Pubblicato il: 11-12-2024
Condividi
Correlato a
Alcune delle ricerche presentate hanno analizzato la relazione tra il cambiamento dell'uso del suolo e la qualità dell'acqua nei bacini idrografici italiani, modelli econometrici legati alla siccità meteorologica e applicazioni avanzate per il monitoraggio di fenomeni come gli incendi boschivi. Tutti studi e analisi che hanno messo in luce il delicato equilibrio tra interventi ambientali e le loro conseguenze socioeconomiche, sottolineando l’urgenza di modelli di gestione sempre più integrati e resilienti.
L’analisi si è basata su un approccio "source-to-sink", che ha permesso di tracciare il flusso di inquinanti dalle sorgenti a valle. I milioni di dati raccolti sono stati inoltre elaborati utilizzando l'analisi delle componenti principali (PCA), un algoritmo di Machine Learning, per individuare i fattori chiave che influenzano la qualità dell'acqua. Questo metodo consente di ridurre la complessità dei dati ad alta dimensionalità senza perdere informazioni essenziali.
A partire dai risultati della PCA, i ricercatori hanno applicato una regressione logistica - comunemente usata per prevedere in finanza la probabilità di accadimento di un rischio - per stimare la probabilità che le acque superficiali (SWES) raggiungano un buono stato ecologico in base ai diversi scenari.
Lo studio ha evidenziato che il 60% dei bacini idrografici italiani non ha raggiunto uno stato ecologico buono. Inoltre, le proiezioni indicano che questa percentuale potrebbe aumentare leggermente nei prossimi anni. Tuttavia, grazie al livello di dettaglio dell’analisi, è stato possibile identificare specifici bacini dove lo stato ecologico potrebbe migliorare o peggiorare nel tempo.
Tutti questi risultati saranno integrati nella piattaforma AMELIA, il fulcro tecnologico del progetto Grins e i ricercatori intendono ora adottare un framework bayesiano, capace di considerare una gamma ancora più ampia di fattori per approfondire ulteriormente il fenomeno.
La ricerca ha implicazioni rilevanti per le scelte di policy, in particolare per ottimizzare la gestione delle risorse idriche e ridurre l'impatto della siccità sulla società. Tuttavia, la comprensione del fenomeno siccità si è dimostrata estremamente complessa, trattandosi di un evento caratterizzato da dinamiche non lineari, sia spaziali che temporali. In altre parole, rispetto a fenomeni lineari con relazioni più dirette e prevedibili, la siccità è più difficile da studiare e anticipare.
Il tema è di cruciale importanza, soprattutto nell'attuale contesto di crisi climatica. La siccità ha infatti gravi conseguenze economiche, come il calo della produzione agricola e i danni alle coltivazioni, e colpisce anche il tessuto sociale, come dimostrano i recenti episodi in Sicilia, dove le famiglie hanno affrontato restrizioni nell'uso dell'acqua.
Per comprendere meglio il fenomeno, i ricercatori hanno utilizzato lo Standardized Precipitation Index (SPI), un indice ampiamente riconosciuto a livello mondiale per analizzare la siccità meteorologica. Lo scopo era sviluppare uno strumento econometrico capace di quantificare le condizioni di siccità in Italia, basandosi su mappe mensilmente aggiornate dell’indicatore stesso.
Dal punto di vista modellistico, il progetto ha combinato tre diversi modelli econometrici applicati a serie storiche. Ciascun modello ha una funzione specifica. Il primo analizza l'interdipendenza tra le variabili che influenzano lo SPI, il secondo cattura la volatilità delle condizioni di siccità nel tempo e il terzo traccia le correlazioni dinamiche, evidenziando come cambiano nel corso del tempo.
I dati italiani hanno dimostrato che lo SPI può essere calcolato su diverse scale temporali, da 3 mesi (per la siccità a breve termine) fino a 48 mesi (per quella a lungo termine). I risultati hanno evidenziato la natura multivariata e dinamica della siccità, con correlazioni stocastiche variabili tra le diverse regioni italiane. Questo conferma la necessità di modelli avanzati come quelli proposti dal team di ricerca.
Il codice utilizzato per l'analisi, insieme ai dati raccolti, sarà integrato nella piattaforma AMELIA, contribuendo a migliorare la comprensione e la gestione di questo fenomeno critico.
Un terzo progetto si è focalizzato sull’analisi delle interazioni degli utenti delle piattaforme social con le notizie sulla crisi climatica, con l’obiettivo di misurare il livello di percezione del rischio dei cittadini. Per raggiungere questo scopo, i ricercatori si sono avvalsi dei modelli di Spazio Latente (Latent Space Models, LS).
I modelli di Spazio Latente vengono utilizzati per analizzare reti (network), ovvero insiemi di nodi collegati che rappresentano le interazioni tra di essi. In questi modelli, i pesi delle connessioni sono trattati come variabili stocastiche, il cui valore dipende da fattori latenti multidimensionali associati ai nodi, noti come **coordinate latenti**. In altre parole, maggiore è la somiglianza tra due nodi in termini di fattori latenti, maggiore sarà il peso della connessione.
Questi modelli consentono di visualizzarne la posizione e rivelare caratteristiche interessanti della struttura complessiva della rete. Nel caso analizzato, i modelli LS hanno permesso di studiare le interazioni tra testate giornalistiche e utenti, monitorandone l’evoluzione temporale.
I ricercatori hanno applicato questo metodo ai dati di Facebook relativi a 54 testate giornalistiche italiane. Sono stati identificati 3.399 post legati al tema del clima e 309.715 utenti unici (anonimizzati per motivi di privacy) che hanno interagito con questi contenuti.
I risultati hanno mostrato che la rete di interazione si è modificata nel tempo, riflettendo cambiamenti sia nell’agenda mediatica che nelle opinioni pubbliche sul tema climatico. Questa dinamica evidenzia come le piattaforme social possano essere strumenti chiave per comprendere la percezione e la diffusione delle informazioni sul rischio climatico.
Il progetto continuerà con lo sviluppo di misure specifiche basate sui modelli di Spazio Latente, per valutare con maggiore precisione la consapevolezza del rischio climatico e il suo impatto sulle scelte e i comportamenti dei cittadini.
Il lavoro dello Spoke 4 non si limita ai progetti citati. Vari altri lavori sono stati presentati (vedi programma) sia per comprendere i rischi economici e sociali della crisi climatica sia per comprendere in che modo il settore finanziario possa integrare e gestire i rischi connessi. Nel pomeriggio del primo giorno di workshop, il focus si è spostato sugli effetti che le politiche di transizione hanno avuto sulla struttura economica e finanziaria italiana. Le sfide della transizione energetica, infatti, non si sono limitate ai benefici ambientali, ma hanno richiesto una comprensione approfondita degli effetti collaterali, come l’esposizione del settore finanziario ai rischi fisici e di transizione.
Attraverso una varietà di approcci metodologici, sono state affrontate questioni cruciali come il gap di protezione assicurativa contro i disastri naturali e l’impatto del rischio climatico sui mercati obbligazionari ed azionari europei, con l’obiettivo - sempre presente nel progetto Grins - di fornire strumenti decisionali concreti e utili per policy maker e investitori.
L’importanza crescente di criteri ESG nella gestione finanziaria implica l’esigenza di coniugare rendimento economico e sostenibilità. Tuttavia, la misurazione della sostenibilità è rimasta una sfida tutt'altro che superata. Sono stati quindi presentati modelli innovativi per il calcolo degli score ESG e tecniche avanzate per l’estrazione di indicatori chiave dai bilanci di sostenibilità.
Il workshop si è concluso con una discussione sul ruolo dei dati ESG nel determinare il rischio creditizio e sulla complessa relazione tra greenwashing e prezzi dei titoli, particolarmente rilevante in settori come quello alimentare e delle utility.
La video sintesi della due giorni di workshop.
Fondazione GRINS
Growing Resilient,
Inclusive and Sustainable
Galleria Ugo Bassi 1, 40121, Bologna, IT
C.F/P.IVA 91451720378
Finanziato dal Piano Nazionale di Ripresa e Resilienza (PNRR), Missione 4 (Infrastruttura e ricerca), Componente 2 (Dalla Ricerca all’Impresa), Investimento 1.3 (Partnership Estese), Tematica 9 (Sostenibilità economica e finanziaria di sistemi e territori).
