I satelliti RADAR possono raccogliere enormi quantità di dati di telerilevamento in grado di rilevare i movimenti del suolo, le deformazioni della superficie, nei vulcani quasi in tempo reale. Questi movimenti del suolo potrebbero segnalare un'imminente attività vulcanica e disordini; però, nuvole e altri disturbi atmosferici e strumentali possono introdurre errori significativi nelle misurazioni del movimento del suolo.

Ora, I ricercatori della Penn State hanno usato l'intelligenza artificiale (AI) per eliminare quel rumore, facilitando e migliorando drasticamente l'osservazione quasi in tempo reale dei movimenti vulcanici e il rilevamento dell'attività vulcanica e dei disordini.

"La forma dei vulcani cambia costantemente e gran parte di questo cambiamento è dovuto ai movimenti del magma sotterraneo nel sistema idraulico del magma fatto di serbatoi e condotti di magma, "ha detto Christelle Wauthier, professore associato di geoscienze e membro della facoltà dell'Istituto per i dati e le scienze computazionali (ICDS). "Molto di questo movimento è sottile e non può essere rilevato ad occhio nudo".

I geoscienziati hanno utilizzato diversi metodi per misurare i cambiamenti del suolo intorno ai vulcani e ad altre aree di attività sismica, ma tutti hanno dei limiti, disse Jian Sun, autore principale dell'articolo e borsista post-dottorato in geoscienze, finanziato dal Dean's Postdoc-Facilitated Innovation through Collaboration Award del College of Earth and Mineral Sciences.

Ha aggiunto che, Per esempio, gli scienziati possono utilizzare le stazioni di terra, come GPS o tiltmetri, monitorare eventuali movimenti del suolo dovuti all'attività vulcanica. Però, ci sono alcuni problemi con questi metodi a terra. Primo, gli strumenti possono essere costosi e devono essere installati e manutenuti in loco.

"Così, è difficile mettere molte stazioni a terra in un'area specifica in primo luogo, ma, diciamo che c'è effettivamente un'esplosione vulcanica o un terremoto, che probabilmente danneggerebbe molti di questi strumenti molto costosi, " disse Sun. "Secondo, questi strumenti ti forniranno solo misurazioni del movimento del suolo in luoghi specifici in cui sono installati, quindi quelle misurazioni avranno una copertura spaziale molto limitata."

D'altra parte, i satelliti e altre forme di telerilevamento possono raccogliere molti dati importanti sull'attività vulcanica per i geologi. Questi dispositivi sono anche, per la maggior parte, fuori pericolo da un'eruzione e le immagini satellitari offrono una copertura spaziale molto estesa del movimento del suolo. Però, anche questo metodo ha i suoi svantaggi, secondo Sole.

"Possiamo monitorare il movimento del suolo causato da terremoti o vulcani utilizzando sensori remoti RADAR, ma mentre abbiamo accesso a molti dati di telerilevamento, le onde RADAR devono attraversare l'atmosfera per essere registrate dal sensore, " disse. "E il percorso di propagazione sarà probabilmente influenzato da quell'atmosfera, soprattutto se il clima è tropicale con molto vapore acqueo e nuvole che variano nel tempo e nello spazio".

Secondo i ricercatori, che riportano le loro scoperte in un recente numero del Giornale di ricerca geofisica , un metodo di apprendimento profondo che hanno sviluppato agisce in modo molto simile a un maestro dei puzzle. Prendendo dati chiari, il sistema può iniziare a riempire i buchi di dati "rumorosi", buchi creati dall'interferenza di agenti atmosferici e altri rumori strumentali. Può quindi costruire un'immagine ragionevolmente accurata del terreno e dei suoi movimenti.

Utilizzando questo metodo di apprendimento profondo, gli scienziati potrebbero ottenere preziose informazioni sul movimento del suolo, in particolare in aree con vulcani attivi o zone e faglie sismiche, disse Sole. Il programma può essere in grado di individuare potenziali segnali di pericolo, come improvvisi spostamenti di terra che potrebbero essere un presagio di un'imminente eruzione vulcanica, o terremoto.

"È molto importante per le aree vicine a vulcani attivi, o vicino a dove ci sono stati terremoti, per avvertire il prima possibile che potrebbe accadere qualcosa, " disse Sole.

Apprendimento profondo, come suggerisce il nome, utilizza i dati di addestramento per insegnare al sistema a riconoscere le caratteristiche che i programmatori vogliono studiare. In questo caso, i ricercatori hanno addestrato il sistema con dati sintetici simili ai dati di deformazione della superficie del satellite. I dati includevano segnali di deformazione vulcanica, caratteristiche atmosferiche ed errori nella stima delle orbite dei satelliti sia spazialmente che topograficamente correlati.

La ricerca futura si concentrerà sul perfezionamento e sull'espansione del nostro algoritmo di deep learning, secondo Wauthier.

"Vogliamo essere in grado di identificare i movimenti sismici e di faglia, nonché le fonti magmatiche e includere diverse fonti sotterranee che generano deformazioni superficiali, " ha detto. "Applicheremo questo nuovo metodo innovativo ad altri vulcani attivi grazie al supporto della NASA".