Un innovativo studio a Vulcano impiega intelligenza artificiale e dati satellitari per un monitoraggio più efficace del sistema idrotermale. La ricerca migliora la comprensione dell'attività vulcanica.
Nuovo approccio al monitoraggio vulcanico
Un'isola siciliana, Vulcano, diventa teatro di una ricerca pionieristica. L'obiettivo è affinare il monitoraggio del suo sistema idrotermale. Questo sistema comprende acqua, vapore e gas nel sottosuolo dell'isola.
L'innovazione si basa sull'intelligenza artificiale (IA). Essa integra dati provenienti da satelliti con misurazioni effettuate direttamente sul campo. Questa sinergia promette di migliorare la comprensione dell'attività vulcanica.
La ricerca è frutto di una collaborazione. L'Istituto nazionale di geofisica e vulcanologia (INGV) ha guidato lo studio. Ha lavorato a stretto contatto con l'università di Catania. Il progetto si inserisce nell'iniziativa Safari.
Safari è finanziato dal programma Pianeta Dinamico dell'INGV. I risultati di questa indagine sono stati pubblicati su una prestigiosa rivista scientifica. Si tratta di 'Remote Sensing Applications: Society and Environment'.
Dati satellitari e terrestri combinati
Lo studio ha analizzato un vasto arco temporale. I dati raccolti coprono il periodo dal 2016 al 2024. Il ricercatore Francesco Spina, autore principale, ha spiegato il metodo.
Le informazioni sulla temperatura e le condizioni ambientali sono state ottenute da satelliti. Nello specifico, si sono utilizzati i sensori Viirs e Sentinel-2. Questi dati sono stati poi confrontati con le temperature delle fumarole.
Le temperature delle fumarole sono state registrate dalla rete di monitoraggio dell'INGV. L'area di interesse è stata il Cratere La Fossa. Questa combinazione di fonti offre un quadro più completo.
L'utilizzo di un modello di apprendimento semi-supervisionato è stato cruciale. Questo approccio ha permesso di distinguere con elevata precisione le diverse condizioni operative del sistema idrotermale. Sono state identificate fasi di background, crisi minore e unrest (condizioni di instabilità).
L'intelligenza artificiale per dati rari
La ricercatrice Gaetana Ganci dell'INGV ha evidenziato un aspetto chiave. L'uso di un modello semi-supervisionato basato su reti neurali generative (SGAN) è stato fondamentale. Questo ha permesso di superare una difficoltà intrinseca.
La difficoltà risiede nella limitata disponibilità di dati etichettati. Le fasi di crisi vulcanica, infatti, sono eventi rari. La loro documentazione completa è complessa.
Il modello SGAN è capace di apprendere efficacemente. Può farlo sia con pochi dati già classificati (etichettati) sia con un'ampia quantità di dati non etichettati. Questa flessibilità è un grande vantaggio.
Le reti neurali generative sono sistemi avanzati. Sono in grado di riconoscere diverse situazioni. Lo fanno anche partendo da pochi esempi già classificati. Sfruttano appieno le informazioni contenute nei dati non etichettati.
Verso sistemi di sorveglianza avanzati
I risultati ottenuti dimostrano il potenziale dell'IA. Applicata ai dati satellitari, essa supporta efficacemente il monitoraggio vulcanico. Permette di analizzare le variazioni di temperatura superficiale nel tempo.
Inoltre, l'IA aiuta a individuare cambiamenti specifici. Questi cambiamenti sono legati all'attività del sistema idrotermale. Si apre così la strada a sistemi di sorveglianza più sofisticati.
L'obiettivo finale è l'individuazione precoce di segnali di instabilità. Questo miglioramento nella capacità di monitoraggio è vitale per la sicurezza delle aree vulcaniche attive.