Sismicité, fluides hydrothermaux et systèmes de failles dans le Parc national de Yellowstone // Seismicity, hydrothermal fluids and fault systems in Yellowstone National Park

Une étude d’une durée de 15 ans menée par l’Observatoire Volcanologique de Yellowstone et l’USGS sur les données sismiques dans le Parc, et publiée dans Science Advances en juillet 2025, montre comment des milliers de petits séismes se regroupent dans le temps et l’espace. Elle met ainsi en évidence des interactions complexes entre les fluides hydrothermaux et les systèmes de failles sous la caldeira de Yellowstone. Grâce à l’intelligence artificielle, les chercheurs ont pu démontrer que le sous-sol du Parc national de Yellowstone est bien plus dynamique qu’on ne le pensait jusqu’à présent.

Photo: C. Grandpey

De 2008 à 2022, les scientifiques ont analysé les mesures en continu des mouvements du sol, fournies par le réseau sismique qui détecte les vibrations les plus infimes à travers le Parc. En appliquant les derniers modèles d’apprentissage automatique à cet immense ensemble de données, les chercheurs ont détecté plus de 86 000 séismes, ainsi qu’une multitude de petits événements auparavant inconnus. Ces données confirment que le sous-sol de Yellowstone est un paysage en perpétuel mouvement. Les séismes ne sont pas répartis uniformément, mais se regroupent en essaims, où des centaines, voire des milliers d’événements se produisent en quelques jours ou semaines. Certains de ces essaims sont liés au mouvement de fluides hydrothermaux, d’autres au lent réajustement des zones de failles, et quelques-uns à des processus volcaniques profonds. Ce catalogue, réalisé à l’aide de l’intelligence artificielle, révèle que nombre de ces épisodes sont interconnectés sur plusieurs années, voire des décennies, et racontent ainsi une période bien plus longue de l’évolution de la croûte de Yellowstone.

Réseau sismique de Yellowstone (Source: YVO)

Cette étude démontre comment une surveillance sur le long terme et en haute résolution, combinée à l’intelligence artificielle, peut éclairer des processus allant bien au-delà de la portée de l’observation directe.
Le nouveau catalogue sismique offre un aperçu inédit de la façon dont les séismes dessinent l’anatomie de la caldeira de Yellowstone. La plupart des 86 000 séismes enregistrés se sont produits à des profondeurs comprises entre 1 et 4 km, formant des groupes denses et linéaires qui suivent les systèmes de failles sous le Parc. À environ 8 km de profondeur, l’activité sismique disparaît presque complètement, ce qui indique probablement la présence de roches partiellement fondues qui absorbent l’énergie au lieu de se fracturer. Les chercheurs ont obtenu cette précision grâce à un modèle tridimensionnel des vitesses des ondes sismiques sous Yellowstone. Ce modèle montre comment différents types de roches, avec des températures différentes, modifient la vitesse des ondes sismiques, ce qui permet aux scientifiques de localiser les séismes avec exactitude.
Les résultats affinés révèlent des couloirs de failles complexes, certains orientés nord-est à travers la caldeira et d’autres longeant sa lèvre ouest. Au sein de ces structures, les scientifiques ont observé des différences marquées entre les zones situées à l’intérieur et à l’extérieur de la caldeira. À l’intérieur, les séismes ont tendance à se propager verticalement le long de failles grossières et encore mal définies. Ce mouvement vertical reflète la remontée de fluides sous pression, principalement de l’eau chaude et des gaz, au sein du système hydrothermal actif de Yellowstone. À l’extérieur de la caldeira, en revanche, les failles apparaissent plus stables et les séismes présentent une faible migration verticale. Ces zones représentent probablement des failles plus anciennes et plus matures, réagissant aux variations latérales des contraintes crustales.

Histogramme montrant le nombre de séismes par période de trois mois dans la région du Parc national de Yellowstone, de 1973 à 2023. Les barres rouges représentent tous les séismes survenus dans la région de Yellowstone, et les barres bleues indiquent une sismicité en essaim. (Source : YVO)

L’utilisation d’outils d’apprentissage profond tels qu’EQTransformer et PhaseLink a permis aux auteurs de l’étude de détecter des phases sismiques subtiles souvent négligées par les méthodes traditionnelles. Les chercheurs ont relocalisé 67 000 événements avec une précision remarquable. Ils ont pu ainsi cartographier une croûte complexe et finement stratifiée qui fait le lien entre tectonique et volcanisme. Ce niveau de détail offre une nouvelle base pour l’étude du sous-sol de Yellowstone. Les données révèlent non seulement la localisation des séismes, mais aussi l’évolution de leur profondeur et de leur direction au fil du temps. Chaque essaim sismique témoigne d’un mouvement, illustrant l’évolution continue du réseau hydrographique interne du Parc. L’une des découvertes les plus remarquables est le lien à long terme entre différents essaims sismiques. Alors que chaque essaim ne dure généralement que quelques semaines, la nouvelle analyse montre que des essaims séparés par des années se produisent souvent quasiment au même endroit.
Par exemple, l’essaim de 2020-2021, survenu près de l’extrémité nord du lac Yellowstone, s’est produit immédiatement au sud de la séquence de 2008-2009, après plus d’une décennie de calme. Un tel comportement laisse supposer l’existence d’un système dynamique de réservoirs souterrains où l’eau et le gaz migrent lentement à travers les fractures de la roche. Lorsque ces fluides rencontrent des zones étanches ou de faible perméabilité, la pression augmente jusqu’à provoquer la fissuration de la roche, engendrant des salves de sismicité. Une fois la pression relâchée, le système retrouve son calme lorsque les conduits de fluides se referment. Ce processus d’arrêts et de reprises crée un rythme d’essaims sismiques spatialement liés mais temporellement séparés. Ces essaims sont particulièrement fréquents près des zones hydrothermales comme le Yellowstone Lake et le Norris Geyser Basin, où l’eau chaude circule à travers des fractures superficielles.

Norris Geyser Basin (Photo: C. Grandpey)

La récurrence de ces essaims illustre comment la croûte de Yellowstone emmagasine et libère de l’énergie sur des échelles de temps bien plus longues que celles de chaque épisode individuel. La reprise d’activité dans les mêmes zones de failles après des années de repos révèle un lent cycle d’accumulation et de libération de pression qui façonne l’évolution continue du Parc.
Source : Observatoire Volcanologique de Yellowstone.

————————————————–

A 15-year study of Yellowstone’s seismic record by the Yellowstone Volcano Observatory and the U.S. Geological Survey (USGS), published in Science Advances in Jult 2025, reveals how thousands of small earthquakes cluster in time and space. It thus shows complex interactions between hydrothermal fluids and fault systems beneath the caldera. By using artificial intelligence, the researchers demonstrate that the ground beneath Yellowstone National Park is far more dynamic than previously understood.

From 2008 to 2022, scientists analyzed continuous ground motion recordings collected from the seismic network which surrounds the park and detects even the faintest vibrations. By applying advanced machine learning models to this enormous dataset, the researchers detected over 86 000 earthquakes, with countless small events that were previously invisible. Through this data, Yellowstone’s subsurface appears as a restless landscape in constant motion. Earthquakes are not distributed evenly but instead cluster in swarms, where hundreds or thousands of events occur over days or weeks. Some of these swarms have been linked to the movement of hydrothermal fluids, others to the slow readjustment of fault zones, and a few to deeper volcanic processes. The AI-based catalog now shows that many of these bursts are connected across years or even decades, telling a much longer story of Yellowstone’s evolving crust.

This study demonstrates how long-term, high-resolution monitoring combined with artificial intelligence can illuminate processes far below the reach of direct observation.

The new seismic catalog provides an unprecedented look at how earthquakes outline the anatomy of the Yellowstone Caldera. Most of the 86 000 recorded earthquakes occurred at depths between 1 and 4 km, forming dense, linear clusters that trace fault systems beneath the park. Beneath about 8 km, seismic activity nearly disappears, suggesting the presence of partially molten rock that absorbs energy rather than fracturing. Researchers achieved this precision using a three-dimensional model of seismic wave velocities beneath Yellowstone. This model shows how different rock types and temperatures alter the speed of seismic waves, allowing scientists to locate earthquakes with accuracy.

The refined results reveal intricate fault corridors, some trending northeast across the caldera and others running along its western rim. Within these structures, scientists observed distinct differences between areas inside and outside the caldera boundary. Inside, earthquakes tend to migrate upward through rough, immature faults. This vertical movement reflects the rising motion of pressurized fluids, primarily hot water and gases, within Yellowstone’s active hydrothermal system. Outside the caldera, by contrast, the faults appear more stable, with earthquakes showing little vertical migration. These zones likely represent older, more mature faults responding to lateral shifts in crustal stress.

The use of deep learning tools such as EQTransformer and PhaseLink enabled the detection of subtle seismic phases that traditional methods often miss. The researchers relocated 67 000 events with remarkable precision, mapping a complex and finely layered crust that bridges the worlds of tectonics and volcanism. This level of detail provides a new foundation for studying Yellowstone’s subsurface. The data reveal not just where earthquakes happen, but how their patterns shift in depth and direction through time. Each cluster becomes a trace of movement, showing how the park’s internal plumbing continues to evolve.

One of the most remarkable findings is the long-term connection between separate earthquake swarms. While individual swarms typically last only a few weeks, the new analysis shows that swarms years apart often occur in nearly the same place.

For example, the 2020–2021 swarm near the northern end of Yellowstone Lake occurred immediately south of the 2008–2009 sequence, separated by more than a decade of quiet. Such behavior hints at a dynamic system of underground reservoirs where water and gas migrate slowly through fractures in the rock. When these fluids encounter sealed zones of lower permeability, pressure builds until it forces the rock to crack, producing bursts of seismicity. Once released, the system quiets again as the fluid pathways reseal. This stop-and-go process creates a rhythmic pattern of swarms that are spatially linked but temporally separated. Swarms are especially common near hydrothermal areas such as Yellowstone Lake and Norris Geyser Basin, where hot water circulates through shallow fractures. These recurring swarm patterns demonstrate how Yellowstone’s crust stores and releases energy on timescales much longer than any individual episode. The return of activity to the same fault zones after years of rest suggests a slow cycle of pressure accumulation and release that shapes the park’s ongoing evolution.

Source : Yellowstone Volcano Observatory.

Cause de l’essaim sismique à Santorin (Grèce) début 2025 // Cause of the seismic swarm in Santorini (Greece) in early 2025

Aujourd’hui, nous ne sommes pas capables de prévoir les éruptions ou les séismes, mais nous sommes en mesure d’expliquer ce qui s’est passé, des semaines après ces événements. Santorin (Grèce) illustre parfaitement l’approche actuelle de la volcanologie et de la sismologie.

Source: NASA

Une importante série de séismes a secoué la mer Égée entre janvier et mars 2025. À l’époque, personne ne savait ce qui avait provoqué les secousses qui ont contraint de nombreux habitants à fuir la région. Aujourd’hui, des mois plus tard, nous sommes capables d’affirmer que cette sismicité n’était pas due à un mouvement de faille, comme les scientifiques le craignaient initialement, mais à des remontées de magma à travers la croûte terrestre sous la région de Santorin. C’est ce que révèle une étude publiée dans la revue Science le 20 novembre 2025. Ces travaux viennent compléter une étude précédente publiée dans la revue Nature et que j’avais synthétisée dans une note parue le 27 septembre dernier :

https://claudegrandpeyvolcansetglaciers.com/2025/09/27/les-causes-de-la-crise-sismique-a-santorin-grece-causes-of-the-seismic-crisis-in-santorini-greece/

Source : TW/SAM, Google

Rappelons qu’en l’espace de huit semaines, plus de 25 000 séismes ont frappé les îles de Santorin et d’Amorgos, dont des centaines suffisamment puissants pour être ressentis par les habitants et les touristes. Leur magnitude a souvent dépassé M4,5, ce qui a incité les autorités à déclarer l’état d’urgence. Pendant des semaines, les scientifiques ont débattu pour savoir si cette activité annonçait une éruption imminente à Santorin ou à Kolumbo, le volcan sous-marin voisin.

Accrochées aux falaises de la caldeira de Santorin, les maisons sont sous la menace de la sismicité régionale (Crédit photo: Wikipedia)

Lorsque des chercheurs de l’University College London et de l’Université Aristote de Thessalonique ont réanalysé les données sismiques, ils ont découvert que les séismes ne provenaient pas de failles, mais de dykes se propageant horizontalement dans la croûte terrestre à une profondeur de 9,5 à 14,5 km. Ces dykes ont progressé par à-coups, et chaque poussée de magma déclenchait des milliers de petits séismes qui se sont propagés sur une distance de 20 à 30 km. L’équipe scientifique estime que l’intrusion magmatique représentait un volume d’environ 500 millions de mètres cubes.
Les intrusions provenaient d’un réservoir magmatique reliant la caldeira de Santorin au volcan Kolumbo. Pourtant, malgré sa force, le magma n’avait pas la fluidité nécessaire pour percer la surface. Cette découverte a rassuré les volcanologues et les habitants de la région : une éruption n’était pas imminente. L’étude a utilisé les dernières techniques d’apprentissage automatique pour analyser et relocaliser plus de 25 000 séismes enregistrés par les sismomètres dispersés dans la région. Cette approche a révélé comment la croûte terrestre s’est déformée et fracturée sous l’effet de la remontée du magma. En comparant les données sismiques aux mesures GPS, les chercheurs ont confirmé un léger bombement du sol, compatible avec la remontée du magma à travers la croûte sans qu’il atteigne la surface. Ensemble, ces données ont permis d’obtenir l’une des images les plus détaillées jamais réalisées d’une intrusion magmatique en temps réel.
Cette étude représente l’une des applications les plus intéressantes de l’intelligence artificielle en volcanologie à ce jour. En entraînant des algorithmes à identifier et à relocaliser précisément les signaux sismiques, les scientifiques ont pu reconstituer les trajectoires du magma avec une remarquable précision. Cette même approche pourrait bientôt permettre aux scientifiques de contrôler les essaims magmatiques en temps réel, et ainsi de donner l’alerte dès que le magma commence à se déplacer sous les volcans. Puisque la méthode repose uniquement sur des données sismiques, elle est particulièrement utile pour les systèmes sous-marins comme le Kolumbo, où le GPS et l’imagerie satellitaire peinent à détecter les déformations du sol.

Source : The Watchers et l’étude mentionnée ci-dessus, disponibles à cette adresse :
https://www.ucl.ac.uk/news/2025/nov/cause-santorini-earthquake-swarm-uncovered

——————————————–

Today, we are not able to predict eruptions or earthquakes, but we are able to explain what happened, weeks after these events.What happened in Santorini (Greece) is a good example of the current approach of volcanology and seismology.

A significant sismic swarm rattled the Aegean Sea between January and March 2025. At the time, nobody could say wghat caused th event that pushed many residents to flee the region. Today, months later, we are able to say that the seismicity was not caused by fault movement, as scientists first feared, but by waves of magma slicing through the crust beneath Santorini. This is what reveals a study published in Science on November 20, 2025. This research complements a previous study published in the journal Nature, which I summarized in a post published on September 27th:
https://claudegrandpeyvolcansetglaciers.com/2025/09/27/les-causes-de-la-crise-sismique-a-santorin-grece-causes-of-the-seismic-crisis-in-santorini-greece/

Remember : over a span of eight weeks, more than 25 000 earthquakes struck between Santorini and Amorgos Islands, with hundreds strong enough to be felt by residents and tourists. Their magnitudes frequently exceeded M4.5, prompting local authorities to declare a state of emergency. For weeks, scientists debated whether this activity signaled a rising eruption at Santorini or Kolumbo, the nearby underwater volcano.

When researchers from University College London and Aristotle University of Thessaloniki reanalyzed the seismic data, they found that the earthquakes came not from faults slipping but from dikes cutting horizontally through the crust about 9.5–14.5 km deep. These dikes advanced in pulses, with each pulse of magma triggering thousands of small quakes that propagated across a 20–30 km stretch of crust. The scientific team estimates the intruded magma’s volume at roughly 500 million cubic meters.

The intrusions shot outward from a magma reservoir connecting Santorini’s caldera to Kolumbo volcano. Yet, despite its force, the magma lacked the buoyancy to break through the surface. This discovery reassured volcanologists and local residents that an eruption was never imminent.

The study used advanced machine learning to analyze and relocate more than 25 000 earthquakes recorded by regional seismometers. This approach revealed how the crust flexed and cracked as magma surged through it. By comparing seismic data with GPS satellite measurements, the researchers confirmed that the ground had bulged slightly upward, consistent with magma forcing its way through the crust without reaching the surface. These combined data offered one of the most detailed views ever obtained of a magmatic intrusion in real time.

This research marks one of the most sophisticated applications of artificial intelligence in volcanology to date. By training algorithms to identify and precisely relocate earthquake signals, scientists could reconstruct the subsurface magma pathways with remarkable accuracy. The same approach could soon allow scientists to monitor swarms as they happen, providing early warnings when magma starts moving beneath volcanoes. Because the method relies only on seismic data, it is particularly useful for underwater systems like Kolumbo, where GPS and satellite imaging cannot easily detect ground deformation.

Source : The Watchers and the above-mentioned study available at this address :

https://www.ucl.ac.uk/news/2025/nov/cause-santorini-earthquake-swarm-uncovered

https://watchers.news/

Intelligence Artificielle (IA) et désinformation// Artificial Intelligence (AI) and misinformation

Alors que l’ouragan Melissa, l’un des plus puissants jamais enregistrés, ravageait la Jamaïque à la fin du mois d’octobre 2025, les « chasseurs d’ouragans » – Hurricane Hunters – du 53e Escadron de reconnaissance météorologique, une unité de l’US Air Force spécialisée dans l’étude des tempêtes tropicales et des ouragans, ont diffusé des images spectaculaires du phénomène, prises depuis un avion au cœur de l’œil du cyclone.

À côté de la photo réelle prise depuis un avion, d’autres images de l’ouragan, générées par intelligence artificielle, sont devenues virales sur les réseaux sociaux. Bien entendu, il s’agissait de faux (fake en anglais), contribuant à aggraver la désinformation en temps de crise.

L’image générée par IA est censée montrer le système à plusieurs kilomètres d’altitude. Elle montre un œil de cyclone gigantesque, survolé par une nuée d’oiseaux. Cependant, comme l’ont remarqué les météorologues du National Weather Service, l’échelle de l’image est incorrecte. L’œil de Melissa mesurait environ 16 kilomètres de diamètre. « À cette échelle, ces oiseaux seraient plus grands que des terrains de football. » Pour que cette image soit authentique, les oiseaux auraient dû voler à des altitudes bien supérieures au sommet de l’Everest. De plus, à de telles altitudes, la température et la densité de l’air sont beaucoup trop faibles pour que les oiseaux puissent voler.

Les scientifiques pensent que la fausse image a été diffusée pour la première fois sur le réseau X (anciennement Twitter) le 28 octobre 2025, avant de se propager rapidement sur Facebook, Instagram et TikTok, suscitant des dizaines de milliers de commentaires. Des dizaines de comptes différents ont publié exactement la même image, ce qui a permis une diffusion – et une désinformation – très rapide.

Ce n’est pas le seul exemple de désinformation générée par l’IA concernant l’ouragan Melissa. Une autre image a montré un hôpital jamaïcain complètement détruit par les vents extrêmement violents, mais en regardant attentivement l’image, on discerne aussi la présence d’un tampon SynthID, un filigrane invisible intégré aux contenus créés avec les outils d’IA de Google.

Ces images sont de nouveaux exemples de la dangereuse montée en puissance de la désinformation générée par l’IA, et un rappel que ce fléau est loin d’être maîtrisé. À l’avenir, il faudra se montrer très vigilant avant de diffuser sans discernement – comme cela se fait actuellement – des images spectaculaires sur les réseaux sociaux.

Source : Yahoo News.

———————————————-

While Hurricane Melissa, one of the largest hurricanes in recorded history was destroying Jamaica by the end of October 2025, the Hurricane Hunters of the 53rd Weather Reconnaissance Squadron, a unit of the United States Air Force specializing in the study of tropical storms and hurricanes released spectacular glimpse of the phenomenon, flying through the eye of Melissa. (see photo above)

Beside the real photo taken from a plane, other AI-generated images of the storm went viral on the social networks. Of course, they were fake and are making crisis misinformation worse than it has ever been. (see image above)

The AI generated picture is supposed to show the system from kilometers above the ground. It shows an absolutely mammoth hurricane eye, punctuated by a flock of birds circling safely above.

However, as was noticed by meteorologists at the National Weather Service, the scale of the image does not work. Melissa’s eye was reported to be around 16 kilometers wide. « Based on the scale of the eye, these birds would be larger than football fields. They would have to have been flying at altitudes well above the summit of Mount Everest for this image to be real. » Besides, at such altitudes, the air temperature and air density are much too low for birds to fly.

Scientists think that the fake image seems to have kicked off on the X (formerly Twitter) network on October 28 2025, but soon began making the rounds all over Facebook, Instagram and TikTok, earning tens of thousands of reactions. With dozens of various accounts posting the exact same image, the post spread very rapidly.

Thus was not the only piece of AI-misinformation surrounding Hurricane Melissa. Another image showed a Jamaican hospital completely decimated by the storm, though fact checkers quickly identified a SynthID stamp, an invisible watermark embedded into content made with Google’s AI tools.

It’s another example of the dangerous rise in AI-generated misinformation, and a reminder that this is one genie we won’t be putting back into the bottle anytime soon. In the future, we will need to be very vigilant before indiscriminately disseminating – as is currently happening – spectacular images on social media.

Source : Yahoo news.

L’Intelligence Artificielle au service de la volcanologie (suite) // Artificial Intelligence in the service of volcanology (continued)

L’intelligence artificielle (IA) est de plus en plus utilisée en sismologie et en volcanologie où elle pourrait contribuer à la prévision des séismes et des éruptions, événements parfois destructeurs. J’ai publié une note le 28 juillet 2024 expliquant comment les scientifiques utilisent l’IA. J’ai également ajouté que son utilisation dans la prévision volcanique et pour d’autres phénomènes naturels semble prometteuse. Cependant, il faut garder à l’esprit que l’intelligence artificielle relève des sciences exactes, tandis que les éruptions dépendent des caprices de la Nature, qui peuvent être imprévisibles !
Un nouvel article publié par des chercheurs de l’Université de Canterbury (Nouvelle-Zélande) explique qu’ils utilisent un nouvel outil, développé grâce à l’intelligence artificielle (IA), pour améliorer la prévision des éruptions volcaniques dans le monde.
L’équipe scientifique de l’Université de Canterbury a créé un modèle d’apprentissage automatique (machine learning, ML) capable d’identifier les premiers signes sismiques d’éruptions volcaniques. L’étude a analysé 41 éruptions sur 24 volcans sur une période de 73 ans. Cela a donné naissance à des schémas d’activité sismique pré-éruptive pouvant être appliqués à des volcans moins surveillés.
Les chercheurs ont introduit une technique d’apprentissage automatique appelée « apprentissage par transfert » (transfer learning, TL), qui identifie les signaux précurseurs communs à plusieurs volcans. Cette approche permet de prévoir les éruptions sur des sites où les instruments de mesure sont rares, voire inexistants. Les chercheurs affirment que leur méthode offre une solution rentable et évolutive pour améliorer les prévisions concernant les volcans dépourvus de surveillance ou mal surveillés.
Le modèle basé sur l’IA vise également à venir en aide aux régions disposant d’infrastructures de surveillance limitées, comme l’Asie du Sud-Est et l’Amérique centrale, où de nombreux volcans actifs restent sous-étudiés.
L’équipe de recherche a collaboré avec des observatoires volcaniques à travers le monde pour garantir que le modèle de prévision fournisse des données exploitables. Cette approche collaborative permet une intégration transparente avec les cadres de surveillance volcanique existants.
Les scientifiques de l’Université de Canterbury ont analysé 41 éruptions volcaniques sur 24 volcans différents, couvrant 73 années de données sismiques. Ils ont classé les volcans en trois groupes selon leur type éruptif : magmatiques, phréatiques et un groupe incluant tous les volcans. Le modèle ML a utilisé une fenêtre de données sismiques de 48 heures précédant les éruptions pour tester les modèles de prévision. Les résultats ont été évalués par un processus de validation croisée, reproduisant les conditions de prévision en temps réel.
La comparaison avec les méthodes de prévision traditionnelles, telles que la mesure de l’amplitude sismique en temps réel (RSAM), a révélé que le modèle ML était plus performant que les techniques conventionnelles. Il a notamment démontré une meilleure sensibilité à l’activité pré-éruptive pour les éruptions phréatiques.
Certains volcans, comme le Copahue, ont affiché des valeurs de prévision constamment élevées entre des éruptions rapprochées, ce qui pourrait nécessiter une amélioration du modèle. Les éruptions non annoncées, comme celle de Cordon-Caulle en 2011, ont présenté des limites en termes de prévision en raison de la faiblesse des signaux sismiques pré-éruptifs. Les améliorations pourraient inclure l’intégration des niveaux d’émissions gazeuses, des anomalies thermiques et des données magnétotelluriques dans les modèles de prévision. Les chercheurs prévoient également d’affiner la capacité du modèle à distinguer différents types d’activité volcanique, comme les éruptions à conduit ouvert et fermé.
Source : Université de Canterbury.

Éruption du Copahue en 2013 (Crédit photo: SERNAGEOMIN)

——————————————————

Articicial intelligence (AI)is more and more used in seismology and volcanology, with the hope that it will help precict earthquakes and eruptions that can sometimes be destructive.I wrote a post on 28 July 2024 explaining how scientists are using AI, but I also added that the use of artificial intelligence in volcanic prediction and the prediction of other natural phenomena looks promising. However, one should keep in mind that artificial intelligence is part of exact science whereas eruptions depend on Nature’s whims which can be unpredictable !

A new article by researchers at the University of Canterbury (New Zealand) has resulted in a new tool, developed using artificial intelligence (AI), to improve the prediction of volcanic eruptions worldwide.

The University of Canterbury research team has created a machine-learning (ML) model capable of identifying early seismic warning signs of volcanic eruptions. The study analyzed 41 eruptions across 24 volcanoes over 73 years, revealing patterns in pre-eruption seismic activity that can be applied to less-monitored volcanoes.

The research introduces an ML technique known as transfer learning, which identifies shared precursor signals across multiple volcanoes. The approach allows for forecasting eruptions at sites with little to no prior instrumental eruption records. The researchers say that their method provides a cost-effective and scalable solution for improving forecasting at under-monitored volcanoes.

The AI-based model also aims to support regions with limited monitoring infrastructure, such as Southeast Asia and Central America, where many active volcanoes remain understudied.

The research team worked alongside international volcano observatories to ensure the forecasting model provides actionable data. The collaborative approach enables seamless integration with existing volcanic monitoring frameworks.

The scientists analyzed 41 volcanic eruptions from 24 different volcanoes, spanning 73 years of seismic data. The researchers categorized volcanoes into three groups based on eruption type: magmatic, phreatic, and a global pool that included all volcanoes. The ML model used a 48-hour window of seismic data leading up to eruptions to train forecasting models The model’s performance was assessed through a cross-validation process mimicking real-time forecasting conditions.

Comparisons with traditional forecasting methods, such as Real-Time Seismic Amplitude Measurement (RSAM), revealed that the ML model outperformed conventional techniques. In particular, the model demonstrated better sensitivity to pre-eruptive activity for phreatic eruptions.

Some volcanoes, such as Copahue, displayed consistently high forecasting values between closely spaced eruptions, which may require further refinement of the model. Unheralded eruptions, such as the 2011 Cordon Caulle event, presented limitations in forecasting capabilities because of weak pre-eruption seismic signals.

Future improvements may include incorporating gas emission rates, thermal anomalies, and magnetotelluric data into the forecasting models. The researchers also plan to refine the model’s ability to distinguish between different types of volcanic activity, such as open versus closed conduit eruptions.

Source : University of Canterbury.

https://www.canterbury.ac.nz/