L’IA contro le mareggiate: il sistema di previsione che cambia tutto

Scappare dalle onde che si frangono sulla spiaggia è uno dei giochi preferiti dai bambini. Pochi sanno però che l'altezza massima fino a cui si arretra per non farsi bagnare è ciò che i tecnici chiamano wave runup, cioè la quota più alta raggiunta dall'acqua sopra il livello del mare a riposo. Ed è un fattore chiave, perché la risalita delle onde sul litorale decide se una mareggiata si fermerà sulla battigia o arriverà fino a strade, case e stabilimenti balneari. Prevederlo con rapidità e affidabilità è l’obiettivo di Marina, il progetto coordinato dal geologo Alessio Rovere all’Università Ca’ Foscari Venezia. Ha appena ottenuto un finanziamento europeo Erc Proof of Concept da 150mila euro - uno dei diciotto assegnati in Italia.

Dal clima del passato remoto alle coste di oggi

Marina, acronimo di Multi-model Approach for Runup and INundation Analysis, nasce come sviluppo applicato di una ricerca di base. Il progetto deriva infatti dall’Erc Starting Grant Warmcoasts, coordinato dallo stesso Rovere e finanziato con 1,5 milioni di euro, dedicato allo studio delle coste e dei livelli marini del passato geologico, in particolare dell’ultimo interglaciale, l’ultimo periodo caldo del pianeta prima di quello attuale. Con quel progetto, avviato in Germania e poi portato a Venezia, Rovere aveva iniziato a sperimentare modelli (matematici) di inondazione costiera pensati per il passato remoto ma potenzialmente utili anche alle coste di oggi. “Con Marina vogliamo trasformare una linea di ricerca nata per studiare gli eventi estremi del passato remoto del nostro pianeta in uno strumento utile per gestire il rischio costiero di oggi”, spiega Rovere.

Due strade, entrambe con un limite

Oggi il wave runup si può stimare in due modi, spiega il ricercatore, ma nessuno dei due è pienamente soddisfacente. Il primo si affida a modelli fisici, o idrodinamici, che calcolano nel dettaglio come ogni onda risale sulla spiaggia: sono accurati, ma molto costosi dal punto di vista computazionale. Per simulare un’ora di mareggiata può servire far girare il modello su un cluster di computer per ore: tempi incompatibili con i bollettini marini, che si aggiornano ogni tre o sei ore. Il secondo approccio, nato soprattutto dall’ingegneria costiera statunitense, si affida a formule empiriche ricavate da spiagge monitorate a lungo: sulla celebre Duck Beach, in North Carolina, le misure vanno avanti da trent’anni. Queste formule, una cinquantina in letteratura, sono rapidissime, ma di solito non restituiscono una stima dell’incertezza, cioè del margine di errore della previsione.

L’idea: prendere il meglio dei due mondi

La proposta di Marina è combinare i due approcci. Inizialmente bisogna simulare la fisica ad alta fedeltà con un modello come XBeach, che serve a calibrare le formule veloci. Nello specifico si tratta del modello numerico open-source bidimensionale che viene diffusamente impiegato per emulare l'idrodinamica e la morfodinamica delle coste. Dopodiché mettendo in gioco un motore statistico di tipo bayesiano, cioè basato sul calcolo delle probabilità, si ottiene l’errore sistematico delle formule empiriche e la conseguente correzione.

In questo modo, per le previsioni operative, si fa girare soltanto la catena veloce, che produce in tempi ridotti una stima probabilistica della risalita dell’onda. Il risultato può essere pubblicato su una piattaforma cloud dove un comune, una provincia o una regione consultano fino a che quota arriveranno le onde e decidono se diramare un allarme.

“L’idea è fornire una previsione rapida e con margini di incertezza”, precisa Rovere, “per esempio indicare la probabilità che durante una mareggiata venga superata una soglia critica di allagamento”. Perché, avverte, un’allerta che arriva tardi non è più un’allerta.

Niente sensori in mare, si parte dalle previsioni

Nel Mediterraneo, sottolinea Rovere, non serve una rete di sensori dedicata: le previsioni meteomarine sono già accurate, calibrate da decenni sulle boe oceanografiche esistenti, come quelle del Ministero dell’Ambiente. Il suo sistema parte dunque dalle stesse previsioni che consultano i naviganti. Il lavoro sul campo resta necessario una volta per ogni sito, per alimentare il modello fisico di partenza: topografia della spiaggia con i droni, batimetria di precisione, granulometria dei sedimenti. L’obiettivo dichiarato è arrivare a integrare una nuova linea di costa in circa quattro settimane. Poi, ogni pochi anni, la raccolta dati va ripetuta per verificare che le condizioni non siano cambiate troppo. Un controllo che in parte si può fare anche con le immagini satellitari, oggi molto efficaci nel rilevare gli spostamenti della linea di riva.

Liguria e Veneto: i siti pilota (e un piano d’impresa)

Il prototipo sarà testato in due siti dalle caratteristiche diverse: uno in Liguria, rappresentativo del versante tirrenico, e uno in Veneto, sull’Adriatico. I comuni non sono ancora stati scelti: il progetto partirà a gennaio e proprio ora il gruppo sta contattando le amministrazioni interessate a fare da sito pilota. Nei diciotto mesi previsti verranno assunte tre persone, una figura con competenze in geologia, una esperta di intelligenza artificiale e statistica bayesiana, e una dal profilo gestionale, incaricata di dialogare con i potenziali utenti.

Accanto allo sviluppo tecnico, Marina prevede un percorso di trasferimento tecnologico affidato alla Venice School of Management e a Pink, l’ufficio di trasferimento tecnologico di Ca’ Foscari, per valutare tutela della proprietà intellettuale, implicazioni legali delle previsioni probabilistiche e modelli di business. Con attività di design thinking si cercherà di capire quale formato risulti più utile agli utenti: mappe dettagliate, valori quantitativi del run-up o indicatori semplificati a soglie, del tipo “a semaforo”. Alla supervisione informatica contribuirà Filippo Bergamasco, esperto di computer vision e ricostruzione 3D, mentre Stefano Micelli, ordinario di International Management, seguirà la strategia di ingresso sul mercato. Al termine il progetto punta a due risultati: un software validato, installato su cloud e accessibile agli utenti finali, e un piano d’impresa che indichi le strade per valorizzarlo, dalla licenza universitaria alla creazione di uno spin-off.