Tre contributi WAVEGUARD a ML4SEG 2026: machine learning per onde, meteotsunami e piene

Alla conferenza internazionale Machine Learning for Solid Earth Geosciences and Earthquake Physics (ML4SEG 2026), svoltasi in Sicilia dal 14 al 19 giugno, sono stati presentati tre poster sulle attività di ricerca, sviluppate nell'ambito di WAVEGUARD.
- «Reconstructing significant wave height from microseism data using machine learning techniques: Sicily Channel case study» (Borzì et al.) esplora la stima dell’altezza significativa delle onde attraverso dati sismici e algoritmi di apprendimento automatico.
- «Physics-guided machine learning for meteotsunami detection from co-located microbarometer and tide-gauge records at Mazara del Vallo, Italy» (D’Amico et al.) propone un metodo di rilevamento degli eventi di meto-tsunami basato su dati di pressione atmosferica e livello del mare.
- «Seismology on rivers: a machine learning approach to monitor extreme floods generated by cyclonic storms» (Gangemi et al.) valuta l’utilizzo dei segnali sismici nel monitoraggio delle piene fluviali.
I tre studi mostrano le diverse applicazioni dell’analisi automatizzata di dati ambientali per lo studio e la gestione di fenomeni estremi. Gli abstract sono stati pubblicati nel volume "ML4SEG 2026 - Machine Learning for Solid Earth Geosciences and Earthquake Physics - Abstract Volume" pubblicato da Miscellanea INGV (https://collane-editoriali.ingv.it/index.php/mi/it/article/view/1663).
