Tecnologie innovative nella prevenzione e nella gestione delle inondazioni

Le inondazioni rimangono uno dei pericoli naturali più distruttivi in tutto il mondo, causando migliaia di morti e miliardi di dollari in perdite economiche ogni anno. Il cambiamento climatico sta amplificando la frequenza e l'intensità degli eventi di precipitazione estrema, rendendo efficace previsione e gestione dell'alluvione più urgente che mai.

Tecnologia satellitare e di rilevamento remoto

Le aree di rilevamento remoto basate su satelliti sono diventate la colonna portante del monitoraggio globale delle inondazioni. Le agenzie come NASA, ESA, NOAA e i loro partner internazionali operano una costellazione dei satelliti che controllano continuamente il pianeta. I sensori ottici catturano immagini visibili e a infrarossi delle inondazioni, mentre i dati di Aperture Radar (SAR) possono penetrare nel cloud e vedere attraverso le tenebre, i critici durante gli eventi di tempesta.

Oltre a un semplice rilevamento, i satelliti possono misurare i driver di inondazione chiave.Global Precipitation Measurement (GPM) mission[], guidato dalla NASA e JAXA, fornisce stime di pioggia ogni tre ore in tutto il mondo.

GloFAS[]] è uno dei molti servizi operativi che si affidano agli input satellitari. Nel 2023, GloFAS ha correttamente previsto le inondazioni record in settimane Pakistan, aiutando a coordinare gli aiuti internazionali prima che si verificasse la peggiore inondazione.

Modellazione idrologica e analisi dei dati

Mentre i satelliti forniscono il quadro generale, i modelli idrologici traducono i dati grezzi in previsioni di inondazione attuabili. I modelli basati sulla fisica tradizionale come il Corpo degli ingegneri degli Stati Uniti HEC‐RAS simulano il flusso d'acqua attraverso fiumi e reti di inondazione con alta precisione, ma richiedono una calibrazione e un potere computazionale.

Un esempio è Google’s LSTM-based flood forecasting sistema, che è stato operativo in India e Bangladesh dal 2018. Il modello utilizza lunghe reti di memoria a breve termine (LSTM) per prevedere le fasi del fiume fino a sette giorni in anticipo.

Il Centro europeo per le previsioni meteorologiche medio-raniche (ECMWF) produce un insieme di previsioni di precipitazioni di 51 membri, che gli idrologi corrono attraverso i modelli di inondazione per produrre mappe probabilistiche di inondazione. Invece di dire "c'è un rischio di inondazione", queste mappe mostrano la probabilità di superamento[FLT-1:] per i diversi livelli di emergenza

Link: Google Research – Imparare a macchina per la previsione di inondazione[

Internet delle cose (IoT) e reti sensori

Internet of Things (IoT) mette il monitoraggio delle inondazioni direttamente sul campo. Le reti di sensori a basso costo e a bassa potenza sono impiegate in fiumi, scarichi urbani di tempesta, canali e aree costiere per misurare continuamente il livello dell'acqua, l'intensità delle precipitazioni, l'umidità del suolo e la velocità di flusso. Questi sensori comunicano tramite protocolli cellulari, Wi-Fi o radio a lungo raggio come LoRaWAN, trasmettendo i dati alle piattaforme cloud in modo affidabile.

Uno dei più ambiziosi sistemi di monitoraggio dell'alluvione dell'IoT si estende in Jakarta, Indonesia[ – una megacittà afflitta dalle inondazioni annuali. La città ha installato centinaia di sensori a livello di acqua ultrasuoni lungo i suoi fiumi e affluenti. I dati vengono alimentati in una sala di controllo centralizzata dove un pannello di inondazione in tempo reale mostra le condizioni attuali e innesca gli aggiornamenti degli SMS alle autorità locali, quando le pompe di allarme delle inondazioni a livello di emergenza.

Negli Stati Uniti, la National Oceanic and Atmospheric Administration (NOAA)] gestisce una rete nazionale di oltre 8.000 stream gauge, molti dei quali sono stati aggiornati con la telemetria IoT. I flussi di dati nel National Water Model, che produce previsioni ad alta risoluzione per ogni flusso nel paese.

Quando i sensori vengono posizionati ogni pochi chilometri lungo un fiume, i programmatori possono rilevare la propagazione dell’onda di un impulso di inondazione in quasi in tempo reale. Questo dato granulare migliora anche le prestazioni dei modelli, che possono assimilare le letture dei sensori ogni 15 minuti invece di aspettare i passaggi satellitari giornalieri.

Tecnologia Drone e UAV

I veicoli aerei senza equipaggio (UAV), comunemente noti come droni, sono sempre più utilizzati nella gestione delle inondazioni per tre scopi principali: mappatura pre-flood, sorveglianza in tempo reale e valutazione post-disaster. I droni dotati di telecamere ottiche ad alta risoluzione, sensori a infrarossi termici e leggero LiDAR possono generare modelli 3D dettagliati di inondazioni, identificare violazioni nelle levee, e mappare la misura esatta di immagini satellitari.

Durante le inondazioni del 2021 in Germania e Belgio, i droni sono stati spediti in poche ore per valutare i danni alle infrastrutture critiche come ponti e linee elettriche.Il filmato catturato, elaborato con fotogrammetria, ha permesso ai team di risposta di dare priorità alle riparazioni e di individuare i sopravvissuti isolati.

Volando oltre i canali fluviali dopo un evento di inondazione, possono catturare la geometria di acqua e di vasca ad alta risoluzione che migliora le calibrazioni future del modello. Alcuni droni avanzati sono ora dotati di dispositivi di campionamento dell'acqua[]] che raccolgono acqua di inondazione per testare i contaminanti, aiutando le agenzie di sanità pubblica emettono consiglieri di consumo.

Intelligenza artificiale e apprendimento automatico nella previsione di inondazione

Oltre alle reti LSTM già menzionate, l'AI è utilizzato per migliorare la climatizzazione delle precipitazioni (previsione delle precipitazioni molto a breve termine). L'ECMWF e l'Ufficio Met UK hanno sviluppato metodi di machine learning post-processing che correggono le biasi nei modelli meteo e generano campi di precipitazioni ad alta risoluzione. Questi prodotti si nutrono di sistemi di guida inondazione flash che emettono avvisi per le piccole e rapidamente rispondenti.

Le tecniche di apprendimento approfondito sono utilizzate anche per le fasi del fiume predetto e le soglie di avvertimento[[] dai dati di riflettività radar da soli. In Giappone, i ricercatori hanno addestrato una rete neurale convoluzionale su 10 anni di dati radar per prevedere l'insorgenza di inondazioni flash nelle catture urbane. Il sistema prevedeva eventi di inondazione con un tempo di piombo di 20 minuti e un tasso di allarme falso inferiore rispetto ai metodi tradizionali di Tokyo.

IBM Global High-Resolution Atmospheric Forecasting System (GRAF)[[] utilizza un modello meteo con un sistema AI per produrre previsioni di risoluzione a 3 km ogni ora. GRAF è stato distribuito durante la stagione delle inondazioni del 2022 in Corea del Sud, dove ha previsto con successo l'intensificazione delle precipitazioni monsoniche che hanno portato alle inondazioni flash.

Link: IbM Water & Flood Management Solutions

Tecnologie basate sulla Comunità e Scienze Cittadinanze

La tecnologia è più potente quando si collega direttamente con le persone. Le applicazioni mobili, i servizi di messaggi brevi (SMS), e le piattaforme di social media permettono la comunicazione a due vie tra le autorità e il pubblico. Apps come MyCoast negli Stati Uniti permettono ai cittadini di caricare foto di marchi ad alta acqua, che sono geotagged e utilizzati per convalidare i modelli di inondazione.

Durante il 2023 inondazioni in Libia, i volontari hanno usato la piattaforma Ushahidi[] per mappare i quartieri inondati e condividere le richieste di soccorso. Le informazioni raccolte da decine di collaboratori locali su WhatsApp, hanno aiutato i team di soccorso internazionali a coordinare i loro sforzi e fornire aiuti alle aree più difficili.

I sistemi formali basati sulla comunità costruiscono anche resilienza, consentendo ai residenti di agire protettiva. Ad esempio, nella città di Jakarta]] ha accennato in precedenza, il governo ha collaborato con le “forze di allarme” locali che ricevono i dati dei sensori e le avvertenze di relè porta a porta.

Gemelli digitali e modellazione della città 3D

Per la gestione delle inondazioni, le città stanno costruendo gemelli digitali che modellano la loro intera rete di drenaggio, fiumi, terreni e infrastrutture critiche in 3D. Integrando le previsioni delle precipitazioni da modelli meteorologici e dati a livello idrico da sensori IoT, il gemello digitale può simulare scenari di inondazione quasi istantaneamente.

Singapore gestisce le sue acque meteoriche con un gemello digitale chiamato “Virtual Singapore”] piattaforma. Combina scansioni LiDAR, modelli di costruzione e dati in tempo reale da sensori in canali e scarichi. Quando un evento pioggia pesante è previsto, il sistema simula il flusso attraverso la rete della città e identifica quali strade sono più probabili per le stazioni di inondazione del 30%.

Rotterdam, la città che si trova quasi interamente sotto il livello del mare, ha sviluppato un gemello digitale per gestire le sue plaza [] e i tetti verdi. Queste soluzioni “nature-based” temporaneamente immagazzinano l'acqua piovana in eccesso, e il gemello digitale dice agli operatori quando attivare le pompe e quando le piazze stanno raggiungendo la capacità.

Soluzioni basate sulla natura e monitoraggio delle infrastrutture verdi

Mentre sensori e modelli catturano l'ambiente costruito, le soluzioni basate sulla natura (NBS) sono sempre più riconosciute come strategie di mitigazione dell'alluvione economicamente vantaggiose. Le terre, le mangrovie, il restauro delle alluvioni e i giardini urbani possono assorbire e rallentare le acque di inondazione, riducendo i flussi di picco. La tecnologia è ora in fase di implementazione per monitorare le prestazioni di questi beni "verdi".

L’iniziativa cinese “Sponge City”[], ora in scala a più di 30 città, utilizza pavimentazioni permeabili, tetti verdi e bacini di ritenzione per simulare cicli di acqua naturali. Ogni spugna è dotata di sensori a livello acqua che comunicano con una piattaforma di gestione dell’acqua urbana centrale. La piattaforma utilizza l’IA per prevedere quanto pioggia una città di spugna può assorbire prima di ridurre i danni ibridi a Shanghai a livello d’acqua convenzionale.

Nei Paesi Bassi, il programma Room per il programma River[] ha creato canali laterali e ha abbassato le lamine per dare ai fiumi più spazio. I droni e i dati satellitari sono utilizzati ogni anno per monitorare la sedimentazione e la crescita della vegetazione in queste aree, garantendo loro di mantenere la loro capacità di carico dell'alluvione.

Conclusione: Il percorso in avanti

Il paesaggio della previsione e della gestione delle inondazioni si è evoluto da una disciplina reattiva in una scienza proattiva e basata sui dati. Il rilevamento remoto fornisce il contesto globale, i modelli idrologici forniscono i dettagli locali e i sensori IoT forniscono il battito cardiaco in tempo reale di uno spartiacque.

Le tendenze emergenti come il calcolo quantistico per la modellazione di ensemble ad alta risoluzione, le costellazioni nanosatellitate per i tempi di rivisitazione sub-orali e le interfacce di linguaggio naturale guidate dall'IA che forniscono avvisi di inondazione nei dialetti locali promettono di spingere ulteriormente la frontiera. I paesi e le comunità che abbracciano queste tecnologie, e li tessino in un governo robusto e un impegno comunitario preparato saranno