Alluvioni, incendi, blackout. I nuovi metodi per combatterli usando data analysis e machine learning
Alluvioni, incendi, blackout elettrici: è su intelligenza artificiale e dati satellitari che sono puntati i riflettori nell’ambito delle strategie per la lotta al cambiamento climatico e delle politiche di prevenzione e pianificazione del rischio ambientale. Nonché per i piani di contenimento dei consumi energetici, i progetti e le iniziative votati all’ecosostenibilità ma anche e soprattutto per velocizzare e ottimizzare le operazioni di soccorso in caso di eventi estremi.
Emblematico il caso Emilia-Romagna: la Protezione civile ha attivato il servizio satellitare di emergenza Ems Rapid mapping della costellazione Copernicus – operativo dal 2012 – per ottenere informazioni importanti sulle aree colpite dall’alluvione e iniziare la quantificazione dei danni. L’occhio vigile dei satelliti, attivo 24 ore su 24, è stato fondamentale: le immagini e i dati spaziali integrati con quelli rilevati da aerei e droni hanno permesso di individuare le aree più colpite e di attivare le operazioni di evacuazione e salvataggio con una precisione senza precedenti.
Dalle mappe stradali a quelle a servizio dell’osservazione della Terra: Google ha attivato da tempo tutta una serie di database e dashboard per consentire a ricercatori ed enti governativi di ottenere dati fondamentali sull’evoluzione dei territori: dal disboscamento all’erosione costiera fino allo sviluppo dell’urbanizzazione. E nei giorni scorsi è stato esteso l’uso di FloodHub a 80 paesi, Italia inclusa. Si tratta di una piattaforma basata sull’intelligenza artificiale progettata specificamente per prevedere il rischio inondazioni. In dettaglio il sistema è in grado di prevedere fenomeni fino a 7 giorni prima che si verifichi l’evento, un risultato eccezionale se si considera che fino a un anno fa la stima era limitata a 48 ore. Risultato reso possibile grazie all’integrazione di dati satellitari e previsioni meteorologiche. «La tecnologia combina due modelli, quello idrologico che prevede la quantità di acqua che scorre in un fiume e quello di inondazione, che individua le aree che saranno interessate», spiega il colosso americano. Informazioni importanti tenendo conto dell’aumento di fenomeni estremi come le alluvioni, che ogni anno colpiscono oltre 250 milioni di persone in tutto il mondo, causando circa 10 miliardi di dollari di danni economici.
Schermata di Google FloodHub ©Google
L’Ufficio europeo dei brevetti ha appena lanciato Espacenet, piattaforma in cui sono disponibili oltre 140 milioni di documenti relativi a sistemi e tecnologie “salvavita” provenienti da 100 paesi, per aiutare governi e autorità a mettere a punto strategie per contrastare gli incendi e per la salvaguardia dei territori. Il 2022 è passato alla storia come annus orribilis: oltre 830mila ettari di terreno danneggiati dagli incendi boschivi, pari a danni economici nell’ordine dei 2,5 miliardi di euro.
Anche in Italia in crescita le iniziative: Enea, Politecnico di Bari e Università Roma tre hanno annunciato un progetto che fa leva sull’intelligenza artificiale e tecniche di machine learning per prevenire blackout elettrici causati da ondate di calore.
Il sistema è stato sviluppato nell’ambito del progetto Rafael finanziato dal ministero dell’Università e della Ricerca ed è stato già testato su una grande rete di distribuzione elettrica nel Sud Italia. Il team ha “addestrato” l’algoritmo sui dati relativi ai guasti intercorsi tra il 2015 e il 2020, alle condizioni meteo e ai flussi di energia, per identificare le possibili correlazioni. Successivamente è stata effettuata l’analisi di una serie di dati ed è stato possibile ottenere risultati accurati in termini di previsione di futuri guasti alla rete elettrica. «Le infrastrutture di distribuzione dell’energia sono sistemi particolarmente vulnerabili a disastri naturali e a eventi meteorologici estremi, come le ondate di calore soprattutto nelle grandi aree urbane. – spiega Maria Valenti, responsabile del Laboratorio Enea Smart grid e reti energetiche – Per questo è importante individuare nuove soluzioni di monitoraggio e di gestione della rete per la previsione di eventuali guasti, come ad esempio le tecniche di data analysis e di machine learning».
In copertina: la Francia ©Copernicus.eu
©RIPRODUZIONE RISERVATA
