Parchi Urbani Innovativi: spie dei cambiamenti climatici ed opportunità di mitigazione e adattamento
Nuovi strumenti di Intelligenza artificiale e Big EO data per l’identificazione precoce di: trend e fenomeni di degrado, potenziali cause, scale spazio /temporali previste, strategie di mitigazione e contrasto
Spies of Climate change and tools for mitigating the effects: EO and AI based metodological approach for Urban Park Management
Finanziamento CNR
Durata due anni 2022-2023
Responsabile di Progetto: Dott.ssa Rosa Lasaponara
Abstract
L’ OBIETTIVO di Coelum è la definizione, implementazione e validazione di un sistema avanzato integrato per preservare il “capitale naturale” tramite approcci di Intelligenza artificiale e tecnologie integrate di Earth Observation per identificare precocemente (i) i fenomeni e trend di degrado e le scale spazio/temporali prima che i segni siano visibili, (ii) i meccanismi guida dei cambiamenti, (iii) azioni di contrasto, mitigazione, adattamento, (iv) trend/scenari futuri
Parchi Urbani Innovativi, Sintesi:
Preservare il “capitale naturale” , quindi i Parchi Urbani (CN) richiede una costante analisi e quantificazione delle interazioni tra biodiversità, integrità degli ecosistemi e cambiamenti climatici soprattutto per gli ambienti più critici, come quelli relativi alle foreste urbane e peri-urbane che svolgono un ruolo chiave nel miglioramento della qualità ambientale e della vita. sono ambiti ricchi di biodiversità che aiutano a contrastare cambiamenti climatici, le ondate di calore, il dissesto idrogeologico, l’ inquinamento acustico ed atmosferico, con la rimozione di ozono e PM10.
Il progetto Coelum, ha com eobettivo lo sviluppo di metodologie ed approcci innovativi basati sulla integrazione di dati di Earth Observation ed Intelligenza Artificiale per:
– una diagnosi precoce di trend di degrado
– definire di metriche per la stima della capacità di recovery/ripristino e dell’efficacia delle misure di contrasto adottate per mitigare i fenomeni di degrado dei Parchi Urbani
-realizzare tools operativi per il monitoraggio multi-scala, multi-sensore, multi-temporale dei parametri bio-fisici relativi allo stato della vegetazione
– contribuire alla definizione di indicatori efficaci per il moniotoraggio del CNR risultati attesi:
RISULTATI Generali attesi dal progetto sono di seguito sintetizzati e poi dettagliati per ogni WP. Per attiene la tempistica il raggiungimento dei Risultati specifici ottenuti quali output di ogni WP è atteso alla fine dello sviluppo temporale di ogni WP
Parchi Urbani Innovativi Risultati Generali:
(A) Sviluppo e validazione di strumenti automatici e di metriche avanzate per la quantificazione (sia dal punto di vista biofisico che monetario) delle interazioni tra biodiversità, integrità degli ecosistemi e cambiamenti climatici
(B) Sviluppo e validazione di strumenti automatici e di metriche avanzate basate su analisi di data science e di intelligenza artificiale applicate a dati EO (da satellite e UAV), prodotti Copernicus per rilevare sia i cambi repentini che trend e fenomeni di degrado delle foreste urbane e peri-urbane (prima che i danni siano visibili).
Allo scopo, analisi statistiche multiparametriche saranno condotte sui siti pilota utilizzando serie storiche di dati satellitari e dati ancillari per identificare i range caratteristici ed i “comportamenti anomali” in termini di discostamento dalla firma spettrale attesa e valori “anomali” degli indici di vegetazione ovvero combinazioni di bande spettrali, e parametri geofisici, quali ad esempio (ma non solo)
–indici di vigoria per valutare lo sviluppo e lo stato di salute della vegetazione, indici di stress idrico per differenziare le zone con carenza idrica, indici di clorofilla per individuare zone problematiche che presentano clorosi, indici di evapotraspirazione, indici di produttività-primaria e netta)
— Parametri relativi agli inquinanti in atmosfera (utilizzando dati satellitari quali Sentinel 5 (7 km) e, MODIS, TM (10m 30 m) e sentinel2 (10m- 20m) (PM10 e P2,5) ed iper-spettrali PRISMA (5m e 30 m)
–Inquinanti nei suoli dati iper-spettrali (ASI) PRISMA
— indici di siccità ottenuti da serie storiche di dati meteo
(C) Sviluppo e validazione di Indici per
la Categorizzazione dei livelli dei danni indotti e la caratterizzazione spazio/temporale, ovvero, delle scale spazio/temporali dei cambi dei Parchi Urbani
(D) Identificazione statistica e caratterizzazione delle cause dei cambi rilevati ( – stress nutrizionali, attacchi parassitari, danni causati da eventi meteo estremi (siccità, grandine, gelata, vento), calamitosi, quali ad esempio incendi, alluvioni) allo scopo di identificare azioni di contrasto/ mitigazione
(E) sviluppo di Indicatori e tools per quantificare l’efficacia delle strategie di contenimento intraprese (azioni di mitigazione e/o contrasto) e capacità di recupero
(F) Creazione e applicazione di routine di integrazione e fusione di dati satellitari ottici e SAR, dati UAV acquisiti da sensori multi ed iper-spettrali (nel visibile e nell’infrarosso termico) e LiDAR
(G) COELUM contribuirà anche a dimostrare la potenzialità di integrare i dati SAR con i dati ottici, per il monitoraggio e la gestione delle foreste urbane e peri-urbane
(H) Ingegnerizzazione di tools per il monitoraggio automatico e sistematico multi-scala, multi-sensore e multi-temporale, per la stima indiretta dei parametri bio-fisici della vegetazione urbana;
(I) Trasferimento tecnologico e Contributo alla formazione di studenti e cittadini.
Parchi Urbani Innovativi Risultati Specifici:
A) Superare i GAP esistenti, ovvero realizzare un sistema di monitoraggio operativo, che si avvarrà di tutte le tecnologie EO oggi disponibili incluse UAV e sistemi di monitoraggio in situ per la quantificazione (sia dal punto di vista biofisico che monetario) delle interazioni tra biodiversità, integrità degli ecosistemi e cambiamenti climatici per le foreste urbane e peri-urbane ( Parchi Urbani) che hanno un ruolo decisivo nel miglioramento della qualità ambientale. Questo sistema non ha l’ambizione di sostituire l’ispezione visiva dell’esperto ma vuole fornire supporto per la prevenzione e la gestione.
B) Sviluppare metodologie ed approcci innovativi basati sulle sulla integrazione di dati di Earth Observation ed Intelligenza Artificiale per la identificazione e caratterizzazione dei cambi del capitale naturale con attenzione particolare ai nei parchi urbani e periurbani, per:
(i) una diagnosi precoce di trend di degrado e quindi contribuire alla definizione ed implementazione di un sistema di valutazione del grado di rischio dei Parchi Urbani
(ii) predisposizione di una modellistica che permetta di valutare, ex ante ed ex post, l’impatto delle politiche pubbliche sullo stato fisico del CN.
(iii) Contribuire alla definizione di indicatori efficaci per la stima del valore di benessere associato all’uso e al mantenimento nel tempo del CN
(iv) Realizzare tools operativi per il monitoraggio multi-scala, multi-sensore, multi-temporale dei parametri bio-fisici e quindi dello stato della vegetazione
(v) Definire di metriche per la stima della capacità di recovery/ripristino e dell’efficacia delle misure di contrasto adottate per mitigare i fenomeni di degrado dei Parchi Urbani
(vi) Promuovere e diffondere la conoscenza anche con adeguato trasferimento tecnologico (i gestori dei siti pilota forniranno indicazioni sulle esigenze (user needs) e riceveranno i tools realizzati), e living labs per coinvolgere la popolazione
(vii) promuovere attività di formazione di PhD student sul EO ed AI per preservare il CN.
