一位來自華盛頓黃石火山觀測臺(美國地質調查局旗下的部門)的科學家邁克爾·波蘭表示，如果沒有這些算法作為輔助工具，地質學家根本無法跟上衛星提供信息的腳步。英國利茲大學的一位火山學家安德魯·胡珀領導開發了一種算法，他表示這一算法應該能使大約8億居住在火山附近的居民受益匪淺。“大約1400座火山可能在海面上爆發，”他說，“它們當中大約有100座火山處于監控之下，但另外的一大部分并沒有被監控。”
本周，在華盛頓特區舉行的美國地球物理聯盟會議(AGU)上，該會議每半年舉行一次，展示了兩種預測火山爆發的方法。在過去的幾年里，隨著歐洲航天局的衛星Sentinel 1A和Sentinel 1B的發射，火山學領域致力于觀察火山周圍陸地的運動情況。 Sentinel 1衛星使用一種稱為雷達干涉測量的技術，該技術能夠比較發送到地球和從地球反射的雷達信號，以跟蹤行星表面的變化。
這種方法已經是老生常談，但值得一提的是，每隔6天，Sentinel 1衛星都會重新檢測一次地球上的每個地點，Sentinel團隊能夠迅速收到這些高分辨率的觀測結果。在英國，一個名為地震，火山的構造觀測和建模中心(COMET)的研究小組已經開始為世界火山建立一個稱為“干涉圖”的地面運動快照數據庫。與COMET合作的胡珀說，考慮到學習型機器在其他領域的模式檢測相當成功，我們順理成章的想到了用自動檢測覆蓋來這個數據庫。
地面運動的變化通常能反映火山下方的巖漿移動，但它不能完全預測火山爆發。與熱天氣衛星可以自動檢測到的熱點或灰燼羽流不同，地面移動可以幫助預測火山爆發，而不僅僅是指示它們的發生。“移動并不總是意味著火山會爆發，”胡珀說，“但是，在沒有移動的情況下就直接爆發的情況很少。”
為了達到這一目標，團隊必須教會他們的算法，不能輕易混淆地面運動的大氣變化。為此，胡珀的團隊運用了一種稱為獨立成分分析的技術，該技術能夠將信號分解成不同的部分：例如分層大氣或短期湍流，以及火山火山口或側翼的地面移位。該技術使他們能夠捕捉最新的地面移動或移動速率變化，這兩者都可能是未來火山爆發的跡象。
與此同時，由英國布里斯托爾大學的火山學家朱麗葉·比格斯領導的另一個COMET團隊使用人工智能構建了第二種算法，被稱為卷積神經網絡。研究人員首先使用來自Sentinel前身Envisat的原始干涉圖來訓練他們的神經網絡，他們有一些火山爆發的例子。盡管該算法在分析30,000個Sentinel干涉圖方面取得了一些進展，但它的預測結果仍然不盡如人意。該小組的另一位火山學家法賓·阿爾比諾說，目前他們只有少數的研究例子，而對于學習型機器來說，需要的是成千上萬的例子。
為了解決這一問題，比格斯和她的同事創建了一個模擬火山噴發的合成數據集。阿爾比諾說，隨著更多Sentinel示例被上傳到算法中，預測結果將會越來越準確。
京公網安備 11010502049343號