美国地质调查局黄石火山不雅观测台科学家Michael Poland表示，如果没有这些算法工具，地质学家根本无法跟上卫星供应信息的脚步。
“数据量大得惊人。
”Poland说。

英国利兹大学火山学家Andrew Hooper领导开拓了一种算法，他表示这一算法该当能使居住在火山附近的大约8亿居民受益。
“海面之上有大约1400座火山可能爆发，它们当中只有约100座火山处于监控中，但其余大部分并没有被监控。
”他说。

研究职员在近日举行的美国地球物理同盟会议(AGU)上展示了这两种预测火山爆发的方法。

在过去的数年里，随着欧洲空间局“哨兵”1A和“哨兵”1B卫星的发射，火山学领域已经得到了关于天下各地火山地面如何移动的频繁而反复的数据。
“哨兵”1系列卫星利用一种被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，以跟踪地球表面的变革。

这种方法谈不上新颖，但值得一提的是，每隔6天，“哨兵”1系列卫星都会重新检测一次地球上的每个点，该团队能够迅速发布高分辨率的不雅观测结果。
这个名为地震、火山和地质布局不雅观测和建模中央(COMET)的英国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Hooper说，鉴于机器学习在其他形式的模式检测中取得的成功，用自动化检测覆盖这个数据库彷佛是可行的。

地面运动的变革常日能反响火山下方的岩浆移动，但不能完备预测火山爆发。
与气候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，但在没有移动的情形下就直接爆发很少见。
”Hooper说。

首先，研究职员必须教会算法不要将大气变革与地面运动稠浊，一些干涉图常涌现该问题。
为此，Hooper团队利用了独立组分剖析技能，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，这两者都可能是火山爆发的迹象。

与此同时，由布里斯托尔大学火山学家Juliet Biggs领导的另一个COMET团队利用人工智能(卷积神经网络)构建了第二种算法。

研究职员首先利用来自“哨兵”前身欧洲环境卫星的原始干涉图演习神经网络。
只管该算法在剖析3万个“哨兵”干涉图方面取得了一些进展，但预测结果仍不尽如人意。
该小组的另一位火山学家Fabien Albino说，目前他们只有少数的研究例子，而对付学习型机器来说，100即是0，他们须要的是成千上万的例子。

为理解决这一问题，Biggs和同事创建了一个仿照火山喷发的合成数据集。
正如他们在AGU会议上报告的那样，这些综合数据将假阳性的比例从60%降至20%。
Albino说，随着更多案例被注入算法，趋势只会连续变得更好。
“该系统会像谷歌一样进行调优，(输入)数百万只猫和狗，然后系统就学会了，这是稳定的。
”

只管COMET火山数据库的一些技能故障使研究组无法在所有火山上靠近实时地运行他们的算法，但Hooper已经在一些特定地点运行了他们的技能，包括内格拉火山和加拉帕戈斯群岛上的沃尔夫火山。

此外，这两种算法是互补的，例如，神经网络不能捕捉变形的缓慢变革，但独立组分剖析可以。
以是，研究职员表示，COMET的预警系统很可能同时利用这两种方法。

目前的寻衅是如何加快COMET从“哨兵”提取雷达数据传输到数据库的速率。
虽然这些数据可以在数小时内从卫星得到，但须要数周才能完备传输。
Hooper说，这是一项艰巨的事情，“我们相信会走得更远”。

Poland也表示，这项事情正是天下所须要的，新技能绝对可以彻底改变对这些事宜的检测。