Gli eventi franosi sono un rischio concreto soprattutto in alcune aree del mondo maggiormente soggette a questo tipo di fenomeni. Solo per citare qualche dato l’Italia è, insieme a Giappone e Stati Uniti, uno dei Paesi con la maggiore percentuale di frane rispetto all’area. 

Realizzare una mappatura precisa delle frane è molto importante perché gli inventari delle frane consentono di effettuare modellazioni in grado di prevedere e mitigare eventi futuri. 

Negli ultimi anni la ricerca ha lavorato molto per affrontare la mappatura rapida delle frane mediante dati ottici di osservazione della Terra ma questo metodo non può essere applicato in presenza di copertura nuvolosa, aspetto che non può essere trascurato visto che ci sono regioni del mondo in cui la copertura nuvolosa è presente per l’80% dell’anno.

Un articolo pubblicato di recente su Remote Sensing e a cui ha partecipato anche il Dipartimento di Geoscienze dell’Università di Padova ha esplorato le potenzialità di un nuovo approccio basato su dati SAR, forniti quindi da radar ad apertura sintetica. La ricerca si è focalizzata sulla parte orientale della sottoprefettura di Iburi, sull’isola di Hokkaido in Giappone, dove il 6 settembre del 2018 un terremoto di magnitudo 6,6 Mw innescò circa 8000 frane co-sismiche. 

I risultati hanno dimostrato che la combinazione dei dati SAR con algoritmi di Intelligenza Artificiale può aiutare a mappare rapidamente le frane, anche durante le tempeste e sotto una profonda copertura nuvolosa. “Questo approccio potrebbe avere vari benefici quando bisogna intervenire molto rapidamente subito dopo un evento multiplo di frane perché occorre essere veloci”, ha spiegato al riguardo Lorenzo Nava, studente di dottorato del Dipartimento di Geoscienze dell’Università di  Padova che lavora al Machine Intelligence and Slope Stability Laboratory. 

Lorenzo Nava, che è il primo autore dello studio, ha poi approfondito anche i vantaggi dell’uso combinato delle intelligenze artificiali e dei dati SAR. “Le intelligenze artificiali ci permettono di mappare automaticamente grosse aree in poco tempo. Il problema è che quando sono usate con dati ottici hanno molte limitazioni in caso di copertura nuvolosa perché non si può vedere la superficie terrestre”. 

“In questa ricerca noi proponiamo un modello, un approccio automatico per mappare delle frane sotto la copertura nuvolosa con precisione comparabile a quella che si può ottenere con i dati ottici”. 

Essendo questo uno dei primi primi tentativi in cui la combinazione di dati SAR e algoritmi di Intelligenza Artificiale viene utilizzata per scopi di mappatura delle frane “sono comunque necessari ancora molti studi per rendere questo approccio generalizzabile per tutto il globo e anche più affidabile”, ha concluso il Dr. Lorenzo Nava.