Alluvioni, l’intelligenza artificiale prevede il disastro 6 ore prima: un modello italiano

Il disastro senza precedenti a Valencia, le alluvioni devastanti in Emilia Romagna e nelle Marche, la siccità e le piogge intense in Sicilia. Sono i segnali evidenti, se ci fosse ancora qualche dubbio, che il clima non solo sta cambiando, ma è già cambiato. Quello che si può fare ora, è mitigarne l’impatto – dove possibile – e cercare di prevedere quello che potrebbe accadere utilizzando la tecnologia più evoluta: l’intelligenza artificiale, anche in questo caso. Dall’Università di Pisa, insieme al Consorzio di Bonifica Toscana Nord, uno studio in cui gli algoritmi di calcolo intelligenti sono stati applicati ai cambiamenti climatici, con l’obiettivo di poter prevedere con un anticipo di almeno sei ore, le alluvioni provocate da fiumi minori e torrenti, cioè quei corsi d’acqua che lambiscono molte città e comuni del nostro Paese e che sono molto difficili da gestire e monitorare. Questo studio complesso, pubblicato sulla rivista Scientific Reports, potrebbe risultare determinante in tutte quelle situazioni di calamità che distruggono edifici e vite umane.

Secondo Monica Bini, docente del Dipartimento di Scienze della Terra dell’Università di Pisa, che ha coordinato la ricerca “le forti precipitazioni concentrate in breve tempo e su aree ristrette rendono difficile la gestione dei corsi d’acqua minori, dove la rapidità di deflusso delle acque piovane aumenta il rischio di piene improvvise; basti pensare agli eventi alluvionali avvenuti nel novembre 2023 nella provincia di Prato dove sono esondati i torrenti Furba e Bagnolo e, più recentemente, a quelli che hanno colpito la Valdera e la provincia di Livorno”. Ma purtroppo, gli esempi sono anche molti altri, e come sappiamo non hanno coinvolto solo la regione toscana. L’allerta idrogeologica è in gran parte delle regioni italiane.

Nello specifico l’area di studio è situata nell’Italia centrale, nei pressi di Carrara, zona “particolarmente vulnerabile ai cambiamenti climatici, a causa della presenza dell’area ciclonica del Golfo di Genova dei ripidi rilievi ortogonali alla direzione dei venti dominanti – si legge nello studio -. L’area è caratterizzata dalla presenza delle Alpi Apuane, una catena montuosa con ampi pendii e un complesso sistema carsica. La regione è caratterizzata da una complessa rete fluviale, da un lago costiero (Lago di Massaciuccoli) e da zone umide. L’area è soggetta a elevate precipitazioni annue (anche superiori a 3000 mm), tra le più elevate del Mediterraneo, e talvolta molto intense. Inoltre, a causa della presenza delle Alpi Apuane, si verificano spesso fenomeni idrogeologici quali alluvioni, colate detritiche e frane”.

In questa parte d’Italia vivono circa 300.000 abitanti, che salgono a 3 milioni nel periodo estivo, e gli intricati sistemi carsici rendono difficile da prevedere le dinamiche fluviali, anche a causa dei ripidi pendii delle montagne che inducono rapidi tempi di deflusso. Uno dei problemi dei modelli predittivi è la pioggia, la principale variabile di input correlata al tempo, motivo per cui “i modelli di apprendimento automatico tendono a sottostimare i flussi durante il tempo di previsione, a causa di incertezze dei dati e potenziali distorsioni” dice lo studio dell’Università di Pisa.

Ma in cosa sono così utili questi modelli di IA in grado di fare previsioni prima e meglio dell’uomo? Tutto dipende dai dati, come sempre, dall’addestramento svolto su queste macchine in grado di macinare un’enorme quantità di dati e di elaborarli in poco tempo, offrendo a chi deve gestire eventuali emergenze, quel lasso di tempo (sempre poco) per diramare l’allerta. I modelli sono stati addestrati con il data base pluviometrico e idrometrico fornito del Servizio Idrologico Regionale della Toscana, da qui lo sviluppo successivo di un software semplificato, utilizzabile dagli operatori per conoscere prima le criticità dei corsi d’acqua in seguito a piogge a carattere alluvionale e quindi di mitigare i danni.

“L’intelligenza artificiale si è rivelata uno strumento prezioso per dare preallerta in piccoli bacini anche con sei ore di anticipo in 8 punti di monitoraggio, ma resta fondamentale che le decisioni operative siano sempre supervisionate da esperti”, ha sottolineato Marco Luppichini, primo autore dell’articolo e assegnista di ricerca del Dipartimento di Scienze della Terra dell’Ateneo di Pisa.

Nello specifico, i modelli di deep learning utilizzati hanno commesso solo errori molto piccoli, sbagliando di pochi centimetri e con diverse ore di previsione. Infatti l’ateneo pisano è riuscito a sfruttare le potenzialità dell’IA prevedendo estremi anche 4/6 ore prima dell’evento in bacini idrografici caratterizzati da rapide variazioni delle portate fluviali. Per ridurre eventuali danni da alluvioni dunque, l’applicazione dei modelli diventerà sempre più importante con lo sviluppo dell’Internet of Things, cioè con l’uso di sensori che forniranno sempre più informazioni a livello temporale e spaziale, oltre alle necessarie manutenzioni ordinarie e alle opere straordinarie.

Fonte: http://www.repubblica.it/rss/ambiente/rss2.0.xml