ज्वालामुखियों की निगरानी के लिए कृत्रिम बुद्धिमत्ता उपयुक्त है

हेल्महोल्त्ज़ सेंटर पॉट्सडैम GFZ जर्मन रिसर्च सेंटर फॉर जियोसाइंसेस

जोर से पढ़ें

पृथ्वी के आधे से अधिक सक्रिय ज्वालामुखियों पर यंत्रवत् निगरानी नहीं की जाती है। उदाहरण के लिए, प्रकोप हो सकता है जो कम से कम सैद्धांतिक रूप से अलार्म को ट्रिगर किए बिना लोगों को चेतावनी दे सकता है। पॉट्सडैम में तकनीकी विश्वविद्यालय बर्लिन और जर्मन रिसर्च सेंटर फॉर जियोसाइंसेज GFZ के शोधकर्ताओं ने अब MOUNTS ज्वालामुखी निगरानी मंच बनाया है, जो विभिन्न माप डेटा को साथ लाता है और अन्य चीजों के अलावा, सैटेलाइट इमेजरी का उपयोग करके विश्लेषण करता है, 'मशीन लर्निंग'।

पृथ्वी के आधे से अधिक सक्रिय ज्वालामुखियों पर यंत्रवत् निगरानी नहीं की जाती है। उदाहरण के लिए, प्रकोप हो सकता है जो कम से कम सैद्धांतिक रूप से अलार्म को ट्रिगर किए बिना लोगों को चेतावनी दे सकता है। ज्वालामुखी चेतावनी प्रणाली के रास्ते में एक पहले और अभी भी शुरुआती कदम में, तकनीकी विश्वविद्यालय बर्लिन (टीयू बर्लिन) और जीएफजेड जर्मन जर्मन सेंटर फॉर पॉट्सडैम में जियोसाइंसेस के लिए एक शोध परियोजना में एक नया ज्वालामुखी निगरानी मंच विकसित किया गया था। "कृत्रिम बुद्धि" का उपयोग करके विश्लेषण किया गया। हाल की घटनाओं का परीक्षण करके, वाल्डे और उनके सहयोगियों ने प्रदर्शित किया कि उनके MONUNTS (अंतरिक्ष से निगरानी अशांति) प्लेटफ़ॉर्म की पूर्ण निगरानी के लिए कई डेटासेट को विभिन्न प्रकार के डेटा के साथ जोड़ सकते हैं। टीम के परिणाम रिमोट सेंसिंग जर्नल में प्रकाशित किए गए थे।

दुनिया भर में 1500 सक्रिय ज्वालामुखियों में से हर साल 85 तक टूट जाते हैं। वॉल्यूमेट्रिक इंस्ट्रूमेंटेशन को बनाए रखने की लागत और अनिश्चितताओं के कारण, सक्रिय ज्वालामुखियों के आधे से भी कम जमीन-आधारित सेंसर के साथ निगरानी की जाती है, और यहां तक ​​कि कम अच्छी तरह से नियंत्रित माना जाता है। आमतौर पर सुप्त या विलुप्त माने जाने वाले ज्वालामुखी आमतौर पर यंत्रवत नहीं देखे जाते। लेकिन वे अप्रत्याशित रूप से और बड़े पैमाने पर विस्फोट कर सकते हैं, जैसा कि 2008 में चिली में चैटेन ज्वालामुखी में हुआ था, जो 8, 000 वर्षों की निष्क्रियता के बाद जाग गया था।

विस्फोट अक्सर अग्रदूत संकेतों के साथ होते हैं

उपग्रह आधारित महत्वपूर्ण डेटा प्रदान कर सकते हैं जब जमीन आधारित निगरानी सीमित या अनुपस्थित होती है। अंतरिक्ष से लगातार लंबी अवधि के अवलोकन भूवैज्ञानिक अशांति के संकेतों को बेहतर पहचानने की कुंजी हैं। विस्फोट अक्सर होते हैं - हालांकि हमेशा नहीं - अग्रदूत संकेतों के साथ जो कुछ घंटों से लेकर कुछ वर्षों तक ले सकते हैं। इन संकेतों में भूकंपीय व्यवहार, मिट्टी की विकृति, गैस उत्सर्जन, बढ़ते तापमान या इसके संयोजन में बदलाव शामिल हो सकते हैं।

", भूकंपीयता के अपवाद के साथ, इन सभी घटनाओं को विद्युत चुम्बकीय स्पेक्ट्रम में विभिन्न तरंग दैर्ध्य का उपयोग करके अंतरिक्ष से निगरानी की जा सकती है, " MOUNTS परियोजना के प्रमुख सेबस्टियन वालडे कहते हैं। यह GEO.X द्वारा वित्त पोषित है, बर्लिन और पॉट्सडैम में 2010 में स्थापित भू-विज्ञान के लिए एक शोध नेटवर्क है, और टीयू बर्लिन और जीएफजेड में किया जाता है। "मोनाट्स मॉनिटरिंग सिस्टम में, हम ज्वालामुखी में परिवर्तन का पता लगाने और मापने के लिए विभिन्न उपग्रह सेंसर का उपयोग करते हैं, " वेलेड कहते हैं। "और हमने GFZ के वैश्विक GEOFON नेटवर्क और संयुक्त राज्य भूवैज्ञानिक सर्वेक्षण USGS डेटा से भूकंपीय डेटा को भी शामिल किया।"

परियोजना का हिस्सा यह परीक्षण करना था कि क्या "आर्टिफिशियल इंटेलिजेंस" (एआई) को डेटा विश्लेषण प्रक्रिया में सफलतापूर्वक एकीकृत किया जा सकता है। एआई एल्गोरिदम मुख्य रूप से टीयू बर्लिन के एंड्रियास ले द्वारा विकसित किए गए थे। बड़ी विरूपण घटनाओं के स्वत: पता लगाने के लिए उन्होंने तथाकथित कृत्रिम तंत्रिका नेटवर्क का उपयोग किया। शोधकर्ताओं ने उन्हें कंप्यूटर जनित छवियों के साथ प्रशिक्षित किया जो वास्तविक उपग्रह इमेजरी पर मॉडलिंग की गई थीं। बड़ी संख्या में सिंथेटिक उदाहरणों से, सॉफ्टवेयर ने वास्तविक, पहले अज्ञात उपग्रह डेटा में बड़ी विरूपण घटनाओं का पता लगाना सीखा। डेटा विज्ञान के इस क्षेत्र को "मशीन लर्निंग" कहा जाता है।

"यह हमारे लिए एक महत्वपूर्ण 'टेस्ट बैलून' था, यह देखने के लिए कि हम सिस्टम में मशीन सीखने को कैसे एकीकृत कर सकते हैं, " लेय कहते हैं। "फिलहाल, हमारा विरूपण डिटेक्टर केवल एक कार्य को हल करता है। हमारी दृष्टि विभिन्न कार्यों के लिए कई AI टूल को एकीकृत करने की है। क्योंकि ये उपकरण आमतौर पर बड़ी मात्रा में डेटा सीखने से लाभान्वित होते हैं, हम चाहते हैं कि वे उन सभी डेटा से लगातार सीखें जो सिस्टम विश्व स्तर पर एकत्र करता है

MOUNTS दुनिया भर में 17 ज्वालामुखियों की निगरानी करता है

सोबस्टियन वालेड और उनके सह-लेखकों के सामने मुख्य चुनौतियां बड़ी मात्रा में डेटा और सॉफ्टवेयर विकास के मुद्दों से निपटने में थीं। "लेकिन इन समस्याओं को हल किया जा सकता है, " वेलाडे कहते हैं। From मुझे विश्वास है कि सुदूर भविष्य में सुदूर संवेदन और अर्थबाउंड सेंसर जैसे कई स्रोतों से एआई और डेटा का उपयोग करके स्वचालित निगरानी प्रणाली लोगों को अधिक समय पर और अधिक विश्वसनीय चेतावनी देने में मदद करेगी।

वर्तमान में MOUNTS निगरानी मंच द्वारा प्रदान किया गया विश्लेषण पहले से ही दुनिया भर में विभिन्न जलवायु और ज्वालामुखी वातावरणों में विभिन्न प्रक्रियाओं की व्यापक समझ देता है: सतह के नीचे मैग्मा का प्रसार the विस्फोट के दौरान ज्वालामुखी सामग्री के वितरण से प्रभावित क्षेत्रों में रूपात्मक परिवर्तन और वायुमंडल में गैसों के उत्सर्जन के लिए। शोधकर्ताओं ने हाल की घटनाओं के लिए MOUNTS का सफलतापूर्वक परीक्षण किया, जैसे कि 2018 में इंडोनेशिया में क्राकाटोआ का प्रकोप, या हवाई और ग्वाटेमाला में प्रकोप।

प्रणाली वर्तमान में दुनिया भर में 17 ज्वालामुखियों की निगरानी कर रही है, जिसमें मेक्सिको में पोपोकाटेप्ल और इटली में currentlytna शामिल हैं। प्लेटफ़ॉर्म की वेबसाइट इंटरनेट पर स्वतंत्र रूप से उपलब्ध है और इसे डिज़ाइन किया गया है ताकि नए डेटा को वैश्विक कवरेज और डेटा तक मुफ्त पहुंच के लिए आसानी से एकीकृत किया जा सके। (रिमोट सेंसिंग; doi: 10.3390 / rs11131528)

स्रोत: हेल्महोल्त्ज़ सेंटर पॉट्सडैम GFZ जर्मन रिसर्च सेंटर फॉर जियोसाइंसेस

- काय सैंडर्स