Hình ảnh cho thấy bên trong núi lửa và vùng magma bên dưới
ẢNH CHỤP MÀN HÌNH SCIENCE ALERT
Các nhà nghiên cứu đã phát triển một kỹ thuật hình ảnh thông minh mới, giúp chúng ta nhìn sâu vào bên trong những núi lửa khổng lồ với độ chi tiết và chiều sâu chưa từng thấy.
Nhóm nghiên cứu tại Trung tâm Nghiên cứu khoa học quốc gia Pháp (CNRS) và Viện Vật lý hành tinh Paris (PIGP-Pháp) đã mượn ý tưởng từ hình ảnh y tế và kính hiển vi quang học để đưa ra phương pháp tiếp cận của họ, theo trang Science Alert ngày 30.9 đưa tin.
Đây là một phương pháp mới áp dụng trên kỹ thuật hiện có được gọi là hình ảnh ma trận và giúp khắc phục một số khó khăn khi lập bản đồ núi lửa như không có nhiều cảm biến (đầu thu sóng địa chấn) để ghi lại sóng địa chấn phản xạ qua trái đất.
Những sóng này có thể được diễn giải để xác định các loại vật liệu và bố cục khác nhau trong lớp vỏ trái đất. Với sự trợ giúp của hình ảnh ma trận, việc diễn giải đó sẽ trở nên dễ dàng hơn đáng kể.
"Sự phun trào của núi lửa đòi hỏi phải theo dõi chính xác áp suất và sự phình to của magma để dự báo tốt hơn. Hiểu được vùng lưu trữ magma sâu là việc rất quan trọng để đánh giá nguy cơ, nhưng việc chụp ảnh các hệ thống này lại là một thách thức", theo nghiên cứu đăng trên chuyên san Nature.
Để thử nghiệm, các nhà nghiên cứu đã chọn núi lửa La Soufrière ở Guadeloupe, vùng hải ngoại của Pháp ở Caribe. Phạm vi phủ sóng do mạng lưới địa chấn kế sử dụng tại địa điểm này được các nhà nghiên cứu mô tả là "thưa thớt".
"Công nghệ hình ảnh ma trận đã giải mã thành công các biến dạng sóng, cho thấy cấu trúc bên trong của núi lửa La Soufrière ở độ sâu tới 10 km", theo các nhà nghiên cứ.
Những phát hiện từ nghiên cứu này bao gồm sự hiện diện của nhiều lớp magma phức tạp lưu trữ dưới lòng đất và cách các lớp này kết nối với các cấu trúc địa chất sâu khác.
Dữ liệu bổ sung này đem lại những hiểu biết rõ hơn về những gì đang diễn ra bên trong núi lửa, nghĩa là có thể dự đoán chính xác hơn thời điểm xảy ra một vụ phun trào.
Điều khả quan là không cần thêm cảm biến, vì hình ảnh ma trận có thể hoạt động với dữ liệu đã có. Các nhà nghiên cứu tin tưởng rằng các phương pháp này cũng có thể áp dụng ở các địa điểm khác.