Pattern nascosti nella sismicità vulcanica: approfondimenti con deep learning sull’attività del Monte Etna 2020–2021

Ascoltare un vulcano irrequieto

Il Monte Etna, in Sicilia, è uno dei vulcani più attivi al mondo e le sue eruzioni possono mettere a rischio città vicine, aeroporti e infrastrutture critiche. Gli osservatori vulcanici monitorano già attentamente Etna con numerosi strumenti, ma l’enorme quantità di dati rende difficile per gli esseri umani individuare in tempo ogni segnale d’allarme. Questo studio mostra come l’intelligenza artificiale moderna possa setacciare un anno del “battito sismico” di Etna per scoprire pattern nascosti che rivelano quando il vulcano è tranquillo, quando si sta ricaricando e quando si sta preparando a eruttare.

Perché le “colonne sonore” vulcaniche contano

I vulcani generano costantemente vibrazioni che si propagano nel terreno come onde sismiche. Alcune sono scosse nette, simili a terremoti, mentre altre assomigliano a un ronzio continuo chiamato tremore vulcanico o a toni distinti noti come eventi a lunga periodo. A Etna questi segnali vengono registrati giorno e notte da una fitta rete di sismometri. Tradizionalmente, gli esperti esaminano l’intensità e la frequenza di queste oscillazioni, insieme alle emissioni gassose, al rigonfiamento del suolo e alle osservazioni visive, per valutare se il vulcano è sicuro o si avvicina a un’eruzione pericolosa. Ma l’attività di Etna tra la fine del 2020 e la fine del 2021 è stata particolarmente intensa, producendo due lunghe sequenze di spettacolari fontane di lava e un flusso di dati difficile da interpretare in tempo reale.

Insegnare ai computer a riconoscere pattern nascosti

I ricercatori hanno adottato un approccio di deep learning non supervisionato, cioè il computer non è stato informato in anticipo su quali giorni fossero eruttivi o silenti. Hanno invece fornito spettrogrammi giornalieri — immagini a colori che mostrano come varia l’intensità delle vibrazioni sismiche nel tempo e in frequenza — provenienti da due stazioni sommitali di Etna. Un tipo di rete neurale chiamata autoencoder ha imparato prima a comprimere l’impronta sismica complessa di ogni giorno in un piccolo insieme di caratteristiche chiave e poi a ricostruirla, garantendo che le informazioni importanti fossero preservate. Successivamente un metodo di clustering ha raggruppato i giorni con impronte sismiche simili in quattro cluster distinti. Il team ha confrontato questi gruppi con evidenze indipendenti: quando sono state segnalate le fontane di lava, l’intensità del tremore, il numero di eventi a lunga periodo e il numero di piccoli terremoti sotto il vulcano.

Quattro volti dell’attività di Etna

I quattro cluster individuati dal computer si sono allineati in modo netto con comportamenti vulcanici significativi. Un gruppo corrispondeva a giorni relativamente tranquilli o misti, quando era presente solo il tremore di fondo e occasionali esplosioni lievi. Un secondo gruppo identificava giorni dominati da numerosi eventi a lunga periodo, probabilmente riflettendo gas e fluidi in risalita che pressurizzano il sistema di condotte superficiali senza produrre ancora grandi eruzioni. Un terzo gruppo metteva in evidenza una «fase preparatoria», quando il tremore cresceva in intensità e persistenza per settimane, dalla metà di dicembre 2020 alla metà di febbraio 2021, anche se non si erano ancora verificate grandi fontane di lava in superficie. Il quarto gruppo corrispondeva con grande accuratezza agli episodi spettacolari di fontane di lava, cogliendo circa il 95 percento dei giorni eruttivi e mostrando energia sismica intensa e a banda larga durante i parossismi.

Osservare transizioni e giorni ambigui

Combinando i dati di entrambe le stazioni sommitali e cercando i giorni in cui più strumenti concordavano sullo stesso cluster, i ricercatori hanno potuto distinguere regimi chiari da intervalli più ambigui. Alcuni giorni rientravano in una categoria «indefinita», dove i segnali erano misti o differenti tra i due siti — probabilmente a causa di processi sovrapposti come terremoti, tremore ed eventi guidati da gas che avvengono contemporaneamente. Interessante è che il metodo ha anche rilevato segnali di un regime preparatorio alla fine di novembre 2021 e ha captato indizi del secondo ciclo eruttivo alcuni giorni prima che le fontane di lava fossero confermate, suggerendo che sottili cambiamenti nei pattern sismici possono precedere l’attività visibile.

Cosa significa per le persone che vivono vicino ai vulcani

Per i non specialisti, il messaggio principale è che i computer possono ormai «ascoltare» un vulcano irrequieto e classificare automaticamente le sue complesse vibrazioni in pochi stati comprensibili: attività di fondo, pressurizzazione interna, fase di accumulo ed eruzioni conclamate. Lo studio dimostra che tali strumenti di deep learning non supervisionato possono corrispondere da vicino al giudizio degli esperti lavorando in modo rapido e coerente su grandi insiemi di dati. Pur non sostituendo i vulcanologi umani o altri metodi di monitoraggio, questo approccio fornisce un potente paio di occhi in più — aiutando gli osservatori a riconoscere quando un vulcano come Etna sta sobbollendo, quando si sta ricaricando e quando potrebbe essere sul punto di un altro scoppio drammatico.

Citazione: Abed, W., Zali, Z., Sciotto, M. et al. Hidden patterns in volcanic seismicity: deep learning insights from Mt. Etna’s 2020–2021 activity. Sci Rep 16, 6155 (2026). https://doi.org/10.1038/s41598-026-36677-x

Parole chiave: monitoraggio dei vulcani, apprendimento automatico, Monte Etna, attività sismica, previsione delle eruzioni