Integrazione di indagini geofisiche, geologiche e geomorfologiche per la valutazione del rischio residuo da frana nel centro abitato di Pomarico (Basilicata, Italia)
Nel mese di Gennaio 2019 il centro abitato di Pomarico nella provincia di Matera (Basilicata, Italia) è stato interessato da una frana complessa che ha distrutto edifici pubblici e privati, attività commerciali e alcune vie di comunicazione (Fig.1). La frana verificatasi a Pomarico rappresenta solo l’ultimo degli eventi franosi che, anche a causa dei cambiamenti climatici, nell’ultimo decennio hanno interessato i versanti della regione Basilicata e, in particolar modo, la collina materana.
Fig. 1 _ Immagini da drone: (a) centro abitato di Pomarico coinvolto dalla frana nel mese di Gennaio 2019;
(b) colata di terra verificatasi il 25 Gennaio 2019;
c) parte alta del versante interessata da uno scivolamento roto-traslazionale in data 29 Gennaio 2019 che ha distrutto il corso principale del paese e numerose abitazioni;
(d) dettaglio della scarpata di frana principale con in evidenza le opere di sostegno, realizzate sul versante a seguito di un evento precedente, e distrutte dal fenomeno investigato
La dichiarazione dello stato di emergenza a seguito di tale evento ha richiesto l’attivazione del sistema di protezione civile con il coinvolgimento del Dipartimento di Protezione Civile nazionale e regionale e dei Centri di Competenza, tra cui il CNR-IMAA. I ricercatori del Laboratorio Geofisico sono stati impegnati nella realizzazione di una campagna di misure integrate (geoelettriche, elettromagnetiche e sismiche) con lo scopo di realizzare un modello geofisico del sottosuolo da fornire ai tecnici coinvolti nella gestione dell’emergenza.
Considerata la componente retrogressiva del fenomeno investigato, le indagini sono state realizzate nella porzione di centro urbano posta a ridosso della zona di nicchia, area che potrebbe essere interessata da nuovi fenomeni di dissesto.
Il modello geofisico realizzato (Fig.2) e le informazioni in esso contenute, confrontate ed integrate con dati di tipo diretto (stratigrafie e geologiche), hanno consentito di ricostruire con estremo dettaglio l’assetto geologico-strutturale del sottosuolo investigato e di valutare il rischio residuo da frana mediante l’individuazione di elementi di debolezza (aree a maggior contenuto di acqua, contatti litologici o vecchie scarpate degradate, cavità, ecc) che potrebbero giocare un ruolo fondamentale in eventuali riattivazioni future del fenomeno.
Per informazioni
Angela Perrone, CNR-IMAA, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
Approfondimenti
Perrone, A., Canora, F., Calamita, G., Bellanova, J. et al. A multidisciplinary approach for landslide residual risk assessment: the Pomarico landslide (Basilicata Region, Southern Italy) case study. Landslides (2020). DOI 10.1007/s10346-020-01526-z
Come le condizioni meteorologiche e inquinamento possono influenzare la diffusione della pandemia COVID-19
Uno studio pubblicato sulla rivista Nature Research – Scientific Report condotto da ricercatori del CNR-IMAA ha evidenziato come le differenti condizioni meteorologiche e qualità dell’aria possono influenzare la diffusione della pandemia COVID-19. I risultati sottolineano che parametri quali temperatura e umidità risultano correlati negativamente con il numero di pazienti ricoverati in terapia intensiva, figura di merito usata nel lavoro per valutare la diffusione della pandemia sul territorio nazionale. Una ulteriore correlazione, debolmente positiva, è stata riscontrata con la presenza di polveri sottili in atmosfera. In sostanza, questo significa che il virus si propaga più facilmente in ambienti secchi e freschi, meglio se con un maggior livello di inquinamento dell’aria
Inoltre, vale la pena sottolineare che i risultati dello studio non implicano necessariamente una relazione diretta causa-effetto tra il virus e fattori quali temperatura e umidità, ma, per esempio, che le condizioni climatiche potrebbero influenzare il comportamento umano, favorendo l’aggregazione in spazi chiusi. Onde evitare possibili correlazioni spurie, il risultato ottenuto è confermato attraverso un’analisi eseguita su due differenti aree metropolitane italiane quali Milano e Firenze e la provincia autonoma di Trento. Lo studio eseguito è particolarmente innovativo perché, rispetto ad altri studi simili, per la prima volta i parametri meteorologici e di qualità dell’aria sono stati correlati non con il numero di positivi giornalieri, variabile condizionata in modo non banale, ad esempio dal numero di tamponi eseguiti, ma con il numero di malati ricoverati in terapia intensiva. In particolare, il modello epidemiologico è stato stimato a partire dalle evidenze statistiche a disposizione e compensato in modo da epurare le correlazioni calcolate da effetti principali quali l’attuazione di misure di distanziamento sociale forzato atte alla riduzione della diffusione pandemica. Così, l’approccio proposto rende i risultati indipendenti come accennato dal numero di tamponi giornalieri eseguiti e soprattutto dal naturale decorso di un’epidemia.
Casi accertati totali da infezione da COVID-19 suddivisi per regione. Dal grafico si può notare come la malattia abbia subito una trasmissione differenziale,con le regioni del Nord Italia molto più colpite rispetto alle regioni del Sud e Insulari. Veneto, Lombardia ed Emilia-Romagna hanno registrato insieme il 60% delle infezioni e il 70% dei decessi rispetto al numero totale.
Per informazioni
Simone Lolli, CNR-IMAA, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
Approfondimenti
Simone Lolli, Ying-Chieh Chen, Sheng-Hsiang Wang & Gemine Vivone, Impact of meteorological conditions and air pollution on COVID-19 pandemic transmission in Italy, Nature Research – Scientific Report
https://www.nature.com/articles/s41598-020-73197-8
Gli obiettivi di mitigazione del clima sono sufficienti per raggiungere la neutralità climatica al 2050? Un'analisi dei piani di mitigazione urbani di 327 città Europee.
Uno studio condotto da due ricercatori del CNR-IMAA – Monica Salvia e Filomena Pietrapertosa – in stretta collaborazione con un team multidisciplinare di ricercatori provenienti da tutta Europa analizza i piani di mitigazione climatica di 327 città europee per fare luce sul livello di ambizione delle città in relazione agli obiettivi di neutralità climatica al 2050.
Il percorso per raggiungere gli ambiziosi obiettivi fissati dall'Accordo di Parigi del 2015 richiede una forte sinergia tra le azioni intraprese dai governi nazionali e dalle amministrazioni pubbliche locali a tutti i livelli giurisdizionali. Le città, in questo processo di riduzione delle emissioni di gas serra degli attuali sistemi energetici, sono in prima linea, ma, qual è l'ambizione delle città europee impegnate nell’affrontare la crisi climatica? Ma soprattutto, saranno gli obiettivi di mitigazione climatica fissati dalle città abbastanza ambiziosi da poter assicurare il raggiungimento della neutralità carbonica entro il 2050 come previsto dall’Accordo di Parigi del 2015?
Per rispondere a tali attuali quesiti scientifici, i due ricercatori del CNR-IMAA, in stretta collaborazione con un team costituito da oltre 35 ricercatori europei, hanno analizzato i piani urbani di mitigazione dei cambiamenti climatici di un campione rappresentativo di 327 città dislocate nei 27 Paesi Europei e nel Regno Unito. Il campione analizzato comprende oltre il 25% della popolazione dell'Unione Europea e comprende città di medie e grandi dimensioni.
Lo studio, pubblicato sulla prestigiosa rivista scientifica Renewable & Sustainable Energy Reviews (Elsevier) ha analizzato la relazione esistente tra le diverse tipologie di piano climatico, la grandezza della città, l'appartenenza alle reti climatiche, la posizione geografica e i diversi obiettivi di mitigazione, come rappresentato in Figura 1.
I risultati rivelano che il 78% delle città europee analizzate ha stabilito un obiettivo di riduzione delle emissioni di gas serra pari, in media, al 47% rispetto ai valori di riferimento (baseline). Ciò dimostra che le città europee sono ancora lontane dal poter raggiungere gli obiettivi di neutralità climatica al 2050 stabiliti dall’Accordo di Parigi e dovrebbero, in media, raddoppiare gli attuali sforzi di riduzione delle emissioni di gas serra. Fa eccezione il 25% circa delle città del campione analizzato che stanno assumendo, invece, un ruolo esemplare verso il raggiungimento della neutralità del carbonio, in alcuni casi molto in anticipo rispetto alla data prevista del 2050. Il 90% di queste città sono membri dell'Alleanza per il clima e il 75% del Patto dei Sindaci evidenziando l’importante ruolo svolto dalle alleanze transnazionali nel raggiungimento di ambiziosi obiettivi climatici.
Tale studio, coordinato dai ricercatori dell’Istituto di Metodologie per l’Analisi Ambientale del Cnr di Potenza fornisce, dunque, un importante quadro conoscitivo che permette di comprendere e approfondire il ruolo svolto dalle città europee nel contrasto al cambiamento climatico nonché monitorare i livelli di ambizione che le città si prefiggono nella loro transizione verso la neutralità climatica.
Figura 1 (a – d): Distribuzione dei piani locali di mitigazione ai cambiamenti climatici per tipologia di piano (A1, A2, A3, B, C), obiettivo di riduzione (%CO2, %GHG) e relativo anno di raggiungimento del target (prima del 2020, dal 2021 al 2030, dal 2031 al 2050) per le città nord europee (Fig. 1.a e 1.c) e dell'Europa meridionale (1.b e 1.d).La dimensione delle “bolle” rappresenta la popolazione urbana di ogni singola città analizzata.
Per informazioni
Monica Salvia, CNR-IMAA, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
Filomena Pietrapertosa, CNR-IMAA, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
Approfondimenti
- M. Salvia, D. Reckien, F. Pietrapertosa, P. Eckersley, N.-A. Spyridaki, et Al. (2021). Will climate mitigation ambitions lead to carbon neutrality? An analysis of the local-level plans of 327 cities in the EU. Renewable and Sustainable Energy Reviews, Volume 135, January 2021, 110253. https://doi.org/10.1016/j.rser.2020.110253
Datasets and Supplementary Materials
- M. Salvia, D. Reckien, F. Pietrapertosa, P. Eckersley, N.-A. Spyridaki, et Al. (2020). Will climate mitigation ambitions lead to carbon neutrality? An analysis of the local-level plans of 327 cities in the EU: Datasets and Supplementary Materials. Mendeley Data, V1, doi: 10.17632/8ckgb2tv8g.1 http://dx.doi.org/10.17632/8ckgb2tv8g.1
Intelligenza artificiale e Big data per il monitoraggio degli incendi
L'avvento dei big data congiuntamente con l'idea di "valore del dato" e la maturità tecnologica raggiunta sia nel calcolo computazionale che nella capacità di analisi ha originato un fermento culturale ed un interesse crescente attorno all’intelligenza artificiale oggi adottata con successo in diversi ambiti ed applicazioni. L’uso congiunto di intelligenza artificiale (AI) e big data (inclusi dati satellitari) può fornire un utilissimo contributo allo studio e monitoraggio degli incendi ed offre grandi opportunità e grandi sfide considerate oggi una priorità a livello europeo e internazionale con importanti aspetti e ripercussioni non solo di carattere scientifico ma anche sociali ed economici. Infatti, negli ultimi anni incendi devastanti hanno colpito diverse aree del pianeta provocando ingenti danni di carattere ambientale e sociale generando impatti severi su flora e fauna, popolazione ed attività produttive, infrastrutture ed ambiente.
L’interesse scientifico verso le più avanzate metodologie di analisi, studio e monitoraggio degli incendi è cresciuto enormemente inegli ultimi anni anche in considerazione del fatto che gli incendi costituiscono un ulteriore indicatore dei cambiamenti climatici, sebbene è ampiamente riconosciuto che la maggior parte di essi è di origine antropica (dolosa o accidentale). Indubbiamente, i cambiamenti climatici con l’aumento delle temperature e di condizioni secche e siccitose hanno acuito la fragilità ambientale e la suscettività al fuoco come evidente dall’aumento del numero, durata e superfici percorse dal fuoco anche in ecosistemi (come ad esempio le foreste boreali) caratterizzati da una minore incidenza del fenomeno, rispetto agli ecosistemi mediterranei. Le strategie di prevenzione e contrasto, monitoraggio e quantificazione dei danni possono avvalersi di tecnologie aerospaziali, efficacemente combinate con osservazioni a terra e nuovi modelli di previsione, anche basati su data science ed intelligenza artificiale ad oggi sottoutilizzata per il monitoraggio dei rischi.
Su questi temi, sono stati recentemente pubblicati su prestigiose riviste internazionali (Environmental Research e IEEE) due articoli, frutto di collaborazioni internazionali tra i ricercatori del laboratorio ARGON del CNR- IMAA ed importanti centri di ricerca ed Università straniere.
In particolare, nell’ambito della collaborazione con il Dipartimento di risorse naturali e ingegneria ambientale (College of Agriculture, Shiraz) dell’ Università di Shiraz in Iran, sono state analizzate diverse tecniche di apprendimento automatico per valutare i fattori di influenza degli incendi boschivi nel sud dell’Iran ed ottenerne una modellazione spaziale basata appunto su approcci di data Learning e data science.
Nell’ambito delle attività di ricerca relative al progetto europeo SERV_FORFIRE (https://servforfire-era4cs.eu/the-project/ ) coordinato dalla Dott.ssa Rosa Lasaponara, (Dirigente di ricerca del CNR) è stato sviluppato un approccio di intelligenza artificiale basato sull’uso delle reti neurali (deep learning) per ottenere in maniera automatica la stima del livello di danno causato alla vegetazione dal passaggio del fuoco. Utilizzando indici spettrali di derivazione satellitare ottenuti dai dati Sentinel 2 sono state categorizzate, in maniera automatica, le diverse classi che identificano il diverso grado di impatto del fuoco su vegetazione e sul suolo.
Mappatura della severità del fuoco con tecniche di intelligenza artificiale (reti neurali -deep learning utilizzate in auto apprendimento) - “On the Mapping of Burned Areas and Burn Severity Using Self Organizing Map and Sentinel-2 Data” by R Lasaponara, AM Proto, A Aromando, G Cardettini, V Varela, M Danese – in IEEE Geoscience and Remote Sensing Letters 17 (5), 854-858 109321
Le metodologie sviluppate dai ricercatori del laboratorio ARGON del CNR-IMAA per le diverse fasi del monitoraggio degli incendi boschivi, con particolare riferimento alla stima dei danni post evento e la valutazione del rischio post incendio (quale erosione, incremento del rischio idrogeologico, perdita della biodiversità, etc.) si sono evolute dalla implementazione e validazione di prototipi e algoritmi (sviluppati in laboratorio) alle applicazioni operative , in stretta sinergia e collaborazione con la Protezione civile della regione Basilicata dal 2008. L’approccio adottato, nel corso della sperimentazione congiunta tra ricercatori del gruppo Argon del CNR-IMAA e la protezione civile, si basa sul presupposto che le applicazione già utilizzate in abito operativo sono sistematicamente accompagnate da nuove attività di ricerca e sperimentazione volte a migliorare in maniera continuativa e sistematica il sistema attraverso l'assimilazione di dati, informazioni e prodotti avanzati una volta che sono testati e validati.
Nello specifico, l'uso dei dati satellitari e delle previsioni meteorologiche più avanzate (disponibili a diverse scale spazio/temporali) ha permesso di ottenere diversi prodotti innovativi che sono stati prima testati e validati e quindi progressivamente incorporati nei modelli operativi o pre-operativi relativi alle diverse fasi del monitoraggio incendi: dalla valutazione del rischio (http://www.protezionecivilebasilicata.it/protcivbas/css/themes/01/images/mappa.jpg), alla stima dell'espansione del fronte del fuoco (basata su strumenti software open come Firesite), dalla valutazione dell’impatto del fuoco (utilizzando dati satellitari integrati con indagini a terra ed acquisizioni da drone) alla stima della resilienza.
Si riporta la mappatura ottenuta dai dati Sentinel 1 per un incendio avvenuto il 13/07/2017, https://bari.repubblica.it/cronaca/2017/07/13/news/incendio_metaponto_evacuati_campeggi-170722749/)
Mappatura della fire severity ottenuta dai dati SAR Sentinel 1 per l’ incendio del 13 luglio 2017, a Metaponto (dettagli in Lasaponara R, & B Tucci 2019 Identification of Burned Areas and Severity Using SAR Sentinel-1 IEEE Geoscience and Remote Sensing Letters 16 (6), 917-921)
Immagini ad alta risoluzione come disponibili in Google prima e dopo l’evento
08/07/2017 Google courtesy (sinistra) immagine pre e (destra) post incendio 19/07/2018 (google) avvenuto il 13/07/2017
Mappa di fire susceptibility ottenuta per il Sud Iran applicando boosted regression tree (BRT)
Per informazioni
Rosa Lasaponara, CNR-IMAA, Questo indirizzo email è protetto dagli spambots. È necessario abilitare JavaScript per vederlo.
Approfondimenti
Application of learning vector quantization and different machine learning techniques to assessing forest fire influence factors and spatial modelling, by -Hamid Reza Pourghasemi, Amiya Gayen, Rosa Lasaponara and John P.Tiefenbacherd -in Environmental Research Volume 184, May 2020, 109321
On the Mapping of Burned Areas and Burn Severity Using Self Organizing Map and Sentinel-2 Data, by R Lasaponara, AM Proto, A Aromando, G Cardettini, V Varela, M Danese – in IEEE Geoscience and Remote Sensing Letters 17 (5), 854-858
