Localizzazione probabilistica 3D (NonLinLoc) applicata all’area calabro-peloritana

Abstract

Sono presentati e discussi i risultati preliminari relativi ad una ri-localizzazione probabilistica non-lineare 3D dei terremoti dell’area compresa tra il Tirreno meridionale e l’Arco Calabro-Peloritano (Italia meridionale). Scopo del lavoro è dimostrare che l’applicazione di un’approccio probabilistico non-lineare nella localizzazione dei terremoti può fornire dei risultati più accurati ai fini della sorveglianza, ovviando al problema degli outlier, rispetto alle tecniche di localizzazione lineari (e.g. Hypoellipse), che minimizzano simultaneamente tutti i residui tra fasi osservate e calcolate. Il programma utilizzato è NonLinLoc [Lomax, et al., 2000; Lomax, et al., 2001; Lomax, 2005; http://www.alomax.net/nlloc; NonLinLoc di seguito] il quale permette di effettuare un’efficiente ricerca globale dello spazio dei parametri ipocentrali (coordinate spaziali e tempo origine) ottenendo una stima della funzione densità di probabilità (pdf, probability density function) a posteriori. La pdf fornisce una descrizione completa della localizzazione e delle sue incertezze; il campionamento dello spazio dei parametri ipocentrali è stato fatto mediante la tecnica Oct-tree nella regione compresa tra 37.75 e 39.40 N in latitudine e tra 14.80 e 16.80 E in longitudine, e utilizzando tutti gli eventi con profondità H ≤30 km. La struttura dell’Oct-tree è stata imposta in 100,000 celle ed un insieme di queste celle viene poi salvata in modo da poter rappresentare graficamente la pdf mediante nubi di punti a diversa densità. Il dataset utilizzato per le nostre analisi è composto da 1,304 terremoti, di 1.0<M<4.3, registrati nel periodo compreso tra il 1994 e il 2006; il modello di velocità 3D adottato è stato ottenuto da Barberi et al., 2008 [poster presentato a questo convegno] invertendo lo stesso dataset, mediante l’utilizzo del software TomoDD. I risultati ottenuti sono stati confrontati sia con le localizzazioni 1D (Hypoellipse) che con quelle 3D. Si evidenzia una maggiore clusterizzazione degli eventi e, soprattutto, un evidente miglioramento della qualità delle localizzazioni utilizzando il modello di velocità crostale 3D. Per cui riteniamo che, l’applicazione del metodo probabilistico associato ad un buon modello di velocità 3D, può essere utilizzato ai fini di sorveglianza.