Ein 20-jähriger Bachelorstudent am „Frankfurt Institute for Advanced Studies“ (FIAS) am Riedberg hat ein effektives Verfahren entwickelt, um vulkanische Erschütterungen am Beispiel des italienischen Vulkans Stromboli schnell zu erkennen.
Dazu erstellte die FIAS-Gruppe „Seismologie und Künstliche Intelligenz“ einen umfassenden Katalog dieser Ereignisse, der nicht nur die Bewertung der vulkanischen Gefahren, sondern auch die eingehende Untersuchung möglicher Vorläufer großer Ausbrüche auf der Grundlage historischer Daten ermöglicht.
Um vulkanische Aktivitäten zu verstehen und vorherzusehen, werden weltweit Daten zu ihren Aktivitäten gesammelt. Das ist besonders aufwendig für Vulkane vom Typ Stromboli, für die regelmäßige leichte Eruptionen charakteristisch sind. Es kann jedoch auch zu gefährlichen großen Explosionen kommen. So brach der Stromboli zuletzt 2019 heftig aus, was zu einer kilometerhohen Asche-Gas-Wolke und einem Todesopfer führte.
Für die detaillierte Analyse dieser Vulkane werden aufwendig gesammelte Datensätze mit Informationen über vulkanische Erdbeben-Ereignisse benötigt. Diese Daten werden von Computerprogrammen analysiert (Deep-Learning). Vulkane werden weltweit überwacht und analysiert, was allerdings noch viel „Handarbeit“ erfordert.
Um seismische Daten automatisch zu analysieren und zu identifizieren, entwickelte Darius Fenner aus dem FIAS-Forschungsteam von Nishtha Srivastava in Zusammenarbeit mit Georg Rümpker und Horst Stöcker das „Adaptive-Window Volcanic Event Selection Analysis Module“ (AWESAM).
Diese exakte Schritt-für-Schritt-Anleitung für Computer – verwendet unbearbeitete seismische Rohdaten (Erdbeben), um Zeitabstände und Amplituden (Intensitäten) genauer zu messen. Ein spezieller Filter ermöglicht es, sowohl seltene heftige als auch regelmäßige kleine Ereignisse zu registrieren. In einem zweiten Schritt werden diese Messungen mit einer weiteren Station abgeglichen, um lokale Störfaktoren auszuschließen.
Das Bundesministerium für Bildung und Forschung (BmBF) fördert Srivastavas Forschungsteam im Rahmen des Programms „Förderung des weiblichen Nachwuchses“ mit mehr als 1,6 Millionen Euro. Die Gruppe wendet Methoden der künstlichen Intelligenz auf seismische Signale an, um Erdbebenfrühwarnsysteme (EEWs) und die seismische Signalanalyse zu verbessern. Außerdem wollen sie die mit der Freisetzung seismischer Spannungen verbundenen Muster besser verstehen.
Publikation
Darius Fenner, Georg Rümpker, Wei Li, Megha Chakraborty, Johannes Faber, Jonas Köhler, Horst Stöcker and Nishtha Srivastava, Automated Seismo-Volcanic Event Detection Applied to Stromboli (Italy), Front. Earth Sci. 10:809037, doi: 10.3389/feart.2022.809037, https://www.frontiersin.org/articles/10.3389/feart.2022.809037/full
Weitere Informationen
https://www.youtube.com/watch?v=8e-mzhxX3zc
Kontakt
Dr. Nishtha Srivastava
Theoretische Naturwissenschaften
Frankfurt Institute for Advanced Studies (FIAS)
Tel.: +49 69 798 47618
eMail: srivastava@fias.uni-frankfurt.de
Web: https://www.fias.science/de/theoretische-naturwissenschaften/gruppen/nishtha-srivastava