相距千里的西雅圖、那不勒斯與東京有著一個共通點：一旁的火山虎視眈眈，一旦爆發便可能對山腳下的城市造成毀滅性的破壞。
全球約有八億人住在火山方圓一百公里的範圍內，對他們的生命和生計構成威脅。就算地處偏遠的火山發生爆發，噴出的火山灰也會蔓延到各地，對公共衛生、農業和經濟造成危害。
部分火山不斷噴出岩漿，其它火山則是每隔幾百年或幾千年才會爆發一次，使得人們無法徹底掌握各地火山可能造成的災損情況。
布里斯托大學地球科學學院的博士後研究員 Fabien Albino，以及布里斯托大學視覺資訊實驗室的研究員 Nantheera Anantrasirichai 表示，深度學習可以幫助研究人員更深入瞭解火山活動的跡象。
研究人員過去使用裝有 GPS 或傾斜儀的地面觀測站，以偵測火山表面的變化，但並非每座火山都能輕鬆到達或是靠近研究中心，科學家遂改採衛星資料等遠距感應的方式。
Albino 與 Anantrasirichai 兩人結合各自在地球科學及深度學習方面的長才，使用神經網路來分析干涉圖。從衛星到地面上某一點的距離出現變化時，這些雷達掃描結果便會發出提示，這使得它們成為辨識火山噴發前，岩漿溫度升高和開始膨脹造成地面出現變形情況的利器。
兩人使用布里斯托大學搭載 NVIDIA P100 GPU 的 BlueCrystal 超級電腦，投入涵蓋約九百個活火山的三萬張干涉圖來訓練深度學習模型。
他們希望減少專家用以人工方式檢查火山活動跡象的干涉圖數量，讓科學家能研究更廣泛的趨勢。
「以前研究人員是一個國家、一個火山弧這樣的方式進行研究，如今我們則能從全球觀點進行瞭解，為火山活動成立正常運轉的全球預警系統。」Albino 說。
Albino 與 Anantrasirichai 將打造出更棒的模型，以提高區分大氣變化的程度，大氣變化訊號跟地面變形訊號，兩者看起來很相似，可能會造成誤報。研究人員利用合成資料進行一項後續研究，已大幅減少誤報的比例。
Anantrasirichai 表示：「專家不用看三萬個干涉圖，看五十個就夠了。」
一旦發現特定火山出現地面變形的情況，當地科學家便能把注意力和地面監測儀器集中到該地點上。火山爆發的幾小時到幾個月前，任何地方都有可能發生地震活動和地面變形的情況。
這種先進的監測方法對於住在火山附近的近十億人來說，可以在火山爆發時提供更好的災害規畫及疏散警告。
上圖為2006年拍攝到的阿拉斯加奧古斯丁火山熱液噴氣畫面。圖片來源：美國地質調查局／拍攝者 Cyrus Read，取得公眾領域使用許可。