Återskapa oöverträffat djup och detaljer inuti vulkaner

Bilden visar insidan av vulkanen och magmazonen nedanför

SKÄRMBILD AV VETENSKAPSVARNING

Forskare har utvecklat en smart ny avbildningsteknik som låter oss kika in i gigantiska vulkaner med oöverträffad detaljrikedom och djup.

Ett forskarteam vid det franska nationella centret för vetenskaplig forskning (CNRS) och Parisinstitutet för planetfysik (PIGP-France) lånade idéer från medicinsk avbildning och optisk mikroskopi för att komma fram till sin metod, rapporterade Science Alert den 30 september.

Detta är en ny metod som bygger på en befintlig teknik som kallas matrisavbildning och hjälper till att övervinna några av svårigheterna med vulkankartläggning, som att man inte har många sensorer (seismiska vågmottagare) för att registrera seismiska vågor som reflekteras genom jorden.

Dessa vågor kan tolkas för att bestämma de olika typerna av material och sammansättningar i jordskorpan. Med hjälp av matrisavbildning blir den tolkningen betydligt enklare.

"Vulkanutbrott kräver noggrann övervakning av magmatryck och expansion för bättre prognoser. Att förstå djup magmalagring är avgörande för riskbedömning, men att avbilda dessa system är utmanande", enligt studien som publicerades i tidskriften Nature .

För sitt experiment valde forskarna vulkanen La Soufrière i Guadeloupe, en fransk utomeuropeisk region i Karibien. Täckningen från seismometernätverket som används på platsen beskrivs av forskarna som "gles".

"Matrisavbildningsteknik avkodade framgångsrikt vågdeformationerna och avslöjade den inre strukturen hos vulkanen La Soufrière på djup upp till 10 km", enligt forskarna.

Resultaten från denna studie inkluderar förekomsten av flera komplexa magmalager lagrade under jord och hur dessa lager är kopplade till andra djupa geologiska strukturer.

Denna ytterligare data ger en bättre förståelse för vad som händer inuti vulkanen, vilket innebär att den kan mer exakt förutsäga när ett utbrott kommer att inträffa.

Den goda nyheten är att inga ytterligare sensorer behövs, eftersom matrisavbildning kan arbeta med befintlig data. Forskarna tror att dessa metoder skulle kunna tillämpas på andra platser också.

Källa: https://thanhnien.vn/tai-tao-hinh-anh-sau-va-chi-tiet-chua-tung-thay-ben-trong-nui-lua-18524093008412251.htm