科学家们利用人工智能展示了最近两次在怀特岛(Whakaari/White Island)发生的动荡——包括2019年的悲剧性火山喷发——是如何以类似的触发机制出现的。
这一数据驱动的新模型背后的团队最终希望它能被用来追踪和探测新西兰火山爆发前的明显变化。
他们的模型建立在大量地震数据的基础上——捕捉到最微小的振动——这些数据是Geonet传感器在火山周围不断收集的。
但由于这些数据恰好是不同地震信号的混杂——从火山地震和气体引起的信号，到风雨的影响——将它们分开以获得更清晰的图像并不简单。
作为mbie资助项目的一部分，奥克兰大学的研究人员巴斯蒂安·斯坦克(Bastian Steinke)和他的同事们转向机器学习，将这些信号分类成一组簇。
施泰因克解释说:“从理论上讲，如果一座火山处于一种特定的活动状态，比如压力增加，我们将观察到与火山处于不同状态时不同级别的地震活动。”
“我们可以利用这些信息来推断可能的潜在主导过程，以便跟踪火山系统的当前状态。”
虽然该项目的重点是塔拉纳基火山(mount Taranaki)——它在未来50年爆发的可能性约为50%——但施泰因克和同事们选择在我们最吵闹的火山——怀特岛(Whakaari/White Island)上测试他们的人工智能“分类器”。
这是因为当地地震台站提供了丰富的长期数据集，而且在2012-13年、2016年和2019年的事件中观察到的活动范围很广。
斯坦克说:“这一时期的火山活动包括相对轻微到中度的活动，比如少量的火山灰和气体排放，但也有更猛烈的活动，比如热液爆炸。”
后者——发生在2019年的火山喷发中，造成22人死亡——往往伴随着微妙的前兆，而这些前兆并不总是能用目前的方法检测到。
“因此，有必要开发新技术来检测前兆，特别是危险的蒸汽驱动事件。”
正如一项新发表的研究所描述的那样，该模型能够在Whakaari/White岛最近的两次动荡中找到这样的地震前兆信号。
在第一个例子中，该模型在2012年火山爆发前几周发现了地震活动的变化，这似乎与该系统“封闭”自己相吻合。
“总是有解释的空间，大多数变化不能仅仅归因于一个潜在的源过程，”施泰因克说。
但是，研究小组向分类器输入的数据越多，他们就越能更好地比较不同时期的活动增加。
施泰因克及其同事大卫·登普西博士和谢恩·克罗宁教授怀疑，瓦卡里火山向更活跃的火山状态的转变可能与火山内部不同的“加压”过程有关。
施泰因克说:“我们还发现，在2012/13年和2019年爆发事件期间，与系统增压相关的一些机制存在相似之处，同时在持续时间和个别机制的具体顺序方面存在一些差异。”
“这有助于我们了解火山爆发前的各个阶段发生了什么，以及为什么一次火山爆发与另一次火山爆发相似或不同。”
相比之下，该模型并没有发现2016年4月蒸汽驱动喷发之前的这种变化，但施泰因克并不认为这是负面的。
“当算法不起作用时，我们会很感兴趣，因为这是一个有价值的迹象，表明某些东西与我们之前看到的不同。”
展望未来，施泰因克说，这种方法可能对新西兰和其他地方即将发生的火山爆发发出警告。
他说:“我们最初的方法是对火山活动进行数年或数十年的长期跟踪，这有助于将短期变化纳入考虑范围。”
“这也将有助于其他更关注短期变化的预测系统，因为它可以帮助减少误报的数量。”
这项研究并不是科学家们在怀特岛寻找地震线索的唯一例子。
在最近的另一篇论文中，坎特伯雷大学的地球物理学家阿尔贝托·阿尔迪德博士报告了另一个基于机器学习的模型如何在2019年的灾难之前发现类似的信号，以及其他几个火山的爆发。
“这些频率转换使我们能够听到火山下不同深度发生的事情，”阿尔迪德去年告诉《先驱报》。
“密切关注这种模式可以为未来的喷发提供早期预警。”
新西兰目前的火山监测由Geonet项目管理，利用一系列指标，包括地球化学、遥感、大地测量学和地震数据。
在Ardid的论文发表时，GNS科学自然灾害和风险研究负责人吉尔·乔利博士说，她和同事们“对研究结果和他们使用GeoNet地震数据的方式感到兴奋”。
“这种新的模型可以与帮助我们理解火山动荡的全方位多学科数据分析一起考虑。
“有许多研究项目正在研究潜水爆发的前兆，这些研究项目都有望在未来进入我们的火山监测工具箱。”
