La pericolosità sismica e la previsione probabilistica dei terremoti
Staff: Prof. Warner Marzocchi, Prof. Jacopo Selva, Prof. Ester Piegari, Dr. Marcus Herrmann, Dr. Paola Corrado (studente PhD), Dr. Annamaria Pane (studente PhD presso la Scuola Superiore Meridionale)
I terremoti rappresentano una grave minaccia per la società e una previsione probabilistica (forecast) attendibile dell'atteso scuotimento del suolo causato dai terremoti ("pericolosità sismica") è l'ingrediente scientifico principale per qualsiasi azione di mitigazione del rischio. Il programma di ricerca in corso di sviluppo presso il Dipartimento di Scienze della Terra, dell'ambiente e delle risorse dell'Università di Napoli, Federico II, si concentra principalmente sul forecast dei terremoti e del relativo scuotimento del terreno per diverse finestre temporali di previsione, da giorni a settimane per prevedere probabilisticamente l'evoluzione delle sequenze sismiche, ad anni e decenni per fini di normativa antisismica.
Vengono esplorati diversi tipi di modelli, empirici, stocastici, basati sulla fisica dei sistemi complessi, e sull'intelligenza artificiale. L'impatto di questo tipo di modellistica è duplice: può fornire strumenti innovativi agli ingegneri e ai decision-makers che sono responsabili per le azioni di riduzione del rischio sismico, e consente agli scienziati di verificare sperimentalmente ciò che sanno veramente sul processo fisico che genera i terremoti.
A tale scopo stiamo lavorando attivamente con il Collaboratory for the Study of Earthquake Predictability che fornisce un'infrastruttura internazionale per una fase di test prospettica, trasparente e riproducibile per qualsiasi modello di previsione e forecast dei terremoti.
Alcuni esempi di forecast settimanali. (A) Forecast poche ore dopo il terremoto di Amatrice e i terremoti M3.5 + (cerchi blu-verdi) che si sono verificati nella finestra del tempo di previsione. (B) Forecast prima del terremoto M5.9 (stella blu-verde) verificatosi il 26 ottobre. (C) Forecast prima del terremoto M6.5 di Norcia (stella blu-verde) verificatosi il 30 ottobre. (D) Forecast prima del terremoto di Campotosto M5.5 (stella blu-verde) che si è verificato il 18 gennaio.
La rete internazionale denominata Collaboratory for the Study of Earthquake Predictability (CSEP).
Risultati preliminari per il nuovo modello di pericolosità sismica di lungo termine per l'Italia (MPS19). La mappa riporta la probabilità di osservare una accelerazione del terreno superiore a 0.1g nei prossimi 50 anni. Risultati preliminari per il nuovo modello di pericolosità sismica di lungo termine per l'Italia (MPS19). La mappa riporta la probabilità di osservare una accelerazione del terreno superiore a 0.1g nei prossimi 50 anni.
Analisi della complessità spaziotemporale della distribuzione magnitudo-frequenza dei terremoti con tecniche di machine learning
La disponibilità di cataloghi sismici di sempre più grandi dimensioni rende l'estrazione di informazioni sempre più complessa e chiama in causa l'utilizzo di tecniche di analisi sempre più sofisticate. La linea di ricerca esplora l’utilizzo di algoritmi di machine learning, in particolare sinora quelli basati sulla densità DBSCAN e OPTICS, per identificare, in modo automatico e in grandi dataset, i volumi sismicamente più attivi che possano rappresentare al meglio le principali strutture. L'applicazione di questi metodi ai cataloghi sismici di sequenze recenti, come quelle di Kumamoto 2016 e in Italia centrale 2016/2017, ha evidenziato l’efficacia degli algoritmi nell’individuare caratteristiche tridimensionali delle strutture tettoniche attivate e la complessità spaziotemporale della distribuzione magnitudo-frequenza (MFD) dei terremoti. In particolare, si è mostrato come la distribuzione delle magnitudo differisca tra cluster vicini, variando o rimanendo costante nel tempo a seconda del cluster, suggerendo che l'eterogeneità e la complessità del sistema di faglie influenzano fortemente la MFD. L’identificazione di scale spaziotemporali fisicamente significative per interpretare e utilizzare la variabilità della MFD e del parametro b ad essa correlato, e direttamente chiamato in causa nelle stime di pericolosità, è argomento di attuale ricerca.
Fig. 3: a) Risultati dell’analisi di clustering relativi allo studio della sequenza sismica di Kumamoto del 2016 (da Piegari et al., 2022). b) Distribuzioni magnitudo-frequenza dei principali cluster di terremoti identificati per la sequenza sismica del centro Italia 2016/2017 (da Herrmann et al., 2022).
Collaborazioni attive
Istituto Nazionale di Geofisica e Vulcanologia,
University of Southern California,
U.S. Geological Survey,
University of Bristol,
Dipartimento di Ingegneria dell'Università di Napoli, Federico II.
GFZ Potsdam,
GNS New Zealand,
ETH Zurich,
Stanford University.
