Из 1500 действующих вулканов по всему миру ежегодно извергается до 85. Из-за стоимости и сложности обслуживания приборов в вулканической среде менее половины действующих вулканов контролируются наземными датчиками, и еще меньше считается хорошо контролируемым.
Вулканы, которые считаются спящими или потухшими, обычно вообще не контролируются инструментально, но могут испытывать большие и неожиданные извержения, как это было в случае вулкана Чайтен в Чили в 2008 году, который извергался после 8000 лет бездействия.
Высыпания часто предшествуют предшествующим сигналам
Спутники могут предоставить важные данные, когда наземный мониторинг ограничен или отсутствует полностью.
Непрерывные долгосрочные наблюдения из космоса – ключ к лучшему распознаванию признаков вулканических волнений. Высыпаниям часто – но не всегда – предшествуют предшествующие сигналы, которые могут длиться от нескольких часов до нескольких лет. Эти сигналы могут включать изменения сейсмических характеристик, деформацию грунта, выбросы газа, повышение температуры или некоторые из вышеперечисленных.
«Помимо сейсмичности, все это можно контролировать из космоса, используя различные длины волн в электромагнитном спектре», – говорит Себастьян Валадэ, руководитель проекта MOUNT. Финансируется GEO.X, исследовательская сеть наук о Земле в Берлине и Потсдаме, основанная в 2010 году и проводимая в TU Berlin и GFZ. «В системе мониторинга MOUNTS мы используем несколько спутниковых датчиков для обнаружения и количественной оценки изменений вокруг вулканов», – добавляет он. «И мы также интегрировали сейсмические данные из всемирной сети GEOFON GFZ и из Геологической службы США USGS."
Часть проекта заключалась в том, чтобы проверить, могут ли алгоритмы ИИ быть успешно интегрированы в процедуру анализа данных.
Эти алгоритмы в основном были разработаны Андреасом Лей из Берлинского технического университета. Он применил так называемые искусственные нейронные сети для автоматического обнаружения событий большой деформации. Исследователи обучили их компьютерным изображениям, имитирующим реальные спутниковые изображения.
На основе этого огромного количества синтетических примеров программное обеспечение научилось обнаруживать большие деформации в реальных спутниковых данных, ранее не известных ему. Эта область науки о данных называется машинным обучением.
«Для нас это был важный« тестовый шар », чтобы увидеть, как мы можем интегрировать машинное обучение в систему, – говорит Андреас Лей. «Сейчас наш детектор деформации решает лишь одну задачу.
Но наше видение – интегрировать несколько инструментов ИИ для разных задач. Поскольку эти инструменты обычно выигрывают от обучения на больших объемах данных, мы хотим, чтобы они постоянно учились на всех данных, которые система собирает в глобальном масштабе."
MOUNTS контролирует 17 вулканов по всему миру
Основные проблемы, с которыми пришлось столкнуться ему и его соавторам, заключались в обработке больших объемов данных и проблемах разработки программного обеспечения. «Но эти проблемы можно решить», – говорит Себастьян Валаде. «Я глубоко убежден, что в не столь отдаленном будущем автоматизированные системы мониторинга с использованием ИИ и данных из различных источников, таких как спутниковое дистанционное зондирование и наземные датчики, помогут своевременно и надежно предупреждать людей."
Уже сегодня анализ, предоставляемый платформой мониторинга MOUNTS, позволяет всесторонне понять различные процессы в различных климатических и вулканических условиях по всему миру: от распространения магмы под поверхностью до внедрения вулканического материала во время извержения, а также морфологические изменения пораженных участков и выбросы газов в атмосферу. Исследователи успешно протестировали MOUNTS на ряде недавних событий, таких как извержение Кракатау в Индонезии в 2018 году или извержения на Гавайях и в Гватемале, и это лишь некоторые из них.
В настоящее время система отслеживает 17 вулканов по всему миру, включая Попокатепетль в Мексике и Этну в Италии.
Веб-сайт платформы находится в свободном доступе и – благодаря глобальному охвату и свободному доступу к базовым данным – может легко включать новые данные.