卫星提供大量关于活火山的数据，但研究人员一直在努力将它们转化为全球火山风险预测。这种情况可能很快就会随着新开发的算法而改变，算法可以自动从火山爆发风险的数据信号中梳理出信息，从而提高了科学家在几年内开发出全球火山预警系统的可能性。算法可以自动从火山爆发风险的数据信号中梳理出信息，提高了科学家在几年内开发出全球火山预警系统的可能性。

黄石火山观测台的科学家Michael Poland表示，如果没有这些工具，地球科学家就无法跟上卫星传回的信息，因为数据量异常之大。

英国利兹大学的一位火山学家Andrew Hooper领导团队开发了一种方法，他表示新算法应该使大约8亿居住在火山附近的人受益，“大约1400座火山有可能在海面上爆发，而大约只有100座受到监控。”

在过去的几年里，随着欧洲航天局的卫星Sentinel 1A和Sentinel 1B的发射，火山学领域已经得到了地面如何随着火山移动的观点。Sentinel 1卫星使用一种称为雷达干涉测量的技术，该技术比较发送到地球和从地球反射的雷达信号，以跟踪行星表面的变化。

这种方法并不新颖，但比较独特的是，Sentinel 1卫星每6天重新检测一次地球上的每个地点，Sentinel团队迅速释放这些高分辨率的观测结果。英国一个名为COMET的研究小组已经开始为世界火山建立一个称为干涉图的地面运动快照数据库。

地面运动的变化通常反映了火山下方的岩浆移动，并不能完全据此预测火山爆发。但与气象卫星可以自动检测到的热点或灰烟不同，地面移动可以帮助预测火山爆发，而不仅仅是指示它们的出现，Hooper表示，“变形并不总是意味着喷发。但是很少有喷发时不变形的情况。”

首先，团队必须教他们的算法，不要混淆大气移动和地面运动，这是干涉图容易混淆的。为此，Hooper的团队采用了一种称为独立成分分析的技术，该技术学会将信号分解成不同的部分：例如分层大气或短期湍流，以及火山口或侧翼的地面移位。该技术使他们能够捕捉全新的地面运动或速率变化，这两者都可能是火山爆发的迹象。

与此同时，由英国布里斯托尔大学的火山学家Juliet Biggs领导的另一个COMET团队使用一种越来越流行的AI形式构建了第二种算法，研究人员首先使用来自Sentinel前身Envisat的原始干涉图训练他们的神经网络，他们已经有火山爆发的例子。

尽管该算法在分析3万个Sentinel干涉图方面取得了一些成功，但它仍然产生了过多的误报。火山学家Fabien Albino说，只有极少的例子需要学习，“对于机器学习，一百个例子根本不算什么。”

为了解决这个问题，Biggs和同事创建了一个计算机模拟火山喷发的合成数据集，它是为一些已知的物理模式生成的。正如他们今天在AGU会议上报告的那样，这些综合数据将假阳性的比例从60%降至20%。随着更多的Sentinel例子被注入算法，这种趋势只会继续变得更好。

虽然COMET火山数据库的一些持续的技术问题阻碍团队在所有火山上实时运行算法，但Hooper已经在选定的地点运行他们的技术，包括加拉帕戈斯群岛上的Sierra Negra和Wolf火山。Hooper在会议上报道说，两座火山都在去年爆发了，而他的计划正好赶上了时机。

这两种算法是互补的，例如，神经网络不能捕捉变形的缓慢变化，但独立的成分分析可以。因此COMET的预警系统可能会同时使用这两种系统。目前的挑战是如何加快COMET从Sentinel提取雷达数据到数据库的速度。虽然这些数据可以在数小时内从Sentinel获得，但它们仍需要数周时间才能完全传输过来。

Poland表示，这项工作正是世界所需要的。虽然这项研究才刚刚开始，但随着时间的推移，它绝对可以彻底改变对这些事件的检测。