AI wordt steeds vaker ingezet bij de voorspelling van vulkaanuitbarstingen, omdat het enorme hoeveelheden meetgegevens kan analyseren die voor mensen te complex of te omvangrijk zijn om snel te interpreteren. Het gaat meestal om een combinatie van machine learning en sensornetwerken.
Hier is hoe het meestal werkt:
1. Dataverzameling in real-time
Seismische activiteit: trillingen in de aardkorst worden continu gemeten met seismometers. Gasmetingen: sensoren en drones meten de uitstoot van gassen zoals CO₂ en SO₂, die vaak toenemen vóór een uitbarsting. Gronddeformatie: satellieten (bv. met InSAR-techniek) meten hoe de grond omhoog of omlaag beweegt als magma zich verplaatst. Thermische beelden: warmtecamera’s en infraroodsatellieten detecteren temperatuurveranderingen in en rond de krater.
2. AI-modellen voor patroonherkenning
Deep learning kan subtiele patronen vinden in seismische signalen die voorafgaan aan uitbarstingen. Anomaliedetectie gebruikt historische data om te herkennen wanneer huidige metingen afwijken van ‘normale’ activiteit. Multimodale AI combineert data uit verschillende bronnen (seismisch, gas, visueel) om een betrouwbaarder risicomodel te maken.
3. Voorspellende toepassingen
Korte termijn waarschuwingen: AI kan enkele uren tot dagen van tevoren waarschuwingen genereren op basis van opkomende patronen. Langetermijnmonitoring: modellen geven een risicoscore voor de komende maanden of jaren, handig voor evacuatieplannen en beleid. Simulaties: AI kan scenario’s doorrekenen over hoe lava, aswolken of pyroclastische stromen zich zouden verspreiden.
4. Concrete voorbeelden
Mount Etna & Kilauea: onderzoekers gebruiken neurale netwerken die seismische signalen herkennen die mensen vaak over het hoofd zien. AI4VOLCANO (ESA-project): gebruikt satellietbeelden en AI om veranderingen in temperatuur en hoogte rond vulkanen automatisch te detecteren. Google AI + USGS: experimenteert met machine learning om historische uitbarstingsdata te koppelen aan actuele metingen voor realtime voorspelling.
💡 Een interessante ontwikkeling is dat AI niet alleen sneller is dan klassieke methoden, maar ook gecombineerde signalen kan vinden die afzonderlijk onschuldig lijken, maar samen een duidelijk risico aangeven — iets waar menselijke analisten vaak pas later achter komen.