Le aree costiere, con la loro alta densità di popolazione, attività economiche interconnesse ed ecosistemi fragili, sono particolarmente vulnerabili agli eventi estremi che a loro volta sono in aumento a causa dei cambiamenti climatici. Tuttavia, vista la complessita’ di queste interazioni, e’ necessario migliorare le metodologie e le capacita’ di valutazione dei rischi. Tra i primi studi del suo genere, il paper intitolato ‘A machine learning approach to evaluate coastal risks related to extreme weather events in the Veneto region (Italy)’ utilizza l’intelligenza artificiale per stimare i rischi derivanti da eventi meteorologici estremi lungo i comuni costieri della regione Veneto. Questo approccio offre nuove possibilita’ su come i modelli Ml possono essere impiegati per la valutazione ambientale e multi-rischio in condizioni di cambiamento climatico. “Il modello sviluppato nello studio rappresenta un prototipo iniziale di uno strumento di supporto decisionale che sostiene la valutazione del rischio climatico e la definizione delle strategie di adattamento su scala regionale,” afferma Maria Katherina Dal Barco, autrice dello studio e ricercatrice del Cmcc. Il modello Ml sviluppato per questa ricerca puo’ essere utilizzato per stimare l’importanza dei diversi fattori di rischio offrendo informazioni sui loro driver fisici e contribuendo allo stesso tempo all’implementazione della pianificazione dell’adattamento. Lo studio ha anche rilevato che i principali driver di rischio nella regione Veneto sono la precipitazione totale giornaliera, l’intensità del vento e l’altezza massima del livello del mare. Inoltre, ha mostrato come l’importanza di questi pericoli vari a seconda del comune a causa dell’eterogeneità territoriale della costa. “Questa applicazione mira a fornire supporto ai decisori nello sviluppo di sistemi di allerta e piani di adattamento – spiega Dal Barco – e’ infatti, necessario identificare i fattori che storicamente hanno generato questi rischi, sia individualmente che in combinazione, e definire, in base al valore del punteggio di rischio, se un campione e’ ad alto rischio di impatto o meno. Inoltre, data la natura eterogenea e le caratteristiche delle aree costiere del Veneto, i fattori di esposizione e vulnerabilita’ sono stati inclusi nell’analisi evidenziando le peculiarita’ territoriali che potrebbero intensificare gli effetti degli eventi meteorologici estremi”. Lo studio mostra come un nuovo percorso per affrontare questi eventi multi-rischio e’ offerto dagli algoritmi di Ml poiche’ sono in grado di gestire efficacemente enormi quantita’ di dati e modellare complesse relazioni non lineari tra molteplici fattori e meccanismi di feedback.
