中国科学技术大学李泽峰课题组与牛津大学黄晖博士合作，发展了无监督学习方法，从复杂的火山地震中成功分离了长周期事件、混合事件和火山构造事件,发现2018年夏威夷基拉韦厄火山爆发前3个月，地下岩浆已经有显著的异常活动。该方法可以追踪火山爆发前数月的地下岩浆的活动，对监测火山活动、预报和预警火山灾害活动有重要应用前景。该成果近日发表于国际地学一流期刊Geophysical Research Letters (https://doi.org/10.1029/2021GL094698)
夏威夷基拉韦厄火山是世界上最活跃的火山之一。2018年5月到8月，基拉韦厄火山经历了一系列大规模喷发事件（图1），喷发出的岩浆覆盖了约35.5平方千米的土地，摧毁了700余所房屋，造成超过2亿美元的直接经济损失。提前了解地下岩浆活动、火山内部应力状态，预测和预警火山爆发，对于减轻火山灾害造成人员财产损失有重要意义。虽然GPS和InSAR等大地测量仪器可以测量火山地表形变以及岩浆湖高度变化，对于火山爆发短临预警有较高的准确率，但是它们无法做到对火山活动早期岩浆状态的监测。而地震监测可以在火山出现明显地表现象前了解火山活动性，追踪内部岩浆踪迹。
图1. 2018年夏威夷基拉韦厄火山喷发 (图片来源：美国地质调查局USGS)
火山地震种类复杂，成因各异。其中长周期地震通常被认为与岩浆活动密切相关，可以用来追踪地下岩浆活动，对火山活动早期刻画有重要参考意义。但是这类事件往往和其他地震事件混杂在一起，而传统方法只能给出模糊分类，准确率低。李泽峰课题组发展了频谱聚类方法，成功将各种火山事件分类（图2）。方法应用于基拉韦厄火山爆发前四个月的地震，发现早在在火山爆发前3个月就出现异常岩浆活动，与地表大地测量监测相比，大大提前了发现火山地区活动异常的时间。此外，结果揭示了夏威夷基拉韦厄地区的混合事件和长周期事件系出同源，均与岩浆活动有关，加深我们对火山地震成因的理解。本研究提出的基于无监督学习分类方法简单有效，有望应用到国内长白山、腾冲等火山危险区，对国内火山预警技术提供潜在支持。
图2. 夏威夷基拉韦厄火山地震无监督分类树状图。A、B两组对应长周期事件（LP），绝大多数集中在火山口地区，并且时间上呈现幕式分布。C组有一个5HZ左右的主峰，低频峰变化较大，产生机制仍有待进一步讨论。D组有比较典型的双峰分布，属于为混合事件（Hybrid）。E组事件对应火山构造事件（VT），绝大多数发生在浅部，在爆发前有一个稳定的累计加速现象。
作者信息：本文第一作者为中国科学技术大学硕士研究生崔鑫，通讯作者为李泽峰特任研究员。