(Adnkronos) – Una recente ricerca, coordinata dall’Istituto Nazionale di Geofisica e Vulcanologia (INGV) in collaborazione con l’Università di Catania, ha dimostrato l'efficacia di un approccio integrato per la sorveglianza dell’isola di Vulcano, focalizzandosi sul sistema idrotermale, ovvero il complesso di vapori, gas e acque presenti nel sottosuolo. Lo studio ha preso in esame un arco temporale significativo, analizzando i dati raccolti tra il 2016 e il 2024. La metodologia ha previsto la combinazione di informazioni termiche derivate dai satelliti VIIRS e Sentinel-2 con le rilevazioni effettuate a terra dalle reti di monitoraggio dell'INGV presso il Cratere La Fossa. Il cuore dell'innovazione risiede nell'utilizzo delle reti neurali generative (SGAN). Questo modello di apprendimento semi-supervisionato è stato scelto per ovviare alla scarsità di dati relativi alle fasi di crisi vulcanica, eventi per natura rari e difficili da campionare in grandi quantità.
Immagini sinottiche dell'isola di Vulcano datate 26/11/2016 00:48 (in alto a sinistra), 03/02/2021 01:00 (in alto a destra), 04/10/2021 00:54 (in basso a sinistra) e 10/12/2021 00:48 (in basso a destra). La scala di colori indica il valore NTI dei singoli pixel. I 16 pixel all'interno del riquadro verde fanno parte dell'Area Termale sulla Sommità (TAS) del cono attivo, e i loro valori NTI sono stati inclusi nel dataset per l'addestramento e il test del modello SGAN. B. Grafico a barre dei risultati della classificazione ottenuti dal modello SGAN addestrato. Le barre verdi rappresentano gli intervalli temporali classificati come Background, le barre gialle indicano quelli classificati come Minor Crisis e le barre rosse corrispondono agli intervalli temporali classificati come Unrest. I riquadri neri evidenziano i periodi identificati come fasi di crisi (ovvero classificati come Minor Crisis e/o Unrest), che includono: (a) 9 novembre 2016–3 gennaio 2017; (b) 6 marzo 2018–28 agosto 2018; (c) 25 maggio 2019–15 luglio 2019; (d) 8 luglio 2020–28 agosto 2020; (e) 10 maggio 2021–13 settembre 2023; (f) 4 maggio 2024–27 giugno 2024
. “In particolare", dichiara Gaetana Ganci, ricercatrice INGV e co-autrice dello studio, "l’uso di un modello semi-supervisionato basato su reti neurali generative (SGAN) ha permesso di superare la limitata disponibilità di dati etichettati, dovuta alla rarità delle fasi di crisi. Il modello, infatti, può apprendere efficacemente sia con pochi dati etichettati sia con un’ampia mole di dati non etichettati”. Attraverso questo approccio, i ricercatori sono riusciti a distinguere tre diverse condizioni operative del sistema idrotermale:
Background: normale stato di quiescenza dell'area vulcanica.
Crisi minore: variazioni contenute nei parametri termici e chimici.
Unrest: segnali evidenti di instabilità che richiedono un'attenzione prioritaria.
I risultati pubblicati sulla rivista
Remote Sensing Applications: Society and Environment
evidenziano come l'intelligenza artificiale possa supportare la sorveglianza continua, individuando precocemente variazioni della temperatura superficiale legate a dinamiche profonde del sistema idrotermale.
Il progetto SAFARI (An Artificial Intelligence-based StrAtegy For volcAno hazaRd monItoring from space), finanziato dal programma Pianeta Dinamico, apre la strada a sistemi di allerta precoce più sofisticati. L'integrazione di dati multisorgente permette di superare i limiti dei singoli sensori, offrendo una visione d'insieme delle condizioni di stabilità del vulcano. “Lo studio ha analizzato i dati raccolti tra il 2016 e il 2024, combinando informazioni sulla temperatura e le condizioni ambientali derivate dai satelliti con le temperature delle fumarole registrate dalla rete di monitoraggio dell’INGV” dichiara Francesco Spina, ricercatore dell’Istituto.
—tecnologiawebinfo@adnkronos.com (Web Info)
