Bradisismo, machine learning alleato per il monitoraggio sismico e vulcanico
Un’innovativa analisi della sismicità indagata con l’ausilio del machine learning ne evidenzia le potenzialità per la comprensione e la gestione dei rischi naturali
È stato appena pubblicato sulla rivista scientifica “Communications Earth and Environments” di Nature, lo studio Causal processes of shallow and deep seismicity at Campi Flegrei caldera. Condotto da un team di ricercatori dell’Istituto Nazionale di Geofisica e Vulcanologia (INGV). I risultati rappresentano la prima applicazione di tecniche di machine learning (ML) all’analisi della sismicità del sistema vulcanico situato a Nord-ovest della città di Napoli.
La sismologia negli ultimi decenni ha cominciato a impiegare algoritmi di intelligenza artificiale. In particolare le cosiddette reti neurali, che simulano i neuroni del nostro cervello. Rossella Fonzetti, ricercatrice dell’INGV, spiega: “Durante un terremoto, l’energia viene rilasciata attraverso le onde sismiche P e S (rispettivamente le prime e le seconde ad arrivare alla stazione sismica). Stimare il loro tempo di arrivo è fondamentale per capire la distanza della stazione dal terremoto e calcolarne l’ipocentro. Per questo motivo abbiamo deciso di utilizzare questi nuovi algoritmi di intelligenza artificiale per estrarre rapidamente i tempi di arrivo delle onde P e S generate dai terremoti avvenuti tra il mese di gennaio del 2023 e il mese di giugno del 2024″.
Lo studio si configura come un passo ulteriore verso lo sviluppo di uno strumento di monitoraggio integrato dell’evoluzione sismica e vulcanica dei Campi Flegrei. Su tale studio, aggiunge Genny Giacomuzzi, ricercatrice dell’INGV: “Abbiamo rilocalizzato gli eventi sismici utilizzando differenti algoritmi. Inoltre abbiamo confrontato le nuove localizzazioni ipocentrali con modelli di velocità precedentemente elaborati”.
Uno dei risultati principali è la significativa correlazione spaziale tra la distribuzione “ad anello” della sismicità più profonda e un’anomalia di velocità. Questa evidenziata da precedenti studi, individuata a 5 km e associata a una zona di accumulo di magma. Suggerisce una relazione causale tra la risalita di magma e l’accumulo di stress nella zona sovrastante e conseguente rilascio sismico.
L’analisi della sismicità degli ultimi due anni evidenzia, inoltre, l’attivazione di due strutture di faglia localizzate ai bordi orientale e occidentale della caldera. Questo risultato si accorda con le stime fornite da modelli analogici e numerici i quali suggeriscono che faglie preesistenti legate alla formazione della caldera si possono attivare durante successivi episodi di sollevamento e abbassamento del suolo (detti, rispettivamente, inflazione e deflazione).
Continua quindi Giacomuzzi: “L’elevata qualità del dato ottenuto con il machine-learning può essere molto utile anche nelle indagini di tomografia sismica per studiare la struttura di velocità della caldera, aspetto fondamentale per un monitoraggio in tempo reale dell’evoluzione del fenomeno”.
*Pozzuoli News 24 è anche su WhatsApp. E’ sufficiente cliccare qui per iscriversi al canale ed essere sempre aggiornati.
