Voorspellen wanneer een vulkaan de volgende keer zal ontploffen is een lastige zaak, maar lessen die we hebben geleerd van een van de recente uitbarstingen van Hawaï kunnen helpen.

Kilauea, op het grote eiland Hawaï, is waarschijnlijk de best begrepen vulkaan op aarde. Dat is te danken aan monitoring en verzamelde informatie die teruggaat tot de vorming van het Hawaiian Volcano Observatory in 1912.

De vulkaan is ook onderworpen aan 's werelds meest technologisch geavanceerde geofysische monitoringnetwerk.

Vanuit de lucht, satellieten verzamelen gegevens die de veranderende topografie van de vulkaan laten zien terwijl magma door het interne magma-leidingsysteem beweegt. Satellieten kijken ook naar de samenstelling van vulkanische gassen.

Vanaf de grond, vulkanologen gebruiken een aantal zeer gevoelige chemische en fysische hulpmiddelen om de structuur van dat magma-leidingsysteem beter te begrijpen. Dit helpt om de beweging van magma in de vulkaan te bestuderen.

Aardbevingen en trillingen

Een spil van vulkaanmonitoring is seismiciteit - hoe vaak, waar en wanneer aardbevingen plaatsvinden. Magmabeweging in de vulkaan veroorzaakt aardbevingen, en het samenstellen van de gegevens over hun locatie (een techniek die bekend staat als triangulatie) volgt het pad van magma ondergronds.

Een nieuwere techniek, seismische interferometrie, gebruikt trillingen van energie van oceaangolven die de verre kusten raken die vervolgens door de vulkaan reizen.

Veranderingen in de snelheid van deze trillingen helpen ons de 3D-voetafdruk van het magma-leidingsysteem van de vulkaan in kaart te brengen. We kunnen dan detecteren wanneer, en in sommige gevallen hoe, het magma-leidingsysteem verandert.

Deze monitoring biedt de "puls" van de vulkaan in tijden van inactiviteit - een basislijn van waaruit veranderingen tijdens vulkanische onrust kunnen worden gedetecteerd. Dit bleek van onschatbare waarde voor vroegtijdige waarschuwing, en de voorspelling van waar en wanneer, van de uitbarsting van Kīlauea op 3 mei, 2018.

De "puls" van Kīlauea omvat cycli van vulkaaninflatie (uitpuilen) en deflatie (samentrekking) terwijl magma in en uit het opslaggebied op de top van de vulkaan beweegt.

De snelheden van trillingen die door de vulkaan reizen, zijn voorspelbaar tijdens observaties van inflatie-/deflatiecycli. Als de vulkaan uitpuilt, de trillingen reizen sneller door de vulkaan terwijl gesteente en magma worden samengeperst. Wanneer de vulkaan samentrekt, nemen deze snelheden af.

We beschrijven deze relatie tussen de twee gegevenssets - de uitpuiling / samentrekking en de snellere / langzamere snelheid van trillingen - als gekoppeld.

Er is iets veranderd

Vergeleken met onze baseline, we zagen de gekoppelde gegevensverschuiving 10 dagen voor de uitbarsting van Kīlauea op 3 mei. Dat vertelde wetenschappers dat het magma-leidingsysteem op een significante manier was veranderd.

De vulkaan puilde uit door de opbouw van druk in de magmakamer, maar de seismische golven vertraagden behoorlijk dramatisch, in plaats van te versnellen.

Onze interpretatie van deze gegevens was dat de magmakamer op de top niet in staat was om de druk van een toenemende magmavoorraad te weerstaan ​​- de uitstulping was te groot. Rotsmateriaal begon te breken rond de magmakamer op de top.

Het breken van de rotsen leidde toen misschien tot veranderingen van het magmatische systeem op de top, zodat meer magma gemakkelijker bij de uitbarstingsplaats kon komen, ongeveer 40 km verderop.

Evenals Kilauea, dergelijke gekoppelde datasets worden regelmatig verzameld, onderzocht en geïnterpreteerd in termen van magmatransport bij andere vulkanen wereldwijd. Locaties zijn onder meer Piton de la Fournaise op het eiland Réunion, en de vulkaan Etna, Italië.

Maar onze modellering was de eerste die aantoonde dat deze veranderingen in de gekoppelde gegevensrelatie kunnen optreden als gevolg van verzwakking van het materiaal in de vulkaan vóór een uitbarsting.

Het schademodel dat we hebben toegepast kan nu worden gebruikt voor andere vulkanen in een staat van onrust. Dit draagt ​​bij aan de gereedschapskist die vulkanologen nodig hebben om het wanneer en waar van een dreigende uitbarsting te voorspellen.

Zoveel gegevens, wij hebben hulp nodig

Wanneer vulkanen in een verhoogde staat van onrust verkeren, de hoeveelheid informatie die beschikbaar is uit digitale gegevens en grondobservaties is extreem. Wetenschappers hebben de neiging om eerst te vertrouwen op observatiemonitoring, en andere gegevens wanneer tijd en extra mensen beschikbaar zijn.

Maar de totale hoeveelheid binnenkomende data (zoals van satellieten) is overweldigend, en wetenschappers kunnen het gewoon niet bijbenen. Machine learning kan ons hierbij helpen.

Kunstmatige intelligentie is de nieuweling in het voorspellen van uitbarstingen. Neurale netwerken en andere algoritmen kunnen grote hoeveelheden complexe gegevens gebruiken en "leren" onderscheid te maken tussen verschillende signalen.

Er bestaan ​​tegenwoordig voor sommige vulkanen geautomatiseerde systemen voor vroegtijdige waarschuwing van een naderende uitbarsting met behulp van sensorarrays, bijvoorbeeld bij de vulkaan Etna, Italië. Het is waarschijnlijk dat kunstmatige intelligentie deze systemen in de toekomst geavanceerder zal maken.

Vroege detectie klinkt geweldig voor autoriteiten die belast zijn met de openbare veiligheid, maar veel vulkanologen zijn op hun hoede.

Als ze leiden tot meerdere valse alarmen, kan dat het vertrouwen in wetenschappers schaden voor zowel managers van vulkanische crises als het publiek.

Dit artikel is opnieuw gepubliceerd vanuit The Conversation onder een Creative Commons-licentie. Lees het originele artikel.