Affrontare le vulnerabilità ambientali con l’Intelligenza Artificiale
La sfida dei dati mancanti
L’identificazione delle vulnerabilità ambientali e sociali rappresenta una sfida di primaria importanza nei giorni nostri. Si tratta di individuare comunità e aree geografiche esposte a rischi significativi, che vanno dai disastri naturali alle complesse dinamiche sociali. Vengono considerati eventi come incendi forestali, alluvioni, siccità e la presenza di insediamenti abusivi, che minacciano la sicurezza delle persone e dell’ambiente.
La capacità di identificare con precisione queste vulnerabilità è cruciale per adottare misure preventive ed efficaci, oltre che per la pianificazione strategica in ambito ambientale e sociale. In questo contesto, l’intelligenza artificiale e l’analisi delle immagini satellitari emergono come strumenti di rilevanza fondamentale.
L’IA offre un potenziale straordinario per affrontare questi complessi problemi. Attraverso algoritmi di machine learning, è in grado di analizzare rapidamente enormi quantità di dati provenienti da diverse fonti, comprese le immagini satellitari, permettendo una precisione senza precedenti nell’identificazione delle vulnerabilità. Tuttavia, c’è un importante dettaglio che rischia di ostacolare il nostro progresso: la mancanza di dati completi e accessibili.
Una sfida ambientale: la previsione degli incendi
Un esempio tangibile di questa sfida emerge nell’ambito della previsione degli incendi. Guardando un’immagine di un incendio passato e le previsioni di un sistema di IA come Sevara, il Servizio Valutazione Rischio Ambientale del Gruppo Omninext, potrebbe sembrare che ci sia un’evidente discrepanza tra le aree indicate come a rischio. Ma la vera domanda da porsi è: si tratta davvero di un errore? Oppure riflette la carenza di dati dettagliati su questi eventi?
La raccolta di dati sugli incendi è un’impresa complessa, spesso nascosta dietro sistemi che rendono difficile l’acquisizione programmata di informazioni cruciali.
Si ha accesso all’immagine di un incendio, ma non alle informazioni sulla zona bruciata, il punto di innesco o la causa dell’incendio. La mancanza di questi dati rende difficile per chi affronta questi problemi definire chiaramente il contesto in cui operano.
L’IA è tanto intelligente quanto la capacità umana di definire matematicamente un problema, ma questa definizione è vincolata dalla disponibilità di dati che contengono tutte le informazioni necessarie. Senza questi dati, l’IA si basa su informazioni incomplete e può generare previsioni ampie che coprono vaste aree, come evidenziato nelle mappe di previsione degli incendi.
La mancanza di dati sugli incendi comporta una serie di sfide, dalla raccolta manuale dei dati all’impiego di ulteriori algoritmi per definire le aree coinvolte. Tutto ciò introduce imprecisioni nella definizione dei problemi e può portare a rumore nei risultati.
Inoltre, l’assenza di informazioni sul punto di innesco di un incendio rende difficile distinguere tra le aree che sono state effettivamente colpite da un incendio e quelle che avevano caratteristiche simili ma non sono state coinvolte. Questo limite rende complessa l’identificazione delle zone a rischio.
Affrontare questa sfida richiede sforzi coordinati per raccogliere dati dettagliati sugli incendi, renderli accessibili e così migliorare la precisione delle previsioni dell’IA. Solo con dati completi è possibile definire chiaramente il problema e valutare l’efficacia degli algoritmi. È un passo fondamentale per affrontare le sfide ambientali e sociali che mettono a rischio le comunità.
Una sfida urbana: gli edifici non accatastati
La sfida dei dati mancanti, però, non si limita agli incendi. Un altro problema critico, infatti, è l’identificazione degli edifici abusivi.
Questo servizio, disponibile nella piattaforma Sevara, fornisce una stima degli edifici che sono fuori dal registro del catasto, sfruttando le immagini satellitari e le informazioni pubbliche del catasto italiano.
Nell’immagine, si vede una zona d’Italia con in rosso tutti gli edifici che non risultano dalla consultazione del database del catasto.
La difficoltà principale qui è la mancanza di un elenco strutturato di edifici registrati nel catasto italiano per effettuare un confronto accurato. Il catasto, infatti, fornisce informazioni sulla presenza o assenza di edifici accatastati, ma non consente un utilizzo programmatico dei dati. Questa struttura dati, invece, è essenziale per l’elaborazione da parte dei computer.
Per affrontare un problema “statale” come questo, è essenziale la collaborazione di tutte le parti interessate. Tuttavia, la mancanza di accesso a dati strutturati è una sfida che richiede soluzioni non convenzionali, come l’incrocio delle immagini satellitari con dati Open Data disponibili online.
In conclusione, affrontare le vulnerabilità ambientali e sociali richiede non solo l’uso dell’intelligenza artificiale e delle immagini satellitari, ma anche l’accesso a dati completi e strutturati. È un passo fondamentale per affrontare le sfide che mettono a repentaglio le comunità, come dimostrato sia dai frequenti incendi boschivi in Italia sia dalla lotta contro gli edifici abusivi. Solo con dati accurati è possibile definire chiaramente il problema e valutare l’efficacia delle soluzioni.
