Dünya

San Andreas fayında yeni tehlike! Myanmar depremi senaryoları değiştirdi

Myanmar’da 2025’te yaşanan 7.7 büyüklüğündeki deprem, San Andreas Fayı için kritik bir uyarı oldu. Uzmanlar, gelecekteki büyük depremlerin geçmiştekilerden çok farklı gelişebileceğini söylüyor.

Abone Ol

Bilim insanları, Kaliforniya’daki San Andreas Fayı üzerinde yeni bir büyük depremin hazırlık aşamasında olabileceğinden endişe ediyor. Ancak son veriler, bu depremin düşündüğümüzden çok daha farklı gelişebileceğini gösteriyor. Caltech araştırmacılarının incelediği 2025 Myanmar Depremi, modellerin yeniden gözden geçirilmesi gerektiğine işaret ediyor.

MYANMAR’DAKİ 7.7’LİK YIKIM VE TARİHİ REKOR

Mart 2025’te Myanmar’ın Mandalay kentinde meydana gelen Mw7.7 büyüklüğündeki deprem, binlerce kişinin hayatını kaybetmesine yol açtı. Sarsıntılar Çin, Hindistan, Tayland ve Vietnam’a kadar ulaştı. Deprem, yaklaşık 510 kilometrelik bir fay hattında gerçekleşerek, kıta içindeki en uzun kırılma olarak kayıtlara geçti.

Bilim insanlarının daha önceki kayıtlar ışığında beklediği kırılma uzunluğu yaklaşık 300 kilometreydi. Ancak gerçekleşen deprem, tahminlerin çok ötesine geçerek hem uzun süredir kilitli kalan fay segmentini kırdı hem de daha fazla enerji boşalttı.

SAN ANDREAS İÇİN UYARI ZİLİ

Araştırmacılar, Myanmar’daki Sagaing Fayı ile San Andreas Fayı’nın büyük benzerlikler taşıdığını vurguluyor. İki fay da uzun, düz ve yatay atımlı yapısıyla biliniyor. Myanmar’daki olağanüstü kırılma, San Andreas için mevcut modellerin yetersiz kalabileceğini ortaya koydu.

Bugün kullanılan birçok sismik risk modeli, geçmiş depremlerin istatistiksel dağılımlarına dayanıyor ve “zamandan bağımsız” kabul ediliyor. Yani, fayın ne kadar süredir kilitli olduğu, hangi segmentlerin kırıldığı veya ne kadar enerji biriktiği hesaba katılmıyor.

Caltech’ten Prof. Jean-Philippe Avouac, konuyla ilgili şu uyarıyı yapıyor:
“Gelecekteki depremler, geçmişteki olayların basit bir tekrarı olmayacak. Hatta fay, biriken enerjiden daha fazlasını boşaltabilir. Bu yüzden fizik tabanlı modeller, zaman bağımlı öngörüler için çok daha anlamlı bir alternatif sunuyor.”