GIORGIO CAPRARI, ROSALBA D’ONOFRIO, ELIO TRUSIANI

Figura 5. Land Surface Temperature: media della T° dei 3 giorni misurati nell’estate 2017. Sovrapposizione dell’analisi dei venti (16.08.2017); dati sulla velocità (m/s) e direzione suddivisi per fascia oraria. Fonte: elaborazioni a cura di G. Caprari

Figura 6. Global Radiation (estratto); simulazione dell’l’irraggiamento solare (diretto e diffuso) sul quartiere nel giorno del solstizio d’estate e d’inverno. Fonte: elaborazioni a cura di G. Caprari .

della Regione Marche e, non disponendo di anemometri in situ, sono stati utilizzati quelli misurati dalla stazione di Mozzano che è posta ad un altitudine simile e a pochi chilometri da Monticelli. I dati sull'intensità e sulla direzione dei venti sono stati poi divisi per fasce orarie e associati spazialmente a delle frecce geolocalizzate in ambiente GIS per poterle visualizzare e leggere in relazione ai vari indici prodotti in chiave bio-climatica; un’analisi della ventilazione non esaustiva ma che getta le basi metodologiche per future elaborazioni.

Terminati i processi di produzione degli indicatori morfo-climatici, la ricerca si è concentrata sulla realizzazione di due output principali: l’Atlante del Verde e la Carta del Rischio. Dalla relazione tra il DSM normalizzato e riclassificato in categorie di altezza e l’Atlante delle Superfici permeabili è stata generata una prima distinzione tipologica del verde urbano: verde “alto” (dai 2,5 ai 30m) e “basso” (da valori inferiori al piano di campagna a 1,5m di altezza). In seguito le presenze arboree, come tutti gli altri parametri della vulnerabilità, sono state stimate all’interno di una maglia esagonale per calcolarne altezza media e copertura fogliare da cui si può ottenere una prima informazione sulla qualità dello spazio aperto che, in relazione al comfort bioclimatico, dipende molto dalla presenza del verde e soprattutto degli alberi. Ultimato l’Atlante del Verde (fig. 7) l’intero dataset prodotto, come

anticipato, è stato ridistribuito spazialmente su degli esagoni6 di circa 350 mq ciascuno su cui valutare quantitativamente la vulnerabilità totale. Il risultato finale dell’intera metodologia è un database relazionale che correla ad ogni entità spaziale omogenea (esagoni) una molteplicità di parametri, numerici o testuali, espressi sotto forma di media o somma. I software GIS permettono di interrogare i dati prodotti e di restituirli graficamente nello spazio geografico per mezzo di “query spaziali” e di operatori logici. In questo modo e mediante l’impostazione manuale di una stringa di testo SQL (Structured Query Language) è stato possibile relazionare le informazioni sulla sensibilità della popolazione a rischio (minori, anziane/i, vedove/i, grado di istruzione, famiglie numerose ecc.), il dato climatico (GR, DSR, LST) e la morfologia urbana (SVF, Atlante del Verde e delle Superfici) individuando puntualmente gli esagoni-aree più vulnerabili che saranno successivamente avvalorate da studi termofluidodinamici in ambiente EnviMet.

L'interrogazione topologica del dataset ha evidenziato un sistema vulnerabile distribuito su due porzioni del quartiere: i) il fronte lungo l'asse viario est-ovest caratterizzato da edifici intensivi e vaste aree impermeabilizzate; ii) il versante nord-ovest di “Monticelli alta” che ospita la maggior parte della popolazione vulnerabile. Dal "fiocco" autostradale in direzione ovest verso il centro di Ascoli si concentrano molte aree esposte a rischio che seguono il rettifilo stradale e le pertinenze dei lotti edificati. L'impermeabilità diffusa nelle aree a parcheggio, l'assenza o scarsità di alberi e la presenza di ampi spazi aperti assolati costituiscono le maggiori criticità individuate dalle elaborazioni automatizzate. Allo stesso tempo le aree inquadrate nella Carta del Rischio (fig. 8) articolano il sistema progettuale potenziale, integrabile con alcune aree libere adiacenti, su cui strutturare azioni qualificanti e climaneutrali; si potrebbero prevedere misure di de-sealing, piantagioni di alberature specifiche per l’ombreggiamento, lo stock di inquinanti e il raffrescamento delle brezze estive nonchè sistemi di water managment. Interventi Nature Based quindi che, con i dovuti approfondimenti tecnici-operativi, costituirebbero l’ossatura di una nuova green and blue

Figura 7. Atlante del Verde di Monticelli; realizzato mediante relazione spaziale tra il layer del DSM e il layer delle aree verdi estratte tramite Indice SAVI. Fonte: elaborazioni a cura di G. Caprari, basemap Ortofoto AgEA

infrastructure che gioverebbe alla resilienza climatica, allo sviluppo di una mobilità lenta integrata e alla rivitalizzazione degli spazi a favore della collettività (Regione Emilia-Romagna, 2020). I parametri del dataset sono stata validati e controllati; ad esempio sono stati paragonati i dati sul calore simulati dal software con i dati misurati dalle centraline meteo nel periodo estivo, constatando che il tool in GIS sottostima la quantità di radiazioni seppur di poco. Come tutti gli studi sviluppati con tecniche semi-automatiche, la ricerca presenta comunque alcuni limiti che occorre tener presente e che quasi sempre dipendono dalla qualità dei dati di input. Alcune aree ad uso agricolo-orticolo ad esempio risultano "vulnerabili" per eccessivo irraggiamento o perchè “suolo nudo” al momento dello scatto satellitare e quindi individuate dall’indice SAVI come impermeabili. A questa problematica se ne aggiunge poi un’ultima, relativa ai dati ISTAT che si riferiscono alle geometrie delle sezioni censuarie e non ai singoli lotti edificati. Per evitare questa casistica di risultati fallaci, specie in analisi di area vasta, occorre limitare gli studi all’interno del perimetro del sistema urbanizzato e utilizzare dati con una risoluzione geometrica omogenea. Nonostante alcune approssimazioni, ascrivibili all’assenza (per privacy) di dati dettagliati sulla popolazione o a dati non aggiornati all’oggi ecc., la ricerca svolta permette di acquisire nuovi layer informativi alla scala locale fondati sulla caratterizzazione oggettiva e scientifica del territorio da cui partire per progetti che riflettono le effettive criticità-necessità di un’area. Un lavoro, ancora in itinere, che verrà implementato dal posizionamento su Monticelli di alcuni sensori per la raccolta di dati aggiornati e sito-specifici che vedrà coinvolti anche i cittadini quali “sensori mobili”; da queste nuove informazioni saranno svolte valutazioni aggiuntive come ad esempio un’analisi del flood-risk per individuare le aree soggette ad allagamenti e al run-off urbano.

Figura 8. Carta del Rischio: in evidenza il sistema degli spazi aperti vulnerabili agli impatti climatici che presentano contemporaneamente criticità termiche, sociali (maggiore presenza di fasce deboli nei lotti adiacenti), infrastrutturali (scarsa permeabilità-vegetazione). Fonte: elaborazioni a cura di G. Caprari, basemap Ortofoto AgEA

Tabella I. Estratto di alcuni degli indicatori del dataset; i dati quantitativi si riferiscono ad esagoni-aree soggette a rischio.

Id_esag Resid. Under18 Over65 Perm_mq Imper_mq Tree_h Chioma_mq SVF GR_est LST_Tmedia 242 78 10 17 202.30 107.40 5.88 118.03 0.73 319.22 33.45 420 772 87 160 178.50 168.07 7.54 44.51 0.77 368.36 33.7 424 378 72 41 0.58 345.99 null null 0.89 361.47 33.52 445 424 66 97 214.58 131.35 10.87 75.37 0.56 186.73 33.36

Da una simile infrastruttura dati e con una pianificazione sostenibile del territorio è possibile ripensare “città per le persone” e a prova di clima in cui le nuove trasformazioni dovranno prevedere un uso performante e multifunzione della materia naturale per “risparmiare” suolo, garantire la funzionalità dei servizi ecosistemici, la sicurezza ambientale, la salute e la qualità di vita dei cittadini.

D’Onofrio R, Trusiani E., Odoguardi, I, (2020), “The Ascoli Piceno Case: The CCUHRE Project”, in Battisti

A., Marceca M., Iorio S. (a cura di), Urban Health. Participatory Action-research Models Contrasting Socioeconomic

Inequalities in the Urban Context, Springer, Cham; pp. 113-146, ISBN 978-3-030-49445-2 Gabellini P., (2017), “Foreword: Resilience and Welfare Reform”, in D’Onofrio R., Trusiani E. (a cura di), Urban

Planning for Healthy European Cities, Cham, ISBN 978-3-319-71143-0 pp: 3-7 Huete A. R. (1988), “A Soil-Adjusted Vegetation Index (SAVI)”, in Remote Sensing of Environment, n. 25, 3: pp. 295-309 IPCC, (2014), Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects.

Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change,

Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA, 1132 pp. Kleerekoper L., Van Esch M., Salcedo T.B., (2012), “How to make a city climate-proof, addressing the urban heat island effect” , in Resources, Conservation and Recycling, n. 64, No, pp. 30-38 Oke T.R., (2006), “Towards better scientific communication in urban climate” , in Theorical and Applied Climatology, n. 84, pp. 179-190, DOI:10.1007/s00704-005-0153-0 Regione Emilia-Romagna, (2020), Liberare il suolo - Linee guida per migliorare la resilienza ai cambiamenti climatici negli interventi di rigenerazione urbana, Progetto SOS4LIFE – Save our soil for life - Life15 ENV/IT/000225, Centro

Stampa Regione Emilia-Romagna Rosenzweig C., Solecki W., Romero-Lankao P., Mehrotra S., Dhakal S. & Ali Ibrahim S. eds. (2018), Climate Change and Cities: Second Assessment Report of the Urban Climate Change Research Network, Cambridge University Press