一位来自华盛顿黄石火山观测台(美国地质调查局旗下的部门)的科学家迈克尔·波兰表示，如果没有这些算法作为辅助工具，地质学家根本无法跟上卫星提供信息的脚步。英国利兹大学的一位火山学家安德鲁·胡珀领导开发了一种算法，他表示这一算法应该能使大约8亿居住在火山附近的居民受益匪浅。“大约1400座火山可能在海面上爆发，”他说，“它们当中大约有100座火山处于监控之下，但另外的一大部分并没有被监控。”
本周，在华盛顿特区举行的美国地球物理联盟会议(agu)上，该会议每半年举行一次，展示了两种预测火山爆发的方法。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，火山学领域致力于观察火山周围陆地的运动情况。 sentinel 1卫星使用一种称为雷达干涉测量的技术，该技术能够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。
这种方法已经是老生常谈，但值得一提的是，每隔6天，sentinel 1卫星都会重新检测一次地球上的每个地点，sentinel团队能够迅速收到这些高分辨率的观测结果。在英国，一个名为地震，火山的构造观测和建模中心(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。与comet合作的胡珀说，考虑到学习型机器在其他领域的模式检测相当成功，我们顺理成章的想到了用自动检测覆盖来这个数据库。
地面运动的变化通常能反映火山下方的岩浆移动，但它不能完全预测火山爆发。与热天气卫星可以自动检测到的热点或灰烬羽流不同，地面移动可以帮助预测火山爆发，而不仅仅是指示它们的发生。“移动并不总是意味着火山会爆发，”胡珀说，“但是，在没有移动的情况下就直接爆发的情况很少。”
为了达到这一目标，团队必须教会他们的算法，不能轻易混淆地面运动的大气变化。为此，胡珀的团队运用了一种称为独立成分分析的技术，该技术能够将信号分解成不同的部分：例如分层大气或短期湍流，以及火山火山口或侧翼的地面移位。该技术使他们能够捕捉最新的地面移动或移动速率变化，这两者都可能是未来火山爆发的迹象。
与此同时，由英国布里斯托尔大学的火山学家朱丽叶·比格斯领导的另一个comet团队使用人工智能构建了第二种算法，被称为卷积神经网络。研究人员首先使用来自sentinel前身envisat的原始干涉图来训练他们的神经网络，他们有一些火山爆发的例子。尽管该算法在分析30,000个sentinel干涉图方面取得了一些进展，但它的预测结果仍然不尽如人意。该小组的另一位火山学家法宾·阿尔比诺说，目前他们只有少数的研究例子，而对于学习型机器来说，需要的是成千上万的例子。
为了解决这一问题，比格斯和她的同事创建了一个模拟火山喷发的合成数据集。阿尔比诺说，随着更多sentinel示例被上传到算法中，预测结果将会越来越准确。