處理衛星數據的新算法自動捕捉到了加拉帕戈斯群島火山爆發前的地面運動。圖片來源：lucas bustamante

衛星正在提供全球活火山數據，但研究人員一直致力于利用這些數據預測火山的危險程度。這一想法很可能很快實現，因為目前的新算法可以自動計算火山風險數據信號，從而幫助科學家在幾年內建立全球火山預警系統。

美國地質調查局黃石火山觀測臺科學家michael poland表示，如果沒有這些算法工具，地質學家根本無法跟上衛星提供信息的腳步。“數據量大得驚人。”poland說。

英國利茲大學火山學家andrew hooper領導開發了一種算法，他表示這一算法應該能使居住在火山附近的大約8億居民受益。“海面之上有大約1400座火山可能爆發，它們當中只有約100座火山處于監控中，但另外大部分并沒有被監控。”他說。

研究人員在近日舉行的美國地球物理聯盟會議（agu）上展示了這兩種預測火山爆發的方法。

在過去的數年里，隨著歐洲空間局“哨兵”1a和“哨兵”1b衛星的發射，火山學領域已經得到了關于世界各地火山地面如何移動的頻繁而反復的數據。“哨兵”1系列衛星使用一種被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，以跟蹤地球表面的變化。

這種方法談不上新穎，但值得一提的是，每隔6天，“哨兵”1系列衛星都會重新檢測一次地球上的每個點，該團隊能夠迅速發布高分辨率的觀測結果。這個名為地震、火山和地質構造觀測和建模中心（comet）的英國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hooper說，鑒于機器學習在其他形式的模式檢測中取得的成功，用自動化檢測覆蓋這個數據庫似乎是可行的。

地面運動的變化通常能反映火山下方的巖漿移動，但不能完全預測火山爆發。與氣象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，但在沒有移動的情況下就直接爆發很少見。”hooper說。

首先，研究人員必須教會算法不要將大氣變化與地面運動混淆，一些干涉圖常出現該問題。為此，hooper團隊運用了獨立組分分析技術，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，這兩者都可能是火山爆發的跡象。

與此同時，由布里斯托爾大學火山學家juliet biggs領導的另一個comet團隊使用人工智能（卷積神經網絡）構建了第二種算法。

研究人員首先使用來自“哨兵”前身歐洲環境衛星的原始干涉圖訓練神經網絡。盡管該算法在分析3萬個“哨兵”干涉圖方面取得了一些進展，但預測結果仍不盡如人意。該小組的另一位火山學家fabien albino說，目前他們只有少數的研究例子，而對于學習型機器來說，100等于0，他們需要的是成千上萬的例子。

為了解決這一問題，biggs和同事創建了一個模擬火山噴發的合成數據集。正如他們在agu會議上報告的那樣，這些綜合數據將假陽性的比例從60%降至20%。albino說，隨著更多案例被注入算法，趨勢只會繼續變得更好。“該系統會像谷歌一樣進行調優，（輸入）數百萬只貓和狗，然后系統就學會了，這是穩定的。”

盡管comet火山數據庫的一些技術故障使研究組無法在所有火山上接近實時地運行他們的算法，但hooper已經在一些特定地點運行了他們的技術，包括內格拉火山和加拉帕戈斯群島上的沃爾夫火山。

此外，這兩種算法是互補的，例如，神經網絡不能捕捉變形的緩慢變化，但獨立組分分析可以。所以，研究人員表示，comet的預警系統很可能同時使用這兩種方法。

目前的挑戰是如何加快comet從“哨兵”提取雷達數據傳輸到數據庫的速度。雖然這些數據可以在數小時內從衛星獲得，但需要數周才能完全傳輸。hooper說，這是一項艱苦的工作，“我們相信會走得更遠”。

poland也表示，這項工作正是世界所需要的，新技術絕對可以徹底改變對這些事件的檢測。（唐一塵）

以上是網絡信息轉載，信息真實性自行斟酌。