Integrating GIS and machine learning for pollution vulnerability mapping in South Africa’s Kruger National Park

L'aria che respiriamo è raramente immobile. Anche negli angoli più remoti del mondo, invisibili nuvole di fumo, polvere e gas vagano oltre i confini, trasportate dal vento e dalle condizioni meteorologiche. Sebbene spesso pensiamo all'inquinamento atmosferico come a un problema confinato alle città trafficate e alle zone industriali, questi inquinanti viaggiano lontano, depositandosi in luoghi selvaggi dove possono danneggiare piante, animali e il delicato equilibrio della natura. Per i gestori di vaste terre protette, sapere dove queste minacce invisibili sono più forti è difficile. Non possono semplicemente posizionare un sensore su ogni collina o fiume, e il tempo cambia troppo velocemente perché i vecchi giochi di ipotesi possano funzionare. Per risolvere questo problema, gli scienziati si stanno rivolgendo a una potente combinazione di strumenti: occhi satellitari che vedono l'intero pianeta, mappe digitali che organizzano questa visione e programmi informatici intelligenti che imparano dai modelli per prevedere il futuro.

In uno studio recente incentrato sul Parco Nazionale Kruger in Sudafrica, i ricercatori hanno utilizzato questo moderno kit di strumenti per creare una mappa dettagliata della vulnerabilità all'inquinamento atmosferico. Il Kruger è una delle più grandi riserve faunistiche dell'Africa, una distesa selvaggia di quasi 20.000 chilometri quadrati dove elefanti, leoni e rinoceronti si muovono liberamente. Il parco non è isolato dal mondo; si trova vicino ad insediamenti umani e aree industriali, il che significa che è soggetto a inquinanti che arrivano dall'esterno. I ricercatori volevano capire quali parti di questo enorme parco siano più a rischio di inquinamento atmosferico e quali fattori le rendano vulnerabili. Non si sono affidati a un singolo metodo, ma hanno costruito un sistema che ha combinato dati satellitari su vegetazione, precipitazioni e temperatura con misurazioni di gas specifici come il biossido di azoto e il biossido di zolfo. Hanno poi inserito queste informazioni in tre diversi tipi di modelli di apprendimento computazionale per vedere quale potesse meglio prevedere dove l'inquinamento sarebbe stato un problema.

Il team ha raccolto dati dallo spazio, utilizzando i satelliti per tracciare tutto, dalla densità della vegetazione verde alla concentrazione di gas nocivi nell'atmosfera. Hanno osservato quanta pioggia cadeva, quanto faceva caldo e quanta presenza vi fosse di metano e monossido di carbonio. Sovrapponendo tutte queste informazioni, hanno creato un quadro digitale dell'ambiente del parco. Hanno poi addestrato i loro modelli informatici a riconoscere i segni dell'inquinamento. Un modello, chiamato Random Forest, funziona costruendo molti piccoli alberi decisionali e chiedendo loro di votare la risposta. Un altro, il Gradient Boosting Machine, impara correggendo i propri errori un passo alla volta. Il terzo, il Support Vector Machine, cerca di trovare la linea migliore per separare le aree pulite da quelle inquinate. L'obiettivo era vedere quale di questi approcci potesse identificare con maggiore precisione le aree in cui l'ecosistema è più propenso a soffrire di una scarsa qualità dell'aria.

I risultati hanno dimostrato che i modelli informatici sono stati piuttosto efficaci nel mappare le minacce invisibili. Il modello Gradient Boosting Machine si è rivelato il più accurato nel classificare correttamente i dati, ottenendo la risposta esatta circa il 76 percento delle volte. Il modello Random Forest è stato leggermente meno accurato in quella specifica misura, ma è stato eccezionalmente bravo a distinguere tra diversi livelli di rischio, una qualità cruciale per prendere decisioni molto dettagliate. Il terzo modello, il Support Vector Machine, ha performato bene ma non era forte quanto gli altri due. Tutti e tre i modelli concordavano sul modello generale: le parti meridionali e centro-meridionali del parco, in particolare vicino ai fiumi Crocodile e Sabie, sono le più vulnerabili. Queste aree mostravano concentrazioni più elevate di biossido di azoto e biossido di zolfo, gas spesso legati alla combustione di combustibili e all'attività industriale. I modelli hanno anche rivelato che questi due gas erano i fattori più importanti per prevedere dove l'inquinamento sarebbe stato un problema, più della quantità di pioggia o della densità degli alberi.

Ciò che rende significativa questa scoperta è che conferma che l'inquinamento non è solo un problema cittadino. Lo studio suggerisce che anche in un luogo selvaggio come il Kruger, la qualità dell'aria è fortemente influenzata dalle attività umane lontane, trasportata dal vento. I ricercatori hanno scoperto che le aree con il rischio più elevato non sono casuali; si raggruppano attorno a specifiche valli fluviali e ai margini meridionali del parco, dove il vento spesso trasporta gli inquinanti dalle città e dalle strade vicine. I modelli informatici hanno anche evidenziato che la vegetazione gioca un ruolo complesso. Mentre le foreste fitte possono talvolta assorbire l'inquinamento, i dati hanno mostrato che le aree con una vegetazione densa erano spesso correlate con livelli più elevati di certi gas, probabilmente perché queste aree sono anche più vicine alle fonti di inquinamento. Questa sfumatura è qualcosa che una semplice osservazione potrebbe mancare, ma i modelli informatici l'hanno colta chiaramente.

L'output finale di questo lavoro è un insieme di mappe ad alta risoluzione che dividono il parco in cinque categorie, che vanno da una vulnerabilità molto bassa a una molto alta. Queste mappe mostrano che circa un quinto del parco rientra nella categoria di rischio più elevato, mentre un altro quinto si trova nella categoria di rischio molto basso. Il punto intermedio, dove il rischio è moderato, copre la maggior parte del territorio. Queste mappe non sono solo immagini; sono strumenti pratici per i gestori del parco. Sapendo esattamente dove l'aria è più probabile che sia tossica, i guardaparco e i conservazionisti possono concentrare i loro sforzi di monitoraggio, pianificare gli incendi con più cura e proteggere la fauna selvatica sensibile nelle aree che ne hanno più bisogno. Lo studio suggerisce che questo approccio, che combina i dati satellitari con l'apprendimento informatico intelligente, può cambiare le regole del gioco per la protezione di vaste aree selvagge, offrendo un modo per vedere l'invisibile e agire prima che il danno sia fatto.

La ricerca si collega anche a obiettivi più ampi per il pianeta. Proteggendo la terra e la sua aria, lo studio sostiene gli sforzi per mantenere ecosistemi sani, che è una parte chiave degli obiettivi globali di sostenibilità. Tocca anche l'azione climatica, poiché gli stessi modelli meteorologici che spostano l'inquinamento guidano il cambiamento climatico. Sebbene lo studio non abbia misurato la salute delle persone che vivono nelle vicinanze, fornisce i dati ambientali necessari per capire come l'inquinamento si muove e si deposita, che è il primo passo per proteggere sia la fauna selvatica che le comunità umane. Il lavoro dimostra che anche in un luogo vasto e selvaggio come il Kruger, la scienza può fornire una visione chiara delle sfide che la natura deve affrontare, trasformando dati complessi in una guida semplice e azionabile per la conservazione. Le mappe prodotte sono una testimonianza dell'idea che, con gli strumenti giusti, possiamo vedere le minacce al nostro mondo naturale con una chiarezza tale da poterle fermare.