). en Código de prácticas para cargas de diseño (distintas de terremotos) para edificios y estructuras, Parte 2: Cargas impuestas. ES 875 (parte 2) -1987.

Malik, K., Kumar, D., Perissin, D. y Pradhan, B. Estimación del hundimiento del suelo de Nueva Delhi, India, utilizando la técnica PS-InSAR y datos de radar multisensor. Adv. sp. Res. 69, 1863–1882. https://doi.org/10.1016/j.asr.2021.08.032 (2022).

Artículo de Google Scholar

Sharma, R. Cratones y cinturones plegados de la India Cratones del escudo indio (Springer, 2012).

Google Académico

Shukla, AK, Prakash, R., Singh, RK, Mishra, PS y Bhatnagar, AK Implicaciones sismotectónicas de la región de Delhi a través de soluciones de planos de falla de algunos terremotos recientes. actual. Ciencia. 93, 1848–1853 (2007).

Google Académico

Yadav, RK, Martin, SS y Gahalaut, VK Sismicidad intraplaca y peligro de terremotos en el cinturón plegado Aravalli-Delhi, India. J. Sistema de Tierra. Ciencia. 131, 204. https://doi.org/10.1007/s12040-022-01957-3 (2022).

ADS del artículo Google Scholar

Kaul, BL & Pandit, MK Evaluación morfotectónica de la región de Delhi en el norte de la India y su importancia en la gestión ambiental. Reinar. Geol. 46, 1118-1122. https://doi.org/10.1007/s00254-004-1111-3 (2004).

Artículo de Google Scholar

Chatterjee, R. y col. Recursos dinámicos de aguas subterráneas del Territorio de la Capital Nacional, Delhi: opciones de evaluación, desarrollo y gestión. Reinar. Ciencia de la Tierra. 59, 669–686. https://doi.org/10.1007/s12665-009-0064-y (2009).

ADS del artículo Google Scholar

Tiwari, DK, Jha, B., Kundu, B., Gahalaut, VK y Vissa, NK Sismicidad inducida por la extracción de aguas subterráneas en la región de Delhi, India. Ciencia. Reps. 11, 10097. https://doi.org/10.1038/s41598-021-89527-3 (2021).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Segall, P. Terremotos provocados por extracción de fluidos. Geología 17, 942–946 (1989).

2.3.CO;2" data-track-action="article reference" href="https://doi.org/10.1130%2F0091-7613%281989%29017%3C0942%3AETBFE%3E2.3.CO%3B2" aria-label="Article reference 37" data-doi="10.1130/0091-7613(1989)0172.3.CO;2">ADS del artículo Google Scholar

Jaeger, JC, Cook, NGWA y Zimmerman, RW Fundamentos de la mecánica de rocas (Blackwell Publishing Ltd, 2007).

Google Académico

Thomas, AM, Nadeau, RM y Bürgmann, R. Correlaciones de marea temblorosa y presión de poro casi litostática en la falla profunda de San Andrés. Naturaleza 462, 1048-1051. https://doi.org/10.1038/nature08654 (2009).

Artículo ADS CAS PubMed Google Scholar

Hainzl, S., Kraft, T., Wassermann, J., Igel, H. & Schmedes, E. Evidencia de actividad sísmica provocada por lluvias. Geofís. Res. Letón. 33, L19303. https://doi.org/10.1029/2006GL027642 (2006).

ADS del artículo Google Scholar

Kundu, B., Vissa, NK y Gahalaut, VK Influencia de la descarga antropogénica de aguas subterráneas en las llanuras indogangéticas en el terremoto de 7,8 Mw de Gorkha, Nepal del 25 de abril de 2015. Geofís. Res. Letón. 42, 10607–10613. https://doi.org/10.1002/2015GL066616 (2015).

ADS del artículo Google Scholar

Peng, Z., Vidale, JE, Wech, AG, Nadeau, RM y Creager, KC Activación remota del temblor a lo largo de la falla de San Andrés en el centro de California. J. Geophys. Res. Tierra sólida 114, B00A06 (2009).

ADS del artículo Google Scholar

Gomberg, J. Lecciones del temblor (desencadenado). J. Geophys. Res. Tierra sólida 115, B10302. https://doi.org/10.1029/2009JB007011 (2010).

ADS del artículo Google Scholar

Pollitz, FF, Wech, A., Kao, H. & Bürgmann, R. Modulación anual del temblor no volcánico en el norte de Cascadia. J. Geophys. Res. Tierra sólida 118, 2445–2459. https://doi.org/10.1002/jgrb.50181 (2013).

ADS del artículo Google Scholar

Ziv, A. & Rubin, AM Transferencia de tensiones estáticas y desencadenamiento de terremotos: ¿No se vislumbra un umbral inferior?. J. Geophys. Res. Tierra sólida 105, 13631–13642. https://doi.org/10.1029/2000jb900081 (2000).

Artículo de Google Scholar

Huang, Y., Beroza, GC y Ellsworth, WL Estimaciones de la caída de tensión de terremotos potencialmente inducidos en la secuencia Guy-Greenbrier. J. Geophys. Res. Tierra sólida 121, 6597–6607. https://doi.org/10.1002/2016JB013067 (2016).

ADS del artículo Google Scholar

Hardebeck, JL ¿Las caídas de tensión de los terremotos pequeños son buenos predictores de las caídas de tensión de los terremotos de moderados a grandes? J. Geophys. Res. Tierra sólida 125, e2019JB018831. https://doi.org/10.1029/2019JB018831 (2020).

ADS del artículo Google Scholar

Steer, P., Simoes, M., Cattin, R. & Shyu, JBH La erosión influye en la sismicidad de las fallas de cabalgamiento activas. Nat. Comunitario. 5, 1–7. https://doi.org/10.1038/ncomms6564 (2014).

Artículo CAS Google Scholar

Calais, E., Freed, AM, Van Arsdale, R. & Stein, S. Desencadenamiento de la sismicidad de Nuevo Madrid por la erosión del Pleistoceno tardío. Naturaleza 466, 608–611. https://doi.org/10.1038/nature09258 (2010).

Artículo ADS CAS PubMed Google Scholar

Srinivas, D., Srinagesh, D., Chadha, RK y Ravi Kumar, M. Variaciones del espesor sedimentario en la profundidad indogangética debido a la inversión de las funciones del receptor. Toro. Terremoto Mol. Soc. Soy. 103, 2257–2265. https://doi.org/10.1785/0120120046 (2013).

Artículo de Google Scholar

Taylor, DW Fundamentos de la mecánica de suelos. Ciencia del suelo. 66, 161 (1948).

ADS del artículo Google Scholar

Liingaard, M., Augustesen, A., Lade, PV y Asce, M. Caracterización de modelos para el comportamiento de suelos dependiente del tiempo. En t. J. Geomecánica. 4, 157–177. https://doi.org/10.1061/(ASCE)1532-3641(2004)4:3(157) (2004).

Artículo de Google Scholar

Mesri, G. y Vardhanabhuti, B. Compresión secundaria. J. Geotecnología. Geoentorno. Ing. 131, 398–401. https://doi.org/10.1061/(ASCE)1090-0241(2005)131:3(398) (2005).

Artículo de Google Scholar

Buisman, AS Resultados de pruebas de liquidación de larga duración. en Proc. 1er ICSMFE vol. 1 103-107 (1936).

Hsiao, DH & Phan, VTA Efectos del contenido de limo en las propiedades estáticas y dinámicas de las mezclas de arena y limo. Geomecánica. Ing. 7, 297–316 (2014).

Artículo de Google Scholar

Hanumantharao, C. & Ramana, GV Propiedades dinámicas del suelo para la microzonificación de Delhi India. J. Sistema de Tierra. Ciencia. 117, 719–730. https://doi.org/10.1007/s12040-008-0066-2 (2008).

ADS del artículo Google Scholar

Hough, BK Ingeniería básica de suelos. Mecánica del suelo. Encontró. Ing. 3, 145–145. https://doi.org/10.1007/BF01703491 (1966).

Artículo de Google Scholar

Carter, M. y Bentley, SP en Correlaciones de propiedades del suelo 1–160 (1991).

Day, Manual de ingeniería de la Fundación RW (The McGraw-Hill Companies Inc., 2005).

Google Académico

Rocscience, I. en Settle3D. Análisis de Liquidación y Consolidación. Rocscience Inc.

Shahir, H., Pak, A., Taiebat, M. y Jeremić, B. Evaluación de la variación de la permeabilidad en suelos licuables bajo carga sísmica. Computadora. Geotecnología. 40, 74–88. https://doi.org/10.1016/j.compgeo.2011.10.003 (2012).

Artículo de Google Scholar

Hari, M., Srinivasan, S., Rajasekaran, A. y Tyagi, B. Mapeo de las reservas de carbono sobre el suelo en la biosfera de Coimbatore y Nilgiris: una fuente clave para el sumidero de C. Gestión de carbono. 12, 411–428 (2021).

Artículo CAS Google Scholar

Li, W. y col. Integración de imágenes de Google Earth con datos de Landsat para mejorar el mapeo de cobertura terrestre con resolución de 30 m. Sensores remotos. Medio ambiente. 237, 111563. https://doi.org/10.1016/J.RSE.2019.111563 (2020).

ADS del artículo Google Scholar

Noi Phan, T., Kuch, V. & Lehnert, LW Clasificación de la cobertura terrestre utilizando el motor de Google Earth y un clasificador forestal aleatorio: el papel de la composición de imágenes. Sensores remotos 12, 2411. https://doi.org/10.3390/RS12152411 (2020).

ADS del artículo Google Scholar

Hari, M., Tyagi, B., Huddar, MSK y Harish, A. Mapeo de estimación de evapotranspiración a escala regional basado en satélites del cuenco de arroz de Tamil Nadu: un poco de agua de sobra*. Irrigación. Drenar. 70, 958–975. https://doi.org/10.1002/IRD.2553 (2021).

Artículo de Google Scholar

Guha, S., Govil, H., Dey, A. & Gill, N. Estudio analítico de la temperatura de la superficie terrestre con NDVI y NDBI utilizando datos Landsat 8 OLI y TIRS en Florencia y la ciudad de Nápoles, Italia. EUR. J. Remote Sens. 51, 667–678 (2018).

Artículo de Google Scholar

Carlson, TN y Ripley, DA Sobre la relación entre NDVI, cobertura vegetal fraccionada e índice de área foliar. Sensores remotos. Medio ambiente. 62, 241–252. https://doi.org/10.1016/S0034-4257(97)00104-1 (1997).

ADS del artículo Google Scholar

Huete, AR Índice de vegetación ajustado al suelo (SAVI). Sensores remotos. Medio ambiente. 25, 295–309. https://doi.org/10.1016/0034-4257(88)90106-X (1988).

ADS del artículo Google Scholar

Li, W. y col. Una comparación del mapeo de aguas superficiales terrestres utilizando el índice de diferencia de agua normalizado de TM, ETM+ y ALI. Sensores remotos 5, 5530–5549. https://doi.org/10.3390/RS5115530 (2013).

ADS del artículo Google Scholar

Sobrino, J. A., Jiménez-Muñoz, J. C. & Paolini, L. Land surface temperature retrieval from LANDSAT TM 5. Remote Sens. Environ. 90, 434–440. https://doi.org/10.1016/J.RSE.2004.02.003 (2004).

ADS del artículo Google Scholar

Venter, ZS & Sydenham, MAK Mapeo de la cobertura terrestre a escala continental con una resolución de 10 m sobre Europa (Elc10). Sensores remotos 13, 2301. https://doi.org/10.3390/RS13122301/S1 (2021).

ADS del artículo Google Scholar

Gong, P. y col. Observación y monitoreo con mayor resolución de la cobertura terrestre global: primeros resultados cartográficos con datos Landsat TM y ETM+. En t. J. Remote Sens. 34, 2607–2654 (2013).

Artículo de Google Scholar

Congalton, RG Una revisión de la evaluación de la precisión de las clasificaciones de datos de sensores remotos. Sensores remotos. Medio ambiente. 37, 35–46. https://doi.org/10.1016/0034-4257(91)90048-B (1991).

ADS del artículo Google Scholar

Foody, GM Evaluación de la precisión del cambio de cobertura terrestre con datos de referencia terrestres imperfectos. Sensores remotos. Medio ambiente. 114, 2271–2285. https://doi.org/10.1016/J.RSE.2010.05.003 (2010).

ADS del artículo Google Scholar

Olofsson, P., Foody, GM, Stehman, SV y Woodcock, CE Hacer un mejor uso de los datos precisos en los estudios de cambio de suelo: estimación de la precisión y el área y cuantificación de la incertidumbre mediante estimación estratificada. Sensores remotos. Medio ambiente. 129, 122-131. https://doi.org/10.1016/J.RSE.2012.10.031 (2013).

ADS del artículo Google Scholar

Schmidt, C. & McCullum, A. en Evaluación de la precisión de una clasificación de cobertura terrestre. Programa de formación en teledetección aplicada de la NASA (ARSET). https://appliedsciences.nasa.gov/join-mission/training/english/arset-accuracy-assessment-land-cover-classification.

Kundu, B. y col. Influencia del bombeo antropogénico de aguas subterráneas en el terremoto fronterizo entre Irán e Irak del 12 de noviembre de 2017. Geofís. J. Int. 218, 833–839. https://doi.org/10.1093/gji/ggz195 (2019).

ADS del artículo Google Scholar

Rodell, M., Velicogna, I. & Famiglietti, JS Estimaciones basadas en satélites del agotamiento de las aguas subterráneas en la India. Naturaleza 460, 999–1002. https://doi.org/10.1038/nature08238 (2009).

Artículo ADS CAS PubMed Google Scholar

Syed, TH, Famiglietti, JS, Rodell, M., Chen, J. & Wilson, CR Análisis de cambios en el almacenamiento de agua terrestre de GRACE y GLDAS. Recurso Acuático. Res. 44, 2433. https://doi.org/10.1029/2006WR005779 (2008).

ADS del artículo Google Scholar

Asoka, A., Gleeson, T., Wada, Y. y Mishra, V. Contribución relativa de las precipitaciones monzónicas y el bombeo a los cambios en el almacenamiento de agua subterránea en la India. Nat. Geociencias. 10, 109-117. https://doi.org/10.1038/ngeo2869 (2017).

Artículo ADS CAS Google Scholar

Vissa, NK, Anandh, PC, Behera, MM y Mishra, S. Cambios en el agua subterránea inducidos por ENSO en la India derivados de GRACE y GLDAS. J. Sistema de Tierra. Ciencia. 128, 115. https://doi.org/10.1007/s12040-019-1148-z (2019).

ADS del artículo Google Scholar

Mann, HB Pruebas no paramétricas contra tendencia. Econométrica 13, 245. https://doi.org/10.2307/1907187 (1945).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Sen, PK Estimaciones del coeficiente de regresión basadas en Tau de Kendall. Mermelada. Estadística. Asociación. 63, 1379-1389 (1968).

Artículo MathSciNet MATEMÁTICAS Google Scholar

Abidin, HZ et al. Sobre la integración de los resultados de la observación geodésica para la evaluación del riesgo de peligro de hundimiento del terreno en áreas urbanas de Indonesia. En IAG 150 Years: Actas de la Asamblea Científica de IAG en Postdam, Alemania, 2013 (eds Rizos, C. & Willis, P.) 435–442 (Springer International Publishing, 2016). https://doi.org/10.1007/1345_2015_82.

Capítulo Google Scholar

Chen, G. y col. Detección de hundimiento del terreno asociado con la creación de terreno y la rápida urbanización en la meseta de loess china utilizando series temporales InSAR: un estudio de caso del nuevo distrito de Lanzhou. Sensores remotos 10, 270. https://doi.org/10.3390/RS10020270 (2018).

ADS del artículo Google Scholar

Él, Y. et al. Análisis TS-InSAR para monitorear la deformación del suelo en el nuevo distrito de Lanzhou, la meseta de loess de China, de 2017 a 2019. AdSpR 67, 1267–1283. https://doi.org/10.1016/J.ASR.2020.11.004 (2021).

ADS del artículo Google Scholar

Galloway, DL y Burbey, TJ Revisión: subsidencia regional del suelo que acompaña a la extracción de aguas subterráneas. Hidrogeol. J. 19, 1459–1486. https://doi.org/10.1007/s10040-011-0775-5 (2011).

ADS del artículo Google Scholar

Chaussard, E., Wdowinski, S., Cabral-Cano, E. & Amelung, F. Subsidencia de tierra en el centro de México detectada por series temporales de ALOS InSAR. Sensores remotos. Medio ambiente. 140, 94-106. https://doi.org/10.1016/J.RSE.2013.08.038 (2014).

ADS del artículo Google Scholar

Wasowski, J. & Bovenga, F. Investigación de deslizamientos de tierra y pendientes inestables con interferometría multitemporal satelital: problemas actuales y perspectivas futuras. Ing. Geol. 174, 103-138. https://doi.org/10.1016/J.ENGGEO.2014.03.003 (2014).

Artículo de Google Scholar

Mesri, G. Coeficiente de compresión secundaria. J. suelo Mec. Encontró. Div. 99, 123-137 (1973).

Artículo de Google Scholar

Jha, PK, Vaithiyanathan, P. & Subramanian, V. Características mineralógicas de los sedimentos de un río del Himalaya: río Yamuna, afluente del Ganges. Reinar. Geol. 22, 13-20. https://doi.org/10.1007/BF00775279 (1993).

Artículo ADS CAS Google Scholar

Gurusamy, S. & Jayaraman, G. Simulación de inundaciones en una cuenca fluvial utilizando un modelo de aguas poco profundas: aplicación al río Yamuna, región de Delhi. En t. J. Adv. Ing. Ciencia. Aplica. Matemáticas. 4, 250–259. https://doi.org/10.1007/s12572-012-0053-3 (2012).

Artículo de Google Scholar

Dill, R. & Dobslaw, H. Simulaciones numéricas de deformaciones hidrológicas de la corteza terrestre de alta resolución a escala global. J. Geophys. Res. Tierra sólida 118, 5008–5017. https://doi.org/10.1002/jgrb.50353 (2013).

ADS del artículo Google Scholar

Dong, D., Yunck, T. & Heflin, M. Origen del marco de referencia terrestre internacional. J. Geophys. Res. Tierra sólida 108, 1–10. https://doi.org/10.1029/2002JB002035 (2003).

Artículo de Google Scholar

Wang, H. y col. Cargue números de Love y funciones de Green para modelos elásticos de la Tierra PREM, iasp91, ak135 y modelos modificados con estructura de corteza refinada de Crust 2.0. Computadora. Geociencias. 49, 190–199. https://doi.org/10.1016/j.cageo.2012.06.022 (2012).

ADS del artículo Google Scholar

Reasenberg, P. Momento de segundo orden de la sismicidad central de California, 1969-1982. J. Geophys. Res. Tierra sólida 90, 5479–5495. https://doi.org/10.1029/JB090IB07P05479 (1985).

Artículo de Google Scholar

Aki, K. Estimación de máxima verosimilitud de b en la fórmula logN=a-bM y sus límites de confianza. Toro. Tierraq. Res. Inst. 43, 237–239 (1965).

Google Académico

Descargar referencias

Este trabajo se realizó en el marco de la tesis doctoral de Deepak K. Tiwari. Apreciamos los esfuerzos de los científicos y el personal técnico del Centro Nacional de Sismología de Nueva Delhi para mantener la red sismológica en Delhi y la región circundante. El catálogo de sismicidad está tomado de Tiwari et al. 2020 (https://www.nature.com/articles/s41598-021-89527-3). MH cuenta con el apoyo del programa de becas de investigación NITR. DT cuenta con el apoyo del Ministerio de Ciencias de la Tierra (División de Sismología), Gobierno. de la India, a través del número de subvención (MoES/PO(Seismo)/1(349)/2018). Agradecemos al editor, al revisor Rayan Schultz y a un revisor anónimo por sus comentarios y sugerencias constructivos que mejoraron significativamente la calidad del manuscrito.

Este trabajo de investigación no fue apoyado por ninguna financiación externa.

Departamento de Ciencias de la Tierra y la Atmósfera, NIT Rourkela, Rourkela, 769008, India

Deepak K. Tiwari, Manoj Hari, Bhaskar Kundu y Bhishma Tyagi

Sección de Ciencias Terrestres, Clima y Dinámica Global, Centro Nacional de Investigación Atmosférica, Boulder, 80307, ​​EE. UU.

manos harry

Departamento de Ingeniería Química y Ciencia de Materiales, Universidad del Sur de California, Los Ángeles, CA, 90007-1211, EE. UU.

Birendra Jha

Instituto Indio de Tecnología (ISM), Dhanbad, Dhanbad, 826004, India

Kapil Malik

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

BK proporcionó la idea de la investigación y realizó el análisis relacionado con la modulación de la sismicidad estacional. MH y BT realizaron el análisis LULC y el mapeo de urbanización. DT, BK y BJ realizaron el análisis del Acuerdo. KM y DT realizaron un análisis de subsidencia derivado de InSAR. BK, MH, BT y DT escribieron conjuntamente el manuscrito original. Todos los autores participaron en la finalización del manuscrito.

Correspondencia a Bhaskar Kundu.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Tiwari, DK, Hari, M., Kundu, B. et al. Huella de la urbanización de Delhi y su efecto sobre el estado de tensión del subsuelo de la tierra a través de la modulación de la sismicidad decenal. Representante científico 13, 11750 (2023). https://doi.org/10.1038/s41598-023-38348-7

Descargar cita

Recibido: 18 de enero de 2023

Aceptado: 06 de julio de 2023

Publicado: 03 de agosto de 2023

DOI: https://doi.org/10.1038/s41598-023-38348-7

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.