ETD

• Deformation
• Fault
• InSAR
• Machine Learning
• Seismology

Seismic and magmatic activities represent a major part of natural hazards. Studying these events is essential, as this phenomenon governs surface and subsurface displacement and deformation. The alliance of seismology and geodesy covers the characterization of ground movement below and above the surface. It is in those research branches that major advances are made to identify event sources and features.

My research focuses on new methods of modelling and analysing data in order to distinguish between the sources of movements induced by tectonic and/or magmatic activity. To this end, my thesis is divided into three chapters that allow the methods to be assessed in different geodynamic contexts. First, I analyse two seismic sequences that occurred in 2023 on the Gulf of Aden mid-ocean ridge, using a range of seismological methods to deduce the source of seismic activity. Then, I revisit one of the largest European earthquakes, the Mw 6.2 Aigion earthquake in Greece, using InSAR and seismicity modelling and challenging previous models and knowledge about the structure of the Corinth rift. Finally, the thesis details the construction of a Machine Learning (ML) tool that deduces fault parameters for ground displacement measured by InSAR. The tool demonstrates that it is possible to use ML to solve fault parameters that caused surface deformation visible by InSAR.

Le attività sismiche e magmatiche costituiscono una parte importante dei rischi naturali. Lo studio di questi eventi è fondamentale poiché tali fenomeni determinano deformazioni della superficie terrestre. L'unione tra sismologia e geodesia permette di caratterizzare i movimenti del terreno e risalire alle sorgenti deformative. È proprio in questi settori di ricerca che si registrano i principali progressi nell'identificazione delle origini e delle caratteristiche degli eventi.

La mia ricerca si concentra su nuovi metodi di modellizzazione e analisi dei dati al fine di distinguere tra le fonti dei movimenti indotti dall'attività tettonica e/o magmatica. A tal fine, la mia tesi è suddivisa in tre capitoli che consentono di valutare i metodi in diversi contesti geodinamici. In primo luogo, analizzo due sequenze sismiche verificatesi nel 2023 sulla dorsale medio-oceanica del Golfo di Aden, utilizzando una serie di metodi sismologici per dedurre la fonte dell'attività sismica. Successivamente, riesamino uno dei più grandi terremoti europei, il terremoto di Aigion in Grecia di magnitudo Mw 6.2, tramite modellizzazione InSAR e di dati sismicici e mettendo in discussione i modelli e le conoscenze precedenti sulla struttura del rift di Corinto. Infine, la tesi descrive in dettaglio la realizzazione di uno strumento di Machine Learning (ML) che deduce i parametri di faglia per lo spostamento del suolo. Lo strumento, basato su interferogrammi sintetici, dimostra che è possibile utilizzare il ML per determinare i parametri di faglia che hanno causato la deformazione superficiale visibile tramite InSAR.