Các phương pháp giám sát công nghệ mới sẽ cho phép các nhà khoa học theo dõi nhiều núi lửa hơn.
Các nhà nghiên cứu núi lửa đang kết hợp các phép đo vệ tinh về chuyển động mặt đất với trí thông minh nhân tạo để theo dõi chính xác hơn - và cuối cùng dự đoán - các vụ phun trào núi lửa.
Núi lửa Agung trên đảo Bali của Indonesia phun trào vào tháng 11 năm 2017
Mặc dù khoảng 800 triệu người sống trong phạm vi 100 km của một ngọn núi lửa, rất ít trong số những mối nguy hiểm tự nhiên tiềm tàng này được theo dõi một cách nhất quán. Nhưng các phương pháp mới nổi hiện đang cho phép các nhà nghiên cứu theo dõi kỹ hơn các núi lửa, Juliet Biggie, nhà nghiên cứu núi lửa tại Đại học Bristol, Vương quốc Anh, cho biết.
Nhóm của cô sẽ trình bày nghiên cứu về sử dụng máy học để phát hiện sự hình thành các biến dạng mặt đất xung quanh núi lửa, vào ngày 20 tháng 3 tại một hội nghị ở Santa Fe, New Mexico.
Bigss và các đồng nghiệp của mình sử dụng các quan sát radar từ hai vệ tinh thuộc nhiệm vụ Sentinel-1 của châu Âu. Tùy thuộc vào vị trí của chúng khi chúng quay quanh Trái đất, tàu thu thập dữ liệu về các núi lửa trên thế giới, cứ sau 6, 12 hoặc 24 ngày. Khi liên tục đi qua cùng một điểm ở độ cao không đổi, các vệ tinh đo khoảng cách giữa chúng và mặt đất. Điều này có thể cho biết liệu mặt đất có biến động theo thời gian hay không - chẳng hạn như khi mặt đất trồi lên hoặc thụt xuống khi magma dịch chuyển bên dưới một ngọn núi lửa.
Nhưng có vấn đề với dữ liệu đó. Hơi nước trong khí quyển có thể cho tín hiệu giống như sự dịch chuyển của mặt đất và các nhà nghiên cứu phải tính đến điều này khi nhìn vào các quan sát radar. Những biến dạng khí quyển này gây khó khăn đặc biệt khi các nhà khoa học quan sát và dự đoán trong thời gian gần như thật.
Nhìn rõ hơn
Nhóm của Bigss đã sớm thấy những thách thức này khi họ bắt đầu nghiên cứu hình ảnh từ Sentinel-1 của núi lửa Agung trên đảo Bali, Indonesia, trước khi xảy ra vụ phun trào vào tháng 11 năm 2017. Hàng trăm trận động đất nhỏ đã bắt đầu rung chuyển khu vực này hai tháng trước đó, buộc phải sơ tán 140.000 người.
Các biến dạng khí quyển xung quanh Agung đã làm phức tạp các nỗ lực nghiên cứu các biến dạng mặt đất xung quanh núi lửa. Nhưng một khi Bigg và các đồng nghiệp của cô nghĩ ra cách khắc phục các tín hiệu khí quyển, họ phát hiện ra rằng mặt đất đã trồi lên tới 10 cm trên sườn phía bắc Agung, hướng về một ngọn núi lửa lân cận. Chuyển động mặt đất đó là một dấu hiệu cho thấy magma có thể đang dịch chuyển trong một hệ thống ống ngầm tự nhiên kết nối hai ngọn núi lửa, nhóm nghiên cứu đã báo cáo vào tháng trước trên tạp chí Nature Communications. Nhóm nghiên cứu không cố gắng dự đoán vụ phun trào Agung, nhưng họ đã học được rất nhiều bằng cách xem xét ví dụ này.
Thành viên nhóm, Fabien Albino, nhà địa vật lý tại Đại học Bristol, hiện đang phát triển các cách khắc phục sự biến dạng khí quyển một cách nhanh chóng với sự trợ giúp của mô hình thời tiết chạy trong thời gian gần như thật.
Nếu mô hình này dự đoán nhiễu động khí quyển ở một khu vực nhất định, thì ta có thể xác định các tín hiệu bất thường nào trong dữ liệu radar vệ tinh có thể do hơi nước gây ra thay vì bất ổn núi lửa. Công việc vẫn đang ở giai đoạn đầu, Albino nói - nhưng cuối cùng nó có thể cung cấp một cách để đánh giá nhanh hơn những gì đang xảy ra trong các tình huống như ở Agung.
Bigss và các đồng nghiệp của mình hiện đang cố gắng theo dõi các núi lửa nhanh hơn trên toàn cầu. Họ đã tạo ra một mạng lưới thần kinh đã được học qua hơn 30.000 hình ảnh từ Sentinel-1 của hơn 900 ngọn núi lửa. Hệ thống này sau đó đã gắn cờ khoảng 100 hình ảnh cần kiểm tra kỹ hơn. Trong số đó, ít nhất 39 là phát hiện chính xác các biến dạng mặt đất thực tế, nhóm nghiên cứu đã báo cáo vào năm ngoái. Bằng cách xây dựng một thuật toán để thực hiện công việc sàng lọc dữ liệu ban đầu, các nhà nghiên cứu tiết kiệm thời gian để tập trung theo dõi các núi lửa đáng quan tâm, Bigss nói.
Nhóm nghiên cứu cũng đang đào tạo mạng lưới thần kinh của mình về dữ liệu tổng hợp được tạo ra từ các vụ phun trào mô phỏng. Việc này đã gần như gấp đôi độ chính xác của thuật toán, Pui Anantrasirichai, kỹ sư điện tại Đại học Bristol, người sẽ trình bày nghiên cứu tại cuộc họp ở Santa Fe, cho biết.
Các phương pháp thay thế
Tại Đại học Leeds, một nhóm do nhà địa vật lý Andrew Hooper đứng đầu, đang phát triển một cách khác để tự động phát hiện các dấu hiệu bất ổn tiềm tàng. Thay vì sắp xếp các hình ảnh radar từ Sentinel-1 như nhóm của Bigss, Hooper và các đồng nghiệp của mình sử dụng một kỹ thuật tìm kiếm các thay đổi trong dữ liệu vệ tinh. Nếu mặt đất đã biến dạng ở một ngọn núi lửa, phương pháp của Hooper có thể gắn cờ nếu sự biến dạng đó bắt đầu tăng tốc, chậm lại hoặc thay đổi theo một cách khác. Điều đó sẽ cho phép các nhà nghiên cứu phát hiện những thay đổi mặt đất nhỏ trong thời gian dài.
Đó là một kiểu phân tích khác với công việc của Bigss, nhưng mục tiêu cuối cùng của cả hai nhóm là "để xử lý dữ liệu cho tất cả các ngọn núi lửa ở bất kỳ thời điểm nào", Hooper nói.
Bigss và Hooper có kế hoạch thử nghiệm phương pháp tiếp cận của họ trên cơ sở dữ liệu toàn cầu về biến dạng mặt đất núi lửa, cơ sở dữ liệu được thu thập bởi Trung tâm Quan sát và Mô hình hóa Động đất, Núi lửa và Kiến tạo của Vương quốc Anh. Nhưng vì cơ sở dữ liệu đã có một số vấn đề kỹ thuật, các nhà nghiên cứu chưa tiến hành so sánh song song các kỹ thuật của họ.
Các nhà khoa học khác, chẳng hạn như Matt Pritchard, nhà nghiên cứu núi lửa tại Đại học Cornell ở Ithaca, New York, đang cố gắng phát triển các thuật toán có thể phát hiện ra những thay đổi trong núi lửa bằng cách sử dụng các loại dữ liệu vệ tinh khác, như nhiệt độ bề mặt hoặc tro và khí thải. Làm việc với Bigss và những người khác, Pritchard hy vọng sẽ sử dụng các kỹ thuật học máy để sàng lọc 17 năm dữ liệu từ các vệ tinh của NASA, Terra và Aqua, đo nhiệt lượng từ các ngọn núi lửa phun trào trên Trái đất.
Nhưng anh và các đồng nghiệp của mình chỉ mới bắt đầu với các thuật toán, tức là còn rất nhiều việc phải làm. Đến thời điểm này thì sinh viên đại học giỏi hơn các thuật toán rất nhiều trong việc phân biệt các vụ núi lửa phun trào.