GNGTS 2022 - Atti del 40° Convegno Nazionale

224 GNGTS 2022 Sessione 2.1 CARATTERIZZAZIONE DEL MOTO DEL SUOLO AD ISCHIA ATTRAVERSO SIMULAZIONE SINTETICHE G. Tusa 1 , V. Convertito 2 , S. D’Amico 1 , E. Giampiccolo 1 , H. Langer 1 , R. Azzaro 1 1 Istituto Nazionale di Geofisica e Vulcanologia, Osservatorio Etneo, Catania (INGV-OE), Italy 2 Istituto Nazionale di Geofisica e Vulcanologia, Osservatorio Vesuviano, Napoli (INGV-OV), Italy Introduzione. Il lavoro presentato nel presente contributo è stato svolto nell’ambito delle attività previste dal Task 13 (Valutazione della pericolosità sismica indotta da eventi locali ad Ischia) della Convenzione B2 DPC-INGV 2012-2021, il cui obiettivo principale era la stima della pericolosità sismica legata a terremoti vulcano-tettonici originati ad Ischia. Come noto, uno degli elementi fondamentali per il calcolo della pericolosità sismica è la stima del moto del suolo – caratterizzato da parametri di interesse ingegneristico quali PGA, PGV, PSA, etc. – tramite equazioni predittive (Ground Motion Prediction Equation, GMPE o Ground Motion Model, GMM), la cui affidabilità dipende dalla quantità e dalla qualità dei dati a disposizione e, in particolare, dall’intervallo di magnitudo e di distanze sorgente-sito disponibili per la loro calibrazione. I parametri del moto del suolo, insieme alle loro distribuzioni, consentonodi calcolare leprobabilitàdi superamentodi valori di riferimentoutilizzatinel calcolo della pericolosità sismica. Ad Ischia le caratteristiche dell’attenuazione dello scuotimento con la distanza sono quelle tipiche dei terremoti superficiali in aree vulcaniche, mediamente più elevate rispetto ai contesti tettonici. Per questo motivo la valutazione dello scuotimento sismico rappresenta ancora oggi un aspetto critico, poiché l’uso di leggi di attenuazione prodotte per ambiti puramente tettonici comporta una forte e sistematica sottostima dello scuotimento atteso. Sfortunatamente, ad Ischia, poiché il numero di eventi per i quali si hanno a disposizione registrazioni strumentali è molto ridotto, la calibrazione di un adeguato modello di attenuazione del moto del suolo rappresenta un problema rilevante ai fini della stima della pericolosità sismica. Per superare questo problema è possibile integrare i pochi dati registrati con dati generati da simulazioni numeriche in modo da rendere il dataset di calibrazione il più completo possibile. Ai fini della generazione dei sismogrammi sintetici, che in questo lavoro sono stati calcolati attraverso l’approccio stocastico implementato nell’algoritmo EXSIM (Boore, 2005, 2009; Motazedian e Atkinson, 2005) per modello di faglia finita, è necessario disporre di un certo numero di parametri di input che tengano conto del modello crostale e quindi delle proprietà attenuative del mezzo di propagazione, della geologia di superficie, della geometria della sorgente e dei parametri che la caratterizzano (meccanismo focale, momento sismico, stress-drop, distribuzione dello slip, velocità di rottura, etc.). In questo studio, il punto di partenza ha visto l’utilizzo dei terremoti di piccola magnitudo, registrati strumentalmente ad Ischia, attraverso i quali è stato possibile calcolare le leggi di scala e il parametro di attenuazione anelastica Q , da utilizzare per simulare il moto del suolo prodotto da eventi di magnitudo maggiore, come quello che ha interessato Ischia il 21 agosto 2017, oggetto delle nostre simulazioni stocastiche. Stima dei parametri di sorgente dei dati strumentali attraverso inversione spettrale. Sono state applicate due diverse tecniche di inversione, che hanno visto l’utilizzo degli spettri in spostamento, per ricavare i parametri di sorgente (il momento sismico, M 0 , dal livello spettrale a bassa frequenza e il raggio della sorgente, R , dalla frequenza d’angolo f c ,) e Q utilizzando i dati strumentali di 6 eventi (Tab. 1), tra i quali l’evento del 21 agosto. La differenza tra le due tecniche risiede nel processo di inversione finalizzato a ridurre la correlazione tra i parametri da invertire. La prima prevede l’inversione spettrale attraverso l’algoritmo Simplex e una procedura multi-step (Convertito et al. , 2016); la seconda, è una procedura two-step basata su algoritmo grid search. I risultati dei due approcci sono del tutto sovrapponibili.