eruzioni e vulcani Etna In primo piano monitoraggio e sorveglianza pericolosità e rischio vulcani nel mondo Vulcano

Come l’IA e i satelliti stanno cambiando il monitoraggio dei vulcani attivi

Redazione INGVvulcani

di Gaetana Ganci e il team SAFARI*

Integrare le capacità del telerilevamento da satellite con le tecnologie di Intelligenza Artificiale (IA) per caratterizzare in modo automatico lo stato di attività dei vulcani e, ove possibile, anticiparne l’evoluzione. E’ questo il focus del progetto SAFARI dell’INGV, che ha coinvolto ricercatrici e ricercatori di diverse sezioni dell’istituto, di università e enti di ricerca nazionali e internazionali.

Il progetto SAFARI, acronimo di ‘An artificial intelligence-based StrAtegy For volcAno hazaRd monItoring from space’, nasce nel 2023 con l’ambizioso obiettivo di sviluppare una strategia integrata per il monitoraggio della pericolosità vulcanica direttamente dallo spazio. Per fare ciò, sfrutta dati satellitari provenienti da sensori ottici, termici e a microonde, che vengono messi a confronto con i dati rilevati giornalmente dalle reti terrestri di monitoraggio in area vulcanica (sismica, geodetica, geochimica, etc,). Studiose e studiosi provenienti da INGV, Università di Catania e di Palermo, il Max Planck Institute for Chemistry, il Goma Volcanological Observatory, l’Instituto Geofìsico – Escuela Politécnica Nacional, Ecuador e l’Observatoire de Physique du Globe de Clermont-Ferrand hanno sviluppato queste metodologie innovative su quattro vulcani attivi: l’Etna e Vulcano in Italia, il Nyiragongo nella Repubblica Democratica del Congo e il Sangay in Ecuador. Questi ultimi due sistemi vulcanici sono considerati ad alta pericolosità e sono situati in aree remote, dove il satellite rappresenta spesso lo strumento principale di sorveglianza (Figura 1). Di seguito i principali risultati del progetto raggiunti.

Figura 1 – I quattro vulcani oggetto di studio nell’ambito del progetto SAFARI. Fonte Planetscope Imagery credits Planet Labs.

Vedere meglio per mappare meglio: l’IA “ripulisce” le immagini radar

Uno dei problemi delle immagini SAR (Radar ad Apertura Sintetica) è la presenza di disturbi del segnale, dovuti a variazioni casuali che rendono le immagini granulose e più difficili da interpretare. I ricercatori e le ricercatrici hanno applicato un innovativo filtro grazie al quale l’Intelligenza Artificiale ha “imparato” a isolare il segnale di interesse dalle componenti di disturbo. Applicando questa tecnica ai dati SAR dell’eruzione del Sangay (Ecuador) del 2021, il sistema è riuscito a ripulire le immagini acquisite dal satellite Sentinel-1, migliorando drasticamente il rapporto segnale-rumore e rimuovendo le false anomalie (Figura 2).

Figura 2 – Vulcano Sangay, a sinistra l’immagine di cambiamento ottenuta dal confronto tra immagine acquisita prima dell’eruzione e dopo l’eruzione, a destra lo stesso cambiamento con le immagini pre e post-eruzione filtrate con IA. L’immagine a destra mostra l’efficacia del filtro IA nel rimuovere i disturbi tipici dei dati radar (detto speckle): il rumore di fondo si attenua sensibilmente, svelando la struttura continua e definita del deposito vulcanico, che nell’immagine originale a sinistra appariva frammentata e poco definita.

Previsione autonoma del percorso della lava in tempo reale

Uno degli obiettivi più ambiziosi del progetto è stato quello di rendere le simulazioni della propagazione delle colate laviche automatiche e rapide con lo scopo di generare mappe di pericolosità dell’invasione lavica. Il nuovo sistema ha utilizzato i valori dei tassi di effusione delle colate così come stimati da satelliti alla risoluzione spaziale di 1-3 km per riprodurre l’estensione del fronte derivato da satelliti alla risoluzione spaziale di 20-30 metri e prevedere l’evoluzione del campo lavico con giorni di anticipo. L’analisi, condotta a posteriori, ha testato la capacità del modello di produrre mappe di pericolosità associata all’invasione dei flussi lavici sempre più accurate (Figura 3).

Figura 3 – Etna, eruzione maggio – giugno 2022. Confronto tra realtà e simulazione del campo lavico eruttato tra 13 maggio e 6 giugno 2022.In a) la linea nera delimita il contorno della colata lavica reale al giorno 29 maggio, mentre in b) al giorno 6 giugno. La mappa a colori rappresenta lo scenario probabilistico sviluppato grazie all’IA che consente di prevedere l’evoluzione del campo lavico dopo 7 giorni di attività dal 29 maggio al 6 giugno. Le aree in rosso scuro indicano dove il modello ha calcolato una probabilità di invasione lavica vicina al 100% tra il 13 maggio e il 29 maggio, dimostrando un’elevata corrispondenza con il dato reale. I triangoli gialli e rossi indicano rispettivamente la posizione delle bocche eruttive reali e previste dal modello.

Quanto è alta la nube? L’IA risolve il problema delle nubi “trasparenti”

Conoscere l’altezza esatta di una nube vulcanica è fondamentale per la sicurezza degli aerei in volo. Per l’Etna, il team del progetto Safari ha addestrato una Rete Neurale utilizzando migliaia di immagini satellitari, realizzando un sistema capace di distinguere automaticamente i colori corrispondenti alle emissioni laviche e alle nubi generate dall’attività esplosiva. Lo stesso sistema è in grado di calcolare l’altezza della colonna eruttiva in tempo reale (Figura 4).

Figura 4 – Etna, eruzione del 4 marzo 2021. Il confronto tra le due immagini mostra il netto miglioramento nella capacità di osservare e discriminare la nube di cenere vulcanica… A destra, l’immagine satellitare in composizione RGB (Ash RGB Composite) : la nube è visibile (colore blu) ma complessa da distinguere. A sinistra, la stessa immagine è filtrata dalla Rete Neurale: l’algoritmo ha identificato e isolato con precisione (in rosso) i pixel contenenti cenere vulcanica, permettendo al sistema di calcolare automaticamente l’altezza e l’estensione della colonna eruttiva senza intervento umano.

L’Intelligenza Artificiale che “esplora” da sola: il caso del Nyiragongo

Per il vulcano Nyiragongo (Congo), di cui esistono pochissimi dati sulla storia eruttiva, il team ha utilizzato un approccio di Apprendimento Non Supervisionato (Unsupervised Learning). L’IA ha analizzato autonomamente i dati satellitari, raggruppando i diversi comportamenti del vulcano in “famiglie” di attività. In questo modo è riuscita a individuare il passaggio da uno stato di quiete a una fase anomala proprio durante l’eruzione del maggio 2021 (Figura 5).

Rispetto all’analisi manuale dei dati, questo tipo di approccio permette di esaminare rapidamente grandi quantità di informazioni e di riconoscere schemi che potrebbero sfuggire all’occhio umano, soprattutto in aree remote e poco studiate. L’IA può quindi agire come una sorta di “sentinella autonoma”, capace di segnalare possibili anomalie anche dove mancano osservazioni dirette. Come tutti i sistemi automatici, tuttavia, può generare anche falsi allarmi e richiede quindi la verifica da parte degli esperti.

Figure 5 – Risultati dell’analisi non supervisionata (Unsupervised Learning) applicata ai dati satellitari del 2021 del vulcano Nyiragongo. A destra, il grafico mostra come gli algoritmi hanno raggruppato autonomamente i dati in due famiglie distinte: lo stato “normale” (Cluster 1, in arancione) e lo stato “anomalo” (Cluster 0, in blu). A sinistra, l’evoluzione temporale rivela che il passaggio al cluster blu coincide con l’eruzione del maggio 2021 (riquadro a), dimostrando la capacità del sistema di rilevare l’inizio della crisi senza alcuna istruzione umana. Il riquadro b evidenzia una successiva fase di instabilità rilevata a fine anno.

Durante il meeting finale del progetto sono stati condivisi i frutti di tre anni di lavoro sinergico di tutto il team SAFARI (Figura 6). La riunione ha sancito il passaggio dalla fase di sviluppo a quella in cui queste tecnologie innovative possono essere applicate di routine nella valutazione quotidiana della pericolosità vulcanica.

Figura 6 – Foto di gruppo dei partecipanti alla riunione finale del progetto Pianeta Dinamico – SAFARI, svoltasi presso la sede dell’Osservatorio Etneo dell’INGV (Catania).

Bibliografia essenziale
https://progetti.ingv.it/it/pian-din#safari-an-artificial-intelligence-based-strategy-for-volcano-hazard-monitoring-from-space
Bignami, C., Pignatelli, A., Romoli, G., Doglioni, C., 2024. Artificial-Intelligence-Based Classification to Unveil Geodynamic Processes in the Eastern Alps. Remote Sens (Basel) 16, 4364. https://doi.org/10.3390/rs16234364
Dozzo, M., Aiuppa, A., Bilotta, G., Cappello, A., Ganci, G., 2025. A New Algorithm for the Global-Scale Quantification of Volcanic SO2 Exploiting the Sentinel-5P TROPOMI and Google Earth Engine. Remote Sens (Basel) 17, 534. https://doi.org/10.3390/rs17030534
Petrucci, C., Romoli, G., Pignatelli, A., Trasatti, E., Zuccarello, F., Greco, F., Dozzo, M., Bilotta, G., Spina, F., Ganci, G., 2025. Volcano activity classification from synergy of EO data and machine learning: an application to Mount Etna volcano (Italy). Discover Applied Sciences 7, 680. https://doi.org/10.1007/s42452-025-07311-8
Spina, F., Bilotta, G., Cappello, A., Spina, M., Zuccarello, F., Ganci, G., 2025. Volcanic Activity Classification Through Semi-Supervised Learning Applied to Satellite Radiance Time Series. Remote Sens (Basel) 17, 1679. https://doi.org/10.3390/rs17101679
Zuccarello, F., Bilotta, G., Cannavò, F., Cappello, A., Guardo, R., Ganci, G., 2025. A Markov Chain Monte Carlo approach for complex lava flow simulations driven by satellite-derived data. Environmental Modelling & Software 188, 106426. https://doi.org/10.1016/j.envsoft.2025.106426

*Il team SAFARI: Giuseppe Bilotta, Elisa Trasatti, Alessandro Pignatelli, Simona Scollo, Francesco Spina, Alessandro Aiuppa, Charles Balagizi, Sebastiano Battiato, Boris Behncke, Christian Bignami, Nicole Bobrowski, Sonia Calvari, Flavio Cannavò, Annalisa Cappello, Claudio Cesaroni, Stefano Corradini, Iole Serena Diliberto, Maddalena Dozzo, Filippo Greco, Roberto Guardo, Francesco Guglielmino, Lorenzo Gurrieri, Luigi Mereu, Luca Merucci, Patricia Mothes, Giuseppe Nunnari, Alessandro Ortis, Emilio Pecora, Michele Prestifilippo, Cristina Proietti, Giuseppe Puglisi, Vito Romaniello, Francesco Romeo, Giulia Romoli, Malvina Silvestri, Marco Spina, Cristiano Tolomei, Thomas Wagner, Francesco Zuccarello

Accessibility by WAH

Scopri di più da INGVvulcani

Abbonati ora per continuare a leggere e avere accesso all'archivio completo.

Continua a leggere