Analisi da singola stazione dei segnali sismici dei Campi Flegrei (Italia) usando entropia multiscala e apprendimento non supervisionato

Perché questo vulcano italiano inquieto è importante

Appena a ovest di Napoli si estendono i Campi Flegrei, un vasto cratere vulcanico circondato da quartieri densamente popolati e abitato da oltre due milioni di persone. Sebbene non erutti dal 1500, il suolo lì si sta sollevando, gas fuoriescono e piccoli terremoti diventano più frequenti. Sorvegliare un vulcano così inquieto è fondamentale, ma l'enorme quantità di dati sismici rumorosi rende difficile per gli esperti umani individuare in tempo segnali di allarme sottili. Questo studio esplora come una forma di intelligenza artificiale possa «ascoltare» una singola stazione sismica e individuare automaticamente comportamenti anomali che potrebbero segnalare cambiamenti nello stato del vulcano.

Ascoltare un vulcano rumoroso con un solo orecchio

I Campi Flegrei sono un cratere vulcanico collassato, o caldera, di circa 12 chilometri di diametro, che sovrappone i quartieri occidentali di Napoli e la cittadina costiera di Pozzuoli. Dagli anni ’50 l’area ha alternato periodi di calma e fasi di attività, caratterizzate da sollevamento del suolo, sciami di piccoli terremoti e variazioni nei gas caldi che fuoriescono dai soffioni. Nell’area di Pisciarelli, una delle zone più attive, una stazione sismica è posizionata a circa 50 metri da una fumarola attiva e da una pozza di fango ribollente. Questa posizione è ideale per percepire tremori minimi legati al movimento di gas e acqua calda sottoterra, ma è anche afflitta da rumore di fondo continuo. Gli autori hanno voluto verificare se una singola stazione di questo tipo, analizzata con algoritmi intelligenti, potesse distinguere in modo affidabile segnali significativi dal costante brontolio vulcanico.

Insegnare a una mappa neurale a ordinare i segnali vulcanici

I ricercatori hanno trasformato le registrazioni continue del 2023 in una vasta collezione di spezzoni di un minuto e poi hanno tradotto ogni spezzone in un «impronta» compatta che un computer potesse confrontare. Hanno usato tre tipi di impronte: una che cattura la forma delle frequenze del segnale, una che descrive come la sua intensità varia nel tempo e una — chiamata entropia multiscala — che misura quanto il segnale sia complesso e irregolare su diverse scale temporali. Queste impronte sono state alimentate in una Self-Organizing Map, una specie di rete neurale che dispone pattern simili vicini su una griglia. Senza etichette umane, la mappa ha imparato a raggruppare minuti di dati con comportamento sismico simile, formando cluster che possono essere esaminati in seguito.

Trovare guasti nascosti, terremoti e tremori da vapore

Una volta addestrato, il sistema ha subito rivelato un pattern inatteso: molti minuti di un mese specifico sono ricaduti in un angolo della mappa, indicando un cambiamento nel comportamento della stazione. A un esame più attento, quel cluster risultò legato a un malfunzionamento tecnico iniziato il 18 giugno e risolto un mese dopo — un problema che prima non era apparso evidente. Escludendo quel periodo e riaddestrando con le impronte più informative, la mappa ha cominciato a isolare cluster ricchi di terremoti riportati nel catalogo ufficiale, inclusi alcuni piccoli eventi non catalogati affatto. Altri cluster erano dominati dalla vibrazione continua, o tremore, della fumarola di Pisciarelli. Monitorando quanto siano concentrate le osservazioni quotidiane sulla mappa, gli autori hanno definito un «indice di clustering» che aumentava quando la stazione registrava lunghi intervalli di attività simile al tremore.

Meteo, gas e l’umore quotidiano del vulcano

Il team ha confrontato questo indice di clustering con misure indipendenti di precipitazioni, flusso di anidride carbonica e temperatura attorno a Pisciarelli. In più occasioni, picchi dell’indice coincisero con aumenti delle emissioni di CO₂ e episodi di pioggia intensa, suggerendo che sia il rilascio di gas sia l’infiltrazione d’acqua nel terreno possono modulare il tremore fumarolico rilevato dalla stazione. Applicando lo stesso approccio a stazioni vicine è emerso che i cluster di tremore più netti apparivano solo nei sensori più prossimi alla fumarola, sottolineando quanto questi segnali siano localizzati. Infine, gli autori hanno proiettato nuovi dati dei primi mesi del 2025 sulla mappa precedentemente addestrata. Ad aprile e all’inizio di maggio, l’indice di clustering è salito gradualmente parallelamente a un aumento dell’energia sismica complessiva e a temperature della fumarola più elevate, indicando un’intensificazione dell’attività idrotermale. Poco dopo che entrambe le misure sono diminuite bruscamente, l’area è stata interessata da un terremoto di magnitudo 4.4 — il più forte nella recente sequenza.

Cosa significa per chi vive vicino ai Campi Flegrei

Per i residenti e le autorità di protezione civile, il messaggio chiave è che strumenti avanzati di riconoscimento dei pattern possono trasformare una singola stazione sismica in un «orecchio» di allerta precoce per un vulcano inquieto. Comprimendo segnali complessi in semplici impronte e lasciando che una mappa neurale li ordini, il metodo può segnalare automaticamente problemi strumentali, scoprire terremoti prima non notati e monitorare i cambiamenti nel tremore costante prodotto da gas e fluidi caldi in risalita. Pur non predicendo da solo eruzioni, questo approccio offre agli scienziati una visione più rapida e chiara di come i Campi Flegrei respirano e si modificano giorno per giorno, aiutandoli a concentrare l’attenzione degli esperti quando il sistema sotterraneo mostra segni di stress insolito.

Citazione: Grimaldi, A., Amoroso, O., Scarpetta, S. et al. Single-station analysis of Campi Flegrei (Italy) seismic signals using multiscale entropy and unsupervised learning. Sci Rep 16, 7669 (2026). https://doi.org/10.1038/s41598-026-38257-5

Parole chiave: Campi Flegrei, monitoraggio vulcanico, tremore sismico, apprendimento automatico, entropia multiscala