マルチスケールエントロピーと教師なし学習を用いたカンピ・フレグレイ（イタリア）地震信号の単一観測点解析

なぜこの不穏なイタリアの火山が重要なのか

ナポリの西に位置するカンピ・フレグレイは、繁華な住宅地に囲まれ、200万人以上が暮らす広大な火山口です。1500年代以降噴火はないものの、地盤は隆起し、ガスが漏出し、小さな地震が増えています。こうした不穏な火山を監視することは極めて重要ですが、雑音だらけの膨大な地震データから微妙な前兆を人間の専門家がタイムリーに見つけるのは難しい。本研究は、単一の地震観測点の記録を人工知能の一種で聞き取り、自動的に異常挙動を摘出して火山の状態変化を示す可能性のある信号を識別できるかを検討します。

片耳で騒がしい火山に耳を傾ける

カンピ・フレグレイは直径およそ12キロの陥没火口（カルデラ）で、ナポリの西部地区や海沿いのポッツオーリの町域と重なっています。1950年代以降、この地域は静穏期と不穏期を繰り返しており、地盤の隆起、小規模地震の群発、噴気口からの高温ガスの変化などが観測されています。最も活発な領域の一つであるピシャレッリ周辺には、噴気孔や泥の湧く池からわずか約50メートルの場所に地震観測点が設置されています。ここは地下のガスや熱水の移動に関連する微小な揺れを感知するのに理想的ですが、同時に連続的なバックグラウンドノイズにも悩まされます。著者らは、このような単一観測点をスマートなアルゴリズムで解析することで、有意味な信号を常時の火山性ノイズから確実に区別できるかを明らかにしようとしました。

火山信号を仕分けるためのニューラルマップの学習

研究者たちは2023年の連続記録を1分間の断片に分割し、それぞれの断片をコンピュータが比較できるコンパクトな「フィンガープリント」に翻訳しました。用いたフィンガープリントは三種類で、信号の周波数形状を捉えるもの、振幅の時間的変化を記述するもの、そしてマルチスケールエントロピーと呼ばれる異なる時間スケールにわたる信号の複雑性と不規則性を測るものです。これらのフィンガープリントを自己組織化マップ（Self-Organizing Map）という、類似パターンを格子上で近くに配置するタイプのニューラルネットワークに入力しました。人手によるラベル付けなしに、マップは類似した地震挙動を示す分単位のデータをまとめてクラスタを形成することを学習しました。

隠れた故障、地震、蒸気トレモロの発見

トレーニング後、システムはすぐに予期しないパターンを明らかにしました。ある特定の月の多くの分データがマップの一隅に集中しており、観測点の挙動変化を示していました。詳しく調べると、そのクラスタは6月18日に始まり1か月後に修理された技術的故障に関連していることがわかりました—事前には明白ではなかった問題です。その期間を除外して、より情報量の多いフィンガープリントで再学習させると、マップは公式カタログに記載された地震を多く含むクラスタを分離し始め、カタログに載っていなかった小規模事象も検出しました。ほかのクラスタはピシャレッリの噴気孔の継続的な振動、つまりトレモロが支配的でした。各日のデータがマップ上でどれだけ集中しているかを追跡することで、著者らは「クラスタリング指標」を定義し、観測点がトレモロに似た長時間の類似活動を記録したときにこの指標が上昇することを示しました。

天候、ガス、そして火山の一日の機嫌

研究チームはこのクラスタリング指標を、ピシャレッリ周辺の降雨量、二酸化炭素放出量、気温の独立測定と比較しました。いくつかの事例で、指標のピークはCO₂放出の急増や豪雨のエピソードと一致し、ガス放出と地中への水の浸入の双方が観測点で捉えられる噴気トレモロを変調しうることを示唆しました。同じ手法を近隣の観測点にも適用すると、もっとも顕著なトレモロクラスタは噴気孔に最も近いセンサーでのみ現れ、これらの信号が非常に局所的であることを強調しました。最後に、著者らは2025年初めの新しいデータを既に学習済みのマップに投影しました。4月から5月上旬にかけて、クラスタリング指標は全体的な地震エネルギーと噴気孔温度の上昇とともに着実に上昇し、より活発な熱水活動を示しました。その後、両指標が急落した直後に、この地域では今回の一連で最大となるマグニチュード4.4の地震が発生しました。

カンピ・フレグレイ周辺の住民にとっての意味

住民や民間保護機関にとっての重要なメッセージは、先進的なパターン認識ツールによって単一の地震観測点を不穏な火山の早期警戒の一つの耳に変えられるということです。複雑な信号を単純なフィンガープリントに圧縮し、ニューラルマップに仕分けさせることで、この方法は機器トラブルを自動的に検出し、これまで見逃されていた地震を明らかにし、上昇するガスや高温流体による持続的トレモロの変化を追跡できます。単独で噴火を予測するわけではありませんが、このアプローチはカンピ・フレグレイが日々どのように“呼吸”し、変動しているかを科学者により迅速かつ明瞭に示し、地下システムが異常な応力を示したときに専門家の注意を集中させるのに役立ちます。

引用: 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

キーワード: カンピ・フレグレイ, 火山観測, 地震トレモロ, 機械学習, マルチスケールエントロピー