.
(a) Mapa da estação da rede sísmica e infrassônica do Observatório de Vulcões do Alasca no Vulcão Pavlof. Todas as estações sísmicas têm um sensor infrassônico colocalizado. Observe que a estação PV6 foi destruída durante a erupção de 2016 e é mostrada para referência porque estava operacional durante as erupções de 2007, 2013 e 2014. O mapa inserido mostra a localização do Vulcão Pavlof ao longo da Península do Alasca. (b) Vista de helicóptero de uma pequena explosão de cinzas da abertura ativa do Vulcão Pavlof em 26 de agosto de 2022. As aberturas para a erupção de 2021–2022 estavam localizadas no flanco sudeste superior do vulcão em relação ao cume. Crédito: Valerie Wasser, University of Alaska Fairbanks
Um novo sistema automatizado de monitoramento e classificação de vibrações persistentes em vulcões ativos pode eliminar as horas de esforço manual necessárias para documentá-las.
O pesquisador de pós-graduação Darren Tan do Instituto Geofísico Fairbanks da Universidade do Alasca liderou o desenvolvimento do sistema, que é baseado em aprendizado de máquina. O aprendizado de máquina é um ramo da inteligência artificial focado na construção de sistemas que aprendem com dados, identificam padrões e tomam decisões com intervenção humana mínima.
Detalhes sobre o sistema automatizado de Tan são publicados no periódico Revista de Pesquisa Geofísica: Terra Sólida.
Seu sistema documenta tremor vulcânico, um sinal sísmico contínuo e rítmico que emana de um vulcão. Ele frequentemente indica movimento subterrâneo de magma ou gás e ocorre regularmente em vulcões ativos.
O conhecimento do tremor vulcânico pode ajudar na previsão e detecção de erupções.
Ao contrário de terremotos vulcânicos, o tremor vulcânico é um estrondo sustentado no solo que pode durar de alguns segundos a um ano ou mais. Ele é identificado principalmente em espectrogramas devido à sua intensidade e frequência variáveis.
“O tremor vulcânico não é tipicamente detectado ou catalogado, porque tende a ser bem sutil nos dados sísmicos”, disse Tan. “Ele não tem o início impulsivo como um terremoto.”
Detectar tremores é atualmente um processo manual no Observatório de Vulcões do Alasca, ao qual Tan também é afiliado. O observatório é um programa conjunto do Instituto Geofísico, da Divisão de Pesquisas Geológicas e Geofísicas do Alasca e do Serviço Geológico dos EUA. Parte do observatório é baseada no Instituto Geofísico.
O sismólogo de plantão diário do observatório examina espectrogramas em 32 redes de monitoramento de vulcões no Alasca, procurando por leves indícios de tremor, além dos sinais sísmicos óbvios.
“Os sismólogos de plantão vão todos os dias, e às vezes duas vezes por dia ou mais, dependendo da atividade vulcânica, para olhar os espectrogramas”, disse Tan. “Eles olham de vulcão em vulcão, de hora em hora, e isso leva muito tempo.”
O Alasca tem 54 vulcões classificados como “historicamente ativos”, o que significa que eles entraram em erupção nos últimos 300 anos aproximadamente. Destes, 32 têm redes de monitoramento sísmico.
Tan utilizou a diversidade de sinais de tremor da erupção de 2021-2022 do Vulcão Pavlof, na Península do Alasca, para construir um extenso conjunto de dados de espectrogramas sísmicos e acústicos de baixa frequência rotulados. Esses espectrogramas representam uma variedade de classificações, como tipo de tremor, explosões e terremotos, que foram então usados para treinar um modelo de computador para cada tipo de dado.
Os modelos treinados podem detectar e classificar tremores vulcânicos em tempo quase real. No entanto, humanos ainda estarão envolvidos na interpretação do que a automação produz.
“Ser capaz de colocar nosso foco em períodos de tempo de interesse, isso é essencial”, disse Tan. “Acho que isso reinventa a maneira como podemos monitorar erupções de longa duração, porque as coisas podem passar despercebidas quando um vulcão fica ativo por um ano e meio ou dois anos.”
“Este método automatizado de detecção de tremores também é uma contribuição importante para a previsão e detecção de erupções”, disse ele.
Tan disse que o aprendizado de máquina é um campo em rápido crescimento com grandes possibilidades.
“É como o Velho Oeste do aprendizado de máquina agora”, ele disse. “Todo mundo está tentando dar uma olhada nisso, mas é importante fazer isso com cuidado.”
Pesquisadores da UAF entre os sete coautores do artigo científico incluem David Fee, cientista coordenador do Observatório de Vulcões do Alasca no Instituto Geofísico; Társilo Girona, professor assistente de pesquisa do Instituto Geofísico; e a professora assistente de pesquisa Taryn Lopez, também do Instituto Geofísico.
Matthew Haney, Chris Waythomas e Aaron Wech do USGS e o ex-pesquisador de pós-doutorado da UAF Alex Witsil, agora na Applied Research Associates na Carolina do Norte, também são coautores.
Mais Informações:
Darren Tan et al, Detecção e caracterização de sinais sísmicos e acústicos no vulcão Pavlof, Alasca, usando aprendizado profundo, Revista de Pesquisa Geofísica: Terra Sólida (2024). DOI: 10.1029/2024JB029194
Fornecido pela Universidade do Alasca Fairbanks
Citação: Novo sistema automatizado fornece uma maneira de detectar vibrações vulcânicas elusivas (23 de julho de 2024) recuperado em 24 de julho de 2024 de https://phys.org/news/2024-07-automated-elusive-volcanic-vibrations.html
Este documento está sujeito a direitos autorais. Além de qualquer uso justo para fins de estudo ou pesquisa privada, nenhuma parte pode ser reproduzida sem permissão por escrito. O conteúdo é fornecido apenas para fins informativos.
.
