Ukryte wzorce w sejsmiczności wulkanicznej: wglądy z uczenia głębokiego w aktywności Etny w latach 2020–2021

Słuchając niespokojnego wulkanu

Góra Etna na Sycylii jest jednym z najaktywniejszych wulkanów na świecie, a jej erupcje mogą stanowić zagrożenie dla pobliskich miast, lotnisk i kluczowej infrastruktury. Obserwatoria wulkaniczne monitorują Etnę przy pomocy wielu instrumentów, lecz ogromna ilość danych utrudnia ludziom wyłapanie wszystkich sygnałów ostrzegawczych na czas. Badanie to pokazuje, jak współczesna sztuczna inteligencja potrafi przesiać rok „bicia serca” sejsmicznego Etny, aby wydobyć ukryte wzorce mówiące, kiedy wulkan jest spokojny, kiedy się ładuje, a kiedy przygotowuje się do erupcji.

Dlaczego „ścieżki dźwiękowe” wulkanu mają znaczenie

Wulkany nieustannie generują drgania rozchodzące się przez podłoże jako fale sejsmiczne. Niektóre są gwałtowne, podobne do trzęsień ziemi, inne przypominają ciągły pomruk zwany tremorem wulkanicznym albo specjalne tony określane jako zdarzenia długookresowe. Na Etnie sygnały te rejestrowane są przez całą dobę przez gęstą sieć sejsmometrów. Tradycyjnie eksperci analizują natężenie i częstotliwość tych drgań oraz emisje gazów, pęcznienie gruntu i obserwacje wizualne, aby ocenić, czy wulkan jest bezpieczny, czy zbliża się niebezpieczna erupcja. Aktywność Etny od końca 2020 do końca 2021 roku była jednak wyjątkowo intensywna, dając dwie długie sekwencje spektakularnych fontann lawy i napływ danych trudnych do interpretacji w czasie rzeczywistym.

Nauczanie komputerów rozpoznawania ukrytych wzorców

Badacze zastosowali beznadzorowane podejście z uczeniem głębokim, co oznacza, że komputerowi nie mówiono z góry, które dni były erupcyjne, a które spokojne. Zamiast tego wprowadzono dzienne spektrogramy — kolorowe obrazy pokazujące, jak zmienia się natężenie drgań sejsmicznych w funkcji czasu i częstotliwości — z dwóch stacji szczytowych na Etnie. Typ sieci neuronowej zwany autoenkoderem najpierw nauczył się kompresować złożony „obraz” sejsmiczny każdego dnia do niewielkiego zestawu kluczowych cech, a następnie rekonstruować go, zapewniając zachowanie istotnych informacji. Następnie metoda grupowania pogrupowała dni o podobnych sejsmicznych odciskach palców w cztery odrębne klastry. Zespół porównał te grupy z niezależnymi dowodami: zgłoszeniami fontann lawy, natężeniem tremoru, liczbą zdarzeń długookresowych oraz liczbą drobnych trzęsień pod wulkanem.

Cztery oblicza aktywności Etny

Cztery klastry wyznaczone przez komputer dobrze odpowiadały znaczącym zachowaniom wulkanicznym. Jedna grupa odpowiadała względnie spokojnym lub mieszanym dniom, kiedy występował jedynie tło tremoru i sporadyczne łagodne eksplozje. Druga grupa obejmowała dni zdominowane przez liczne zdarzenia długookresowe, co prawdopodobnie odzwierciedla wzrost ciśnienia gazów i płynów w płytkim układzie przewodów bez wywoływania jeszcze dużych erupcji. Trzecia grupa uwydatniała „fazę przygotowawczą”, gdy tremor stopniowo narastał i stawał się bardziej trwały przez tygodnie od połowy grudnia 2020 do połowy lutego 2021, mimo że na powierzchni nie pojawiły się jeszcze znaczące fontanny lawy. Czwarta grupa odpowiadała samym spektakularnym epizodom fontann lawy z dużą dokładnością, wykrywając około 95 procent dni erupcyjnych i pokazując intensywną, szerokopasmową energię sejsmiczną podczas paroksyzmów.

Wykrywanie przejść i dni niejednoznacznych

Łącząc dane z obu stacji szczytowych i szukając dni, gdy kilka instrumentów zgadzało się co do tego samego klastra, badacze potrafili odróżnić wyraźne reżimy od bardziej niejednoznacznych okresów. Niektóre dni znalazły się w kategorii „nierozstrzygniętej”, gdzie sygnały były mieszane lub różne na dwu stacjach — prawdopodobnie odzwierciedlając jednoczesne nakładanie się procesów, takich jak trzęsienia ziemi, tremor i zdarzenia napędzane gazami. Co ciekawe, metoda wykryła także sygnały fazy przygotowawczej pod koniec listopada 2021 oraz zauważyła oznaki drugiego cyklu erupcyjnego kilka dni przed potwierdzeniem fontann lawy, co sugeruje, że subtelne zmiany w sejsmicznych wzorcach mogą poprzedzać widoczną aktywność.

Co to oznacza dla mieszkańców żyjących w pobliżu wulkanów

Dla osób niebędących specjalistami kluczowy przekaz jest taki, że komputery potrafią dziś „słuchać” niespokojnego wulkanu i automatycznie porządkować jego złożone drgania w kilka zrozumiałych stanów: aktywność tła, wewnętrzne upłynnienie/naprężenie, faza narastania oraz pełnowymiarowe erupcje. Badanie pokazuje, że takie beznadzorowane narzędzia uczenia głębokiego mogą ściśle odpowiadać ocenom ekspertów, działając szybko i konsekwentnie na dużych zbiorach danych. Choć podejście to nie zastępuje ludzkich wulkanologów ani innych metod monitoringu, dostarcza potężnej dodatkowej pary oczu — pomagając obserwatoriom rozpoznać, kiedy wulkan taki jak Etna spokojnie się gotuje, kiedy się ładuje i kiedy może być na progu kolejnego dramatycznego wybuchu.

Cytowanie: Abed, W., Zali, Z., Sciotto, M. et al. Hidden patterns in volcanic seismicity: deep learning insights from Mt. Etna’s 2020–2021 activity. Sci Rep 16, 6155 (2026). https://doi.org/10.1038/s41598-026-36677-x

Słowa kluczowe: monitorowanie wulkanów, uczenie maszynowe, Góra Etna, aktywność sejsmiczna, prognozowanie erupcji