INGV: nuovo modello di previsione probabilistica per l’allerta tsunami

Il Probabilistic Tsunami Forecasting (PTF) è l’innovativa procedura che permette, in tempo reale, la determinazione del livello di allerta da maremoti di origine sismica, tenendo conto della inevitabile incertezza sulla previsione dello tsunami.
www.ingv.it

La nuova procedura, che potrebbe introdurre una svolta nella gestione dell’allerta tsunami, è stata messa a punto da un team di ricerca internazionale coordinato dall’Istituto Nazionale di Geofisica e Vulcanologia (INGV) ed è stata appena pubblicata nello studio “Probabilistic tsunami forecasting for early warning” sulla rivista scientifica Nature Communications.

Gli tsunami possono colpire le aree costiere poco dopo i grandi terremoti. Per mitigare il loro impatto, sono stati sviluppati sistemi di allerta precoce (Early Warning) in grado di allertare la popolazione costiera e le autorità civili prima che lo tsunami raggiunga la costa. Ciò può consentire l’evacuazione e la mobilitazione dei servizi di emergenza. Immediatamente dopo la registrazione del terremoto, il potenziale distruttivo dello tsunami associato è molto incerto. Esiste infatti una grande incertezza relativamente alla dimensione esatta del terremoto, alla sua posizione, così come per l’esatto meccanismo di rottura del terremoto, tutti parametri strettamente collegati alla generazione dello tsunami. Questa incertezza implica che i sistemi di allerta rapida per lo tsunami possono occasionalmente emettere falsi allarmi o addirittura non avvisare per lo tsunami (mancati allarmi).

Gli attuali sistemi di allerta rapida per lo tsunami, come ad esempio il CAT dell’INGV (https://www.ingv.it/cat), forniscono previsioni che non descrivono le incertezze, ma singoli valori di predizione. Per motivi di sicurezza, questi sistemi adottano scelte conservative, spesso sopravvalutando l’impatto dello tsunami. Ciò può comportare un importante e incontrollato incremento dei falsi allarmi, senza peraltro garantire l’eliminazione dei mancati allarmi. La gestione del rischio di falsi e mancati allarmi ricade nella sfera politica. Tuttavia, per poter fare scelte consapevoli e ottimizzare le scelte, i responsabili delle decisioni (ad esempio, le autorità di Protezione Civile) devono essere informati dai sistemi di allerta tsunami sulla consistenza delle incertezze. Il PTF si propone di fare questo.

Il PTF assomiglia al moderno sistema di previsioni meteorologiche numeriche, dove un insieme (ensemble) di più simulazioni, ciascuna con condizioni iniziali leggermente diverse e parametri del modello leggermente modificati, viene utilizzato per quantificare l’impatto delle incertezze. Il PTF funziona in maniera analoga, simulando un gran numero di scenari terremoto-tsunami, coprendo l’intera gamma di possibili fonti, ed associando ad ognuno di essi una specifica probabilità di occorrenza. Le previsioni vengono effettuate combinando i parametri del terremoto stimati in tempo reale con quelli attesi nella zona nel lungo termine e, infine, con milioni di simulazioni numeriche della propagazione dello tsunami, pre-calcolate grazie a moderni supercomputer (Fig. 1a, b). Con l’arrivo di nuove informazioni, le previsioni possono essere aggiornate, tendenzialmente riducendo l’incertezza grazie ai nuovi dati disponibili (Fig. 1c). In ogni momento, le previsioni probabilistiche possono essere trasformate in livelli di allerta, in base a regole predefinite (Fig. 1d).

La capacità predittiva del PTF è stata verificata applicando il metodo, a posteriori, a diversi eventi sismici tra cui il terremoto di magnitudo 8.8 che nel 2010 ha colpito Maule, in Cile, lo tsunami di Zemmouri – Boumerdes, in Algeria, generato nel 2003 da un sisma di magnitudo 6.8, e lo tsunami generato nell’ottobre 2020 dal terremoto di magnitudo 7.0 avvenuto in prossimità dell’isola greca di Samos. Sono stati analizzati anche tutti i terremoti localizzati nell’area mediterranea che hanno attivato il CAT dell’INGV negli ultimi anni (Figura 2). Ciò ha permesso di valutare l’accuratezza del modello previsionale su un ampio ventaglio di magnitudo e tipologie di eventi sismici, dai terremoti crostali relativamente piccoli agli eventi di maggiore entità generati in zone di subduzione.

Per poter offrire una risposta adeguata in caso di evento ai cittadini residenti nelle aree costiere esposte al rischio di inondazione da tsunami, è imprescindibile combinare l’evidenza scientifica con le scelte di politica del territorio, così da associare un livello di allerta a una data probabilità, considerando che ogni livello di allerta, a sua volta, può corrispondere a determinate fasce costiere da evacuare. Queste ultime, in Italia, sono state definite da ISPRA, INGV e DPC che sono i componenti del SiAM (Sistema di Allertamento nazionale per i Maremoti generati da sisma). Il principio è mostrato in Figura 3.

Utilizzando previsioni medie o incorporando una piccola parte dell’incertezza, vengono emessi meno falsi allarmi. Tuttavia, il rischio di allerte mancate aumenta. Incorporando un intervallo di incertezza molto ampio, gli allarmi mancati vengono quasi eliminati. Tuttavia, si rischiano così più falsi allarmi. Mentre la soluzione ottimale può trovarsi tra questi estremi, questo processo di selezione deve essere fatto attraverso scelte politiche da parte delle parti interessate responsabili della gestione del rischio. Il metodo PTF fornisce una base per questa ottimizzazione e collega la soluzione ottimale al compromesso desiderato tra falsi allarmi, eventi mancati e avvisi corretti. Questo approccio in futuro potrebbe essere molto utile anche per la definizione di nuove strategie di gestione del rischio consentendo, ad esempio, la predisposizione di azioni di mitigazione diverse per specifici aspetti basate sulle informazioni scientifiche fornite in tempo reale dal PTF come, ad esempio, l’attivazione di procedure che salvaguardino gli impianti industriali in casi di emergenza.

A cura del Centro Allerta Tsunami dell’INGV

Maggiori dettagli sono riportati in:

Selva, J., Lorito, S., Volpe, M., Romano, F., Tonini, R., Perfetti, P., Bernardi, F., Taroni, M., Scala, A., Babeyko, A., Løvholt, F., Gibbons, S.J., Macías, J., Castro, M.J., González-Vida, J.M., Sánchez-Linares, C., Bayraktar, H.B., Basili, R., Maesano, F.E., Tiberti, M.M., Mele, F., Piatanesi A., & Amato, A. Probabilistic tsunami forecasting for early warning. Nat Commun 12, 5677 (2021). https://doi.org/10.1038/s41467-021-25815-w