Att förutsäga när en vulkan kommer att blåsa nästa gång är en svår sak, men lärdomar vi lärde oss från ett av Hawaiis senaste utbrott kan hjälpa.

Kilauea, på den stora ön Hawaii, är förmodligen den bäst förstådda vulkanen på jorden. Det är tack vare övervakning och insamlad information som sträcker sig tillbaka till bildandet av Hawaiian Volcano Observatory 1912.

Vulkanen är också föremål för världens mest tekniskt avancerade geofysiska övervakningsnätverk.

Från himlen, satelliter samlar in data som visar vulkanens föränderliga topografi när magma rör sig genom det interna magma-rörsystemet. Satelliter tittar också på sammansättningen av vulkaniska gaser.

Från marken, vulkanologer använder ett antal mycket känsliga kemiska och fysikaliska verktyg för att ytterligare förstå strukturen av detta magma-rörsystem. Detta hjälper till att studera rörelsen av magma i vulkanen.

Jordbävningar och vibrationer

En lynchnål för vulkanövervakning är seismicitet - hur ofta, var och när jordbävningar inträffar. Magmarörelser i vulkanen utlöser jordbävningar, och att sätta ihop data om deras plats (en teknik som kallas triangulering) spårar vägen för magma under jorden.

En nyare teknik, seismisk interferometri, använder vibrationer av energi från havsvågor som träffar de avlägsna kustlinjerna som sedan färdas genom vulkanen.

Förändringar i hastigheten på dessa vibrationer hjälper oss att kartlägga 3D-fotavtrycket för vulkanens magma-rörsystem. Vi kan sedan upptäcka när, och i vissa fall hur, magma VVS-systemet förändras.

Denna övervakning ger vulkanens "puls" under tider av inaktivitet - en baslinje för att upptäcka förändringar under vulkanisk oro. Detta visade sig vara ovärderligt för tidig varning, och förutsägelsen om var och när, av utbrottet av Kilauea den 3 maj, 2018.

Kīlaueas "puls" inkluderar cykler av vulkanuppblåsning (utbuktning) och deflation (sammandragning) när magma rör sig in i och ut ur lagringsområdet vid vulkanens topp.

Hastigheterna för vibrationer som färdas genom vulkanen är förutsägbara under observationer av uppblåsnings-/tömningscykler. När vulkanen buktar ut, vibrationerna färdas snabbare genom vulkanen när sten och magma komprimeras. När vulkanen drar ihop sig minskar dessa hastigheter.

Vi beskriver detta förhållande mellan de två datauppsättningarna – utbuktningen/sammandragningen och den snabbare/långsammare vibrationshastigheten – kopplat.

Något förändrades

Jämfört med vår baslinje, vi såg det kopplade dataskiftet 10 dagar före Kilauea-utbrottet den 3 maj. Det berättade för forskarna att magma-rörsystemet hade förändrats på ett betydande sätt.

Vulkanen buktade på grund av tryckuppbyggnaden inuti magmakammaren, men de seismiska vågorna saktade ner ganska dramatiskt, istället för att skynda på.

Vår tolkning av dessa data var att toppmötets magmakammare inte kunde upprätthålla trycket från en ökande magmatillförsel - utbuktningen var för stor. Stenmaterial började brytas runt magmakammaren på toppen.

Brott av stenarna ledde kanske sedan till förändringar av toppmötets magmatiska system så att mer magma lättare kunde komma till utbrottsplatsen cirka 40 km bort.

Förutom Kilauea, sådana kopplade datamängder samlas regelbundet in, undersökt och tolkat i termer av magmatransport vid andra vulkaner globalt. Platser inkluderar Piton de la Fournaise på Réunion Island, och vulkanen Etna, Italien.

Men vår modellering var den första som visade att dessa förändringar i det kopplade dataförhållandet kunde uppstå på grund av försvagning av materialet inuti vulkanen före ett utbrott.

Skademodellen som vi tillämpade kan nu användas för andra vulkaner i ett tillstånd av oro. Detta lägger till verktygslådan som vulkanologer behöver för att förutsäga när och var för ett förestående utbrott.

Så mycket data, vi behöver hjälp

När vulkaner är i ett ökat tillstånd av oro, mängden tillgänglig information från digitala data och markobservationer är extrem. Forskare tenderar att lita på observationsövervakning först, och annan data när tid och extra personer är tillgängliga.

Men den totala mängden inkommande data (som från satelliter) är överväldigande, och forskare kan helt enkelt inte hänga med. Maskininlärning kanske kan hjälpa oss här.

Artificiell intelligens är den nya killen på vägen för att förutsäga utbrott. Neurala nätverk och andra algoritmer kan använda stora mängder komplex data och "lära sig" att skilja mellan olika signaler.

Automatiserade system för tidig varning om ett förestående utbrott med hjälp av sensormatriser finns för vissa vulkaner idag, till exempel vid vulkanen Etna, Italien. Det är troligt att artificiell intelligens kommer att göra dessa system mer sofistikerade i framtiden.

Tidig upptäckt låter underbart för myndigheter med ansvar för allmän säkerhet, men många vulkanologer är försiktiga.

Om de leder till flera falska larm kan det minska förtroendet för forskare för både chefer för vulkankriser och allmänheten.

Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.