Inizio progetto gennaio 2026
SINTESI
Il progetto ALP-AI sviluppa, standardizza e verifica sul campo l’uso di tecniche, processi innovativi e mappe tematiche per il monitoraggio del rischio ambientale e la prevenzione di fenomeni quali l’inquinamento da rifiuti di suolo, aria e acque, la diffusione di specie aliene/patogene, lo stress vegetativo e il rischio di incendi. Tali attività ad oggi richiedono costose e complesse campagne di monitoraggio effettuate dal personale delle agenzie di tutela dell’ambiente attraverso missioni in situ per la raccolta dei dati e la valutazione dei rischi. Questo modo di procedere limita la frequenza temporale e l’estensione territoriale delle attività di monitoraggio e di conseguenza la tempestività e l’efficacia delle azioni di prevenzione, mitigazione e rimedio. ALP-AI si prefigge di sfruttare la rivoluzione dell’Intelligenza Artificiale (IA) e Geospaziale (Geospatial Intelligence) e di applicare le migliori pratiche messe a disposizione da queste discipline per innovare radicalmente i processi del monitoraggio ambientale, della protezione della biodiversità e della biosicurezza. A questo scopo il progetto si avvale delle più moderne tecniche di IA applicate a collezioni di dati geospaziali e a rilevazioni da droni e da trappole intelligenti. Con gli strumenti di IA realizzati, il progetto crea mappe tematiche precise e aggiornate dei rischi che costituiscono un prezioso strumento per la tutela del patrimonio naturale grazie all’identificazione precoce delle aree vulnerabili. Gli output del progetto comprendono soluzioni concrete e sperimentate di IA a supporto dell’operatività delle agenzie territoriali. Un modulo di analisi di immagini satellitari permette di identificare con elevata precisione la presenza di discariche di rifiuti e di specifici materiali allo scopo di valutare il rischio di inquinamento dell’aria (per la produzione di fumi tossici e fibre di amianto), del suolo (per la generazione di percolato) e delle acque (per le infiltrazioni nelle falde acquifere). Un modulo analizza immagini satellitari del manto forestale per identificare con elevata precisione l’insorgenza di stress vegetativo e fenomeni di essicamento da fitopatologie e per migliorare la valutazione del rischio e la prevenzione di incendi. Un altro modulo elabora immagini da drone con l’obiettivo di identificare e conteggiare popolazioni di animali, per esempio di cinghiali, potenzialmente vettori di patologie pericolose quali la peste suina. Trappole intelligenti, basate sull’uso di IA e di visione artificiale, supportano il censimento accurato di insetti nocivi e specie aliene quali ad esempio la Popilia japonica. Tali strumenti sono integrati in sistemi GIS di uso corrente da parte dei partner allo scopo di produrre mappe di rischio congiunte per caratterizzare inquinamento, biodiversità e biosicurezza nelle aree transfrontaliere. I risultati tecnici sono corredati da linee guida e materiali di formazione ad uso delle agenzie ambientali per l’utilizzo ottimale delle soluzioni di IA per il monitoraggio del rischio ambientale e della biodiversità e biosicurezza. ALP-AI produce inoltre indicazioni ad uso dei legislatori per lo sviluppo di politiche di promozione dell’innovazione tecnologica nel settore del monitoraggio ambientale.
OBIETTIVO
RSO 2.7 Rafforzare la protezione e la preservazione della natura, la biodiversità e le infrastrutture verdi, anche nelle aree urbane, e ridurre tutte le forme di inquinamento
Il progetto coordina l’uso di tecniche per il monitoraggio e la prevenzione di inquinamento
da rifiuti di suolo, aria e acque, diffusione di specie aliene, stress vegetativo e rischio di incendi. Usa
strumenti di IA per l’analisi di dati geografici e di immagini da satelliti e droni e smart trap. Tali obiettivi sono necessari agli enti territoriali di protezione dell’ambiente nell’Area Funzionale Regione Insubrica che potranno verificare applicabilità, tempi, costi e ritorno dell’investimento
CAPOFILA
Politecnico di Milano
PARTNER
Scuola universitaria professionale della Svizzera italiana
Fondazione Politecnico di Milano - Sede Operativa di Lecco
Agenzia Regionale per la Protezione dell’Ambiente della Lombardia
Ente Parco regionale Campo dei Fiori (Varese)
Servizio fitosanitario cantonale
BUDGET
678.640 €
93.000 CHF (contributo svizzero)
RILEVANZA E CONTESTO
Il progetto ALP-AI mira alla tutela del patrimonio ambientale transalpino attraverso moderne tecniche di IA (Intelligenza Artificiale) applicata a collezioni di dati geospaziali. Tali metodi consentono di realizzare mappe tematiche e monitorare animali invasivi e vettori di patogeni. Le mappe tematiche realizzate in ALP.AI costituiscono un prezioso strumento per la tutela del patrimonio forestale. Grazie alla loro capacità di individuare aree soggette a disseccamento e stress vegetativo, permettono di identificare tempestivamente zone vulnerabili, dove è maggiore il rischio di innesco e propagazione di incendi o di attività illecite, come il disboscamento abusivo. Nel 2017, un incendio ha interessato il Parco Regionale Campo dei Fiori dove le condizioni climatiche avverse ne agevolarono la propagazione e ostacolarono lo spegnimento. L’incendio ha distrutto 350 ettari di bosco e ha avuto un fortissimo impatto sulla biodiversità del parco, che è tuttora in fase di ripresa (https://www.laprovinciadivarese.it/sette-anni-fa-lincendio-al-campo-dei-fiori-una-devastazione-che-sconvolse-varese-362633/).
Altre mappe tematiche prodotte consentono di individuare aree soggette a rischio ambientale: 38000 depositi di materiali e rifiuti illecitamente abbandonati o impropriamente trattati sono registrati in Svizzera (https://www.bafu.admin.ch/bafu/it/home/temi/siti-contaminati/in-breve.html).
L’impatto sull’ambiente è estremamente rilevante: sostanze nocive prodotte da rifiuti percolano nel suolo e contaminano falde sotterranee e corpi idrici superficiali. Allo stesso tempo, flussi gassosi emessi da discariche, o provenienti dall’agricoltura, inquinano l’aria con gas nocivi per l’ambiente e per la salute dell’uomo (https://www.bafu.admin.ch/bafu/it/home/temi/aria/landwirtschaft/fonti-di-inquinanti-atmosferici--agricoltura.html).
I metodi di monitoraggio della fauna, introdotti in ALP-AI, consentono di osservare specie invasive e vettori di patogeni presenti sul territorio transfrontaliero.
Tra le specie animali attualmente problematiche nel Canton Ticino e in Lombardia, i cinghiali rappresentano una seria minaccia economica per il settore zootecnico. Tale specie è un vettore della peste suina africana, malattia virale altamente contagiosa per suini domestici e selvatici (https://www.rsi.ch/info/ticino-grigioni-e-insubria/Cinghiali-da-cacciare-tutto-l%E2%80%99anno-contro-la-peste-suina--2604918.html).
La loro presenza, in continuo aumento, ha già spinto le autorità ad estendere i periodi di caccia e a rafforzare le misure di monitoraggio e contenimento (https://www.regioinsubrica.org/comunicazioni/comunicati/dettaglio/riunione-del-gruppo-migrazioni-transfrontaliere-di-fauna-selvatica-1).
Il progetto ALP-AI si inserisce in questo contesto sviluppando tecnologie innovative per il tracciamento delle popolazioni di cinghiali, con l’obiettivo di contribuire a strategie di controllo più efficaci e sostenibili.
Un’altra specie aliena di grande impatto è la Popillia japonica: un coleottero che attacca numerose piante ornamentali e colture agricole, causando danni ai raccolti. La gravità del problema è enfatizzata dalle normative che impongono azioni di contrasto e contenimento emanate dal Servizio fitosanitario del Canton Ticino (https://www4.ti.ch/dfe/de/servizio-fitosanitario/organismi/coleottero-giapponese-popillia-japonica).
Il progetto propone di applicare trappole intelligenti (smart traps) in grado di rilevare automaticamente la presenza di insetti nocivi, come la Popillia japonica, contribuendo così a un sistema di allerta precoce e di intervento mirato, fondamentale per proteggere le risorse agricole e la biodiversità locale.
ALP-AI stabilisce standard e procedure di monitoraggio ambientale condivisi che garantiscono l’interoperabilità tra le agenzie italiane e svizzere. I risultati delle elaborazioni di dati geospaziali tramite algoritmi di IA consentono al personale addetto alla protezione del territorio di ridurre tempi e costi di monitoraggio e pianificare interventi di prevenzione mirati.
GRUPPI TARGET
Agenzia settoriale
Autorità pubblica locale
Autorità pubblica nazionale
Cittadini
Educazione superiore e organizzazione di ricerca
Autorità pubblica regionale
Gruppi di interesse incluso ONG
PIANO DI LAVORO
Riunione del gruppo di lavoro transfrontaliero per formalizzare le esigenze dei partner in un documento di specifica dei requisiti. Tale documento riassume le problematiche di interesse dei partner nell’ambito del monitoraggio ambientale e della tutela della biodiversità e della biosicurezza, lo stato attuale delle soluzioni e dei processi in atto presso i partner e gli standard normativi, organizzativi e tecnologici dei partner.
Tecniche di IA per la prevenzione dell’inquinamento ambientale di suolo, aria e acque e per il monitoraggio della salute forestale. L’identificazione precoce di inquinanti e di fitopatologie sfrutta l’analisi di prodotti satellitari basata su IA integrata con dati GIS e misurazioni di qualità dell’aria. L’analisi permette di creare mappe di criticità ambientale per migliorare prevenzione e riduzione dei fenomeni.
La diffusione di specie animali aliene o patogene danneggia biodiversità e biosicurezza. Si applicano tecniche di IA al monitoraggio della biodiversità e biosicurezza in ecosistemi transfrontalieri. Si identifica presenza e diffusione di specie dannose per ambiente e biosicurezza. Si perfeziona modelli di IA e procedure di sorvolo con droni per raccolta e analisi di immagini al fine di localizzare e conteggiare animali selvatici (cinghiali) vettori di patogeni (peste suina). Si applica la tecnologia delle trappole intelligenti (smart traps) per rilevare e censire specie invasive di insetti (p.e. Popillia japonica).
Le soluzioni di AI sono verificate con missioni sul campo in aree transfrontaliere definite in base a quanto schedulato. Le missioni sono condotte congiuntamente dai partner transfrontalieri e determinano l’acquisizione di immagini da drone per l’addestramento e la verifica degli algoritmi di IA. Le prestazioni ottenute sono verificate rispetto ai requisiti e obiettivi stabiliti
RISULTATI
Algoritmi di IA e data set per monitoraggio ambientale protezione della biodiversità e sicurezza: Il risultato prevede messa a disposizione alla fine del progetto di 1) un algoritmo di IA per l’analisi delle immagini satellitari per l’identificazione di località con presenza di rifiuti e stress vegetativo; 2) un algoritmo di IA che processa immagini da drone per localizzare, conteggiare e monitorare la popolazione di specie animali obiettivo di indagine; 3) un algoritmo di IA a basso costo computazionale per il monitoraggio delle specie di insetti nocive o invasive; 4) mappe tematiche di degrado vegetale e inquinamento; 5) mappe tematiche per biodiversità e biosicurezza.
Materiali di formazione sull’uso dell’IA per monitoraggio ambientale protezione della biodiversità e sicurezza: Il risultato prevede la creazione di materiali di formazione multimediali (presentazioni, video e articoli di approfondimento) indirizzati ai professionisti del monitoraggio ambientale e della protezione della biodiversità e della biosicurezza. I materiali realizzati sono usati nell’organizzazione di eventi di formazione rivolti ai professionisti delle agenzie di monitoraggio ambientale anche al difuori del partenariato.
Rete di portatori di interesse al tema dell’uso dell’IA per la protezione dell’ambientale: Il risultato prevede la formazione di una rete permanente post-progetto di entità territoriali transfrontalieri interessati ai temi dell’uso delle nuove tecnologie (droni, IA) per il monitoraggio ambientale e la salvaguardia della biodiversità e della biosicurezza. La partecipazione a tale rete garantisce ai membri la disponibilità di versioni future migliorate degli algoritmi di IA, l’accesso ai data set e ai materiali didattici e la notifica di futuri eventi di formazione e comunicazione promossi dai partner del progetto. A questa rete di portatori di interesse parteciperanno le 6 organizzazioni partner di progetto.