Dr Luciano Zuccarello växte upp i skuggan av Etna, en aktiv vulkan på den italienska ön Sicilien. Gårdar och fruktträdgårdar ringlar vulkanens nedre sluttningar, där den bördiga jorden är idealisk för jordbruk. Men vulkanen skymtar stort i lokalbefolkningens liv eftersom det också är en av de mest aktiva vulkanerna i världen.

Mer än 29 miljoner människor globalt lever inom 10 km från en vulkan, och att förstå vulkaners beteende – och att kunna förutsäga när de kommer att få utbrott eller spy ut aska i luften – är avgörande för att skydda människors välbefinnande.

Dock, att förutsäga vulkanbeteende är svårt, speciellt om de har varit vilande, och att övervaka dem kan vara utmanande eftersom att ta prover eller använda utrustning utgör fysiska faror. Och medan teoretiska modeller kan uppskatta hur en viss vulkan beter sig med tanke på dess läge, geologisk sammansättning och beteendet hos jordens magma under den (bland annat), det finns fortfarande många okända variabler – och varje vulkan är unik.

Nu forskare vid universitetet i Granada i Spanien, Dr Zuccarello siktar på att automatiskt analysera vulkaniska aktiviteter för att utveckla modeller för tidig varning som kan rädda livet på människor som bor nära vulkaner.

Under det senaste årtiondet, metoder för datainsamling har förbättrats avsevärt, med ny och känsligare utrustning, och forskare har nu tillgång till en aldrig tidigare skådad översvämning av data. Till exempel, de kan få tillgång till realtidsinformation om hur jorden skakar i närheten av vulkanen (seismisk aktivitet), utbredningen av ljudvågor från djupet av jorden, och kemikalierna som finns inuti vulkanen och hur de förändras.

Vulkanobservatorier behöver analysera stora mängder data på kort tid. "Det finns ett behov av snabbare och felfria tekniker för att samla in sådan data, " sa Dr Zuccarello.

Hans VOLCANOWAVES-projekt, som inkluderar forskare baserade i Spanien, Storbritannien, Italien, Mexiko, och Argentina, använder maskininlärning för att identifiera mönster i den seismiska aktiviteten runt en vulkan i ett försök att förutsäga när, eller om det kommer att bryta ut. Särskilt, Dr Zuccarello tittar på lågfrekventa händelser, såsom vulkanska darrningar, som vanligtvis är kopplade till rörelsen av magma i en vulkans rörsystem.

Taligenkänning

Under det senaste årtiondet, tillämpningen av maskininlärning för mönsteridentifiering har varit integrerad i taligenkänning, men forskare använder det nu för att förutsäga vulkanernas beteende. "Även om dessa fält varierar avsevärt vad gäller sammanhang och källa, syftet med analysen är detsamma - studiet av deras övertoner över tid på jakt efter mönster, " sa Dr Zuccarello.

Projektets huvudsakliga resultat kommer att vara en uppsättning algoritmer – som ska vara färdiga när projektet avslutas senare i år – och han hoppas att de kommer att användas i stor utsträckning inom det vetenskapliga samfundet för att övervaka vulkaner på en daglig basis.

"Tal och seismiska signaler delar viktiga egenskaper, " sa Dr Guillermo Cortés, en specialist inom signalbehandling och maskininlärning vid universitetet i Udine i Italien. Han drev ett projekt som heter VULCAN.ears, som också använde taligenkänningsteknik för att förstå vad vulkaner säger.

Dr Cortés och kollegor utvecklade ett vulkanövervakningssystem i realtid, som automatiskt upptäcker och märker vulkaniska "händelser" i dataströmmarna som kommer från övervakningsstationer som upptäcker seismiska signaler. Detta system skapar sedan aktivitetskataloger för att hitta beteendemönster.

Dr Roberto Carniel, en geofysiker vid universitetet i Udine och projektets vetenskapliga handledare, säger:"Ankomsten av maskininlärning och tillämpade djupinlärningstekniker avslöjar nya lösningar för gamla problem. (Nu) är det lättare att blanda resultat från flera övervakningsområden som involverar studier av seismiska signaler, infraljudssignaler, magnetiska signaler, geokemisk analys av gaser och vätskor, deformation, värme- och videokameror, att producera mer robusta och tillförlitliga förutsägelser."

Med 29 miljoner människor runt om i världen som bor inom 10 km från en vulkan, att förutsäga när de kommer att få utbrott är avgörande för att skydda människors välbefinnande. Bildkredit—Pexels/pixabay, licensierad under CC0

Teamet utvecklade ett vulkaniskt seismiskt igenkänningssystem baserat på övervakad maskininlärning, där de analyserade data som redan hade märkts av andra experter, lära programvaran att identifiera vulkanhändelser såsom vulkanskakningar, askfall, eller explosioner i vulkanen. Detta tillvägagångssätt liknar att hitta ord i en konversation, märka sina delar av tal och hitta de språkmönster som är unika för varje vulkan.

Detta är ett avbrott från de klassiska metoderna för att bygga kataloger över vulkanbeteende, Dr Cortés säger. Dessa metoder innefattar automatisk detektering av händelser och manuell klassificering av experter. "Vanligtvis utför de denna uppgift dagligen, som kan vara för långsam i en situation där en befolkning är i riskzonen på grund av ett oväntat utbrott, " han sa.

Tid kan vara avgörande när det kommer till vulkaner, särskilt i händelse av aska, kollapser och jordskred, han säger. I de fallen, "detektion och klassificering i realtidsdrift är avgörande" för att minska beslutsfattandet om närliggande samhällen behöver evakueras.

Dr. Cortés slutgiltiga mål var att utveckla ett system som är universellt och vulkanoberoende som enkelt kan bäddas in i vilket vulkanobservatorium som helst. För att bygga detta, forskarna har skapat en universell databas från dussintals vulkaner runt om i världen och använt sina maskininlärningstekniker för att bygga universella modeller. En preliminär version av detta finns tillgänglig online.

Dock, för Dr Carniel, Det som är viktigt nu är att vulkanobservatorier runt om i världen tar arbetet framåt. "De är den verkliga nyckeln till att främja den vulkanoberoende idén, installerar det vulkaniska seismiska igenkänningssystemet i sina egna observatorier, dela resurser, och ge värdefull feedback, " han sa.

Dessa observatorier är, trots allt, frontlinjen av länders ansträngningar att skydda sina medborgare från vulkanerna inom deras gränser – och forskare måste kunna höra vulkanernas viskningar för att förutsäga när de kommer att börja skrika.