Novi automatizovani sistem praćenja i klasifikacije upornih vibracija na aktivnim vulkanima može eliminisati sate ručnog napora koji su potrebni za njihovo dokumentovanje.
Diplomirani student istraživač Darren Tan sa Geofizičkog instituta Univerziteta Aljaske Ferbanks vodio je razvoj sistema, koji se zasniva na mašinskom učenju. Mašinsko učenje je grana veštačke inteligencije fokusirana na izgradnju sistema koji uče iz podataka, identifikuju obrasce i donose odluke uz minimalnu ljudsku intervenciju.
Detalji o Tanovom automatizovanom sistemu objavljeni su u časopisu Journal of Geophysical Research: Solid Earth.
Njegov sistem dokumentuje vulkanski tremor, kontinuirani, ritmični seizmički signal koji izvire iz vulkana. Često ukazuje na podzemno kretanje magme ili gasa i javlja se redovno na aktivnim vulkanima.
Poznavanje vulkanskog tremora može pomoći u predviđanju i otkrivanju erupcija.
Za razliku od vulkanskih zemljotresa, vulkanski tremor je trajna tutnjava koja može trajati od nekoliko sekundi do godinu dana ili više. Prvenstveno se identifikuje u spektrogramima zbog svog različitog intenziteta i frekvencije.
„Vulkansko podrhtavanje se obično ne otkriva niti katalogizira, jer ima tendenciju da bude prilično suptilno u seizmičkim podacima“, rekao je Tan. „Nema impulsivan početak kao zemljotres.“
Detekcija tremora je trenutno ručni proces u opservatoriji vulkana Aljaske, sa kojom je Tan takođe povezan. Opservatorija je zajednički program Geofizičkog instituta, Odeljenja za geološka i geofizička istraživanja Aljaske i Geološkog zavoda SAD. Deo opservatorije se nalazi u Geofizičkom institutu.
Dnevno dežurni seizmolog opservatorije skenira spektrograme na 32 mreže za praćenje vulkana širom Aljaske, tražeći blage indikacije podrhtavanja pored očiglednih seizmičkih signala.
„Dežurni seizmolozi dolaze svaki dan, a ponekad i dva puta dnevno ili više, u zavisnosti od vulkanske aktivnosti, da pogledaju spektrograme“, rekao je Tan. „Gledaju od vulkana do vulkana, iz sata u sat, i to traje mnogo vremena.
Aljaska ima 54 vulkana klasifikovana kao „istorijski aktivna“, što znači da su eruptirali u poslednjih otprilike 300 godina. Od toga, 32 imaju mreže za seizmičko praćenje.
Tan se oslanjao na raznovrsnost signala podrhtavanja od erupcije vulkana Pavlof 2021-2022, na poluostrvu Aljaska, da bi napravio opsežan skup podataka označenih seizmičkih i niskofrekventnih akustičkih spektrograma. Ti spektrogrami predstavljaju različite klasifikacije, kao što su tip podrhtavanja, eksplozije i zemljotresi, koje su zatim korišćene za obuku kompjuterskog modela za svaki tip podataka.
Obučeni modeli mogu da otkriju i klasifikuju vulkanski tremor u skoro realnom vremenu. Međutim, ljudi će i dalje biti uključeni u tumačenje onoga što automatizacija proizvodi.
„To je ključno da bismo mogli da se fokusiramo na vremenske periode od interesa“, rekao je Tan. „Mislim da to ponovo otkriva način na koji možemo da pratimo dugotrajne erupcije, jer stvari mogu da se propuste kada je vulkan aktivan godinu i po ili dve godine.
„Ovaj automatizovani metod otkrivanja tremora je takođe važan doprinos predviđanju i otkrivanju erupcija“, rekao je on.
Tan je rekao da je mašinsko učenje oblast koja se brzo razvija sa velikim mogućnostima.
„Trenutno je kao na Divljem zapadu mašinskog učenja“, rekao je. „Svi pokušavaju da urone svoje prste u ovo, ali važno je to učiniti pažljivo.
Istraživači UAF-a među sedam koautora časopisa uključuju Dejvida Fija, naučnika koordinatora Opservatorije vulkana Aljaske na Geofizičkom institutu; Tarsilo Girona, docent istraživač Geofizičkog instituta; i docent Tarin Lopez, takođe sa Geofizičkog instituta.
