En vulkans puls kan bruges til at forudsige dens næste udbrud

At forudsige, hvornår en vulkan næste gang blæser, er en vanskelig sag, men erfaringerne fra et af Hawaiis seneste udbrud kan måske hjælpe.

Kilauea, på den store ø Hawaii, er sandsynligvis den bedst forståede vulkan på Jorden. Det er takket være overvågning og indsamlet information, der strækker sig tilbage til dannelsen af ​​Hawaiian Volcano Observatory i 1912.

Vulkanen er også underlagt verdens mest teknologisk avancerede geofysiske overvågningsnetværk.

Fra himlen, satellitter indsamler data, der viser vulkanens skiftende topografi, efterhånden som magma bevæger sig gennem det indre magma VVS-system. Satellitter ser også på sammensætningen af ​​vulkanske gasser.

Fra jorden, vulkanologer bruger en række meget følsomme kemiske og fysiske værktøjer til yderligere at forstå strukturen af ​​det magma VVS-system. Dette hjælper med at studere bevægelsen af ​​magma i vulkanen.

Jordskælv og vibrationer

En lynchnål til vulkanovervågning er seismicitet - hvor ofte, hvor og hvornår jordskælv opstår. Magmabevægelse i vulkanen udløser jordskælv, og sammensætning af data om deres placering (en teknik kendt som triangulering) sporer magmaens vej under jorden.

En nyere teknik, seismisk interferometri, bruger vibrationer af energi fra havbølger, der rammer de fjerne kyster, som derefter rejser gennem vulkanen.

Ændringer i hastigheden af ​​disse vibrationer hjælper os med at kortlægge 3D-fodaftrykket af vulkanens magma VVS-system. Vi kan så opdage, hvornår og i nogle tilfælde hvordan, magma VVS-systemet er under forandring.

Denne overvågning giver vulkanens "puls" i tider med inaktivitet - en baseline, hvorfra man kan detektere ændringer under vulkansk uro. Dette viste sig at være uvurderligt for tidlig advarsel, og forudsigelsen af ​​hvor og hvornår, af Kīlaueas udbrud den 3. maj, 2018.

Kīlaueas "puls" inkluderer cyklusser af vulkanopblæsning (udbulning) og deflation (sammentrækning), når magma bevæger sig ind og ud af lagerområdet ved vulkanens top.

Hastigheden af ​​vibrationer, der bevæger sig gennem vulkanen, er forudsigelige under observationer af inflations-/deflationscyklusser. Når vulkanen buler, vibrationerne rejser hurtigere gennem vulkanen, da sten og magma komprimeres. Når vulkanen trækker sig sammen, falder disse hastigheder.

Vi beskriver dette forhold mellem de to sæt data – bulningen/sammentrækningen og den hurtigere/langsommere vibrationshastighed – som koblet.

Noget ændrede sig

Sammenlignet med vores baseline, vi så det koblede dataskifte 10 dage før Kilauea-udbruddet den 3. maj. Det fortalte forskerne, at magma VVS-systemet havde ændret sig væsentligt.

Vulkanen bulede på grund af opbygningen af ​​tryk inde i magmakammeret, men de seismiske bølger aftog ganske dramatisk, i stedet for at sætte farten op.

Vores fortolkning af disse data var, at topmødets magmakammer ikke var i stand til at opretholde trykket fra en stigende magmaforsyning - bulen var for stor. Stenmateriale begyndte at bryde rundt om toppens magmakammer.

Brud på klipperne førte måske derefter til ændringer af toppens magmatiske system, så mere magma lettere kunne ankomme til udbrudsstedet omkring 40 km væk.

Samt Kilauea, sådanne koblede datasæt indsamles regelmæssigt, undersøgt og fortolket i forhold til magmatransport ved andre vulkaner globalt. Steder omfatter Piton de la Fournaise på Réunion Island, og vulkanen Etna, Italien.

Men vores modellering var den første til at demonstrere, at disse ændringer i det koblede dataforhold kunne forekomme på grund af svækkelse af materialet inde i vulkanen før et udbrud.

Skademodellen, som vi anvendte, kan nu bruges til andre vulkaner i en tilstand af uro. Dette føjer til værktøjskassen, som vulkanologer har brug for at forudsige hvornår og hvor et forestående udbrud.

Så meget data, vi har brug for hjælp

Når vulkaner er i en øget tilstand af uro, mængden af ​​tilgængelig information fra digitale data og jordobservationer er ekstrem. Forskere har en tendens til først at stole på observationsovervågning, og andre data, når der er tid og ekstra personer til rådighed.

Men den samlede mængde af indgående data (såsom fra satellitter) er overvældende, og videnskabsmænd kan simpelthen ikke følge med. Maskinlæring kan måske hjælpe os her.

Kunstig intelligens er den nye dreng på blokken for forudsigelse af udbrud. Neurale netværk og andre algoritmer kan bruge store mængder af komplekse data og "lære" at skelne mellem forskellige signaler.

Automatiserede tidlige alarmsystemer om et forestående udbrud ved hjælp af sensorarrays findes for nogle vulkaner i dag, for eksempel ved vulkanen Etna, Italien. Det er sandsynligt, at kunstig intelligens vil gøre disse systemer mere sofistikerede i fremtiden.

Tidlig opdagelse lyder vidunderligt for myndigheder med ansvar for offentlig sikkerhed, men mange vulkanologer er forsigtige.

Hvis de fører til flere falske alarmer, kan det nedsætte tilliden til videnskabsmænd for både ledere af vulkanske kriser og offentligheden.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.