GIS per la Sostenibilità: individuare le isole di calore con ArcGIS Pro

Con questo primo articolo inauguriamo una nuova rubrica incentrata sui tool di ArcGIS Pro che permettono di realizzare analisi e flussi utili per valutare aspetti e indicatori legati al tema della sostenibilità.

L’impegno di Esri in quest’ottica ha permesso di disporre di consolidati flussi di analisi che utilizzano differenti strumenti dell’applicativo Desktop con vantaggi per la definizione e il monitoraggio dei propri obbiettivi di sostenibilità, tra cui:

• Supporto durante le fasi decisionali e progettuali, valutando aspetti come il cambiamento climatico e l’influenza degli interventi a livello territoriale e globale
• Strumenti a supporto della salvaguardia degli ecosistemi e della biodiversità monitorandone i cambiamenti e la resilienza
• Integrazione delle potenzialità offerte dagli strumenti di progettazione BIM nella valutazione dei parametri e criteri per la sostenibilità e la resilienza
• Dati e flussi per analisi preventive del contesto di inserimento delle proposte progettuali e degli interventi, anticipando le valutazioni economiche, sociali e ambientali con un approccio territoriale

Individuare le isole di calore con l’Heat Resilience Index

Un primo esempio che vogliamo condividere è il processo per ottenere l’Heat Resilience Index (HRI), un “indice” che permette di individuare efficacemente all’interno di un territorio la presenza di possibili isole di calore, e le zone dove è maggiore il rischio della loro formazione, attraverso l’analisi di tre fattori:

1. temperatura media superficiale
2. copertura arborea
3. dati demografici

Questo workflow è realizzato tramite dati ready to use e open recuperati dal Living Atlas o da portali accessibili dai cittadini. Tra i dati utili per il processo vi sono i dati demografici, come la densità di popolazione e i livelli informativi sulla copertura vegetazionale.

Tutti questi aspetti possono venire anche analizzati separatamente per essere un punto di partenza di ulteriori analisi.

Fase 1: analisi della temperatura media superficiale

Per l’analisi della temperatura superficiale di una determinata zona abbiamo utilizzato il servizio Multispectral Landsat dal Living Atlas di Esri. Questo servizio di copertura globale, ready to use, contiene decenni di dati e consente di visualizzare diverse combinazioni di bande spettrali e multispettrali, valorizzate tramite template predefiniti resi disponibili agli utenti, utili per valutare differenti aspetti e parametri. In questo caso abbiamo scelto il template che utilizza delle specifiche bande per rappresentare la temperatura superficiale espressa in gradi Celsius.

Impostato il dato di partenza e definite le proprietà desiderate, come range temporale ed estensione, ci siamo focalizzati per questo workflow sull’area attorno al Guadalquivir a Siviglia utilizzando come “griglia” di riferimento i poligoni censuari in cui è suddivisa la città.

Tramite una serie di analisi abbiamo ottenuto un dataset che registra la temperatura massima superficiale annua all’interno di ogni poligono in cui è suddivisa la città.

Fase 2: Calcolo della copertura arborea e della carenza di vegetazione

Per lo svolgimento della seconda fase abbiamo utilizzato il servizio della classificazione del suolo fatta da ESA , con l’obbiettivo di calcolare per l’area scelta la quantità di terreno con copertura vegetazionale in modo da definire le zone con maggior urgenza di intervento.

Attraverso alcuni strumenti di geoprocessing abbiamo rimappato il dato di partenza e ottenuto un raster che identifica le zone con presenza di vegetazione all’interno dell’area di Siviglia. Questo dato, interpolato ed elaborato è poi stato unito, come nella fase precedente, ai poligoni censuari ottenendo un dataset che esprime la percentuale di territorio con copertura (e non) vegetazionale per ogni settore.

Fase 3: Calcolare la densità di popolazione

Il terzo step prevede il calcolo della densità di popolazione per ogni unità territoriale, partendo dal dataset dei poligoni censuari di Siviglia e dai dati che registrano il numero di abitati e l’estensione territoriale. Il risultato finale è un dataset che restituisce la densità di popolazione per ogni area in cui è suddivisa la città spagnola.

Il risultato delle analisi

L’ultimo passaggio, una volta ricavate tutte le informazioni necessarie, è l’integrazione di tutti i dataset ottenuti in una singola Feature Class per l’ottenimento e la visualizzazione dell’indice.

Utilizzando il dataset ottenuto, è necessario interpolare i valori della temperatura superficiale, densità di popolazione e copertura arborea per ottenere una range uniforme e utile per analisi di confronto, compreso tra 0 e 15.

Rimodulati i valori, tramite un’espressione è possibile creare una simbologia personalizzata che rappresenta l’Heat Resilience Index evidenziando le aree che hanno minore necessità di intervento (valori prossimi allo 0) e quelle a rischio formazione isole di calore (valori prossimi al 15).

Nell’esempio che abbiamo realizzato sono rappresentate in verde le aree dove il rischio di formazione di isole di calore è minore e in marrone le zone dove è critico a causa della densità di popolazione elevata e/o della carenza di vegetazione.

Conclusioni

All’interno di questo articolo abbiamo visto cos’è l’indice HRI e le modalità con cui analizzare la possibile formazione di isole di calore urbane attraverso dei dati ready to use.

Per gli utenti che volessero approfondire queste tematiche, di seguito riportiamo degli articoli di Esri che trattano le varie fasi del processo:

1. Build A Heat Risk Index for Local Climate Planning: Part 1 of 3

2. Build a Heat Risk Index for Local Climate Planning: Part 2 of 3

3. Build a Heat Risk Index for Local Climate Planning: Part 3 of 3

Per maggiori informazioni sul mondo Esri e la sostenibilità consulta il nostro sito o contatta lo staff GIS di One Team via mail scrivendo a gis@oneteam.it o chiamaci allo 0247719331.

Iscriviti al blog per non perderti i prossimi appuntamenti e visita il nostro canale Youtube dove puoi trovare una playlist dedicata al GIS!

 

Dennis Zammarchi Archeologo preistorico di formazione con un orientamento alla fotogrammetria e alla cartografia, in One Team ricopro il ruolo di GIS Application Engineer. Fra le mie passioni ci sono la lettura, la zoologia, la storia e la cinematografia. Nel tempo libero mi piace molto visitare nuovi luoghi per imparare più cose possibili sul mondo.