En Twitter sabemos que la velocidad de los Tweets puede llegar a ser tan rápido como el de un terremoto y teníamos la curiosidad de saber la exactitud de esta correlación. Por ello, decidimos colaborar con investigadores de Stanford para crear mapas de terremotos (ShakeMaps) más precisos gracias a los Tweets que se generan.
Los mapas de terremotos (ShakeMaps) proporcionan mapas en tiempo casi real del movimiento de tierra y la intensidad tras terremotos significativos. Estos mapas son utilizados tanto por organizaciones locales y nacionales, públicas y privadas, para la gestión de crisis post-terremoto, proveer de información científica y gestionar futuros ejercicios de planificación y socorro en casos de terremoto.
Actualmente, los ShakeMaps los produce el U.S. Geological Survey (@USGS). Minutos más tarde de un terremoto, esta organización crea un ShakeMap combinando la información de los sensores sísmicos, ecuaciones de predicción de movimiento de tierra y factores de corrección geológica. Estos mapas son actualizados continuamente mientras llega la información, incluyendo datos de usuarios como los que se recaban con encuestas de preguntas tipo ‘¿lo has sentido?’ a personas mediante encuestas online.
Para mejorar la precisión de los ShakeMaps, decidimos analizar los Tweets geolocalizados que contenían las palabras ‘terremoto’ y ‘tsunami’ en diferentes idiomas y que se habían generado los 10 minutos siguientes a terremotos de magnitud 6 o más en Japón entre 2011 y 2012. Encontramos que el modelo de mapa con menos errores son los que incluyen una combinación de información geológica del terremoto y la información generada en los Tweets: como las condiciones locales, la distancia al epicentro y el número de Tweets en un radio establecido.
La Figura 1 muestra la actividad de Tweets tras un terremoto significativo. De esta información, pudimos generar 8 señales únicas basadas en Tweets incluyendo: el número de Tweets, media de indicios, media de caracteres utilizados, media de la palabra clave ‘terremoto’ como primera mención, media de número de exclamaciones, media de número de guiones y la media de algunos signos en japonés. Con estas señales, creamos diferentes modelos, incluyendo una regresión lineal simple, una regresión elástica neta y otro tipo de regresiones. Para más información puedes leer este informe (en inglés) que presentaremos en el National Conference on Earthquake Engineering.
Referencias:
Rapid Estimate of Ground Shaking Intensity by Combining Simple Earthquake Characteristics with Tweets
Mahalia Miller, Lynne Burks, Reza Zadeh
Décima conferencia Nacional de USA sobre Ingeniería de Terremotos
¿Alguien dijo… cookies?
X y sus socios utilizan cookies para brindarle un servicio mejor, más seguro
y más rápido y para apoyar a nuestro negocio. Algunas cookies son necesarias para el uso
de nuestros servicios, así como para mejorarlos y asegurarnos de que funcionen correctamente.
Mostrar más sobre sus opciones.