Incendi boschivi: l’intelligenza artificiale per comprendere quella naturale

Negli ultimi anni l’intelligenza artificiale (IA) è entrata con forza nel dibattito pubblico. Se ne parla per la medicina, la scuola, il lavoro, la sicurezza. Ma l’IA può essere utile anche davanti a una delle emergenze ambientali più complesse del nostro tempo: gli incendi boschivi.

In un clima che cambia, con estati più calde, siccità più frequenti e territori più vulnerabili, capire dove e perché il fuoco può diventare pericoloso è una sfida urgente. Gli incendi non sono eventi semplici: nascono dall’incontro tra clima, vegetazione, paesaggio, attività umane e condizioni meteorologiche. In questo senso, il fuoco segue una sua “intelligenza naturale”, una risposta fisica alle condizioni che trova (dal vento all’umidità, dalla pendenza alla disponibilità di combustibile fino al modo in cui l’uomo ha trasformato il territorio).

L’intelligenza artificiale non sostituisce le conoscenze necessarie per affrontare questi fenomeni complessi, ma può aiutarci a comprenderne meglio le dinamiche, permettendoci di leggere grandi quantità di dati e riconoscere relazioni talvolta difficili da mettere a sistema.

Gli incendi boschivi si possono prevedere con l’intelligenza artificiale?

La risposta più corretta è: sì, ma non come spesso immaginiamo.

Data la complessità del fenomeno, l’IA non può dirci con certezza che domani un incendio si innescherà in un punto preciso. Può però aiutarci a stimare dove le condizioni sono più favorevoli all’innesco e alla propagazione del fuoco, individuando aree e momenti in cui il rischio è più elevato. Quello che l’IA può fare molto bene è infatti riconoscere condizioni che, in passato, sono state associate a un maggiore rischio: per esempio combinazioni ricorrenti di siccità, alte temperature, disponibilità di combustibile, caratteristiche del paesaggio e pressione antropica.

 Come mostrato in una revisione della letteratura scientifica di Jain et al. (2020), l’IA è già usata in molti ambiti della scienza degli incendi: caratterizzazione dei combustibili, rilevamento del fuoco, mappatura delle aree bruciate, previsione del rischio, comportamento del fuoco e supporto alla gestione.

L’utilizzo dell’IA non si limita al raccogliere dati meteorologici, immagini satellitari, mappe della vegetazione o informazioni sugli incendi avvenuti in passato (informazioni già in uso nella prevenzione e nella gestione del rischio). Il suo valore aggiunto risiede infatti nella sua potenza di calcolo, che permette di integrare i dati e le informazioni disponibili su larga scala e in modo più rapido e flessibile. Così è possibile riconoscere schemi ricorrenti e relazioni non lineari tra variabili diverse, spesso difficili da individuare con approcci più tradizionali.

Da questa elevata velocità e capacità di calcolo, possono derivare carte di rischio più aggiornate, modelli, mappe, allerte, strumenti di supporto alle decisioni e altre informazioni utili a orientare prevenzione, sorveglianza e gestione.

Uno degli aspetti più promettenti dell’IA è infatti la possibilità di aiutarci a capire perché alcune aree risultano più esposte al rischio di incendio. Gli incendi non colpiscono il territorio in modo casuale. Alcune aree bruciano più spesso perché hanno più vegetazione secca, maggiore continuità di combustibile, più vento, più pendenze, più case vicine ai boschi o più attività umane. Ad esempio, nel lavoro di Elia et al (2020) algoritmi di intelligenza artificiale hanno stimato la probabilità di incendio in Italia, superando in accuratezza il più tradizionale metodo di regressione logistica, mostrando che i principali fattori di rischio variano territorialmente: copertura forestale e topografia nelle regioni alpine e subalpine, condizioni climatiche nelle aree peninsulari e insulari.

Il valore aggiunto dell’IA, in questo caso, non è soltanto mettere questi elementi su una mappa, ma analizzare il modo in cui interagiscono tra loro e quanto ciascuno contribuisce al rischio in un determinato contesto. Due boschi possono sembrare simili, ma avere rischi molto diversi: uno può essere vicino a strade, abitazioni e campi abbandonati; l’altro può essere più isolato e meno infiammabile.

Questo è fondamentale per la prevenzione, l’organizzazione delle informazioni e il supporto delle decisioni. Se il problema è la continuità della vegetazione, serve gestione del combustibile. Se il problema è l’espansione urbana dentro aree potenzialmente a rischio, serve pianificazione territoriale. Se il problema è la frequenza di inneschi vicino a strade o aree agricole, servono controlli, informazione e responsabilità sociale.

Picture di Ylvers via Pixabay

E se l’incendio è già in corso?

L’IA può essere utile anche quando l’incendio è già iniziato. Recenti studi (Kang et al. 2023; Karger et al. 2026) dimostrano come l’IA possa supportare il monitoraggio automatico degli incendi tramite veicoli aerei senza pilota. Termocamere e sensori ottici o multispettrali montati su drone possono raccogliere immagini del territorio, mentre algoritmi di visione artificiale possono riconoscere fumo, fiamme o anomalie termiche.

Anche il rilevamento satellitare sta cambiando. Algoritmi sempre più complessi di IA possono aiutare a riconoscere focolai attivi in condizioni ambientali diverse, superando alcuni limiti dei metodi tradizionali basati solo su soglie termiche.

Tuttavia, un algoritmo può sbagliare. Può confondere una nube con una colonna di fumo, un riflesso con una fiamma, una sorgente di calore industriale con un focolaio. Può funzionare bene in un territorio e meno bene in un altro. Per questo l’IA non deve sostituire tecnici, forestali, vigili del fuoco e decisori pubblici, ma aiutarli a vedere prima e scegliere meglio.

Dati, aggiornamento e trasparenza

Proprio perché l’IA apprende dai dati, resta però una domanda critica: quei dati sono aggiornati? Sono rappresentativi?

Raccontano ancora bene un territorio che cambia rapidamente? Un modello addestrato sugli incendi del passato può essere molto utile, ma rischia di perdere efficacia se le condizioni climatiche, la vegetazione, l’uso del suolo o i comportamenti umani cambiano in modo significativo. Per questo, i sistemi basati su IA devono essere continuamente aggiornati, verificati e confrontati con la realtà osservata.

C’è poi il tema della trasparenza. Questo aspetto è particolarmente importante quando l’IA viene usata a supporto di decisioni pubbliche, perché alcuni algoritmi possono produrre risultati difficili da interpretare anche per chi li utilizza. Se una pubblica amministrazione deve decidere dove investire in prevenzione, non basta una “mappa colorata”: serve capire perché una zona è classificata come rischiosa, quali dati sono stati usati, quali fattori hanno pesato di più e con quale margine di incertezza.

In conclusione, l’intelligenza artificiale non rende gli incendi boschivi pienamente prevedibili, né elimina l’incertezza che caratterizza fenomeni così complessi. Il suo contributo più utile è aiutarci a leggere meglio le condizioni in cui il fuoco può innescarsi e propagarsi, riconoscendo nei dati le combinazioni di fattori che rendono alcuni luoghi più vulnerabili di altri. In questo senso, l’IA può diventare uno strumento per interpretare con maggiore precisione quella “intelligenza naturale” del paesaggio richiamata all’inizio: non una risposta automatica, ma un supporto alla prevenzione, al monitoraggio e alle decisioni, da usare insieme alla competenza scientifica e alla conoscenza dei territori.