Campi Flegrei: il machine learning rivoluziona il monitoraggio sismico e vulcanico – Sud Notizie Napoli – Campania – Basilicata

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.

Negli ultimi decenni, la sismologia ha iniziato a impiegare algoritmi di intelligenza artificiale, in particolare le reti neurali, che simulano il funzionamento dei neuroni del cervello umano. Questi strumenti permettono di facilitare il riconoscimento delle onde sismiche e migliorare la precisione delle analisi.

“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 calcolare l’ipocentro”, spiega Rossella Fonzetti, ricercatrice dell’INGV.

“Spesso il segnale registrato dai sismografi è disturbato, rendendo complessa l’identificazione delle onde, anche per i sismologi più esperti”, prosegue la ricercatrice. “Per questo abbiamo utilizzato algoritmi di intelligenza artificiale per estrarre rapidamente i tempi di arrivo delle onde P e S generate dai terremoti avvenuti tra gennaio 2023 e giugno 2024, periodo in cui la caldera ha vissuto due episodi di incremento della sismicità”.

Lo studio è stato realizzato grazie ai dati disponibili sulla piattaforma European Integrated Data Archive (EIDA), che fornisce un accesso rapido ai segnali sismici acquisiti dalle principali agenzie europee. Questa ricerca rappresenta un passo avanti nello sviluppo di strumenti integrati per il monitoraggio dei Campi Flegrei.

“Per comprendere al meglio le cause dell’aumento della sismicità, abbiamo rilocalizzato gli eventi sismici utilizzando diversi algoritmi e confrontato le nuove localizzazioni ipocentrali con modelli di velocità precedentemente elaborati”, aggiunge Genny Giacomuzzi, ricercatrice dell’INGV.

Uno dei risultati più rilevanti è la correlazione spaziale tra la sismicità profonda e un’anomalia di velocità individuata a 5 km di profondità, che suggerisce la presenza di una zona di accumulo di magma. Sebbene ciò non implichi l’imminenza di un’eruzione, la relazione tra il magma in risalita e l’accumulo di stress nella zona sovrastante potrebbe spiegare l’unrest vulcanico in corso.

L’analisi degli ultimi due anni ha evidenziato inoltre l’attivazione di due faglie ai bordi orientale e occidentale della caldera, in linea con modelli analogici e numerici che mostrano come faglie preesistenti possano riattivarsi durante episodi di inflazione e deflazione del suolo.

“La qualità del dato ottenuto con il machine learning è estremamente elevata e potrà essere utilizzata per la tomografia sismica, permettendo di studiare la struttura interna della caldera con maggiore precisione”, prosegue Giacomuzzi.

Il prossimo passo sarà l’utilizzo di questo dataset avanzato per una nuova tomografia 4D della caldera, che consentirà di individuare eventuali migrazioni di fluidi magmatici o magma, conclude Claudio Chiarabba, Direttore del Dipartimento Terremoti dell’INGV.

Fig. 1 (copertina) Eventi sismici localizzati a profondità maggiore di 3 km, sovrapposti ai modelli di velocità Vs e Vp/Vs.

Fig. 2 (in basso) Modello concettuale della struttura della caldera e della relazione tra sismicità osservata nel 2023-2024 e le principali zone di accumulo di gas magmatici (in giallo) e di magma (in rosso) individuate sulla base dei modelli di velocità.

Link allo studio: DOI: 10.1038/s43247-025-02045-2
Istituto Nazionale di Geofisica e Vulcanologia (INGV)

#CampiFlegrei #MachineLearning #Sismicità #Vulcani #IntelligenzaArtificiale #MonitoraggioSismico #INGV #Napoli #Geofisica