Una onda sísmica fue hasta el núcleo de la Tierra, volvió, y movió Japón entero

El 11 de marzo de 2011, el terremoto de Tohoku-Oki (magnitud 9,0) lanzó una onda de corte tan fuerte que bajó hasta el núcleo de la Tierra, rebotó y regresó a la superficie. Cuando esa onda —llamada ScS— reapareció en Japón, los GPS de todo el país registraron un escalón hacia el este de hasta 5 a 6 milímetros: el suelo se desplazó y se quedó ahí. Los autores lo atribuyen a que la onda, al llegar casi al mismo tiempo a todo el archipiélago, disparó pequeños deslizamientos en las fallas bajo Japón.

Paper: ScS-triggered slip on megathrust interfaces after the 2011 Mw 9.0 Tohoku-Oki earthquake — Science (2026). DOI: 10.1126/science.aec4190 Datos: series sintéticas de desplazamiento en estaciones GNSS GEONET vía Zenodo.

Video: [Pendiente]

Qué estamos mirando

Una onda ScS es una onda de corte (la «S» de los sismos) que viaja hacia abajo, rebota en el límite con el núcleo externo de la Tierra —a unos 2.900 km de profundidad— y vuelve a subir. El terremoto de Tohoku fue tan grande que su ScS llegó a la superficie con fuerza suficiente para sacudir Japón una segunda vez, varios minutos después de la ruptura.

El dataset que abrimos son series sintéticas (simuladas por el modelo de los autores) de cómo se movió el suelo hacia el este en 1.221 estaciones GNSS repartidas por todo Japón, desde Okinawa hasta Hokkaido. El dato observado real ronda los 5 a 6 mm; veamos cuánto reproduce el modelo y, sobre todo, qué forma tiene el movimiento.

# ══════════════════════════════════════════════════════════════
# Configuración — modifica estos valores para explorar
# ══════════════════════════════════════════════════════════════
ESTACION_HERO = '0550'        # estación más cercana a la ruptura con paso grande
UMBRAL_SENAL  = 1.0           # mm — a partir de aquí consideramos que hubo escalón
COLOR_DATOS      = '#2563EB'  # azul CaM — el desplazamiento sintético
COLOR_ALERTA     = '#DC2626'  # rojo — el escalón / el epicentro
COLOR_REFERENCIA = '#D97706'  # ámbar — umbrales
COLOR_CONTEXTO   = '#BBBBBB'  # gris — estaciones sin señal
FUENTE = 'Fuente: Science (2026), DOI 10.1126/science.aec4190 | Datos sintéticos: GEONET via Zenodo'

import os, urllib.request
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

# Estilo CaM (local -> /tmp -> GitHub raw)
style_file = '../../cam.mplstyle'
if not os.path.exists(style_file):
    style_file = '/tmp/cam.mplstyle'
    if not os.path.exists(style_file):
        urllib.request.urlretrieve(
            'https://raw.githubusercontent.com/Ciencia-a-Mordiscos/lab/main/cam.mplstyle', style_file)
plt.style.use(style_file)

# Carga
estaciones = pd.read_csv('datos/step_por_estacion.csv', dtype={'station': str})
serie      = pd.read_csv('datos/timeseries_0550.csv')
bandas     = pd.read_csv('datos/step_por_distancia.csv')

n_total   = len(estaciones)
n_senal   = int((estaciones.step_mm >= UMBRAL_SENAL).sum())
pct_senal = 100 * n_senal / n_total
hero      = estaciones[estaciones.station == ESTACION_HERO].iloc[0]

print(f"Estaciones GNSS en el dataset : {n_total:,}".replace(',', '.'))
print(f"Con escalón >= {UMBRAL_SENAL:.0f} mm        : {n_senal} ({pct_senal:.1f} %)")
print(f"Escalón máximo (sintético)    : {estaciones.step_mm.max():.2f} mm (estación {ESTACION_HERO})")
print(f"Escalón mediano               : {estaciones.step_mm.median():.3f} mm")
print(f"Estación {ESTACION_HERO}: {hero.dist_km:.0f} km del epicentro, costa de Sanriku")

Estaciones GNSS en el dataset : 1.221
Con escalón >= 1 mm        : 104 (8.5 %)
Escalón máximo (sintético)    : 4.79 mm (estación 0550)
Escalón mediano               : 0.059 mm
Estación 0550: 214 km del epicentro, costa de Sanriku

Veamos primero una sola estación, la más golpeada. Aquí está.

fig, ax = plt.subplots(figsize=(13, 5.5))

ax.plot(serie.time_s, serie.disp_mm, color=COLOR_DATOS, linewidth=1.6, zorder=4)

# Nivel permanente al que se queda el suelo (promedio de la última parte de la ventana)
paso_final = serie.disp_mm.iloc[-600:].mean()
ax.axhline(y=paso_final, color=COLOR_ALERTA, linewidth=1.3, linestyle='--', alpha=0.8, zorder=3)
ax.annotate(f'el suelo se queda corrido {paso_final:.1f} mm',
            xy=(1500, paso_final), xytext=(640, 3.2),
            fontsize=11, fontweight='bold', color=COLOR_ALERTA,
            arrowprops=dict(arrowstyle='->', color=COLOR_ALERTA, lw=1.5))

ax.text(120, 5.5, 'sacudida de la onda ScS', fontsize=9.5,
        color=COLOR_DATOS, fontweight='bold', ha='left')

ax.set_title('¿Qué le pasó al suelo cuando volvió la onda del núcleo?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, f'Estación {ESTACION_HERO}, costa de Sanriku — desplazamiento sintético hacia el este',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Segundos desde el inicio de la ventana')
ax.set_ylabel('Desplazamiento al este (mm)')
ax.set_xlim(0, 1800)

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/serie_hero.png', dpi=200, bbox_inches='tight')
plt.show()

print(f"Pico de la sacudida ScS : {serie.disp_mm.max():.2f} mm")
print(f"Escalón permanente      : {paso_final:.2f} mm")

Pico de la sacudida ScS : 5.46 mm
Escalón permanente      : 4.87 mm

Pasan unos segundos en calma y, de golpe, el suelo salta: la onda ScS llega y sacude la estación hasta más de 5 mm. Pero lo interesante no es la sacudida —eso es una onda que pasa—, sino lo que queda después. El suelo no vuelve a cero: se estabiliza unos 4,8 mm más al este de donde estaba. Esa diferencia permanente es el «escalón», la huella de que algo cedió allá abajo y no se devolvió.

Ojo con la escala de certeza: este trazo es sintético, una realización del modelo de los autores. En los GPS reales el escalón observado llega a 5 a 6 mm —el modelo se queda un pelín corto, como suele pasar.

Una estación es una anécdota. La pregunta de verdad es: ¿le pasó esto a todo Japón, o solo a un punto cerca de la ruptura? Pongamos las 1.221 estaciones en el mapa, cada una pintada según cuánto se corrió.

fig, ax = plt.subplots(figsize=(8.5, 9))

# Estaciones sin señal apreciable, de fondo
sin = estaciones[estaciones.step_mm < UMBRAL_SENAL]
ax.scatter(sin.lon, sin.lat, color=COLOR_CONTEXTO, s=10, alpha=0.5, zorder=3)

# Estaciones con escalón, coloreadas por magnitud
con = estaciones[estaciones.step_mm >= UMBRAL_SENAL]
sc = ax.scatter(con.lon, con.lat, c=con.step_mm, cmap='YlOrRd',
                s=45, edgecolors='#444444', linewidths=0.4, zorder=5, vmin=1)
cbar = plt.colorbar(sc, ax=ax, shrink=0.7)
cbar.set_label('Escalón hacia el este (mm)', fontsize=10)

# Epicentro
ax.scatter(143.57, 39.36, marker='*', s=420, color=COLOR_ALERTA,
           edgecolors='white', linewidths=1.2, zorder=7)
ax.annotate('epicentro\nTohoku-Oki', xy=(143.57, 39.36), xytext=(144.3, 41.3),
            fontsize=10, fontweight='bold', color=COLOR_ALERTA,
            arrowprops=dict(arrowstyle='->', color=COLOR_ALERTA, lw=1.4))

ax.set_title('¿Le pasó a todo Japón o solo cerca de la ruptura?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.025, f'{len(con)} estaciones ({pct_senal:.1f}%) registraron un escalón de 1 mm o más',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Longitud (°E)')
ax.set_ylabel('Latitud (°N)')

fig.text(0.13, 0.04, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/mapa_japon.png', dpi=200, bbox_inches='tight')
plt.show()

print(f"Estaciones con escalón >= 1 mm: {len(con)} de {n_total}")
print(f"Estaciones con escalón >= 3 mm: {int((estaciones.step_mm >= 3).sum())}")

Estaciones con escalón >= 1 mm: 104 de 1221
Estaciones con escalón >= 3 mm: 9

El mapa cuenta dos cosas a la vez: el escalón apareció por todo el país —de Hokkaido a Okinawa hay más de 2.000 km—, pero los saltos grandes se apiñan cerca del epicentro. Pongamos esa intuición a prueba: ¿cuánto se diluye el escalón a medida que nos alejamos de la ruptura?

fig, ax = plt.subplots(figsize=(13, 5.5))

ax.scatter(estaciones.dist_km, estaciones.step_mm, color=COLOR_DATOS,
           s=22, alpha=0.45, edgecolors='none', zorder=4)

# Promedio por banda de distancia (del CSV agregado)
centros = {'<200': 100, '200-400': 300, '400-600': 500, '600-800': 700, '>800': 1000}
bx = [centros[d] for d in bandas.dband]
ax.plot(bx, bandas['mean'], color=COLOR_ALERTA, linewidth=2.2, marker='o',
        markersize=8, zorder=6)
for x, y, n in zip(bx, bandas['mean'], bandas['count']):
    ax.annotate(f'{y:.2f} mm', xy=(x, y), xytext=(x, y + 0.25),
                fontsize=9, color=COLOR_ALERTA, ha='center', fontweight='bold')

ax.text(760, 3.4, 'promedio por banda', fontsize=10, color=COLOR_ALERTA, fontweight='bold')
ax.text(760, 3.0, 'de distancia', fontsize=10, color=COLOR_ALERTA, fontweight='bold')

# Spearman porque la distribución está muy sesgada (no-normal)
rho, p = stats.spearmanr(estaciones.dist_km, estaciones.step_mm)

ax.set_title('¿Se diluye el escalón con la distancia a la ruptura?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, f'Cada punto es una estación · correlación de Spearman ρ = {rho:.2f}',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Distancia al epicentro (km)')
ax.set_ylabel('Escalón hacia el este (mm)')
ax.set_xlim(0, estaciones.dist_km.max() * 1.02)

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/distancia_decay.png', dpi=200, bbox_inches='tight')
plt.show()

print(f"Spearman rho = {rho:.3f} (p = {p:.1e}) — usamos Spearman porque la distribución está muy sesgada")
print("Escalón promedio por banda:")
for _, r in bandas.iterrows():
    print(f"  {r.dband:>8} km : {r['mean']:.2f} mm  (n = {int(r['count'])})")

Spearman rho = -0.733 (p = 5.2e-206) — usamos Spearman porque la distribución está muy sesgada
Escalón promedio por banda:
      <200 km : 2.19 mm  (n = 21)
   200-400 km : 1.05 mm  (n = 182)
   400-600 km : 0.22 mm  (n = 282)
   600-800 km : 0.10 mm  (n = 225)
      >800 km : 0.03 mm  (n = 511)

Hay un detalle que vuelve esto raro de verdad. Ese escalón no fue apareciendo poco a poco de cerca a lejos, como las ondas normales que se propagan desde el epicentro. En las estaciones donde se puede medir el momento del salto, ocurrió con una mediana de 110 segundos y un rango estrecho (entre 92 y 128 s): casi todo Japón se corrió casi al mismo tiempo. Esa simultaneidad encaja con la llegada de la ScS, que baja al núcleo y vuelve a emerger por todo el archipiélago a la vez.

Y una última pregunta cuantitativa: con casi todas las estaciones moviéndose poquísimo, ¿qué tan excepcional es el escalón de la estación más golpeada?

fig, ax = plt.subplots(figsize=(10, 5))

data = estaciones.step_mm.values
n, bins, patches = ax.hist(data, bins=30, color=COLOR_DATOS, alpha=0.4,
                           edgecolor=COLOR_DATOS, linewidth=0.8)
y_max = n.max() * 1.15
ax.set_ylim(0, y_max)

mediana = np.median(data)
maximo = data.max()
ax.axvline(x=mediana, color=COLOR_DATOS, linewidth=1.5)
ax.axvline(x=maximo, color=COLOR_ALERTA, linewidth=2.5)
ax.annotate('', xy=(maximo, y_max * 0.55), xytext=(mediana, y_max * 0.55),
            arrowprops=dict(arrowstyle='<->', color='#666666', lw=1.5))
ax.text((mediana + maximo) / 2, y_max * 0.60,
        f'{maximo / mediana:.0f}× la estación típica',
        fontsize=10, color='#666666', ha='center', fontweight='bold')
ax.text(mediana + 0.1, y_max * 0.9, f'mediana\n{mediana:.2f} mm',
        fontsize=9, color=COLOR_DATOS, fontweight='bold')
ax.text(maximo - 0.1, y_max * 0.9, f'máximo\n{maximo:.2f} mm',
        fontsize=9, color=COLOR_ALERTA, fontweight='bold', ha='right')

ax.set_title('¿Qué tan excepcional es el escalón más grande?',
             fontsize=14, fontweight='bold', pad=28)
ax.text(0.5, 1.03, 'Distribución del escalón en las 1.221 estaciones',
        transform=ax.transAxes, fontsize=10, color='#666666', ha='center')
ax.set_xlabel('Escalón hacia el este (mm)')
ax.set_ylabel('Número de estaciones')

fig.text(0.13, -0.03, FUENTE, fontsize=7.5, color='#999999', style='italic')
plt.savefig('figuras/histograma_anomalia.png', dpi=200, bbox_inches='tight')
plt.show()

print(f"Asimetría (skew): {stats.skew(data):.2f} — cola larga hacia los valores grandes")
print(f"La mayoría de estaciones casi no se movió; unas pocas, cerca de la ruptura, dieron el salto grande")

Asimetría (skew): 3.54 — cola larga hacia los valores grandes
La mayoría de estaciones casi no se movió; unas pocas, cerca de la ruptura, dieron el salto grande

Lo que los datos soportan

Afirmación	¿Soportada?	Detalle
Tras la onda ScS, el suelo registró un escalón permanente hacia el este	✅	El dato observado real llega a 5–6 mm; la serie sintética que abrimos aquí alcanza 4,79 mm en la estación 0550. El modelo se queda algo por debajo del observado.
El escalón apareció en todo Japón, no solo cerca de la ruptura	✅	104 estaciones (8,5 %) con escalón ≥ 1 mm, repartidas de Hokkaido a Okinawa (>2.000 km).
El escalón se diluye con la distancia a la ruptura	✅	Spearman ρ = −0,73. Promedio < 200 km: 2,19 mm; > 800 km: 0,03 mm. (Usamos Spearman, no Pearson, porque la distribución está muy sesgada.)
El salto ocurrió casi simultáneamente en todo el país	✅	Mediana 110 s, rango 10–90 % de 92 a 128 s en las 306 estaciones donde se puede medir el momento del salto.
La onda ScS disparó deslizamiento en las fallas megathrust	⚠️	Es la interpretación del paper («likely»), no una medición. Estudio observacional: el escalón coincide en tiempo con la llegada de la ScS; todo apunta a ese mecanismo, pero no se manipuló nada para probarlo.
Esto es una fuente de peligro sísmico que podría reactivar la zona	⚠️	El paper lo plantea como posibilidad («potentially»), no como riesgo establecido.

Limitaciones: las series que exploramos son sintéticas (salida de un modelo), no las observaciones GNSS crudas; reproducen el escalón pero subestiman un poco su tamaño. El «momento del salto» solo se mide bien en las 306 estaciones con señal clara (|escalón| > 0,2 mm). Y lo más importante: que la ScS cause el deslizamiento es una inferencia de un estudio observacional, no un experimento.

Ahora tú

1. ¿Y si bajas el umbral de «señal»? Cambia UMBRAL_SENAL = 1.0 a 0.5 en la celda de configuración y vuelve a correr el mapa. ¿Cuántas estaciones más aparecen? ¿Dónde están?

2. ¿Cómo se ve otra estación? El dataset trae la serie completa solo de la 0550, pero step_por_estacion.csv tiene el escalón de las 1.221. Ordénalas por step_mm y mira qué estaciones siguen en la cola: estaciones.sort_values('step_mm', ascending=False).head(15).

3. ¿La sacudida predice el escalón? Cada estación tiene p2p_mm (cuánto sacudió la onda) y step_mm (cuánto quedó corrido). ¿Van de la mano? Prueba un scatter de una contra otra.

# --- EXPERIMENTA AQUÍ ---
# ¿La fuerza de la sacudida (p2p) predice el tamaño del escalón permanente?
fig, ax = plt.subplots(figsize=(9, 5.5))

ax.scatter(estaciones.p2p_mm, estaciones.step_mm, color='#7C3AED',
           s=22, alpha=0.45, edgecolors='none')
rho_pe, _ = stats.spearmanr(estaciones.p2p_mm, estaciones.step_mm)

ax.set_title('¿Cuánto sacude vs cuánto queda corrido?',
             fontsize=13, fontweight='bold', pad=20)
ax.set_xlabel('Sacudida de la onda (pico a pico, mm)')
ax.set_ylabel('Escalón permanente (mm)')
plt.show()

print(f"Spearman entre sacudida y escalón: rho = {rho_pe:.2f}")
print("Pista: prueba a colorear los puntos por dist_km y mira si la relación cambia con la distancia.")

Spearman entre sacudida y escalón: rho = 0.96
Pista: prueba a colorear los puntos por dist_km y mira si la relación cambia con la distancia.

Créditos

• Paper: ScS-triggered slip on megathrust interfaces after the 2011 Mw 9.0 Tohoku-Oki earthquake. Science (2026). DOI: 10.1126/science.aec4190

• Datos: series sintéticas de desplazamiento en estaciones GEONET, Zenodo. Observaciones reales 1-Hz PPP de referencia: PANGAEA.

• Licencia datos: según los términos de Zenodo / PANGAEA.

• Repo: Ciencia-a-Mordiscos/lab

Fuentes

Paper: ScS-triggered slip on megathrust interfaces after the 2011 Mw 9.0 Tohoku-Oki earthquake
Science, 2026-06-18

Dataset canónico: Synthetic displacement timeseries at GEONET GNSS stations for the 2011 Mw9.0 Tohoku-Oki Earthquake
series sintéticas de desplazamiento en estaciones GEONET

Referencias citadas: 1-Hz PPP displacements at GEONET stations during the 2011 Tohoku Mw9.0 earthquake (Shu & Xu) — observaciones 1-Hz PPP reales

17 afirmaciones del notebook verificadas contra estas fuentes