NASA（美国航空航天局）资助的一个项目展示了深度学习算法如何帮助专家通过卫星扫描确定一座火山是否会爆发。

美国宾夕法尼亚州立大学(PennState)的地球科学专家和计算机科学家们建立了一个卷积神经网络(CNN)，该网络能自动从描述火山及其周围环境的卫星雷达图像中去除大气畸变，从而更容易地发现火山即将爆发的细微运动。上个月发表在《地球物理研究杂志》(Journal of Geophysical Research)上的一篇论文描述了这个人工智能系统。

该论文的合著者，宾夕法尼亚州立大学地球科学副教授克里斯蒂安·沃西尔（Christelle Wauthier）本周解释说，尤其需要精确的雷达图像，因为这些地质运动很微妙，是肉眼无法捕捉到的。

她补充说：“火山的形状在不断变化，而这种变化很大程度上是由于岩浆管道系统中的地下岩浆运动造成的，该系统由岩浆储层和管道组成。”

这些微小的变形可以用来判断火山喷发是否迫在眉睫，并且是可用于开发预警系统的信号。

我们可以使用地面上的工具来获取这些变化。该设备比来自太空的雷达图像更准确，但这些设备的范围非常有限，必须能够在极为偏远的地区进行很少或根本不需要维护的情况下发挥作用，并且可能在更大的喷发之前被地质活动摧毁。因此，雷达图像可能是预警系统的更好选择，尽管当陆地上覆盖厚厚的云层和其他干扰，或被阻碍雷达无线电波的天气干扰时，其覆盖范围会受到影响。

该神经网络可以自动消除噪声，从而可以分析地球上的微小运动以寻找危险迹象。研究人员在16,000幅合成雷达图像上训练了神经网络，并在4,000幅图像上对其进行了测试。研究小组使用了20个Nvidia Tesla P100 gpu来训练他们的模型。

当没有足够的真实数据或真实数据过于混乱时，通常使用合成数据。研究人员相信他们的算法可以应用于现实世界，并在尼加拉瓜的马萨亚火山的雷达卫星图像上对其进行了测试。目的是查看AI是否能够从雷达图像中充分去除噪音，从而使图像中出现的任何运动与地面接收站在地球上探测到的运动相结合。

尽管其输出似乎高估了火山的运动，但神经网络的表现还不错。

研究人员在论文中写道：“ CNN中的这些初始错误可能是由于糟糕的空间采样造成的。” 他们总结道：“使用合成基准进行的分析表明，CNN能够显示无噪声的表面变形信号。” 为了提高模型的准确性，他们建议在训练阶段加入更多的数据，包括GPS读数。

宾夕法尼亚州立大学（PennState）的Wauthier补充说：“我们希望能够识别地震和断层运动以及岩浆源，包括几个产生地表变形的地下源。得益于NASA的支持，我们将这种新的开创性方法应用于其他活火山。”