La potenza di calcolo dell’AI, associata all’enorme quantità di dati geospaziali, gioca un ruolo crescente nella valutazione e gestione del rischio.
Con 378 eventi climatici estremi nel solo 2023, l’Italia è il Paese europeo più vulnerabile a catastrofi naturali come terremoti, frane e alluvioni. L’evoluzione dello scenario climatico che ci attende non promette niente di buono.
Lo rileva il White Paper “Il Rischio delle calamità naturali in Italia: conoscere, stimare, gestire”, pubblicato da Cineas, il Consorzio universitario non profit fondato dal Politecnico di Milano, che si occupa di contribuire a diffondere la cultura del rischio.
L’evoluzione dello scenario climatico previsto indica un continuo aumento in frequenza e intensità di questi eventi climatici estremi. Come possiamo fronteggiare, dunque, quello che ci aspetta?
Considerando che il 94% dei comuni italiani è a rischio frane, alluvioni ed erosione costiera, sarà fondamentale, continua lo studio, adottare strategie efficaci di riduzione dei rischi e di adattamento ai cambiamenti climatici.
La gestione del rischio legato alle catastrofi naturali richiede un approccio olistico e multidisciplinare.
In questo contesto, la potenza di calcolo dell’AI, associata all’enorme quantità di dati geospaziali disponibili anche come open data sulle varie piattaforme, può giocare un ruolo cruciale nella valutazione e gestione del rischio.
Il numero sempre crescente di immagini ad alta risoluzione e la fusione di una moltitudine di informazioni tramite tecniche di machine learning permettono di monitorare la salute di intere aree urbane, fino ad arrivare all’analisi di edifici e infrastrutture, di testare centinaia di variabili geografiche e di metterle in relazione con fattori come, ad esempio, serie meteorologiche decennali, indicatori socio-economici e urbanistici.
Il risultato è la produzione di indicatori molto potenti, capaci di “predire” cosa può succedere nei 12 mesi successivi con un livello di dettaglio su scala locale senza precedenti.
Questo può aiutare a identificare le aree più vulnerabili e a sviluppare strategie di prevenzione e mitigazione più efficaci.
Un esempio di questa tecnologia innovativa è “Deep Property”, una soluzione tecnologica che utilizza dati satellitari e immagini stradali, combinandoli con l’Intelligenza Artificiale per analizzare i rischi legati agli immobili.
Il servizio è promosso e sviluppato da Ticinum Aerospace, una società spin-off dell’Università di Pavia, fondata nel 2014 da dottorandi e post-dottorandi presso il FabSpace Lab, ed è stato ammesso al sostegno dell’Agenzia Spaziale Europea (ESA) all’interno del programma denominato InCubed (Investing in Industrial Innovation).
Il sistema elabora simultaneamente più componenti: dati satellitari (vista dall’alto degli edifici, utile per determinare il perimetro, la presenza di pannelli solari o piscine e altre caratteristiche esterne), immagini stradali (che consentono di analizzare caratteristiche meno evidenti dall’alto, come i materiali della facciata, le finestre e lo stato di manutenzione) e dati di natura pubblica e privata non nativamente geospaziale (informazioni addizionali come la presenza di vincoli, rischi particolari e destinazione d’uso delle aree da analizzare).
L’analisi di queste informazioni restituisce un quadro multidimensionale, capace di produrre informazioni come lo stato di manutenzione degli immobili, i materiali di costruzione, l’età degli immobili, la densità urbana, i dislivelli rispetto ai corsi d’acqua, le distanze isocrone.
Un aspetto cruciale di questi sistemi è anche la capacità di ottenere dati puntuali e aggiornati, che possono essere elaborati in tempo reale grazie alla loro infrastruttura cloud-based.
Inoltre, questi sistemi possono essere integrati con infrastrutture IT già esistenti, senza introdurre nuovi strumenti e infrastrutture; una scalabilità che rende possibile l’analisi di migliaia di informazioni in tempi molto brevi e con una riduzione di costi importante, per una strategia futuribile ma non troppo.
