Fase preparatoria dei grandi terremoti illuminata dalla categorizzazione non supervisionata delle caratteristiche dei cataloghi sismici

Perché questo è importante per le persone che vivono a rischio sismico

Comunità in tutto il mondo convivono con la paura dei terremoti devastanti, eppure gli scienziati non possono ancora dire con precisione quando e dove colpirà il prossimo grande evento. Questo studio esplora se cambiamenti sottili nelle scosse quotidiane di piccolo entità possano rivelare quando una faglia si sta preparando silenziosamente a un evento molto più grande. Utilizzando tecniche avanzate per identificare schemi nei cataloghi sismici, i ricercatori verificano se è possibile individuare un autentico “innalzamento” verso grandi scosse—riconoscendo al contempo quando un tale avviso non è presente.

Ascoltare la faglia attraverso molte piccole scosse

I grandi terremoti di solito non avvengono dal nulla. Prima di una grande rottura, le faglie spesso mostrano cambiamenti come scosse premonitrici, sciami di piccoli terremoti o movimenti lenti e scorrevoli. Tuttavia, queste fasi preparatorie variano notevolmente da luogo a luogo e in alcuni casi sembrano assenti. Gli autori raccolgono cataloghi dettagliati di terremoti di piccola e media entità in cinque regioni ben studiate, tra cui il terremoto di Kahramanmaraş del 2023 in Turchia, il sisma dell’Aquila del 2009 in Italia e l’evento megathrust di Iquique del 2014 in Cile. Per ciascuna area esaminano anni di sismicità precedenti al mainshock, cercando schemi che possano segnalare l’avvicinarsi di una faglia al collasso.

Da cataloghi grezzi a famiglie di eventi correlati

Invece di trattare ogni terremoto come un punto isolato, il team raggruppa gli eventi in “famiglie” che sono vicine nello spazio, nel tempo e per magnitudo. Ogni famiglia contiene un mainshock (il suo evento più grande) e le relative scosse premonitrici e repliche. Intorno a ciascun evento i ricercatori calcolano dozzine di misure descrittive: la velocità con cui avvengono le scosse, quanto sono raggruppate nello spazio e nel tempo, quanta deformazione rilasciano e come sono distribuite le dimensioni delle scosse. Queste misure basate sugli eventi vengono poi mediate all’interno di ciascuna famiglia e combinate con descrittori semplici della struttura interna della famiglia (per esempio, se assomiglia più a una semplice sequenza di repliche o a uno sciame più diffuso). Il risultato è un impronta compatta per ogni famiglia che cattura il comportamento del segmento di faglia locale.

Lasciare che siano i dati a organizzarsi

Piuttosto che dire al computer in anticipo quale dovrebbe essere un “pattern di avvertimento”, gli autori impiegano apprendimento automatico non supervisionato. In particolare applicano un algoritmo k-means che ordina automaticamente le famiglie sismiche in categorie con impronte simili. Queste categorie variano da comportamenti più stabili—eventi distribuiti nel tempo e nello spazio e con scarso rilascio di deformazione—a comportamenti più critici, caratterizzati da raggruppamenti stretti, forte interazione tra eventi e rilascio concentrato di deformazione. Fondamentalmente, l’algoritmo non sa quando avviene il grande terremoto; raggruppa semplicemente le famiglie in base alle loro caratteristiche. I ricercatori esaminano quindi quando e dove compaiono le categorie più “critiche” rispetto ai mainshock successivi.

Dove la faglia davvero si «riscalda» — e dove non lo fa

Per tre terremoti noti per avere chiare fasi preparatorie—Kahramanmaraş, L’Aquila e Iquique—il metodo identifica con successo famiglie altamente localizzate e durature che compaiono poco prima del mainshock e si distinguono dall’attività precedente. In questi casi le categorie critiche sono associate a densi ammassi di eventi, a impronte spaziali in restringimento e a un maggiore rilascio di deformazione, coerenti con un segmento di faglia che concentra stress e danno prima del collasso. Al contrario, per altri due eventi—il terremoto di Amatrice del 2016 in Italia e il sisma di Noto del 2024 in Giappone—il flusso di lavoro non trova una famiglia unicamente critica che persista fino al mainshock. Amatrice sembra essere preceduta da relativa calma, mentre Noto da attività a sciame complessa e dalla presenza di fluidi, suggerendo che non tutti i grandi terremoti mostrano un chiaro avviso sismico nel catalogo.

Verso informazioni precoci pratiche, con cautela

Infine, gli autori testano se il loro approccio potrebbe funzionare in un contesto più vicino al tempo reale. Addestrano la loro categorizzazione su un periodo precedente di dati, poi scorrono il catalogo in avanti per vedere quando appare una nuova categoria distinta. Nei tre casi con fasi preparatorie note, un cambiamento marcato nella misura di clustering si verifica da settimane a mesi prima del grande terremoto, suggerendo un possibile impiego per la previsione operativa dei terremoti. Tuttavia, lo studio sottolinea limiti importanti: il metodo può rilevare solo fasi preparatorie che producono effettivamente sismicità rilevabile, si basa su cataloghi di alta qualità e richiede interpretazione esperta per giudicare se una categoria emergente sia davvero critica. In breve, questo quadro non “predice” i terremoti, ma offre un modo fondato fisicamente per mettere in evidenza quando e dove le piccole scosse potrebbero indicare che una faglia sta entrando in uno stato più pericoloso.

Citazione: Karimpouli, S., Martínez-Garzón, P., Núñez-Jara, S. et al. Preparatory phase of large earthquakes illuminated by unsupervised categorization of earthquake catalog features. Nat Commun 17, 4024 (2026). https://doi.org/10.1038/s41467-026-72279-x

Parole chiave: previsione dei terremoti, schemi di sismicità, apprendimento automatico, scosse premonitrici, meccanica delle faglie