Catastrofi naturali: predire il futuro grazie all’intelligenza artificiale
La potenza di calcolo dell’AI, associata all’enorme quantità di dati geospaziali, gioca un ruolo crescente nella valutazione e gestione del rischio. Uno studio di Cineas ne esplora le applicazioni.
di Tommaso Tautonico
Con 378 eventi climatici estremi nel 2023, l’Italia è il Paese europeo più vulnerabile a catastrofi naturali come terremoti, frane e alluvioni. Eppure, solo il 5% delle abitazioni è protetto con assicurazioni da rischi relativi a eventi naturali estremi. 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.
Negli ultimi anni, evidenzia il documento, le cosiddette tempeste “convettive”, che generano forti venti, grandine e piogge di grandissima intensità a carattere locale, hanno provocato danni ingenti e l’evoluzione dello scenario climatico che ci si attende non promette niente di buono. Basti pensare che il valore delle perdite causate dai disastri naturali in Italia negli ultimi dieci anni è stato pari a 33 miliardi di euro. I sinistri pagati per i danni assicurati dovuti agli eventi atmosferici dell’estate 2023 - riconducibili a tempesta convettiva - sono stati quantificati in 5,5 miliardi di euro (a cui vanno aggiunti gli 0,8 miliardi delle alluvioni di Emilia-Romagna e Toscana).
L’evoluzione dello scenario climatico che ci si attende prevede 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.
Il ruolo dell’intelligenza artificiale
La potenza di calcolo dell’AI, associata all’enorme quantità di dati geospaziali disponibili come open data sulle varie piattaforme webgis, gioca 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 machine learning permettono di monitorare la salute di intere aree urbane, fino ad arrivare all’analisi di edifici e infrastrutture. Grazie a questi algoritmi, è possibile testare centinaia di variabili geografiche e metterle in relazione con fattori come ad esempio serie metereologiche 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.

Terremoti: nuove tecnologie per la sicurezza degli edifici storici
Ivan Roselli di Enea illustra la sperimentazione per rafforzare gli edifici storici con tecnologie antisismiche innovative dal minimo impatto visivo.
di Giovanni Peparello
L’esempio Deep Property
Deep Property è una soluzione tecnologica, sviluppata da Generali global corporate & commercial e da Ticinum Aerospace, che utilizza dati satellitari e immagini stradali combinandoli con l'intelligenza artificiale, per analizzare i rischi legati agli immobili. Deep Property 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 (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, materiali di costruzione, età degli immobili, densità urbana, dislivelli rispetto ai corsi d’acqua, distanze isocrone.
Un aspetto cruciale di questi sistemi è la capacità di ottenere dati puntuali e aggiornati, che possono essere elaborati in tempo reale grazie alla loro infrastruttura cloud-based. Inoltre, grazie all’approccio API-based questi sistemi possono essere integrati con infrastrutture IT già esistenti, senza introdurre l’apprendimento di 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 importanti.
“È fondamentale passare il messaggio che è necessaria una cooperazione Stato e privato per fronteggiare le calamità naturali ed è imprescindibile lavorare con tutti i mezzi disponibili, anche grazie alle nuove tecnologie, alla prevenzione contro tali calamità”, ha commentato Massimo Fedeli, coordinatore del team di specialisti del rischio che ha curato il paper.
Copertina: Chris Gallagher/unsplash