Kunstig intelligens til overvågning af vulkaner

Mere end halvdelen af ​​verdens aktive vulkaner overvåges ikke instrumentelt. Derfor, selv meget alvorlige udbrud opstår uden advarsel for nærliggende befolkninger om den kommende katastrofe. Som et første og tidligt skridt i retning af et vulkanvarslingssystem, et forskningsprojekt ledet af Sébastien Valade fra Berlin Tekniske Universitet (TU Berlin) og GFZ German Research Center for Geosciences i Potsdam førte til en ny vulkanovervågningsplatform, der analyserer satellitbilleder ved hjælp af kunstig intelligens (AI). Gennem test med data fra de seneste begivenheder, Valade og hans kolleger demonstrerede, at deres platform, Overvågning af uro fra rummet (MOUNTS) kan integrere flere sæt forskellige typer data til en omfattende overvågning af vulkaner. Holdets resultater blev offentliggjort i tidsskriftet Fjernbetjening .

Af de 1500 aktive vulkaner verden over, op til 85 bryder ud hvert år. På grund af omkostninger og vanskeligheder ved at vedligeholde instrumentering i vulkanske miljøer, mindre end halvdelen af ​​de aktive vulkaner overvåges med jordbaserede sensorer, og endnu færre betragtes som velovervåget. Vulkaner, der betragtes som sovende eller uddøde, overvåges sædvanligvis slet ikke instrumentelt, men kan opleve store og uventede udbrud, som det var tilfældet for Chaitén -vulkanen i Chile i 2008, som brød ud efter 8000 års inaktivitet.

Udbrud foregår ofte med prækursoriske signaler

Satellitter kan levere vigtige data, når jordbaseret overvågning er begrænset eller mangler helt. Kontinuerlige langsigtede observationer fra rummet er nøglen til bedre at genkende tegn på vulkansk uro. Udbrud er ofte, men ikke altid, efter forudgående signaler, der kan vare et par timer til et par år. Disse signaler kan omfatte ændringer i seismisk adfærd, jorddeformation, gasemissioner, temperaturstigning eller flere af ovenstående.

"Bortset fra seismicitet, alle disse kan overvåges fra rummet ved at udnytte forskellige bølgelængder på tværs af det elektromagnetiske spektrum, "siger Sébastien Valade, leder af MOUNT -projektet. Det er finansieret af GEO.X, et forskningsnetværk for geovidenskaber i Berlin og Potsdam grundlagt i 2010, og udført på TU Berlin og GFZ. "Med MOUNTS -overvågningssystemet vi udnytter flere satellitsensorer for at opdage og kvantificere ændringer omkring vulkaner, "tilføjer han." Og vi integrerede også seismiske data fra GFZ's verdensomspændende GEOFON -netværk og fra United States Geological Survey USGS. "

En del af projektet var at teste, om AI -algoritmer med succes kunne integreres i dataanalyseproceduren. Disse algoritmer blev hovedsageligt udviklet af Andreas Ley fra TU Berlin. Han anvendte såkaldte kunstige neurale netværk til automatisk at opdage store deformationshændelser. Forskerne trænede dem med computergenererede billeder, der efterlignede ægte satellitbilleder. Fra dette store antal syntetiske eksempler, softwaren lærte at detektere store deformationshændelser i rigtige satellitdata, der tidligere ikke var kendt for det. Dette datavidenskabelige felt kaldes maskinlæring.

"For os, dette var en vigtig testballon for at se, hvordan vi kan integrere maskinlæring i systemet, "siger Andreas Ley." Lige nu, vores deformationsdetektor løser bare en enkelt opgave. Men vores vision er at integrere flere AI -værktøjer til forskellige opgaver. Da disse værktøjer normalt nyder godt af at blive trænet i store datamængder, vi ønsker at få dem til at lære kontinuerligt af alle de data, systemet indsamler på global skala. "

MOUNTS overvåger 17 vulkaner verden over

De største udfordringer, han og hans medforfattere måtte håndtere, var håndteringen af ​​de store mængder data- og softwaretekniske problemer. "Men disse problemer kan løses, "siger Sébastien Valade." Jeg er dybt overbevist om, at i en ikke så fjern fremtid, automatiserede overvågningssystemer, der anvender AI og data fra forskellige kilder, f.eks. satellitfjernsensor og jordbaserede sensorer, hjælper med at advare folk på en mere rettidig og robust måde. "

Allerede, analysen fra MOUNTS -overvågningsplatformen giver mulighed for en omfattende forståelse af forskellige processer i forskellige klimatiske og vulkanske omgivelser rundt om i verden, herunder spredning af magma under overfladen, anbringelse af vulkansk materiale under udbruddet, samt de morfologiske ændringer i berørte områder, og emission af gasser til atmosfæren. Forskerne testede med succes MOUNTS på en række nylige begivenheder som Krakatau -udbruddet i Indonesien i 2018 eller udbrud i Hawaii og Guatemala, for at nævne et par stykker.

Systemet overvåger i øjeblikket 17 vulkaner verden over, herunder Popocatépetl i Mexico og Etna i Italien. Platformens websted er frit tilgængeligt, og - takket være den globale dækning og gratis adgang til de underliggende data - kan nemt inkorporere nye data.