宾夕法尼亚州立大学马特·斯韦恩 人工智能可能会帮助科学家利用卫星数据来监视火山，比如夏威夷的莫纳罗亚火山
信用:Axelspace 雷达卫星可以收集大量的遥感数据，这些数据可以近乎实时地探测火山的地面运动——表面变形
这些地面运动可能预示着即将到来的火山活动和动荡；然而，云层和其他大气和仪器干扰会给地面运动测量带来很大误差
现在，宾夕法尼亚州立大学的研究人员已经使用人工智能来消除这种噪音，极大地促进和改善了对火山运动的近实时观察，以及对火山活动和动荡的检测
“火山的形状在不断变化，这种变化很大程度上是由于地下岩浆运动在岩浆库和管道组成的岩浆管道系统中造成的，”地球科学副教授、数据和计算科学研究所(ICDS)研究员克里斯特尔·沃提尔说
“这种运动大多是微妙的，肉眼无法捕捉到
" 该论文的主要作者、地球科学博士后学者孙健说，地球科学家已经使用了几种方法来测量火山和其他地震活动区域周围的地面变化，但都有局限性。该论文由地球和矿物科学学院院长博士后基金资助
他补充说，例如，科学家可以使用地面站，如全球定位系统或倾斜仪，来监测火山活动可能导致的地面运动
然而，这些基于地面的方法存在一些问题
首先，仪器价格昂贵，需要在现场安装和维护
孙说:“所以，首先很难在一个特定的区域放置大量的地面站，但是，假设真的发生了火山爆发或地震，那可能会损坏很多这些非常昂贵的仪器。”
“第二，这些仪器只能在安装它们的特定位置进行地面运动测量，因此这些测量的空间覆盖范围非常有限
" 另一方面，卫星和其他形式的遥感可以为地球科学家收集大量关于火山活动的重要数据
这些设备在很大程度上也没有受到火山爆发的伤害，卫星图像提供了非常广泛的地面运动的空间覆盖
然而，据孙说，即使这种方法也有它的缺点
“我们可以使用雷达遥感器监测地震或火山引起的地面运动，但尽管我们可以获得大量遥感数据，雷达波必须穿过大气层才能在传感器上被记录下来，”他说
“传播路径很可能会受到大气的影响，特别是如果气候是热带气候，有大量的水蒸气和云层在时间和空间上变化的话
" 研究人员在最近一期的《地球物理研究杂志》上报告了他们的发现，根据他们的说法，他们开发的深度学习方法很像拼图大师
通过获取清晰的数据，系统可以开始填补“噪音”数据的漏洞，这些漏洞是由天气和其他仪器噪音的干扰造成的
然后，它可以建立一个相当准确的土地及其运动的图片
孙说，利用这种深度学习的方法，科学家可以获得对地面运动的有价值的见解，特别是在有活火山或地震带和断层的地区
该程序也许能够发现潜在的警告信号，比如可能预示着即将到来的火山爆发或地震的突然的陆地移动
孙说:“对于靠近活火山的地区，或者靠近发生过地震的地区来说，尽可能早地对可能发生的事情进行预警是非常重要的。”
顾名思义，深度学习使用训练数据来教系统识别程序员想要学习的特性
在这种情况下，研究人员用类似卫星表面变形数据的合成数据训练系统
这些数据包括火山变形信号、空间和地形相关的大气特征以及卫星轨道估计误差
沃蒂尔表示，未来的研究将专注于完善和扩展我们的深度学习算法
“我们希望能够识别地震和断层运动以及岩浆来源，并包括几个产生地表变形的地下来源，”她说
“多亏了美国国家航空航天局的支持，我们将把这种开创性的新方法应用于其他活火山
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
