Scienza / Ricerca regionale

Ricerca radicata
nelle Azzorre.

Come osservazione della Terra, dati ambientali e apprendimento automatico si sono uniti nello sviluppo regionale di SOILRISK.

Scopri la ricerca
Contesto della ricerca
Le Azzorre
Approccio
Apprendimento automatico
Dati di ingresso del modello originale
20+ fattori predisponenti

01 / La domanda alla base della ricerca

Dove potrebbe
verificarsi
la prossima frana?

Nelle Azzorre, piogge prolungate e intense possono innescare frane, mettendo a rischio persone, abitazioni e infrastrutture.

Il caso di studio originale di SOILRISK mirava a una sfida pratica: individuare dove potrebbe verificarsi una frana nei giorni successivi, con un dettaglio spaziale sufficiente a supportare la preparazione e la pianificazione delle emergenze.

La ricerca ha riunito informazioni sul terreno e sulle condizioni ambientali in evoluzione. L’obiettivo era passare dalla comprensione dei pendii suscettibili alla comprensione di come il rischio può svilupparsi nel tempo.

02 / L’approccio

Molti fattori.
Un’unica visione connessa.

Un algoritmo proprietario di allerta precoce, basato sull’apprendimento automatico.

L’approccio originale di SOILRISK descrive più di 20 fattori predisponenti. Copertura del suolo, geologia, vegetazione, umidità del suolo, vento, precipitazioni e movimenti del terreno contribuiscono a diversi elementi del quadro.

Combinando questi fattori, il modello può considerare sia le caratteristiche di un pendio sia le condizioni che cambiano intorno a esso.

03 / Le informazioni alla base

Dai satelliti
alle condizioni locali.

Quattro fonti di dati descritte nella panoramica tecnica originale.

01 / Deformazione del terreno

Seguire il
movimento dei pendii.

L’interferometria radar satellitare (InSAR) aiuta a individuare i movimenti della superficie del terreno. Queste osservazioni aggiungono informazioni su come l’attività dei pendii cambia nello spazio e nel tempo e possono aiutare a individuare instabilità isolate.

02 / Vegetazione

Comprendere
ciò che ricopre il terreno.

Vegetazione, caratteristiche del suolo e pendenza aiutano a individuare le aree suscettibili. La ricerca utilizzava immagini Sentinel-2 per ricavare l’NDVI, un indice delle condizioni della vegetazione.

03 / Umidità del suolo

Monitorare i cambiamenti
nell’umidità.

Il metodo originale utilizzava dati radar Sentinel-1 e il rilevamento dei cambiamenti per stimare l’umidità del suolo. Le mappe di copertura del suolo servivano a mascherare le aree in cui tali stime erano meno affidabili.

04 / Meteo

Integrare le condizioni
in continuo cambiamento.

Precipitazioni e vento alimentano l’algoritmo come variabili dinamiche. Dove disponibili, le osservazioni orarie delle stazioni meteorologiche locali forniscono contesto insieme ai servizi di previsione meteo.

04 / Dalla ricerca all’app

Una base regionale.
Una prospettiva più ampia.

Il lavoro nelle Azzorre fa parte della base scientifica dei modelli proprietari SOILRISK di Eyecon.

L’app riunisce i modelli regionali SOILRISK, le informazioni globali LHASA, il meteo e le misurazioni locali compatibili. Ogni fonte ha una propria copertura, risoluzione e un proprio orizzonte di previsione.

Verifica nell’app il modello e le informazioni disponibili per la tua posizione. La ricerca regionale descritta qui non va interpretata come una specifica valida in tutto il mondo.

Esplora la scienza alla base di SOILRISK

Continua la conversazione

Vuoi approfondire?

Parla con il team del lavoro nelle Azzorre, della metodologia o della ricerca regionale.

Parliamo della ricerca

Basato sul caso di studio nelle Azzorre e sulla panoramica tecnica pubblicati sul sito web originale di SOILRISK ↗.

Fotografia, video e illustrazione

Immagini e
video.

Le immagini illustrano contesti ambientali. Non mostrano eventi previsti da SOILRISK.