HIGHLANDER

L'obiettivo generale di HIGHLANDER è sostenere una gestione più intelligente (ambientale ed economicamente sostenibile) delle terre nel loro mosaico di risorse naturali, usi del territorio, settori, attività e risorse umane, riducendo al contempo i rischi e sfruttando le opportunità poste dal cambiamento climatico e dalla sua variabilità.

Il progetto Highlander sarà in grado di sviluppare nuove applicazioni e proof of concept  all'avanguardia per:

• una gestione più intelligente dell'agricoltura - programmi di irrigazione, input di fertilizzanti, ciclo dell'acqua e sostenibilità degli usi concorrenti (energia idroelettrica, domestica, agricola, ecologica) - supporto alla pianificazione e al processo decisionale quando si considerano le risorse e i sistemi territoriali a causa di previsioni a breve termine e medio proiezioni climatiche a medio termine, compresi eventi estremi e relativi rischi climatici;
• benessere degli animali, gestione ambientale dei parchi naturali e previsioni e controlli sugli incendi boschivi, integrazione di dati climatici, osservazioni satellitari e dati sull'Internet of Things al fine di supportare la valutazione e la gestione degli ecosistemi come la gestione ambientale dei parchi naturali.

Analisi delle risorse e dei dati

Cineca si impegna in una partecipazione a doppio senso fornendo sia un servizio cloud di fascia alta per l'analisi dei dati, sia un supporto pratico per problemi di ricerca specializzata attraverso tecniche di apprendimento automatico. Un server virtuale composto da storage espandibile (attualmente ~ 200 GB) e CPU Core Core Processor (Broadwell, IBRS) multicore è stato dedicato all'interno del framework cloud, recentemente aggiornato, disponibile presso Cineca. Il server offre una piattaforma centralizzata a tutti gli effetti per l'alloggiamento dei dati e la creazione di pipeline complete di machine learning che vanno dalla preelaborazione dei dati alla valutazione e ottimizzazione del modello, in base alle esigenze degli utenti finali. Il servizio è dotato di tutti gli strumenti software necessari, principalmente basati su Python e R, per la prototipazione e il collaudo dei protocolli di apprendimento automatico. Inoltre, Cineca si unisce anche ad altri partner, professionisti della ricerca ed esperti, per affrontare problemi di ricerca specifici del dominio di elevata complessità computazionale.

Effetti climatici sulla biodiversità
L'esame delle pressioni ambientali sulla biodiversità, soprattutto in condizioni estreme, è un problema importante che può fornire utili spunti sull'influenza diretta dei parametri esterni sul delicato equilibrio tra gli ecosistemi biologici. Il progetto mira a studiare, sulla base di un approccio multidisciplinare integrato, le distribuzioni delle comunità endolitiche e la biodiversità della popolazione di funghi e batteri in diverse condizioni ambientali come l'altitudine e l'esposizione al sole. Integrando i dati biologici, geologici e microclimatici, verranno decodificati i limiti di abitabilità su varie regioni di interesse.

Analisi dell'immagine satellitare
Il telerilevamento è una tecnica ben consolidata per il rilevamento e la percezione a lungo raggio di posizioni target. Le immagini raccolte con tali tecniche sono composte da una banda spettrale continua molto stretta con centinaia di bande spettrali, che coprono bande di regimi di luce visibile, infrarosso vicino, medio e infrarosso termico, a seconda del contesto. Le informazioni nascoste nelle firme spettrali contenute in queste immagini sono estremamente utili per scoprire e monitorare, nel tempo, i cambiamenti ambientali nelle superfici target. Il progetto mira a creare un prototipo di pipeline di machine learning per l'elaborazione di immagini satellitari. A tal fine, le immagini contenenti dati radar e spettrali vengono analizzate attraverso protocolli di apprendimento automatico per ricavare approfondimenti sulle variazioni della copertura verde in diverse località target di interesse.

Sono nove gli Use Case attualmente parte del progetto

• Land suitability for vegetation (forests, crops) – A partire dall’attuale distribuzione per latitudine e altitudine di specie boschive e da raccolto, si cercherà di costruire un modello previsionale della loro possibile migrazione a seguito dell’evoluzione climatica.
•  Human wellbeing in rural and urban areas - A partire dall’attuale distribuzione delle popolazioni si cercherà di studiarne la qualità della vita, con particolare attenzione alle differenze tra aree urbane e aree rurali.
• Water cycle and sustainability of competing uses (hydropower, domestic, agriculture, ecological) – Partendo da uno studio condotto nel bacino idrografico dell'Ofanto, in Puglia, l’idea è quella di estendere la metodologia ad altri bacini, realizzando modelli previsionali sull’utilizzo delle risorse idriche nei settori energetico, irriguo e domestico, garantendo, al contempo, il flusso vitale per il bacino stesso.
•  Soil erosion - Obiettivo generale è ottenere un modello empirico per previsioni di erosione del suolo, sia in seguito ad eventi naturali (evoluzione boschiva, smottamenti, frane) che ad attività agricola. Si mira quindi a consigliare sfruttamenti mirati, anche in termini di modalità di lavorazione del suolo e piantumazione.
• Forest fires prediction - Mediante immagini satellitari e attività di remote sensing, il progetto mira a monitorare i rischi di incendio.
•  Natural parks environmental management – Mediante immagini satellitari e attività di remote sensing, l’idea iniziale del progetto è mettere in relazione spostamenti e abitudini animali delle mandrie al pascolo nel Parco del Tentino con la vegetazione presente monitorando, contemporaneamente i rischi di incendio.
•  Crop water requirements forecast - Salvo casi particolari, l’irrigazione avviene principalmente d’estate. A causa di condizioni climatiche diverse da quelle tradizionali, inizia a verificarsi necessità di irrigare in primavera e durante la fase delle semine. La sfida in HIGHLANDER è quella di testare l’inserimento dei dati climatici a medio termine (trimestrali) nel modello attualmente in uso e testare l’affidabilità delle previsioni irrigue.
• IoT for Animal wellbeing - Le temperature elevate, oltre che le forti escursioni termiche causano elevato stress agli animali, sia al pascolo che nelle stalle. La raccolta di dati sugli animali e sugli ambienti di allevamento e le osservazioni da satellite integrati con le previsioni metereologiche, mirano a migliorare il benessere degli animali.
•  Animal Welfare and land suitability for farming - Lo sfruttamento dei nuovi indici bioclimatici elaborati a partire dai dati e degli indici climatici a medio termine saranno utilizzati per elaborare modelli a supporto degli allevatori nella gestione di eventi climatici estremi e prevedere lo stress delle piantagioni in seguito a eventi come grandine o siccità per limitarne i danni, ottimizzare l’utilizzo delle risorse (idriche ed energetiche), prevenire incendi distruttivi e monitorare frane e smottamenti del terreno coltivato.

Highlander Use Case PDF

Il sito del progetto