p Os satélites RADAR podem coletar grandes quantidades de dados de sensoriamento remoto que podem detectar movimentos do solo - desfomações de superfície - em vulcões quase em tempo real. Esses movimentos de solo podem sinalizar atividade vulcânica iminente e agitação; Contudo, nuvens e outros distúrbios atmosféricos e instrumentais podem introduzir erros significativos nas medições do movimento do solo. p Agora, Pesquisadores da Penn State usaram inteligência artificial (IA) para esclarecer esse ruído, facilitando drasticamente e melhorando a observação quase em tempo real dos movimentos vulcânicos e a detecção de atividade vulcânica e agitação.

p "A forma dos vulcões está mudando constantemente e grande parte dessa mudança se deve aos movimentos do magma subterrâneo no sistema de encanamento de magma feito de reservatórios e condutos de magma, "disse Christelle Wauthier, professor associado de geociências e bolsista do Instituto de Ciências dos Dados e Computação (ICDS). "Muito desse movimento é sutil e não pode ser percebido a olho nu."

p Os geocientistas têm usado vários métodos para medir as mudanças no solo ao redor de vulcões e outras áreas de atividade sísmica, mas todos têm limitações, disse Jian Sun, autor principal do artigo e um pós-doutorado em geociências, financiado pelo Dean's Postdoc-Facilitou Innovation through Collaboration Award do College of Earth and Mineral Sciences.

p Ele acrescentou isso, por exemplo, cientistas podem usar estações terrestres, como GPS ou medidores de inclinação, para monitorar o possível movimento do solo devido à atividade vulcânica. Contudo, existem alguns problemas com esses métodos baseados em terra. Primeiro, os instrumentos podem ser caros e precisam ser instalados e mantidos no local.

p "Então, é difícil colocar muitas estações terrestres em uma área específica em primeiro lugar, mas, digamos que realmente haja uma explosão vulcânica ou um terremoto, que provavelmente danificaria muitos desses instrumentos muito caros, "disse Sun." Em segundo lugar, esses instrumentos só fornecerão medições de movimento do solo em locais específicos onde estão instalados, portanto, essas medições terão uma cobertura espacial muito limitada. "

p Por outro lado, satélites e outras formas de sensoriamento remoto podem reunir muitos dados importantes sobre a atividade vulcânica para geocientistas. Esses dispositivos também são, em geral, fora de perigo de uma erupção e as imagens de satélite oferecem uma cobertura espacial muito extensa do movimento do solo. Contudo, mesmo este método tem suas desvantagens, de acordo com a Sun.

p “Podemos monitorar o movimento do solo causado por terremotos ou vulcões usando sensores remotos RADAR, mas embora tenhamos acesso a muitos dados de sensoriamento remoto, as ondas RADAR devem atravessar a atmosfera para serem registradas no sensor, "disse ele." E o caminho de propagação provavelmente será afetado por essa atmosfera, especialmente se o clima for tropical com muito vapor de água e nuvens com variações no tempo e no espaço. "

p De acordo com os pesquisadores, que relatam suas descobertas em uma edição recente do Journal of Geophysical Research , um método de aprendizado profundo que desenvolveram atua como um mestre de quebra-cabeças. Ao pegar dados claros, o sistema pode começar a preencher as lacunas de dados "ruidosos", buracos criados pela interferência do clima e outros ruídos instrumentais. Ele pode então construir uma imagem razoavelmente precisa da terra e de seus movimentos.

p Usando este método de aprendizado profundo, cientistas poderiam obter informações valiosas sobre o movimento do solo, particularmente em áreas com vulcões ativos ou zonas e falhas de terremotos, disse o sol. O programa pode detectar possíveis sinais de alerta, como mudanças repentinas de terra que podem ser um presságio de uma erupção vulcânica que se aproxima, ou terremoto.

p "É muito importante para áreas próximas a vulcões ativos, ou perto de onde houve terremotos, para ter o aviso o mais rápido possível de que algo pode acontecer, "disse Sun.

p Aprendizagem profunda, como o nome sugere, usa dados de treinamento para ensinar o sistema a reconhecer recursos que os programadores desejam estudar. Nesse caso, os pesquisadores treinaram o sistema com dados sintéticos semelhantes aos dados de deformação da superfície do satélite. Os dados incluíram sinais de deformação vulcânica, características atmosféricas correlacionadas espacial e topograficamente e erros na estimativa de órbitas de satélites.

p Pesquisas futuras se concentrarão em refinar e expandir nosso algoritmo de aprendizado profundo, de acordo com Wauthier.

p "Queremos ser capazes de identificar terremotos e movimentos de falha, bem como fontes magmáticas e incluir várias fontes subterrâneas que geram deformação superficial, ", disse ela." Vamos aplicar este novo método inovador a outros vulcões ativos, graças ao apoio da NASA. "