Återskapar oöverträffat djup och detaljer inuti vulkaner.

Bilden visar vulkanens insida och magmaområdet under.

SKÄRMBILD FRÅN VETENSKAPSVARNING

Forskare har utvecklat en ny, intelligent avbildningsteknik som gör att vi kan se djupt in i massiva vulkaner med oöverträffad detaljrikedom och djup.

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

Detta är en ny metod som tillämpas på befintliga tekniker som kallas matrisavbildning och hjälper till att övervinna några av svårigheterna med att kartlägga vulkaner, såsom bristen på många sensorer (seismiska mottagare) för att registrera seismiska vågor som reflekteras från jorden.

Dessa vågor kan tolkas för att identifiera olika typer av material och layouter inom jordskorpan. Med hjälp av matrisavbildning blir den tolkningen betydligt enklare.

"Vulkanutbrott kräver noggrann övervakning av magmatryck och svullnad för bättre förutsägelser. Att förstå djupa magmareservoarer är avgörande för riskbedömning, men att avbilda dessa system är en utmaning", enligt forskning publicerad i tidskriften Nature .

För experimentet valde forskarna vulkanen La Soufrière i Guadeloupe, ett franskt utomeuropeiskt territorium i Karibien. Täckningen från seismometernätverket som används på denna plats beskrevs av forskarna som "gles".

"Matrisavbildningsteknik har framgångsrikt avkodat vågformsförvrängningar och avslöjat den inre strukturen hos vulkanen La Soufrière på djup upp till 10 km", enligt forskarna.

Resultaten från denna studie inkluderar förekomsten av flera komplexa lager av magma 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 tidpunkten för ett utbrott kan förutsägas mer exakt.

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

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