10 anni fa il terremoto di Amatrice: il nuovo studio AI che identifica le fasi preparatorie dei sismi

Sono trascorsi dieci anni da quando, il 24 agosto 2016, un terremoto di magnitudo 6.0 colpì l’area di Amatrice in provincia di Rieti, nel Lazio, causando enormi danni e 299 vittime. Il terremoto di Amatrice è stato oggetto di molti studi scientifici volti a comprenderne le cause e l’evoluzione. Il più recente, del 2026, ha applicato a questo e altri quattro grandi terremoti del passato algoritmi di machine learning (o apprendimento automatico, una branca dell’intelligenza artificiale), con l’obiettivo di identificare cambiamenti nell’attività sismica che li ha preceduti.

In questo caso è stato utilizzato un approccio di machine learning non supervisionato, cioè un metodo che individua autonomamente somiglianze nei dati senza istruzioni predefinite. I risultati hanno mostrato che questo metodo può aiutare a identificare le fasi preparatorie dei terremoti e l’obiettivo futuro è integrarli nel monitoraggio in tempo reale. Tuttavia, nel caso di Amatrice non è stata individuata chiaramente una sismicità “critica” prima della scossa principale. Lo studio, pubblicato su Nature Communications, ha coinvolto il GFZ Helmholtz Center for Geosciences di Potsdam, in Germania e altre realtà scientifiche internazionali, tra cui anche l’Istituto Nazionale di Oceanografia e di Geofisica Sperminetale (OGS).

Lo studio sui terremoti di Amatrice, L'Aquila e Turchia con il machine learning

Attualmente prevedere con precisione dove e quando avrà luogo un terremoto e quale sarà la sua magnitudo non è possibile. Tuttavia, negli ultimi decenni lo studio dei fenomeni precursori dei terremoti, cioè delle variazioni dei parametri chimici e fisici che hanno luogo nel sottosuolo prima di un sisma, ha fatto molti progressi. Anche il machine learning ha dato il suo contributo in questo senso e in alcuni casi si è riusciti addirittura a prevedere il verificarsi delle scosse con un anticipo di qualche giorno, senza però individuare con precisione l’epicentro.

Il nuovo studio ha applicato il machine learning non supervisionato a cinque grandi terremoti del passato: quelli di Kahramanmaraş (Turchia) del 2023, il terremoto dell’Aquila del 2009, il terremoto di Iquique (Cile) del 2014, il terremoto di Amatrice del 2016 e il terremoto di Noto (Giappone) del 2024.

Nei mesi o nelle settimane precedenti ad alcuni di questi eventi era stato rilevato un aumento di sismicità, mentre per altri non si erano registrate variazioni significative. A partire dai cataloghi sismici disponibili, i ricercatori hanno estratto diverse caratteristiche statistiche e sismologiche degli eventi. Queste sono state raggruppate in famiglie di eventi, cioè gruppi di terremoti simili in termini di spazio, tempo e magnitudo. L’algoritmo è stato quindi testato per verificare se fosse in grado di distinguere autonomamente configurazioni compatibili con queste variazioni transitorie dell’attività sismica.

Il professor Marco Bohnhoff, coautore dello studio, spiega:

I terremoti non sono eventi isolati, si influenzano a vicenda e, quanto più l'evento di rottura si avvicina, tanto più forte diventa questa influenza. Analizzando il loro comportamento collettivo, possiamo cogliere meglio come lo stress si accumula nella crosta terrestre prima dei grandi eventi.

I risultati della ricerca sugli eventi sismici

Le famiglie di eventi sono state raggruppate automaticamente in categorie distinte che rappresentano diversi stati dell’evoluzione dello sforzo nelle rocce. Il team ha identificato in particolare una categoria “critica” di sismicità che emergeva prima della scossa principale, caratterizzata da una maggiore interazione tra i terremoti e un maggiore rilascio di deformazione sismica. Queste caratteristiche indicano una maggiore instabilità, che anticipa la rottura.

Lo studio ha una limitazione legata al fatto che non tutti i terremoti sono preceduti da un’attività sismica significativa e rilevabile. Per esempio, quando il metodo è stato applicato al terremoto di Amatrice del 2016, prima del sisma principale non è emersa nessuna categoria “critica” di eventi. Per lo studio di questo terremoto sono stati utilizzati dati sismici posteriori al 2012 per escludere l’attività sismica successiva al terremoto del 2009 presso L’Aquila. Nei due mesi precedenti il sisma di Amatrice è stato registrato un cambiamento di categoria, ma questo tipo di variazione si era verificato anche negli anni precedenti senza che sfociasse in forti terremoti. Non è invece emersa una categoria “critica” vera e propria, a differenza di ciò che è risultato dallo studio del terremoto dell'Aquila del 2009.

Si può quindi concludere che i processi sismici sono molto complessi così come il loro monitoraggio, dal momento che alcune faglie possono cedere senza evidenti segnali precursori. Lo studio ha comunque dimostrato come queste tecniche possano contribuire a identificare cambiamenti dell’attività sismica prima dei terremoti e a migliorare la comprensione dei processi alla base dell’evoluzione dei sistemi di faglia. I progressi che anche grazie al machine learning sono stati fatti nello studio dei terremoti potrebbero consentire, nei prossimi decenni, di limitare le conseguenze più gravi dei terremoti.

non perderti questo articolo

Terremoto di Amatrice, 9 anni fa la scossa di magnitudo 6.0 che devastò il centro Italia

Di Stefano Gandelli