Localizzazione di materie prime essenziali per la trasformazione GREEN basate su un modello litosferico 3D

La transizione GREEN ha amplificato la domanda di materie prime, rendendo la loro esplorazione e lo sfruttamento sostenibile una sfida urgente. La localizzazione e la caratterizzazione di queste risorse richiedono la combinazione di diverse tecniche geofisiche e geologiche. Tra queste, l'inversione dei campi di potenziale, il campo di gravità e il campo magnetico, emerge come strumento chiave per studiare il sottosuolo terrestre e identificare giacimenti promettenti. Tuttavia, le ambiguità intrinseche dei dati dei campi di potenziale richiedono metodologie sofisticate che integrino quadri geologici, geofisici e probabilistici per produrre modelli robusti e interpretabili. Questa tesi studia l'applicazione di diverse tecniche di inversione a più scale di dettaglio, per migliorare le conoscenze sulla localizzazione di materie prime critiche. A grande scala, viene utilizzato un approccio di inversione congiunta bayesiana per combinare la tomografia sismica con i dati di campi di potenziale, generando un modello 3D ad alta risoluzione della litosfera. A media scala, l'inversione congiunta affina ulteriormente i modelli del sottosuolo concentrandosi sulle regioni con un potenziale significativo di risorse, bilanciando i vincoli osservativi con le conoscenze a-priori petrologiche. A piccola scala, l'algoritmo probabilistico riesce a caratterizzare depositi minerari localizzati, tenendo conto delle complessità della variabilità geologica e riducendo le ambiguità insite nelle interpretazioni dei campi di potenziale. Attraverso l'interdisciplinarità e l'applicazione di diverse tecniche di inversione, questa ricerca fa progredire gli aspetti teorici e pratici dell'esplorazione delle georisorse. Affinando la nostra capacità di mappare il sottosuolo terrestre attraverso a varie scale, la tesi contribuisce allo sviluppo sostenibile delle materie prime critiche essenziali per la rivoluzione GREEN.

The green transition has amplified the demand for critical raw materials, making their exploration and sustainable exploitation a pressing challenge. Locating and characterizing these resources require the combination of different geophysical and geological techniques. Among these, the inversion of potential fields, gravity and magnetic data, emerges as a key tool forprobing the Earth’s subsurface and identifying promising deposits. However, the inherent ambiguities of potential field data necessitate sophisticated methodologies that integrate geological, geophysical, and probabilistic frameworks to produce robust and interpretable models. This thesis investigates the application of inversion techniques across multiple scales to enhance the localization of critical raw materials. At the large scale, a Bayesian joint inversion approach is employed to combine seismic tomography with potential field data, generating a high-resolution 3D model of the lithosphere. At the medium scale, joint inversions further refine subsurface models by focusing on regions with significant resource potential, balancing observational constraints with petrological priors. At the small scale, advanced probabilistic algorithms resolve localized mineral deposits, accounting for the complexities of geological variability and reducing the ambiguities inherent in potential field interpretations. Through the integration of interdisciplinary methods and a systematic application of inversion techniques, this research advances both the theoretical and practical aspects of resource exploration. By refining our ability to map the Earth’s subsurface across scales, the thesis contributes to the sustainable development of the critical raw materials essential for the green revolution.