In un recente articolo, pubblicato sulla copertina dell’International Journal of Wildland Fire i ricercatori dell’ambito Incendi Boschivi di Fondazione CIMA presentano una mappa di pericolosità degli incendi per il Mediterraneo, ottenuta elaborando una vasta mole di dati riguardanti le caratteristiche bioclimatiche, topografiche e antropiche del territorio, attraverso tecniche avanzate di machine learning
Sono più vasti, più frequenti, più intensi: queste le caratteristiche degli incendi, almeno in alcune regioni del pianeta, influenzati dai cambiamenti climatici e dai cambiamenti nell’uso del suolo. Nonostante in Europa si osservi una diminuzione delle aree bruciate nel corso degli anni, grazie ad un aumento della consapevolezza, ad interventi e previsioni sempre più tempestivi e accurati, il rischio d’incendi boschivi si fa invece complessivamente sempre maggiore.
Di conseguenza, maggiore è anche la necessità di farvi fronte con attività di gestione e prevenzione all’altezza del rischio stesso. Come? Un importante punto di partenza è identificare le aree più vulnerabili. Si tratta, in altre parole, di realizzare delle mappe di pericolosità (in inglese si parla di hazard maps), dove “pericolo” è riferito a quella componente del rischio che descrive la probabilità che avvenga un determinato fenomeno avente una determinata intensità. L’ideale è poi incrociare queste informazioni con quelle riguardanti la presenza di costruzioni, attività e infrastrutture che potrebbero essere danneggiate dal fuoco, così da capire al meglio la distribuzione del rischio, al fine di allocare correttamente risorse per prevenzione e monitoraggio, e capire come concentrare e su cosa dirottare gli sforzi.
È quello che hanno fatto i nostri ricercatori dell’ambito Incendi Boschivi e Conservazione della Biodiversità Forestale, in collaborazione con colleghe e colleghi dell’Istituto di Geoscienze e Georisorse del CNR e dell’Università di Losanna. Il loro studio, che per il valore del suo contributo scientifico si è guadagnato la copertina dell’International Journal of Wildland Fire, descrive la mappatura della pericolosità degli incendi per una vasta area geografica basata su tecnologie di machine learning.
Gli incendi boschivi nel Mediterraneo
Il bacino del Mediterraneo è una delle aree in cui il rischio d’incendi è aumentato nel corso degli anni, complici tanto i cambiamenti climatici, che alterano le precipitazioni, quanto l’abbandono di aree in passato impiegate per la pastorizia e l’agricoltura, che hanno portato a un incremento della superficie vegetata e, quindi, anche a un aumento di materiale combustibile.
Se si guarda agli incendi verificatisi in quest’area nel corso degli ultimissimi anni (basti pensare a quelli del 2021 in Italia, Grecia, Turchia e Algeria – in quest’ultima nazione causa della morte di 90 persone) diventa evidente la necessità di adottare un approccio sempre più in ottica preventiva per la gestione di questi fenomeni. Un approccio non solo, dunque, focalizzato sulla soppressione del fuoco ma anche sull’allerta rapida, basata su previsioni accurate e strategie di mitigazione del rischio. Un obiettivo tutt’altro che banale, soprattutto se si considera che sappiamo ancora relativamente poco dei cosiddetti “Extreme Wildfire Event”, cioè incendi particolarmente difficili da controllare e con impatti importanti sul territorio. Si tratta di eventi complessi, che per essere affrontati richiedono innanzitutto una conoscenza completa del regime generale degli incendi in una data area per permetterne una gestione efficace, che sia basata anche su una pianificazione dell’uso del suolo.
È in quest’ottica che si pongono le mappe di pericolosità realizzate dai nostri ricercatori, le prime a scala sovranazionale per l’area del Mediterraneo orientale: «La nostra mappatura copre Italia, Slovenia, Croazia, Balcani occidentali, Grecia, Cipro, Bulgaria e Turchia: comprende tutte le le regioni in cui stiamo lavorando nell’ambito del progetto IPA Floods&Fires, dedicato al rafforzamento della gestione del rischio alluvionale e di incendi boschivi e nell’ambito del quale è stato possibile iniziare a testare i nostri algoritmi. Nel complesso, parliamo di un’area molto vasta e, soprattutto, caratterizzata da una varietà di differenti regioni biogeografiche, ossia con caratteristiche in grado d’influenzare gli incendi molto diverse tra loro», spiega Andrea Trucchia, ricercatore di Fondazione CIMA e primo autore dello studio.
Tante regioni, tante informazioni
Le caratteristiche climatiche e geografiche del territorio sono tra gli elementi più importanti nel valutare la probabilità che un incendio si verifichi e nel prevedere come possa comportarsi: un clima caldo e secco, per esempio, rappresenta un fattore di rischio maggiore rispetto a un clima umido; la presenza di pendenze, come in montagna, può influenzare la velocità di propagazione di un incendio; il tipo di vegetazione può rendere più o meno facile l’innesco e la propagazione. Se poi si vuole considerare anche l’impatto che l’incendio può avere su una data area, sono necessarie ulteriori informazioni: quante persone abitano quel territorio? Sono presenti case, strade o altre infrastrutture?
«Per fortuna, abbiamo molti dati a disposizione, provenienti da database internazionali e a libero accesso. Raccoglierli e incrociarli per creare la mappa di pericolosità è stato proprio quello che abbiamo fatto in questo studio: ci siamo avvalsi delle informazioni disponibili su diversi sistemi per capire come prima cosa quali sono le zone in cui gli incendi sono più frequenti. Questo primo passaggio ha richiesto un’analisi dei dati raccolti nel corso degli ultimi vent’anni sulle aree bruciate, provenienti dallo European Forest Fire Information System (EFFIS)», spiega Trucchia. «Quindi abbiamo guardato le aree che, oltre a bruciare di più, hanno anche disponibilità di combustibile , dove si possono sprigionare incendi che arrecherebbero rischio a infrastrutture e persone. Questo ci ha permesso di incrociare la presenza degli incendi con le caratteristiche del territorio».
Per esempio, autori e autrici dello studio si sono basati sui database forniti da Copernicus Land Monitoring Service e CORINE per valutare la copertura vegetale del territorio; questi e altri servizi hanno permesso anche di ricavare informazioni sulle caratteristiche antropiche dell’area, come la distanza dai centri urbani, e sulla sua topografia e clima. Si tratta di una mole vastissima di dati da incrociare tra loro, tanto più che alcuni s’influenzano l’un l’altro. Per esempio, alcuni database forniscono informazioni solo per alcune macro classi di specie arboree, ma conoscendo il clima della zona è possibile modellare matematicamente il tipo di bosco presente e quali specie si possono sviluppare nell’area. È qui che entra in gioco il machine learning, che Fondazione CIMA aveva già impiegato per creare mappe di pericolosità per la Liguria.
Il machine learning per gli incendi boschivi
«Il machine learning è una tecnica di intelligenza artificiale che “impara” a incrociare e interpretare i dati per fornire delle previsioni: è impiegata in molti campi diversi, compreso quello della previsione del rischio degli incendi boschivi, ma ancora relativamente poco sfruttata per le mappature di pericolosità. Nel nostro caso, si trattava d’istruire il sistema operativo a riconoscere le situazioni che aumentano il rischio d’incendio, come per esempio la presenza di una pineta in un clima secco, combinando i dati che gli si fornisce», continua Trucchia. «In questo processo di “apprendimento” degli algoritmi, ci siamo resi conto che uno dei fattori più importanti da tenere in considerazione quando si lavora a grande scala, come in questo studio, sono i climi e microclimi delle diverse aree, ed è importante riuscire a insegnare al sistema come sfruttarli».
Il risultato è una mappa statica, ossia che non tiene in considerazione, per esempio, variabili meteorologiche giornaliere come vento e pioggia, ma che fornisce quasi a colpo d’occhio e ad alta risoluzione alcune delle più importanti informazioni da tenere in considerazione per la gestione del rischio incendi – comprese le strategie di mitigazione. Per esempio, la mappa evidenzia il ruolo della continuità della vegetazione nell’influenzare il rischio: se una zona presenta una copertura vegetale continua di arbusti o pinete mediterranee, il fuoco ha maggiore facilità di propagazione. Ma, allo stesso tempo, una pianta non vale l’altra e la presenza di foreste autoctone di latifoglie può contribuire a limitare la propagazione dell’incendio.
«In generale, un vantaggio di questo approccio è che risulta molto modulare e flessibile: incrociando nuovi layer con i diversi dati che si vogliono tenere in considerazione, è possibile avere un risultato chiaro e immediato», conclude Trucchia. «Il percorso che ci ha portato a svilupparlo è nato prima a livello regionale, con le mappe per la Liguria, per poi ampliarsi via via a livello nazionale e, oggi, sovranazionale. Adesso vogliamo andare avanti con questo lavoro rifinendo sempre più il sistema, per esempio fornendogli dati locali più accurati e cercando di tenere in considerazione anche la stagionalità degli eventi; inoltre, stiamo lavorando per implementare delle procedure di validazione spaziale ad hoc».
In copertina: immagine tratta da Wildfire hazard mapping in the eastern Mediterranean landscape (Trucchia A. et al, International Journal of Wildland Fire, 2023; doi:10.1071/WF22138. Licenza CC BY-NC-ND)