2019年12月，新西兰的Whakaari（白岛）意外爆发，40多名游客被困在一个正在喷发的小岛上。火山爆发产生的热气体、水、飞石和火山灰在这次喷发中夺去了21人的生命。这场悲剧让那些经常载游客前往丰盛湾这个不安宁的火山的旅游运营商们警醒不已。这个火山会产生爆发性蒸汽，而这类爆发通常预警很短，在过去十年里，这类爆发已在世界各地的火山上夺走了数十人的生命。
问题的一部分在于我们如何看待火山危险。人们想要的是“预测”，即火山何时会爆发？火山学界并不从事预测，因为我们对确切的诱发火山爆发的因素了解得还不够，无法做到如此精确。
相反，火山监测依赖于预测，这些预测捕捉了爆发的可能性。看到火山发生了许多地震和气体排放量增加？我们可以说爆发的可能性增加了。也许我们甚至可以说爆发可能在下个月发生。然而，这不会是“明天中午”，就像天气预报一样。
这些预测和概率模型导致了火山警报级别的设定。监测火山的科学家和应急管理者需要沟通风险，因此大多数国家都使用某种火山警报系统来显示火山在特定时刻的潜在危险程度。警报级别1？爆发的可能性很低。警报级别3？爆发的可能性非常高。
预测和警报级别都是由人们通过观察火山传来的所有数据——地震、气体排放、地表形变、热量等——并解释所有迹象的含义来确定的。通常，会使用概率树（或决策树）。这些分支流程图可以根据火山迹象及其历史活动来产生特定事件的概率。
火山活动不安？根据其历史活动和不安的类型，可能有85%的可能性什么都不会发生，15%的可能性会爆发。在这15%的可能性中，可能有95%的可能性是小规模爆发，5%的可能性是更大规模的爆发。
由于人的参与，确定警报级别可能需要时间。一篇发表在《自然·通讯》上的新研究，由Dempsey等人撰写，开发了一种机器学习方法，用于预测火山爆发和设定火山警报级别。他们检查了Whakaari火山九年的数据，以训练计算机识别火山爆发的先兆迹象——特别是那些先兆可能很微妙的蒸汽驱动型喷发——然后制定了计算机决定是否需要发出警报的标准。
Dempsey及其同事设定了计算机何时呼吁提高警报级别的界限。如果概率树中100个结果中有80个导致了火山爆发，那么就需要发出警报。有了这个阈值，过去九年里几乎所有的喷发都被捕捉到了。2019年12月的喷发在爆发前四小时发出了警报，这可能足以让游客逃离危险。只有2016年的一次纯粹的水热喷发被遗漏了，这可能是因为它与其他Whakaari火山的喷发不同（稍后会详细介绍）。
使用这种方法，警报状态可以随着迹象的变化而更快地改变。数据可以按分钟重新解释。正如作者指出的，这还消除了在设定警报时可能出现的个人、政治或经济偏见。
然而，也存在问题。2013年被遗漏的喷发就是一个例子，说明了如果计算机之前没有见过先兆，就无法识别潜在的喷发——请记住，它是根据输入的数据“学习”的。Dempsey及其同事指出，仍然需要人类审查来关注这类独特事件。
然而，最大的问题最终超出了计算范围。谁能获得这些信息？应急管理者或科学家何时会公布这些变化？如果没有明确的指南说明如何将计算机预测与有效的管理计划相结合，其价值就会大打折扣。
然而，这都是一大进步。考虑到2019年Whakaari火山爆发或2014年御岳山爆发等突发性喷发，即使提前几个小时发出预警，也能挽救许多生命。我们还没有“预测”火山爆发，但我们在解读即将发生的喷发迹象方面正变得越来越精确。
更正：本文早期版本错误地将2013年10月的喷发列为计算机分析遗漏的喷发。实际上是2016年的喷发。
