Flood Detection and Cropland Damage Assessment Using Sentinel-1 SAR Time Series Multi-Source EO Data in the Sebou Basin, El Gharb plain, Morocco
Questo studio utilizza serie temporali di dati SAR Sentinel-1 con polarizzazioni VV e VH per sviluppare un metodo di rilevamento delle inondazioni basato sulle anomalie che sia robusto e che mappi efficacemente l'inondazione e valuti il danno alle colture nel bacino del Sebou in Marocco, informando infine le strategie mirate di gestione del rischio per la pianura dell'El Gharb.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Le inondazioni sono una forza della natura che ha plasmato la storia umana, ma nel mondo moderno, il loro impatto sull'agricoltura si misura in raccolti perduti e sicurezza alimentare minacciata. Quando piogge intense cadono su terreni pianeggianti e fertili, l'acqua può diffondersi rapidamente, annegando le colture e trasformando campi produttivi in laghi temporanei. Per gli agricoltori e i governi, sapere esattamente dove si trova l'acqua e quanto danno ha causato è fondamentale, eppure è spesso la cosa più difficile da determinare. Le telecamere tradizionali sui satelliti non possono vedere attraverso le spesse nuvole che solitamente accompagnano le tempeste, lasciando un punto cieco proprio quando il monitoraggio è più necessario. Per risolvere questo problema, gli scienziati si sono rivolti a un tipo diverso di occhio: il radar. A differenza delle telecamere ottiche che si affidano alla luce solare riflessa, i sistemi radar inviano i propri segnali microonde e ascoltano l'eco. Questi segnali possono penetrare le nuvole e l'oscurità, rimbalzando sul terreno per rivelare ciò che si trova al di sotto della tempesta. Tracciando il modo in cui questi segnali cambiano nel tempo, i ricercatori possono distinguere tra terra asciutta, suolo umido e acqua stagnante, trasformando un evento naturale caotico in una mappa chiara e misurabile.
Nel bacino del Sebou, nel nord del Marocco, in una regione nota come la pianura di El Gharb, questa tecnologia è stata messa in atto per comprendere un grave evento di inondazione che ha colpito nell'inverno del 2025 e 2026. Quest'area è una distesa bassa e pianeggiante di ricchi suoli alluvionali, intensamente coltivata con grano, olive e agrumi, il che la rende un motore vitale per l'approvvigionamento alimentare del paese. Tuttavia, la sua topografia piatta e le estese reti di irrigazione la rendono soggetta ad accumuli d'acqua quando arrivano piogge intense. Un team di ricercatori dell'Università Internazionale di Rabat e del Politecnico di Milano si è posto l'obiettivo di mappare l'estensione dell'inondazione e, cosa ancora più importante, di calcolare esattamente quanto terreno agricolo fosse sommerso. Hanno utilizzato i dati di Sentinel-1, un satellite europeo dotato di Radar ad Apertura Sintetica (SAR), che cattura immagini della superficie terrestre giorno e notte, indipendentemente dalle condizioni meteorologiche.
I ricercatori non si sono limitati a guardare una singola immagine scattata durante l'inondazione. Al contrario, hanno costruito una cronologia delle condizioni della regione. Hanno iniziato analizzando i dati sulle precipitazioni per identificare le settimane precedenti il disastro, notando come il suolo diventasse progressivamente saturo. Hanno poi confrontato le immagini radar scattate prima dell'inondazione con quelle scattate durante il picco dell'allagamento. Il cuore del loro metodo si basava su un principio fisico: quando le onde radar colpiscono l'acqua aperta, rimbalzano in una direzione specifica, creando un segnale molto scuro nell'immagine. Quando colpiscono il terreno rugoso o le colture, il segnale rimbalza con maggiore forza. Misurando la differenza in questo "backscatter" (retrodispersione) tra il periodo secco e il periodo umido, il team è stato in grado di individuare con precisione dove si era depositata l'acqua. Hanno prestato particolare attenzione a un tipo specifico di segnale radar, noto come polarizzazione incrociata (cross-polarization), che si è rivelato eccezionalmente sensibile alla presenza di acqua tra la vegetazione, aiutando a separare le colture allagate dai campi secchi che potrebbero apparire simili in altri tipi di dati.
Per garantire l'accuratezza delle loro mappe, il team ha applicato una serie di filtri logici. Sapevano che l'acqua non scorre in salita, quindi hanno utilizzato una mappa digitale del terreno per escludere qualsiasi area con pendenze ripide o altitudini elevate dove l'inondazione sarebbe fisicamente impossibile. Questo passaggio ha rimosso i falsi allarmi causati da chiazze scure di terreno nudo o ombre che avrebbero potuto trarre in inganno il computer facendo credere che fossero acqua. Una volta ottenuta una mappa pulita dell'estensione dell'inondazione, l'hanno sovrapposta a una mappa dettagliata dell'uso del suolo che identificava ogni singolo appezzamento di terreno agricolo nella regione. Ciò ha permesso loro di calcolare l'area precisa di terreno agricolo che era stato sommerso. I risultati sono stati drastici: l'inondazione ha coperto circa 207.112 ettari di terreno in totale. Di questa vasta area, quasi 149.000 ettari erano terreni agricoli attivi, rappresentando un colpo enorme all'economia agricola locale.
Lo studio ha anche esaminato le conseguenze confrontando i dati radar con le immagini di un satellite ottico che cattura la luce visibile e il vicino infrarosso. Misurando la "veridicità" (greenness) della vegetazione prima e dopo l'inondazione, hanno riscontrato un netto calo della salute delle piante esattamente dove il radar aveva rilevato l'acqua. Ciò ha confermato che l'inondazione non aveva solo coperto i campi, ma aveva anche stressato le colture, causando probabilmente una significativa perdita di resa. I ricercatori hanno scoperto che il danno era più grave nelle parti più basse della pianura, dove l'acqua si raccoglie naturalmente e defluisce lentamente. Hanno osservato che l'inondazione non si è diffusa casualmente; ha seguito i naturali corridoi bassi del sistema fluviale, colpendo ripetutamente le stesse zone vulnerabili.
Questo lavoro dimostra che la tecnologia radar, se combinata con un'analisi informatica intelligente, può fornire una visione affidabile e per ogni condizione atmosferica dei disastri causati dalle inondazioni. Il team ha dimostrato che concentrandosi su come i segnali radar cambiano nel tempo, piuttosto che limitarsi a guardare un singolo scatto, è possibile mappare le inondazioni con alta precisione anche in complessi paesaggi agricoli. I risultati suggeriscono che la pianura di El Gharb affronta un rischio ricorrente nelle sue zone basse e intensamente coltivate. I ricercatori sostengono che questo livello di dettaglio è essenziale per la pianificazione. Propongono che la gestione futura debba concentrarsi sulla costruzione di migliori sistemi di ritenzione idrica, sul miglioramento della conservazione del suolo per rallentare il deflusso e sull'uso di queste mappe di inondazione per guidare la scelta di dove piantare le colture. Comprendendo esattamente dove va l'acqua e quanta terra tocca, le autorità e gli agricoltori possono prendere decisioni migliori per proteggere la produzione alimentare della regione dalla prossima inevitabile tempesta.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.