The China Mail - Prevedere con l'IA gli incendi pericolosi,come a Los Angeles

USD -
AED 3.672503
AFN 65.000126
ALL 80.977186
AMD 362.829848
ANG 1.790365
AOA 917.999953
ARS 1524.911695
AUD 1.435276
AWG 1.8
AZN 1.702631
BAM 1.722428
BBD 2.015086
BDT 123.012972
BGN 1.683441
BHD 0.377194
BIF 2999.951563
BMD 1
BND 1.277405
BOB 12.040458
BRL 5.205619
BSD 1.000454
BTN 95.892522
BWP 14.09417
BYN 3.010995
BYR 19600
BZD 2.012171
CAD 1.41849
CDF 2310.00018
CHF 0.834735
CLF 0.024674
CLP 974.269942
CNY 6.70335
CNH 6.707185
COP 3335.5
CRC 456.985341
CUC 1
CUP 24.01166
CVE 97.107857
CZK 21.52835
DJF 178.16097
DKK 6.58393
DOP 59.48895
DZD 133.783977
EGP 51.996599
ERN 15
ETB 163.421342
EUR 0.88072
FJD 2.243701
FKP 0.756991
GBP 0.752635
GEL 2.60496
GGP 0.756991
GHS 11.710208
GIP 0.756991
GMD 73.50592
GNF 8798.844552
GTQ 7.643396
GYD 209.328131
HKD 7.846297
HNL 26.859007
HRK 6.636301
HTG 130.939066
HUF 322.591495
IDR 17915
ILS 3.07365
IMP 0.756991
INR 95.88705
IQD 1310.606294
IRR 1693792.499699
ISK 120.640096
JEP 0.756991
JMD 158.336929
JOD 0.709023
JPY 157.007496
KES 129.709687
KGS 87.448702
KHR 4057.22564
KMF 434.999698
KPW 900.000318
KRW 1355.219852
KWD 0.30878
KYD 0.833726
KZT 440.074329
LAK 22455.503791
LBP 89592.031739
LKR 330.60617
LRD 171.583824
LSL 16.385613
LTL 2.95274
LVL 0.60489
LYD 6.399
MAD 9.704712
MDL 17.763022
MGA 4394.578552
MKD 54.223526
MMK 2099.600314
MNT 3599.1704
MOP 8.086624
MRU 40.069045
MUR 47.760418
MVR 15.449898
MWK 1734.754084
MXN 18.128675
MYR 4.078097
MZN 63.910013
NAD 16.385685
NGN 1327.379897
NIO 36.821108
NOK 9.60209
NPR 153.428035
NZD 1.771685
OMR 0.384495
PAB 1.000449
PEN 3.44424
PGK 4.528402
PHP 62.740138
PKR 277.158584
PLN 3.848755
PYG 5852.979771
QAR 3.647324
RON 4.649695
RSD 103.530073
RUB 83.147056
RWF 1477.228194
SAR 3.755513
SBD 8.032647
SCR 13.761331
SDG 601.506428
SEK 9.979355
SGD 1.277255
SHP 0.755829
SLE 24.649917
SLL 20969.491881
SOS 571.727998
SRD 37.753026
STD 20697.981008
STN 21.576683
SVC 8.75393
SYP 13002.000254
SZL 16.377071
THB 33.580311
TJS 9.214436
TMT 3.51
TND 2.966913
TOP 2.40776
TRY 49.013967
TTD 6.787408
TWD 31.879198
TZS 2635.003029
UAH 44.690709
UGX 3921.672237
UYU 40.308767
UZS 11835.41907
VES 857.98905
VND 25962
VUV 119.008285
WST 2.76852
XAF 577.714388
XAG 0.01647
XAU 0.000238792284
XCD 2.70255
XCG 1.803098
XDR 0.707052
XOF 577.714388
XPF 105.029547
YER 236.394046
ZAR 16.392685
ZMK 9001.198421
ZMW 19.559579
ZWL 321.999592
SSP 5712.591904
MXV 2.052126
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".

S.Wilson--ThChM