طبق مطالعه‌ای جدید، مشاهده رفتار گیاهان می‌تواند نشانه اولیه فعالیت آتشفشانی باشد و امکان هشدارها و آمادگی‌های به‌موقع بیشتری را فراهم کند.

محققان پتانسیل پیش‌بینی فوران‌های آتشفشانی را از طریق یک روش ابتکاری شامل مشاهده رفتار گیاهان بررسی کردند.

شاخص‌های سنتی، مانند افزایش انتشار کربن دی‌اکسید، اغلب مقدم بر ناآرامی‌های آتشفشانی هستند. بااین‌حال، تشخیص این انتشارات به‌دلیل سطوح پس‌زمینه و غیرقابل دسترس بودن بسیاری از مکان‌های آتشفشانی چالش‌برانگیز است.

برای پرداختن‌ به این موضوع، «رابرت بوگ» و تیمش در دانشگاه مک گیل بررسی کردند که آیا شاخص‌های سلامت گیاهان می‌تواند به‌عنوان نماینده‌ای برای فعالیت‌های آتشفشانی عمل کند یا خیر.

سلامت گیاهی اطلاعات حیاتی درمورد آتشفشان‌های استراتو دارد

آنها تصاویر ماهواره‌ای از پارک ملی یلوستون را در سه دوره متمایز از سال 1984 تا 2022 تجزیه‌وتحلیل کردند. یلوستون یک سیستم دهانه بزرگ و پویا است و کربن دی‌اکسید قابل‌ٰتوجهی منتشر می‌کند.

دریاچه ترن، واقع در بخش شمال شرقی یلوستون، اخیراً به‌دلیل فعالیت هیدروترمال خود شناخته شده‌ است. این دریاچه از طریق تصاویر ماهواره‌ای که خاک تغییر یافته، درختان مرده و ناهنجاری‌های دمایی مادون قرمز را نشان می‌دهد، شناسایی شده‌ است.

محققان ارتباطی را بین افزایش سرسبزی گیاهان مشاهده کردند که نشان‌دهنده افزایش رشد ناشی از کربن دی‌اکسید و قهوه‌ای‌شدن‌ متعاقب آن با اوج‌گیری فعالیت‌های آتشفشانی است. این شاخص به گوگرد دی‌اکسید و دمای بالا که باعث مرگ‌ومیر گیاهان می‌شود نسبت داده‌ می‌شود.

گیاهان، نماینده فعالیت‌های آتشفشانی

این یافته‌ها استفاده از تصاویر ماهواره‌ای را برای نظارت بر سلامت گیاهان به‌عنوان یک سیستم هشدار اولیه برای فعالیت‌های آتشفشانی پیشنهاد می‌کند.

بااین‌حال، محققان هشدار داده‌اند که روش آنها ممکن است در مناطقی با گونه‌های درختی متعدد یا تنش قابل‌توجه ناشی از عوامل غیرآتشفشانی مانند خشکسالی یا آتش‌سوزی با چالش‌هایی مواجه شود.

این رویکرد به ویژه برای نظارت بر آتشفشان‌های مخروطی‌شکل گسترده واقع در مناطق جنگلی، مانند آتشفشان تال در فیلیپین یا کوه اتنا در ایتالیا مناسب است.

این مطالعه بر اهمیت تأثیرات اکولوژیکی که ناظران انسانی اغلب نادیده‌ می‌گیرند، تأکید می‌کند.

درحالی‌که ناهنجاری‌های قابل‌توجهی وجود دارند، اثرات ظریف‌تر به داده‌های گسترده و تجزیه‌وتحلیل آماری یا هوش مصنوعی پیشرفته برای تشخیص نیاز دارند.

این مطالعه در ژورنال Geochemistry, Geophysics, Geosystems منتشر شد