Unravelling Contributions to the Dynamics of the Elastic Properties in Volcanic Environments: Towards Volcano Monitoring Using Passive Image Interferometry

Abstract

Volcanic eruptions pose a grave risk to metropolitan areas and the global economy. Improving the accuracy, reliability, and warning time of eruption forecasts opens avenues to make the lives of some 600 million people living at active volcanoes safer. An effective way of achieving these ends is diversifying current monitoring strategies. This thesis employs changes in the seismic wave propagation velocity (dv/v), retrieved from the ubiquitous ambient seismic noise, as a new measure to quantify alterations in the dynamics of the volcanic system. We explore an easily automatable method to quantify seismic velocity changes from ambient seismic noise, which we implemented into the software suite SeisMIC. SeisMIC offers end-to-end processing of ambient seismic noise in an easy-to-use, well-documented, modular, and adaptable Python software suite. Compared to other ambient seismic noise software solutions, SeisMIC offers improved computational performance and is particularly suited to satisfy the extraordinarily variable processing needs for ambient noise volcano monitoring. We apply this method to two datasets at active volcanoes: The Klyuchevskoy Volcanic Group (KVG), in Kamchatka, Russia, and Mount St. Helens (MSH), in the United States of America. At the KVG, we analyse data recorded during the KISS project, which consists of one year of seismic data recorded by over 110 stations. On Kamchatka, the constant volcanic tremor causes fluctuations in the wavefield, violating the assumption of source stationarity in our method. We address these fluctuations using a hierarchical clustering algorithm to identify times with stationary noise fields, for which we can create shorter dv/v time series. Coincident with the first inflation at Bezymianny volcano and 11 months before its eruption, we observe a dv/v increase. Furthermore, we find evidence for a higher damage susceptibility of volcanic rock following the M7.2 Zhupanov earthquake and, with the help of a simple empirical model, link changes in rainfall and snow depth to dv/v changes. The long-standing seismic network at MSH has recorded continuous seismic waveform data for over 25 years. We use this unique dataset to investigate changes in the seismic velocity during, before, and after MSH’s 2004-2008 eruption period. Over time, new seismic stations are deployed, while old ones are removed, destroyed, or upgraded. This poses a particular challenge when creating long-term dv/v time series as the normalisations for time series of station combinations recording during different times diverge. We overcome this challenge using an innovative approach that predicts dv/v at new station combinations from data from pre-existing stations and their spatial sensitivity kernels. The average dv/v time series exhibits two marked increases. Together with the first explosions of the 2004-2008 eruption and a GNSS downward movement, we find a sudden velocity increase caused by the pressure drop and unplugging of the volcanic conduit. Between 2017 and 2020, we detect a largescale velocity increase below the volcanic edifice focused on the location of MSH’s plumbing system. From the dv/v increase, a temporal gravity anomaly, and the GNSS observations, we infer a slowing or stopping of MSH’s post-eruptive reinflation during this interval. This thesis paves the way towards automated volcanic eruption forecasting using seismic velocity changes by distributing a software suite well suited to monitor seismic velocity changes in a breadth of environments in real-time and by demonstrating that the seismic velocity can be employed to quantify volcanic dynamics at various active volcanoes, even when technical and environmental conditions are unideal. Future work should focus on implementing seismic velocity change monitoring at volcano observatories and strengthening the physical links between various environmental, tectonic, and volcanic forcings to the seismic velocity.

Vulkanausbrüche stellen eine große Bedrohung für Ballungsräume und dieWeltwirtschaft dar. Die Verbesserung der Genauigkeit, Zuverlässigkeit und Vorwarnzeit von Eruptionsvorhersagen eröffnet Möglichkeiten, das Leben von etwa 600 Millionen Menschen, die an aktiven Vulkanen leben, sicherer zu machen. Ein wirkungsvoller Weg, diese Ziele zu erreichen, ist die Diversifizierung der derzeitigen Überwachungsstrategien. Diese Arbeit befasst sich mit Veränderungen der seismischen Wellenausbreitungsgeschwindigkeit (dv/v), die aus dem allgegenwärtigen seismischen Umgebungsrauschen abgeleitet werden, als neues Maß zur Quantifizierung von Veränderungen in der Dynamik des vulkanischen Systems. Eine leicht automatisierbare Methode zur Quantifizierung seismischer Geschwindigkeitsänderungen aus seismischem Hintergrundrauschen wird entwickelt und in das Softwarepaket SeisMIC integriert. SeisMIC bietet eine Komplettverarbeitung von seismischem Hintergrundrauschen in einer benutzerfreundlichen, gut dokumentierten, modularen und anpassungsfähigen Python-Software-Suite. Im Vergleich zu anderen Softwarelösungen zur Prozessierung von seismischem Hintergrundrauschen bietet Seis- MIC eine bessere Rechenleistung und ist besonders geeignet, um die außerordentlich variablen Anforderungen bei der Vulkanüberwachung zu erfüllen. Wir wenden diese Methode auf zwei Datensätze an aktiven Vulkanen an: Die Klyuchevskoy Vulkangruppe (KVG), in Kamtschatka, Russland, und Mount St. Helens (MSH), in den Vereinigten Staaten von Amerika. An der KVG analysieren wir Daten, die im Rahmen des KISS-Projekts aufgezeichnet wurden, das aus einem Jahr seismischer Daten besteht, die von über 110 Stationen aufgezeichnet wurden. Auf Kamtschatka verursacht der konstante vulkanische Tremor Fluktuationen im Wellenfeld, die die Annahme der Quellenstationarität in unserer Methode verletzen. Wir gehen auf diese Fluktuationen mit Hilfe eines hierarchischen Clustering-Algorithmus ein, um Zeiten mit stationären Wellenfeldern zu identifizieren, für die wir kürzere dv/v-Zeitreihen erstellen können. Zeitgleich mit der ersten Inflation am Vulkan Bezymianny und 11 Monate vor dessen Ausbruch beobachten wir einen dv/v Anstieg. Darüber hinaus finden wir Belege für eine höhere Schadensanfälligkeit von Vulkangestein nach dem M7,2 Zhupanov Erdbeben und stellen mit Hilfe eines einfachen empirischen Modells einen Zusammenhang zwischen Änderungen der Niederschlagsmenge und der Schneetiefe und dv/v Änderungen her. Das seit langem bestehende seismische Netzwerk am MSH zeichnet seit über 25 Jahren kontinuierliche seismische Wellenformdaten auf. Wir nutzen diesen einzigartigen Datensatz, um die Veränderungen der seismischen Geschwindigkeit während, vor und nach der Eruptionsperiode des MSH zwischen 2004 und 2008 zu untersuchen. Im Laufe der Zeit werden zusätzliche seismische Stationen aufgestellt, während alte Stationen entfernt, beschädigt oder modernisiert werden. Dies stellt eine besondere Herausforderung bei der Erstellung langfristiger und kontinuierlicher dv/v-Zeitreihen dar, da die Normalisierungen für Zeitreihen von Stationskombinationen, die zu unterschiedlichen Zeiten aufgezeichnet haben, divergieren. Wir überwinden diese Herausforderung mit einem innovativen Ansatz, der dv/v an neuen Stationskombinationen aus Daten von bereits bestehenden Stationen und deren räumlichen Wahrscheinlichkeitsdichtekerneln vorhersagt. Die gemittelte dv/v-Zeitreihe weist zwei deutliche Anstiege auf. Zusammen mit den ersten Explosionen der 2004-2008 Eruption und einer GNSS Abwärtsbewegung stellen wir einen abrupten Geschwindigkeitsanstieg fest, der durch den Druckabfall und die Öffnung des vulkanischen Gangsystems verursacht wird. Zwischen 2017 und 2020 stellen wir einen großflächigen Geschwindigkeitsanstieg unterhalb des Vulkangebäudes fest, der sich auf MSH Kammernsystem konzentriert. Der dv/v-Anstieg, eine zeitliche Schwereanomalie und die GNSS-Beobachtungen lassen auf eine Verlangsamung oder ein Anhalten der post-eruptiven Reinflation in diesem Zeitraum schließen.