Machine learning permite gerar alertas sobre atividade vulcânica

No último dia 9, um vulcão numa ilha da Nova Zelândia entrou em erupção, causando até o momento a morte de oito pessoas. A maioria dos 1400 vulcões ativos ao redor do mundo não conta com observatórios presentes nas suas imediações, que possam fornecer dados sobre seus níveis de atividade e assim informar planos de ação. Como dados coletados no sítio não são disponíveis, algumas atividades de monitoramento são feitas por satélite. Os satélites mais modernos possuem os chamados radares de abertura sintética (SAR, synthetic aperture radar), que são capazes de fornecer medidas das deformações no solo ao redor dos vulcões. Os radares interferométricos (InSAR) detectam deformações na escala centimétrica, fornecendo dados de alta resolução. Cada vulcão costuma ser fotografado num intervalo de 12 dias, e a comparação das imagens captadas pode fornecer pistas sobre o seu nível de atividade. Entretanto, o volume de imagens geradas, e o padrão de deformação do solo de cada vulcão (nem toda deformação indica um período de atividade), tornam a tarefa difícil de ser executada por especialistas.

Pesquisadores da Universidade de Leeds, no Reino Unido, desenvolveram um algoritmo de machine learning para facilitar esse processamento. O algoritmo realiza a chamada análise de componente independente espacial, uma técnica que tenta separar os dados em grupos maximamente independentes (no caso, através do espaço), para isolar sinais de interesse geofísico de sinais atmosféricos. Assim o modelo permite a detecção automática de deformações que não se enquadram no padrão de fundo dos vulcões. O monitoramento da evolução dos sinais resulta na detecção dos primeiros sinais que indicam um vulcão entrando em atividade.

Depois da validação com dados sintéticos, o modelo foi testado com dados reais coletados para o vulcão Sierra Negra, na ilha de Galápagos. O algoritmo conseguiu identificar um aumento da inflação do solo iniciando um ano antes de sua última erupção, que aconteceu em 2018. Isso demonstra que o método pode ser utilizado para orientar políticas até de longo prazo, evitando danos materiais e riscos de morte.

O trabalho foi publicado em setembro.