IA-prédire-éruptions-volcaniques
Les satellites fournissent des torrents de données sur les volcans actifs dans le monde, mais les chercheurs ont toujours eu de la difficulté à les transformer en prévision des risques volcaniques.

L’IA pour prédire les éruptions volcaniques

Cela pourrait bientôt changer avec de nouveaux algorithmes capables de tirer automatiquement parti des signaux de données du risque volcanique, laissant entrevoir la possibilité que des scientifiques développent un système mondial d’alerte des volcans.
Sans ces outils, les géoscientifiques ne peuvent tout simplement pas suivre l’information diffusée par les satellites, explique Michael Poland, responsable scientifique de l’observatoire américain du volcan Yellowstone à Vancouver, qui n’a participé à aucune de ces études. «Le volume de données est immense», explique-t-il.
Andrew Hooper, volcanologue à l’Université de Leeds au Royaume-Uni, qui a dirigé le développement d’une façon de prévoir les éruptions, estime que les nouveaux algorithmes devraient profiter aux quelque 800 millions de personnes vivant à proximité des volcans. «Environ 1400 volcans risquent de faire irruption au-dessus de la mer», a-t-il déclaré.
«Environ 100 sont surveillés. La grande majorité n’est pas surveillée. »Les deux méthodes ont été présentées cette semaine à Washington, DC, à la réunion semestrielle de l’American Geophysical Union (AGU).

Le lancement de satellites a permis de faire évoluer les prévisions

Au cours des dernières années, avec le lancement des satellites Sentinel 1A et Sentinel 1B de l’Agence spatiale européenne, le domaine de la volcanologie a reçu de nombreux points de vue sur l’évolution du sol autour des volcans sur la planète. Les satellites Sentinel 1 utilisent une technique appelée interférométrie radar, qui compare les signaux radar envoyés vers la Terre et réfléchis par celle-ci pour suivre les changements à la surface de la planète.
Cette méthode n’est pas nouvelle, mais les satellites Sentinel 1 revisitent chaque point de la planète une fois tous les six jours, et l’équipe de Sentinel publie rapidement ces observations haute résolution.
Au Royaume-Uni, un groupe de recherche appelé Centre d’observation et de modélisation des séismes des volcans et de la tectonique (COMET) avait déjà commencé à créer une base de données de ces mouvements de sol, appelés interférogrammes, des volcans de la planète.
L’utilisation de cette base de données pour la détection automatique semblait naturelle compte tenu du succès observé par l’apprentissage automatique dans d’autres formes de détection, explique Hooper, qui travaille avec COMET.
Les changements dans les mouvements de sol reflètent généralement le magma qui se déplace sous le volcan et ne prédisent pas parfaitement les éruptions. Mais contrairement aux points chauds thermiques ou aux panaches de cendres, qui peuvent être détectés automatiquement par les satellites météorologiques, les déplacements de sol peuvent aider à prévoir les éruptions, et non simplement indiquer leur survenue. « Les déformations ne signifie pas toujours une éruption », déclare Hooper. « Mais il y a peu de cas où nous n’avons pas d’éruption sans  ces déformations. »

Former les algorithmes

Premièrement, les équipes ont dû apprendre à leurs algorithmes à ne pas confondre les changements atmosphériques et les mouvements de sol, ce que les interférogrammes ont tendance à faire. Pour ce faire, l’équipe d’Hooper a opté pour une technique appelée analyse par composante indépendante, qui apprend à diviser un signal en différents éléments: atmosphère stratifiée, turbulence à court terme et déplacements de sol dans la caldera ou le flanc d’un volcan.
Cette technique leur permet de voir à la fois les mouvements de sol, ou les changements de vitesse, qui peuvent être des signes d’éruption imminente.

Un deuxième algorithme

Pendant ce temps, une autre équipe de COMET dirigée par Juliet Biggs, volcanologue à l’Université de Bristol au Royaume-Uni, a construit un deuxième algorithme utilisant une forme d’intelligence artificielle de plus en plus populaire appelée réseaux de neurones convolutionnels, qui utilise des couches de «neurones» biologiquement inspirés, qui permet de séparer les caractéristiques des images en groupes de plus en plus abstraites et apprendre à distinguer, par exemple, les chats des chiens.
Les chercheurs ont d’abord formé leur réseau neuronal à l’aide d’interférogrammes bruts d’Envisat, le précurseur de Sentinel, pour lesquels ils possédaient des exemples d’éruptions. Bien que l’algorithme ait eu un certain succès avec l’analyse de 30 000 interférogrammes de Sentinel, il produisait encore trop de faux positifs.
Selon Fabien Albino, un volcanologue qui travaille avec Biggs à Bristol, il y avait tout simplement trop peu d’exemples pour qu’il puisse apprendre correctement. «Pour l’apprentissage automatique, 100 n’est rien. Ils ont besoin des milliers s’interférogrammes .  »
Pour résoudre ce problème, Biggs et ses collègues ont créé un ensemble de données synthétiques d’éruptions par ordinateur, générées pour quelques modèles physiques déjà connus. Ces données synthétiques ont fait chuter le nombre de faux positifs de 60% à 20%, comme ils l’ont annoncé aujourd’hui à la réunion de l’AGU.

Un système qui s’ajustera comme Google

Cette tendance ne fera que s’améliorer à mesure que de nouveaux exemples de Sentinel seront intégrés à l’algorithme, explique Albino. «Le système va s’ajuster comme Google, en saisissant des millions d’exemples de chats et de chiens, et le système le saura par la suite. Il ne sera plus nécessaire de le former et ce sera très stable.
Bien que certains problèmes techniques persistants dans la base de données de COMET sur les volcans aient empêché les équipes d’utiliser leurs algorithmes presque en temps réel sur tous les volcans, Hooper a utilisé sa technique à certains endroits, y compris les pics volcaniques appelés de Sierra Negra et Wolf sur les îles Galápagos. Ces deux volcans ont éclaté l’année dernière et le programme d’Hooper les a détecté au début de leurs explosions, a-t-il rapporté.

Des algorithmes complémentaires

Ces deux algorithmes sont complémentaires; le réseau de neurones, par exemple, ne peut pas capturer des changements très lents de déformation, contrairement à l’analyse par composant indépendant. Il est donc probable que le système d’alerte de COMET utilisera les deux algorithmes, explique Hooper.
Pour l’instant, le défi est d’accélérer la rapidité avec laquelle COMET peut extraire les données radar de Sentinel dans sa base de données. Bien que ces données soient disponibles chez Sentinel en quelques heures, leur transfert complet prend encore plusieurs semaines. C’est un travail laborieux, explique Hooper. « Nous pensions que nous serions en avance. »
Pourtant, ce travail correspond exactement aux besoins des pays où il y a des volcans potentiellement dangereux, a déclaré Poland. «C’est un premier pas impressionnant», dit-il. « Cela pourrait révolutionner la détection de ces événements volcaniques. »
Source : Science