Modelo de Kikuchi y Kanamori

📖 Descripción

El modelo de Kikuchi y Kanamori es una herramienta esencial para el análisis sísmico. Si deseas obtener una descripción detallada o acceder a la versión original del modelo, puedes hacerlo a través de su sitio web oficial.

🛠 Prerrequisitos

Para hacer uso de este modelo, necesitarás instalar ciertas herramientas externas. ¡No te preocupes! Hemos automatizado este proceso para facilitártelo:

• Fortran77
• Rdseed: Puedes compilarlo desde el código fuente o descargarlo ya compilado desde la página del IRIS.
• Seismic Analysis Code: Debes completar un formulario para obtenerlo. La respuesta suele ser rápida.
• Java
• Perl

📌 Nota: Todos los archivos comprimidos para estas herramientas están disponibles en la carpeta dependencies/.

🚀 Instalación

Sigue estos sencillos pasos para instalar las dependencias:

1. Navega a la carpeta scripts/bash/:

   cd scripts/bash/

2. Otorga permisos de ejecución al script:

   chmod +x dependencies.sh

3. Ejecuta el script:

   ./dependencies.sh

🔄 Preprocesamiento

Antes de emplear el modelo, necesitarás obtener datos en formato SAC. ¡También hemos simplificado este proceso!

1. Navega a scripts/python
2. Ejecuta:

   python3 fetch_and_process.py

Este script se encargará de descargar y procesar los datos necesarios. Si deseas obtener detalles técnicos sobre este proceso, consulta el apartado "Detalles técnicos" al final de este documento.

Para limpiar los datos que no son esenciales:

1. Ve a scripts/bash
2. Otorga permisos y ejecuta el script de limpieza:

   chmod +x cleaning.sh && ./cleaning.sh

Finalmente, navega a scripts/perl y realiza:

cp mk_conv.farm.pl ../../data/preprocess/data/ && cd ../../data/preprocess/data/ && perl mk_conv.farm.pl

🔧 Procesamiento

🚧 Esta sección está en desarrollo. ¡Vuelve pronto para más información!

---

Detalles técnicos

El script fetch_and_process.py realiza la descarga de archivos .mseed y metadata en formato xml desde IRIS mediante API endpoints públicos. Luego, utiliza stationxml para transformar estos archivos xml en archivos dataless y, posteriormente, rdseed para convertir los archivos .mseed y .xml en sac.

El criterio de limpieza de datos se basa en la recomendación del Dr. Sianipar, eliminando archivos que no sigan el patrón 00.BH*.