How Much Temporal Information Does Earthquake Declustering Remove? An Entropy-Based Analysis of the Türkiye Catalogue

I terremoti raramente avvengono in isolamento. Quando una scossa colpisce, spesso innesca una reazione a catena: una piccola precessione potrebbe precedere un evento principale, il quale è poi seguito da uno sciame di repliche che può durare per settimane o addirittura anni. Per gli scienziati che cercano di comprendere i modelli di stress profondi della Terra, questi ammassi agiscono come l'interferenza su una radio, sommergendo il segnale costante e indipendente del rumore di fondo naturale del pianeta. Per ottenere un segnale chiaro, i ricercatori utilizzano un processo chiamato declustering, che tenta di eliminare questi eventi dipendenti per lasciare solo le "scosse principali" che rappresentano il vero ritmo sottostante della regione. Tuttavia, un dubbio persistente è sempre stato se questo processo di pulizia rimuova troppo della storia, o se lasci dietro di sé un modello prevedibile che possa aiutarci a capire come si comportano i terremoti nel tempo.

Un nuovo studio focalizzato sulla Turchia, una nazione situata sopra alcune delle linee di faglia più attive al mondo, affronta questa questione misurando quanta informazione viene persa quando cerchiamo di separare questi eventi sismici. Il ricercatore, Hakan Karaca, non cercava una palla di cristallo per predire esattamente quando colpirà il prossimo terremoto; una tale precisione rimane oltre la scienza attuale. Invece, si è posto una domanda più fondamentale: se sappiamo quanto la Terra è stata attiva l'ultimo mese, questo ci dice qualcosa su quanto sarà attiva il mese prossimo? Per rispondere, ha applicato tre diversi metodi, ampiamente utilizzati, per il declustering di un enorme database di terremoti turchi che copre cinquant'anni, dal 1976 al 2025. Ha poi utilizzato un concetto matematico noto come entropia, che essenzialmente misura quanta incertezza esiste in un sistema, per vedere quanta ordine rimaneva nei dati dopo il processo di pulizia.

Lo studio è iniziato con un catalogo singolo e unificato di quasi 40.000 terremoti. Il ricercatore ha poi fatto passare questi dati attraverso tre diversi filtri. I primi due metodi, noti come Gardner-Knopoff e Deniz-Yücemen, utilizzano finestre temporali e di distanza fisse per decidere quali eventi fanno parte di un cluster e quali sono indipendenti. Il terzo metodo, Reasenberg, utilizza un approccio più complesso basato sull'interazione, dove i cluster crescono ed evolvono man mano che gli eventi si collegano tra loro. I risultati di questo filtraggio sono stati drasticamente diversi. I primi due metodi erano aggressivi, rimuovendo circa il 70-73 percento degli eventi registrati come cluster dipendenti, lasciando dietro di sé circa 11.000 eventi. Il metodo Reasenberg era molto più conservativo, rimuovendo solo circa il 32 percento degli eventi e trattenendo quasi 27.000. Questa differenza nel numero di eventi conservati fornì la perfetta configurazione per testare se il modo in cui puliamo i dati cambi la storia che i dati raccontano.

Quando il ricercatore ha analizzato i conteggi mensili di questi terremoti rimanenti, ha convertito i numeri grezzi in quattro stati semplici: attività bassa, moderatamente bassa, moderatamente alta e alta attività. Ha poi esaminato la sequenza di questi stati mese per mese per vedere se conoscere lo stato di un mese riducesse l'incertezza su quello successivo. I risultati hanno mostrato che la scelta del metodo di pulizia cambiava completamente l'esito. Per i due metodi che hanno rimosso più eventi, la connessione tra un mese e l'altro è svanita. I dati apparivano essenzialmente casuali; sapere che il mese scorso era stato calmo non diceva nulla se questo mese sarebbe stato calmo o intenso. Le misure statistiche hanno confermato che questi metodi avevano rimosso quasi tutta la dipendenza a breve termine rilevabile, lasciando una sequenza che si comportava come il lancio di una moneta.

Al contrario, i dati elaborati dal metodo Reasenberg raccontavano una storia diversa. Poiché questo metodo conservava più eventi raggruppati, la sequenza risultante manteneva una significativa organizzazione temporale. Nei primi anni del record e nuovamente nei decenni più recenti, i dati mostravano un modello chiaro in cui il livello di attività di un mese forniva informazioni reali sul mese successivo. L'incertezza sul futuro era misurabilmente ridotta quando il presente era noto. Questo non significava che i terremoti fossero prevedibili in senso deterministico, ma significava che il "rumore" dei cluster non era stato completamente rimosso, lasciando dietro di sé una struttura che gli altri due metodi avevano con successo cancellato.

Lo studio ha ulteriormente suddiviso la linea temporale di cinquant'anni in tre periodi distinti per vedere se questi modelli resistessero nel tempo. I due metodi aggressivi hanno mostrato costantemente nessuna connessione significativa tra i mesi, indipendentemente dall'era. Il metodo Reasemberg, tuttavia, ha mostrato legami forti e statisticamente significativi nei primi e negli ultimi periodi, mentre il periodo centrale appariva più casuale. Ciò suggerisce che la prevedibilità apparente dell'attività sismica non è una proprietà fissa della Terra stessa, ma è piuttosto una caratteristica che dipende fortemente da come i dati vengono preparati. Il ricercatore ha scoperto che l'approccio più conservativo lasciava dietro di sé una "memoria" dell'attività passata, mentre gli approcci più aggressivi ne cancellavano la memoria.

In definitiva, l'articolo dimostra che la risposta a quanta informazione temporale il declustering dei terremoti rimuove dipende interamente dallo strumento utilizzato per la rimozione. Non esiste un'unica verità oggettiva sull'ordine rimanente nei dati; esiste solo l'ordine che sopravvive alle regole specifiche dell'algoritmo scelto. Le scoperte suggeriscono che se gli scienziati utilizzano metodi che eliminano aggressivamente i cluster, vedranno un mondo di eventi indipendenti e imprevedibili. Se utilizzano metodi più permissivi, vedranno un mondo con schemi persistenti e dipendenze a breve termine. Questo non significa che un metodo sia giusto e l'altro sbagliato, ma significa che qualsiasi conclusione sulla prevedibilità dei terremoti deve essere compresa nel contesto del processo di pulizia dei dati che l'ha prodotta. Lo studio serve da promemoria del fatto che il modo in cui organizziamo le nostre osservazioni può alterare fondamentalmente i modelli che vediamo nel mondo naturale.