Le recenti inondazioni indotte da piogge intense hanno dimostrato che gli edifici possono subire danni significativi (perdita di funzionalità) o persino collassare a intensità di flusso più elevate.
Prevedere e mitigare tali danni è diventato una priorità, ma gli attuali approcci di modellazione del danno sono ancora pochi e soffrono di diverse limitazioni dovute alle incertezze sui dati di progetto e alla velocità di calcolo richiesta per processare grandi quantità di dati.
Per affrontare e superare questi problemi, nell’ambito del Progetto STRENGTH, un gruppo di ricercatori del Dipartimento di ingegneria dell’Università di Ferrara è impegnato nell’elaborazione di metodologie innovative per la valutazione del rischio alluvioni.
Il progetto STRENGTH: migliorare la resilienza dei territori nei confronti dei rischi naturali
STRENGTH è un progetto europeo Interreg Italia-Croazia coordinato dalla Prof.ssa Elena Benvenuti del Dipartimento di Ingegneria dell’Università di Ferrara. STRENGTH mira a migliorare la resilienza degli ecosistemi costieri e urbani nei confronti dei rischi naturali tipici dei territori di Ferrara e Ravenna, in Italia, e di Kastela e Spalato, in Croazia: alluvioni, innalzamento del livello del mare, siccità, intrusione salina e terremoti.
Con riferimento al sito pilota di Mezzano di Ravenna, il gruppo di lavoro sta realizzando una Flood Map Analysis, un processo che consente di identificare gli edifici a rischio di danni da alluvione, valutare i potenziali impatti economici e, infine, fornire spunti per migliorare la resilienza alle alluvioni.
Il dataset utilizzato per lo studio è costituito da dati provenienti dalle Mappe di profondità delle piene fluviali e relative mappe di danno (Joint Research Centre della European Commission), dalla Mappa dell’uso del suolo (Copernicus Land Monitoring Service), dai Quadri Conoscitivi Diagnostici e valori economici per diversi usi del suolo (Piano Urbanistico Generale del Comune di Ravenna).
Una volta importati, puliti e validati tutti i dati, i ricercatori hanno ricostruito un database ottimizzato che consente di associare ad ogni edificio le sue caratteristiche strutturali e mette in relazione l’intensità della piena (profondità dell’acqua) con il danno atteso. Sarà così possibile arrivare a stimare l’impatto di una piena sulle costruzioni e ottenere poi, per ogni scenario di alluvione, mappe di rischio e stime delle perdite economiche.
Queste conoscenze costituiranno una base fondamentale per identificare le zone maggiormente minacciate dal rischio idraulico ed elaborare, di conseguenza, strategie e politiche di mitigazione mirate.
In linea con il principi sanciti dalla European Community circa l’importanza di capitalizzare i risultati pregressi e armonizzare i piani di difesa dai rischi naturali, i ricercatori di STRENGTH hanno sfruttato il workflow FLOOD del Progetto Horizon Europe CLIMAAX.
STRENGTH: un progetto basato su data science per interpretare i dati e prendere decisioni
Il database ottimizzato creato dai ricercatori del progetto è l’insieme di dati a cui vengono applicate le procedure di data science per giungere ai modelli interpretativi e previsionali.
Data Science o Scienza dei dati è, in termini generali, lo studio dei dati finalizzato a estrarre informazioni utili è spesso associata all’utilizzo di algoritmi di Big Data e Intelligenza artificiale.
Si tratta di un approccio multidisciplinare trasversale a matematica, statistica e informatica che permette di trasformare grosse quantità di dati in conoscenza utile per ottimizzare le decisioni.
Ovunque ci siano decisioni importanti da prendere e ci siano grandi quantità di dati disponibili o processi che possono essere monitorati, le tecnologie di Data science trovano un naturale campo di applicazione: la business intelligence, la cybersecurity, i trasporti, l’intrattenimento, la medicina, le previsioni metereologiche e, naturalmente, la mitigazione dei rischi naturali.
Per creare modelli capaci di estrarre informazioni utili, la Scienza dei dati utilizza un insieme di metodi e tecnologie che permettono di raccogliere, analizzare, interpretare e visualizzare i dati: si va dal machine learning, al data mining e all’analisi testuale passando per le tecniche di pulizia dei dati, l’elaborazione di Big Data e le tecniche di visualizzazione dei dati.
Uno strumento potente per la mitigazione dei rischi naturali
Uno degli aspetti più critici nella gestione del rischio è la previsione degli eventi naturali estremi. Grazie a modelli meteorologici avanzati, oggi è possibile analizzare con estrema precisione enormi quantità di dati di (precipitazioni, venti, pressione atmosferica, ecc.) e identificare pattern climatici che permettono di fornire previsioni sempre più affidabili per, per esempio, tempeste e alluvioni.
Elaborare questi dati con tecniche di analisi geospaziale consente poi, attraverso l’utilizzo di immagini satellitari e mappe, di individuare le zone più vulnerabili e di sviluppare di conseguenza strategie efficaci per proteggere la comunità.
Un altro elemento fondamentale nella gestione del rischio è il monitoraggio costante del territorio. Lo sviluppo tecnologico e l’Internet of things (IoT) hanno consentito l’implementazione di sensori intelligenti che possono rilevare in continuo una moltitudine di dati ambientali (dati meteorologici, dati idrologici, dati geologici, ecc.) e trasmetterli direttamente ai centri di calcolo. L’elaborazione in tempo reale di questi dati permette di attivare sistemi di allerta precoce e avvisare le popolazioni a rischio con un certo anticipo, dando loro il tempo, quando necessario, per evacuare e mettersi in sicurezza.
Oltre alla previsione e al monitoraggio, gli algoritmi di Data Science supportano le strategie di mitigazione per ridurre gli impatti degli eventi naturali estremi. La scienza dei dati consente, per esempio, di supportare la progettazione di infrastrutture intelligenti capaci di resistere efficacemente agli eventi estremi, consente la creazione di piani di evacuazione che integrano dati geografici e demografici garantendo strategie più efficaci per proteggere le comunità, permette l’ottimizzazione della gestione delle risorse durante le emergenze stimando, attraverso modelli predittivi, la domanda di beni di prima necessità come cibo, acqua e assistenza medica.
Grazie alle applicazioni di Data Science, oggi si possono prevedere con maggiore precisione gli eventi estremi, monitorare il territorio in tempo reale e mettere in atto strategie di mitigazione efficaci. In un mondo sempre più vulnerabile ai cambiamenti climatici, la scienza dei dati rappresenta una risorsa cruciale per proteggere vite umane e infrastrutture, rendendo la gestione delle emergenze più efficiente e proattiva.
Machine Learning per prevedere e mitigare i danni causati dalle alluvioni agli edifici
Un secondo ambito del Progetto STRENGTH riguarda l’utilizzo di metodi di apprendimento automatico (Machine Learning) per ottenere curve di fragilità degli edifici, ossia curve che esprimono la probabilità di superare specifici livelli di danno in funzione dell’intensità dell’evento calamitoso.
Si tratta di una ricerca unica nel suo genere che punta ad estendere il know-how delle curve di fragilità, tradizionalmente utilizzate per la valutazione del rischio sismico, al rischio idraulico. Lo scopo finale è contribuire alla mitigazione dei danni dovuti alle inondazioni.
In effetti, i sistemi di pre-allarme esistenti si basano principalmente su fattori meteorologici o idrologici e non tengono conto del rischio strutturale di collasso degli edifici.
Il metodo delle curve di fragilità consente di stabilire la progressione spazio-temporale degli stati di funzionalità degli edifici al variare della profondità del battente idraulico. Questa progressione potrà poi essere utile per progettare i piani di evacuazione dei centri urbani in caso di alluvioni.
Il progetto STRENGTH contribuisce a sviluppare tecnologie ingegneristiche avanzate per la costruzione di edifici resilienti, in grado di recuperare un livello di funzionalità simile o più elevato dopo danni indotti eventi naturali calamitosi.