Allerta precoce per frane
Migliorare l’allerta precoce per le frane con i dati di umidità del suolo
Esperienza
Anas, che gestisce oltre 32 mila chilometri di strade e autostrade in Italia, ha lanciato una call per soluzioni innovative nell’ambito del progetto Smart Road Belluno-Cortina, la prima Smart Road italiana e un accesso strategico alle Olimpiadi invernali 2026. L’iniziativa puntava a individuare e monitorare i fattori esterni alla sede stradale che, pur essendo meno controllati, hanno un impatto significativo sulla circolazione e sulla sicurezza.
Nell’ambito di questo progetto Finapp ha condotto un proof of concept triennale (dal 2022 al 2025) lungo la SS51 Alemagna. Lungo i tratti critici della strada ha installato sonde CRNS che usano i raggi cosmici per misurare l’umidità del suolo su larga scala, in profondità e in tempo reale.
I sistemi tradizionali di allerta precoce per le frane si basano soprattutto su soglie di pioggia. La pioggia da sola però non spiega del tutto l’instabilità dei versanti: le condizioni del suolo hanno un ruolo decisivo, e i modelli basati sulle precipitazioni generano spesso falsi allarmi o non rilevano eventi critici.
L’obiettivo della collaborazione era capire se integrare l’umidità del suolo misurata nei modelli previsionali permettesse previsioni più accurate, un’allerta precoce specifica per le aree in frana note e una migliore allocazione delle risorse operative.
Utilizzo
Come primo passo, Finapp ha analizzato uno storico di 17 frane di terreno, confrontando modelli previsionali basati solo sulla pioggia con modelli che combinavano pioggia e umidità del suolo simulata. Aggiungere l’umidità del suolo ha aumentato l’accuratezza delle previsioni di circa il 15%, confermando che l’umidità del suolo è una variabile chiave nelle frane che coinvolgono il terreno.
I modelli sono stati poi validati in campo nell’area di Fadalto (Belluno), caratterizzata da frane di tipo detritico. Lì sono state installate e monitorate nel tempo le sonde Finapp, e nel periodo di osservazione si sono verificate 4 frane.
Rispetto ai modelli con umidità del suolo simulata, il modello che combina pioggia e misure di umidità del suolo Finapp ha migliorato le prestazioni previsionali del 4,6% e ridotto i falsi allarmi del 48%, un risultato decisivo per la gestione operativa.
Rispetto ai modelli basati solo sulla pioggia, aggiungere l’umidità del suolo Finapp ha migliorato le previsioni di circa il 5,5% e aumentato del 25% il tasso di rilevamento corretto. Più eventi reali vengono identificati correttamente e meno frane sfuggono.
Questi risultati hanno guidato lo sviluppo di Fin4Earth, la piattaforma web di Finapp per l’allerta precoce di frane, incendi boschivi e alluvioni. Fin4Earth integra i dati reali di umidità del suolo delle sonde Finapp nei modelli convenzionali e definisce soglie di rischio personalizzate in base alle caratteristiche e allo storico eventi di ogni sito. Combinando le previsioni meteo locali con algoritmi di intelligenza artificiale proprietari, proietta il rischio fino a 72 ore in anticipo.
Per Anas questo apre la possibilità di ottimizzare l’impiego di squadre e mezzi, aumentare la sicurezza delle infrastrutture e passare a una gestione del rischio proattiva.
“Il lavoro svolto da Finapp è stato di alta qualità e ha dimostrato come la misura dell'umidità del suolo con le loro sonde possa migliorare efficacemente i sistemi di allerta precoce. Stiamo ora valutando l'estensione di questa soluzione ad altre aree in Italia.”
Vantaggi
- Maggiore prevedibilità delle frane, con un’accuratezza superiore di circa il 15% nelle frane di terreno
- 48% di falsi allarmi in meno rispetto ai modelli basati su umidità del suolo simulata
- Tasso di rilevamento corretto superiore del 25% rispetto ai modelli basati solo sulla pioggia
- Monitoraggio continuo dell’umidità del suolo su larga scala, in profondità e in tempo reale
- Allerta precoce specifica per ogni area in frana
- Previsioni del rischio fino a 72 ore in anticipo con Fin4Earth
- Migliore allocazione di squadre e mezzi
- Maggiore sicurezza stradale e gestione del rischio proattiva
