Il Machine Learning a servizio dell’adattamento locale ai cambiamenti climatici. Tutti i dettagli del recente studio di CMCC@Ca’Foscari che individua le aree della Città Metropolitana di Venezia più a rischio alluvioni.

Gli allagamenti che hanno interessato la Città Metropolitana di Venezia nel corso degli ultimi decenni in occasione di eventi piovosi di forte intensità hanno evidenziato l’inadeguatezza dei sistemi fognari e di drenaggio dell’area altamente urbanizzata.

Gli scenari climatici attesi, combinati alle tendenze del tasso di urbanizzazione, fanno prevedere per il futuro un peggioramento degli eventi estremi e dei rischi associati, con crescenti minacce per le strutture, le persone e gli asset produttivi.

Con l’obiettivo di individuare le misure più idonee da includere nella definizione del piano di emergenza e adattamento dell’area, attualmente in fase di elaborazione, un recente studio condotto dai ricercatori di CMCC@Ca’Foscari – la partnership strategica tra la Fondazione CMCC e l’Università Ca’ Foscari di Venezia – fornisce una valutazione dei rischi di alluvione pluviale nella Città Metropolitana di Venezia attraverso un’innovativa metodologia di Machine Learning che considera variabili spazio-temporali.

Risultato dello studio sono una serie di mappe di rischio delle aree soggette a alluvioni nell’area, utili a supportare processi locali di adattamento ai cambiamenti climatici.

Confronto tra le previsioni del modello e le aree di inondazione pluviale per i 6 principali eventi storici di inondazione.

Per ottenerle, i ricercatori e le ricercatrici hanno analizzato le prestazioni di tre modelli di apprendimento automatico costruiti su dati storici di 60 alluvioni pluviali avvenute tra il 1995 e il 2020 e considerato un insieme di caratteristiche del territorio in grado di contribuire al rischio di alluvione, le più influenti delle quali sono risultate la distanza dai fiumi e la distanza dalle strade.

“Con l’aumento della frequenza e dell’intensità di precipitazioni intense, alcune tecniche di Machine Learning come la spatio-temporal cross-validation da noi utilizzata aiutano a meglio prevedere le aree più esposte a rischio alluvioni” spiega Elena Allegri, dottoranda a CMCC@Ca’Foscari.

“Questo studio pone le basi per sviluppare strategie di adattamento sempre più mirate alla protezione del territorio della Città Metropolitana di Venezia nel contesto dei cambiamenti climatici” afferma Andrea Critto, Professore all’Università Ca’ Foscari Venezia e Senior Scientist al CMCC, responsabile scientifico della linea di ricerca su impatti, vulnerabilità e rischi indotti dal cambiamento del clima nel progetto Venezia2021.

La capacità del modello proposto di riprodurre gli eventi del passato apre la strada alla sua applicazione per la previsione di futuri eventi di alluvione nell’area, diventando uno strumento utile per i decisori politici al fine di identificare misure di adattamento da considerare nella pianificazione territoriale e nelle strategie di riduzione del rischio di disastri.

Per maggiori informazioni

Zanetti M., Allegri E., Torresan S., Critto A., Spatio-temporal cross-validation to predict pluvial flood events in the Metropolitan City of Venice, Journal of Hydrology, Volume 612, Part B, 2022, 128150, ISSN 0022-1694, https://doi.org/10.1016/j.jhydrol.2022.128150.