The Prague Post - Prevedere con l'IA gli incendi pericolosi,come a Los Angeles

EUR -
AED 4.27842
AFN 79.494691
ALL 97.349401
AMD 446.812545
ANG 2.084672
AOA 1068.137432
ARS 1532.17935
AUD 1.784886
AWG 2.099582
AZN 1.984813
BAM 1.956408
BBD 2.35013
BDT 141.413924
BGN 1.955838
BHD 0.436
BIF 3470.67801
BMD 1.164817
BND 1.495765
BOB 8.042498
BRL 6.327057
BSD 1.163962
BTN 101.918656
BWP 15.66073
BYN 3.842894
BYR 22830.409242
BZD 2.338026
CAD 1.602031
CDF 3366.320968
CHF 0.9415
CLF 0.028776
CLP 1128.882661
CNY 8.365137
CNH 8.374014
COP 4710.519131
CRC 589.78319
CUC 1.164817
CUP 30.867645
CVE 110.29926
CZK 24.442055
DJF 207.0117
DKK 7.468228
DOP 71.082078
DZD 150.227409
EGP 56.111766
ERN 17.472252
ETB 161.509866
FJD 2.623522
FKP 0.866489
GBP 0.865906
GEL 3.149503
GGP 0.866489
GHS 12.279814
GIP 0.866489
GMD 84.453703
GNF 10093.13498
GTQ 8.930774
GYD 243.516683
HKD 9.143754
HNL 30.477466
HRK 7.538741
HTG 152.297304
HUF 395.54894
IDR 18935.378351
ILS 3.996131
IMP 0.866489
INR 102.186757
IQD 1524.773603
IRR 49067.908029
ISK 143.074897
JEP 0.866489
JMD 186.357884
JOD 0.825901
JPY 171.994565
KES 150.498758
KGS 101.863677
KHR 4662.408141
KMF 491.727858
KPW 1048.34466
KRW 1617.663071
KWD 0.355887
KYD 0.970014
KZT 629.005372
LAK 25182.821914
LBP 104288.692604
LKR 350.05873
LRD 233.374491
LSL 20.631208
LTL 3.439402
LVL 0.704587
LYD 6.31096
MAD 10.540574
MDL 19.541902
MGA 5136.595453
MKD 61.541171
MMK 2445.247438
MNT 4178.468115
MOP 9.410763
MRU 46.428421
MUR 52.894772
MVR 17.942534
MWK 2018.335569
MXN 21.642736
MYR 4.939263
MZN 74.502122
NAD 20.631208
NGN 1784.83757
NIO 42.833304
NOK 11.97735
NPR 163.06965
NZD 1.954063
OMR 0.444652
PAB 1.163962
PEN 4.11978
PGK 4.909525
PHP 66.10379
PKR 330.266983
PLN 4.248949
PYG 8717.707765
QAR 4.254221
RON 5.073131
RSD 117.596454
RUB 92.486284
RWF 1683.64463
SAR 4.371747
SBD 9.571376
SCR 16.475752
SDG 699.476769
SEK 11.157552
SGD 1.497377
SHP 0.915363
SLE 26.911539
SLL 24425.630445
SOS 665.200904
SRD 43.42325
STD 24109.355964
STN 24.507612
SVC 10.184163
SYP 15144.895085
SZL 20.623406
THB 37.511348
TJS 10.871223
TMT 4.088507
TND 3.41346
TOP 2.728122
TRY 47.518745
TTD 7.90059
TWD 34.836297
TZS 2894.570133
UAH 48.148355
UGX 4153.290033
USD 1.164817
UYU 46.704507
UZS 14658.553022
VES 149.967542
VND 30547.32053
VUV 138.055319
WST 3.095243
XAF 656.160807
XAG 0.030342
XAU 0.000343
XCD 3.147976
XCG 2.097752
XDR 0.815486
XOF 656.160807
XPF 119.331742
YER 280.080622
ZAR 20.683175
ZMK 10484.753138
ZMW 26.974378
ZWL 375.070534
Prevedere con l'IA gli incendi pericolosi,come a Los Angeles
Prevedere con l'IA gli incendi pericolosi,come a Los Angeles

Prevedere con l'IA gli incendi pericolosi,come a Los Angeles

Metodo Ecmwf integra dati meteo con quelli su vegetazione secca

Dimensione del testo:

Prevedere gli incendi boschivi, come quelli che hanno devastato Los Angeles a gennaio, usando l'Intelligenza Artificiale e integrando le previsioni meteo con un mix di dati relativi alla quantità di vegetazione secca e alla presenza umana. E il nuovo metodo sviluppato sotto la guida dell'italiana Francesca Di Giuseppe, del Centro europeo per le previsioni meteorologiche Ecmwf, e pubblicato su Nature Communications. "La previsione degli incendi boschivi è un campo di ricerca attivo da decenni e ha portato all'istituzione di sistemi di allerta precoce a partire dagli anni '70 - ha detto Di Giuseppe - ma i tradizionali indici di rischio incendi basati sul meteo spesso non sono molto precisi". Un caso recente sono stati i devastanti incendi di Los Angeles che hanno causato danni per 200 miliardi di dollari e fatto evacuare 200mila persone. Un evento favorito da un periodo di grande piovosità che aveva favorito la crescita di vegetazione seguito da un periodo estremante secco e ventoso: un mix che aveva prodotto grandi quantità di materiali infiammabili. In quel caso i tradizionali metodi di previsione incendi avevano riconosciuto il pericolo ma non avevano individuato con precisione i punti più probabili per i primi inneschi. Tuttavia, incorporando parametri aggiuntivi, come la presenza umana, la densità stradale o di reti elettriche, e soprattutto l'abbondanza di vegetazione e la sua secchezza il nuovo metodo sviluppato dai ricercatori Ecmwf avrebbe, secondo i ricercatori, potuto individuare le aree con maggiore probabilità di innesco dell'incendio. "Essere in grado di aggiungere questi elementi grazie al Machine Learning aiuta a perfezionare le previsioni", ha aggiunto Di Giuseppe. "Ci permette, ad esempio, di poter escludere aree calde e secche ma che difficilmente subiranno inneschi, magari perché non ci sono pericoli per le persone oppure perché non c'è sufficiente vegetazione secca che possa bruciare".

Z.Marek--TPP