Mer än hälften av världens aktiva vulkaner övervakas inte instrumentellt. Därav, även mycket allvarliga utbrott inträffar utan någon varning för närliggande befolkningar om den kommande katastrofen. Som ett första och tidigt steg mot ett system för tidig varning för vulkaner, ett forskningsprojekt under ledning av Sébastien Valade från Berlins tekniska universitet (TU Berlin) och GFZ German Research Center for Geosciences i Potsdam ledde till en ny plattform för övervakning av vulkaner som analyserar satellitbilder med artificiell intelligens (AI). Genom tester med data från senaste händelser, Valade och hans kollegor visade att deras plattform, Övervakning av oroligheter från rymden (MOUNTS) kan integrera flera uppsättningar med olika typer av data för en omfattande övervakning av vulkaner. Teamets resultat publicerades i tidskriften Fjärranalys .

Av de 1500 aktiva vulkanerna världen över, upp till 85 bryter ut varje år. På grund av kostnaden och svårigheten att underhålla instrumentering i vulkaniska miljöer, mindre än hälften av de aktiva vulkanerna övervakas med markbaserade sensorer, och ännu färre anses vara väl övervakade. Vulkaner som anses vara vilande eller utdöda övervakas vanligtvis inte alls instrumentellt, men kan uppleva stora och oväntade utbrott, som var fallet för Chaitén -vulkanen i Chile 2008, som utbröt efter 8000 års inaktivitet.

Utbrott föregås ofta av prekursoriska signaler

Satelliter kan ge avgörande data när markbaserad övervakning är begränsad eller helt saknas. Kontinuerliga långsiktiga observationer från rymden är nyckeln till att bättre känna igen tecken på vulkaniska oroligheter. Utbrott är ofta, men inte alltid, föregås av prekursoriska signaler som kan pågå några timmar till några år. Dessa signaler kan inkludera förändringar i seismiskt beteende, markdeformation, gasutsläpp, temperaturökning eller flera av ovanstående.

"Förutom seismicitet, alla dessa kan övervakas från rymden genom att utnyttja olika våglängder över det elektromagnetiska spektrumet, "säger Sébastien Valade, ledare för MOUNT -projektet. Det finansieras av GEO.X, ett forskningsnätverk för geovetenskap i Berlin och Potsdam grundat 2010, och genomfördes vid TU Berlin och GFZ. "Med MOUNTS övervakningssystem, vi utnyttjar flera satellitsensorer för att upptäcka och kvantifiera förändringar kring vulkaner, "tillägger han." Och vi integrerade också seismiska data från GFZ:s globala GEOFON -nätverk och från United States Geological Survey USGS. "

En del av projektet var att testa om AI -algoritmer framgångsrikt kunde integreras i dataanalysförfarandet. Dessa algoritmer utvecklades huvudsakligen av Andreas Ley från TU Berlin. Han använde så kallade artificiella neurala nätverk för att automatiskt upptäcka stora deformationshändelser. Forskarna utbildade dem med datorgenererade bilder som efterliknar riktiga satellitbilder. Från detta stora antal syntetiska exempel, mjukvaran lärde sig att upptäcka stora deformationshändelser i riktiga satellitdata som tidigare inte var kända för den. Detta datavetenskapliga område kallas maskininlärning.

"För oss, detta var en viktig testballong för att se hur vi kan integrera maskininlärning i systemet, "säger Andreas Ley." Just nu, vår deformationsdetektor löser bara en enda uppgift. Men vår vision är att integrera flera AI -verktyg för olika uppgifter. Eftersom dessa verktyg vanligtvis gynnas av att de tränas i stora mängder data, Vi vill få dem att lära sig kontinuerligt av all data som systemet samlar på global nivå. "

MOUNTS övervakar 17 vulkaner över hela världen

De främsta utmaningarna han och hans medförfattare hade att ta itu med var att hantera de stora mängderna data- och programvaruteknikfrågor. "Men dessa problem kan lösas, "säger Sébastien Valade." Jag är djupt övertygad om att inom en inte så avlägsen framtid, automatiska övervakningssystem som använder AI och data från olika källor som satellit fjärranalys och markbaserade sensorer hjälper till att varna människor på ett mer tidigt och robust sätt. "

Redan, analysen från MOUNTS -övervakningsplattformen möjliggör en omfattande förståelse av olika processer i olika klimatiska och vulkaniska miljöer runt om i världen, inklusive förökning av magma under ytan, placering av vulkaniskt material under utbrottet, liksom de morfologiska förändringarna i drabbade områden, och utsläpp av gaser till atmosfären. Forskarna testade framgångsrikt MOUNTS på ett antal senaste händelser som Krakatau -utbrottet i Indonesien 2018 eller utbrott i Hawaii och Guatemala, för att nämna några.

Systemet övervakar för närvarande 17 vulkaner över hela världen, inklusive Popocatépetl i Mexiko och Etna i Italien. Plattformens webbplats är fritt tillgänglig, och - tack vare den globala täckningen och fri tillgång till underliggande data - kan enkelt införliva ny data.