Siamo abituati a immaginare le faglie come piani, a separazione di blocchi di roccia che muovendosi l’uno rispetto all’altro generano i terremoti. In realtà, le faglie hanno geometrie molto più complicate. Più che come piani, dovremmo immaginarle come sottili parallelepipedi, strati di roccia con un certo spessore, all’interno dei quali si trovano altre faglie più piccole, e così via in un meccanismo di segmentazione gerarchico.
Delineare con precisione la loro struttura è l’obiettivo di una serie di studi condotti da un gruppo di ricercatori dell’Università di Napoli Federico II, che negli anni hanno messo a punto un sistema di algoritmi di machine learning che, si basa solo sulla posizione degli ipocentri, i punti nella crosta da cui hanno origine le singole onde sismiche. Questo sistema è stato applicato a diverse sequenze di terremoti, mostrando le sue potenzialità nel migliorare i modelli di previsione probabilistica operativa di breve e medio termine, il cosiddetto operational earthquake forecasting.
«Il sistema che abbiamo sviluppato ha due vantaggi. In primo luogo, permette di processare un grande numero di eventi sismici e quindi di sfruttare la ricchezza dei cataloghi sismici contemporanei. In secondo luogo, agisce senza supervisione, quindi senza essere influenzato dalle scelte inevitabilmente soggettive dei metodi basati sul giudizio esperto di operatori umani», spiega Ester Piegari, geofisica e prima autrice dello studio del 2024 che ha dettagliato il funzionamento del sistema di algoritmi e ne ha testato l’affidabilità.
Normalmente, l’orientamento del piano di faglia viene stabilito studiando il cosiddetto “meccanismo focale” di un terremoto. Il metodo consiste, in sostanza, nell’analizzare le forme d’onda che si propagano dall’ipocentro nella zona circostante e individuare i volumi di crosta che l’onda sismica ha sottoposto a compressione e quelli che invece sono stati sottoposti a stiramento. Così facendo si può determinare l’angolazione della proiezione in superficie del piano di faglia e la sua inclinazione rispetto alla verticale.
Questa tecnica però ha dei limiti. «Per esempio, per i terremoti di magnitudo bassa l’attenuazione delle onde sismiche impedisce questa analisi.» Inoltre, come abbiamo detto prima, è un’analisi soggetta a un certo grado di arbitrarietà e quindi può essere influenzata dal giudizio dell’operatore che la esegue.
«Il nostro algoritmo non intende sostituirsi completamente alla valutazione dei geologici strutturali, ma piuttosto offrire una gamma quantitativa di possibili geometrie da sottoporre al vaglio dei geologi strutturali, ampliando così le configurazioni e gli scenari da poter prendere in considerazione.», commenta Piegari.
Per queste ragioni, diversi studi hanno puntato a usare colo la posizione degli ipocentri nello spazio per determinare le strutture coinvolte in una sismica.
La procedura messa a punto da Piegari e coautori, i sismologi Marcus Herrmann e Warner Marzocchi, parte raggruppando gli ipocentri in base alla loro densità. Questo primo algoritmo permette di identificare dei parallelepipedi, estesi e sottili. Sono le faglie principali, all’interno delle quali un secondo algoritmo, sulla base della distanza tra gli ipocentri, un certo numero di strutture secondarie, ovvero i segmenti in cui è articolata la faglia. Su ciascuno di questi segmenti viene poi riapplicato il primo algoritmo che restituisce per ciascuno dei segmenti l’estensione e l’orientamento dei piani. La coppia di algoritmi può essere applicata iterativamente, creando così una gerarchia di segmenti di ordine crescente.
Il sistema è stato messo alla prova considerando tre regioni sismicamente attive diverse fra loro. La sequenza sismica che ha colpito nel 2009 L’Aquila (64,051 eventi registrati tra gennaio e dicembre 2009). Lo sciame sismico che ha interessato la valle di Cahuilla in California tra il 2016 e il 2019 (22,700 eventi tra gennaio 2016 e giugno 2019). Infine, la sismicità del settore sudorientale della catena montusoa dell’isola di Taiwan tra il 1990 e il 2020 (87.679 eventi registrati dal 1990 al 2020). Ciascuno di questi cataloghi sismici è associato a geometrie e meccanismi di faglia diversi.
Per ciascuna sequenza i risultati degli algoritmi di Piegari e coautori riguardanti l’orientamento dei piani di faglia principali sono stati confrontati con quelli ottenuti con lo studio dei meccanismi focali, trovando un buon accordo.
Il nuovo approccio proposto permette però di guardare “dentro” le faglie principali, e scoprire i segmenti annidati.
Nel caso de L’Aquila, Piegari e coautori hanno individuato due faglie principali, già individuate in precedenza con tecniche tradizionali, e nominate faglia de L’Aquila e faglia di Campotosto. All’interno di ciascuna hanno però individuato tre e quattro segmenti rispettivamente.
Piegari e coautori avevano già applicato una versione semplificata di questo algoritmo in uno studio del 2022, considerando la sequenza sismica che ha colpito il Centro Italia tra il 2016 e il 2017, provocando i danni maggiori ad Amatrice il 26 agosto del 2016. Considerando un catalogo sismico di alta risoluzione per la sequenza, ottenuto con il deep learning, avevano identificato diversi volumi crostali distinti su cui si concentrava gruppi molto densi di ipocentri. Questo gli aveva permesso di stimare in maniera più appropriata la proporzione tra terremoti di magnitudo diverse (la distribuzione magnitudo-frequenza), considerando i volumi individualmente. Questa proporzione è un ingrediente fondamentale per formulare previsioni probabilistiche di breve termine, il cosiddetto operational earthquake forecasting di cui avevamo parlato qui.
In uno studio più recente, gli autori hanno rianalizzato la sequenza usando il sistema completo di algoritmi sviluppato nel 2024 e concentrandosi sulla struttura di faglia della zona di Norcia, interessata dalla scossa più forte della sequenza, magnitudo 6,5 il 30 ottobre 2016. «Abbiamo individuato due volumi di crosta coinvolti durante la sequenza, che hanno distribuzioni magnitudo-frequenza diverse», spiega Piegari. « Abbiamo individuato due volumi di crosta coinvolti durante la sequenza, che hanno distribuzioni magnitudo-frequenza diverse (b-value diversi). Abbiamo trovato che questi volumi presentano geometrie di faglia differenziate, coerenti con la presenza di diverse litologie, calcari ed evaporiti, suggerendo che stili di fratturazione distinti controllati da eterogeneità strutturali e litologiche possono riflettersi in distribuzioni magnitudo-frequenza diverse.», aggiunge.
Piegari conclude che stanno lavorando per estendere il loro approccio a sistemi di faglie, «studiare i collegamenti tra sistemi di faglie permetterebbe di raccogliere informazioni su quali saranno i volumi interessati dai prossimi terremoti e quindi migliorare la nostra capacità previsionale.»
