L'IA può prevedere le inondazioni dai dati satellitari ?

I modelli di intelligenza artificiale possono prevedere inondazioni, la diffusione di incendi e modelli meteorologici estremi utilizzando immagini satellitari e dati climatici storici.

I sistemi attuali utilizzano modelli di deep learning addestrati su immagini radar e ottiche satellitari (ad esempio Sentinel-1/2, Landsat, GPM) per rilevare l'estensione delle inondazioni e prevedere l'allagamento fino a pochi giorni in anticipo, assimilando maschere d'acqua osservate nei modelli idrodinamici. Servizi operativi come il Copernicus Emergency Management Service (CEMS) e il FloodPROOFS della NASA, supportato da FEMA, forniscono già mappe delle inondazioni in tempo quasi reale e previsioni probabilistiche a 72 ore, mentre i prototipi di ricerca che fondono dati multi-sensore e previsioni meteorologiche stanno estendendo i tempi di previsione affidabili fino a 5–7 giorni. La precisione rimane più elevata nelle regioni pianeggianti e ricche di dati, mentre diminuisce in terreni ripidi, urbanizzati o densamente vegetati, dove occlusioni dovute a edifici e chiome degli alberi degradano il rilevamento. La calibrazione con misurazioni a terra è ancora necessaria per ridurre i bias sistematici nelle stime della profondità delle inondazioni.

— Arricchito il 12 maggio 2026 · Fonte: European Commission Copernicus Emergency Management Service — https://emergency.copernicus.eu