一位来自华盛顿黄石火山不雅观测台（美国地质调查局旗下的部门）的科学家迈克尔·波兰表示，如果没有这些算法作为赞助工具，地质学家根本无法跟上卫星供应信息的脚步。
英国利兹大学的一位火山学家安德鲁·胡珀领导开拓了一种算法，他表示这一算法该当能使大约8亿居住在火山附近的居民受益匪浅。
“大约1400座火山可能在海面上爆发，”他说，“它们当中大约有100座火山处于监控之下，但其余的一大部分并没有被监控。
”

本周，在华盛顿特区举行的美国地球物理同盟会议（AGU）上，该会议每半年举行一次，展示了两种预测火山爆发的方法。
在过去的几年里，随着欧洲航天局的卫星Sentinel 1A和Sentinel 1B的发射，火山学领域致力于不雅观察火山周围陆地的运动情形。
Sentinel 1卫星利用一种称为雷达干涉丈量的技能，该技能能够比较发送到地球和从地球反射的雷达旗子暗记，以跟踪行星表面的变革。

火山爆发

这种方法已经是旧调重弹，但值得一提的是，每隔6天，Sentinel 1卫星都会重新检测一次地球上的每个地点，Sentinel团队能够迅速收到这些高分辨率的不雅观测结果。
在英国，一个名为地震，火山的布局不雅观测和建模中央（COMET）的研究小组已经开始为天下火山建立一个称为“干涉图”的地面运动快照数据库。
与COMET互助的胡珀说，考虑到学习型机器在其他领域的模式检测相称成功，我们顺理成章的想到了用自动检测覆盖来这个数据库。

地面运动的变革常日能反响火山下方的岩浆移动，但它不能完备预测火山爆发。
与热景象卫星可以自动检测到的热点或灰烬羽流不同，地面移动可以帮助预测火山爆发，而不仅仅是指示它们的发生。
“移动并不总是意味着火山会爆发，”胡珀说，“但是，在没有移动的情形下就直接爆发的情形很少。
”

为了达到这一目标，团队必须教会他们的算法，不能轻易稠浊地面运动的大气变革。
为此，胡珀的团队利用了一种称为独立身分剖析的技能，该技能能够将旗子暗记分解身分歧的部分：例如分层大气或短期湍流，以及火山火山口或侧翼的地面移位。
该技能使他们能够捕捉最新的地面移动或移动速率变革，这两者都可能是未来火山爆发的迹象。

与此同时，由英国布里斯托尔大学的火山学家朱丽叶·比格斯领导的另一个COMET团队利用人工智能构建了第二种算法，被称为卷积神经网络。
研究职员首先利用来自Sentinel前身Envisat的原始干涉图来演习他们的神经网络，他们有一些火山爆发的例子。
只管该算法在剖析30,000个Sentinel干涉图方面取得了一些进展，但它的预测结果仍旧不尽如人意。
该小组的另一位火山学家法宾·阿尔比诺说，目前他们只有少数的研究例子，而对付学习型机器来说，须要的是成千上万的例子。

为理解决这一问题，比格斯和她的同事创建了一个仿照火山喷发的合成数据集。
阿尔比诺说，随着更多Sentinel示例被上传到算法中，预测结果将会越来越准确。