PRIN 2022 PNRR - SMILE

Statistical MachIne Learning for Exposure development

PRIN 2022 PNRR - SMILE : Statistical MachIne Learning for Exposure development

Il progetto PRIN 2022 PNRR - SMILE

SMILE è un Progetto di Rilevante Interesse Nazionale (PRIN) finanziato dal Piano Nazionale di Ripresa e Resilienza (PNRR) dall'Unione europea - Next Generation EU

SMILE è coordinato dall'Istituto Nazionale di Oceanografia e di Geofisica Sperimentale - OGS, con la partecipazione dell'Università degli studi di Firenze (UNIFI), dell'Università degli studi di Milano-Bicocca (UNIMIB), e dell'Istituto di Matematica Applicata e Tecnologie Informatiche del Consiglio Nazionale delle Ricerche (CNR-IMATI).

Perchè il progetto SMILE?

Per ridurre efficacemente i rischi legati ai disastri naturali è fondamentale conoscere quali edifici sono esposti, dove si trovano e quali caratteristiche hanno. A volte queste informazioni sono incomplete o poco aggiornate, rendendo più difficile la gestione del rischio.

Cosa fa il progetto SMILE?

SMILE utilizza citizen science, telerilevamento e apprendimento automatico per mantenere aggiornati i dati sugli edifici esposti, aiutando le comunità a gestire efficacemente i rischi naturali.

Attraverso questi strumenti, SMILE contribuisce a creare dataset di esposizione aggiornati a supporto della riduzione del rischio, e al contempo coinvolge attivamente la popolazione.

OGS - Istituto Nazionale di Oceanografia e di Geofisica Sperimentale

OGS gestisce infrastrutture e competenze multidisciplinari per la valutazione e la prevenzione dei rischi geologici, ambientali e climatici. Il Centro di Ricerca Sismologica (CRS) ha esperienza nello sviluppo di livelli di esposizione che coinvolgono gli stakeholder locali in aree soggette a rischi naturali. Partecipanti al progetto: Chiara Scaini (Principal Investigator), Antonella Peresan, Piero Brondi, Hazem Badreldin, Hany Hassan, Carla Barnaba.

IMATI - Istituto di Matematica Applicata e Tecnologie Informatiche

Si occupa di fornire conoscenze e infrastrutture per lo sviluppo e la diffusione della matematica applicata e dell'informatica come strumenti per affrontare le sfide dell'ingegneria e della società. CNR-IMATI Milano contribuisce al progetto con le sue competenze nell'analisi statistica dei dati ambientali, nei sistemi informativi e nello sviluppo di nuove metodologie e algoritmi per la fruizione di dati multimediali sul web. Partecipanti al progetto: Elisa Varini (responsabile), Maria Teresa Artese, Isabella Gagliardi

UNIFI - Università degli studi di Firenze

Gruppo di Geologia Applicata e Geomorfologia, presso il Dipartimento di Scienze della Terra, è uno dei maggiori centri di servizi scientifici e tecnologici sui geo-rischi in Italia. Ha una vasta esperienza nell'uso di tecniche di telerilevamento ottico e radar applicate allo studio delle deformazioni del terreno, oltre che nell'intervento in emergenza per il monitoraggio di fenomeni idrogeologici facendo parte del Centro per la Protezione Civile dell'Università, Centro di Competenza della Protezione Civile Nazionale. Partecipanti al progetto: Matteo Del Soldato (responsabile), Silvia Bianchini, Olga Nardini

UNIMIB - Università degli studi di Milano-Bicocca

Laboratorio di Imaging e Vision, ha conoscenze, esperienze e competenze nell'uso e nella progettazione di algoritmi tradizionali e basati su Deep Neural Network per la comprensione e l'elaborazione delle immagini. UNIMIB è responsabile dello sviluppo di tecniche di apprendimento automatico per analizzare e classificare i dati delle immagini. Partecipanti al progetto: Gianluigi Ciocca (responsabile)

Campagne di Raccolta

4139

Questionari raccolti

Comuni coinvolti

Eventi di disseminazione

Statistical MachIne Learning for Exposure developmentPRIN 2022 PNRR - SMILE

Il questionario

Durante il progetto SMILE, è stato elaborato un questionario online che permette di raccogliere le caratteristiche principali degli edifici, utili per caratterizzarne l'esposizione a diversi eventi calamitosi.

Elaborazione dati

I dati raccolti durante il progetto SMILE sono stati visualizzati, validati ed elaborati per identificare le caratteristiche dell'edificato e, sulla base di queste, l'esposizione a diversi eventi calamitosi.

Il Progetto SMILE

SMILE: Statistical Machine Learning for Exposure development, progetto finanziato da PRIN PNRR / Next Generation EU e coordinato da OGS

Disseminazione

La strategia di disseminazione del progetto SMILE (Statistical Machine Learning for Exposure Development) mira a massimizzare la visibilità e l’impatto dei risultati del progetto coinvolgendo pubblici diversi attraverso canali di comunicazione ed eventi mirati.

Parole chiave

Autori

Credits

Coordinatore

Partner Scientifici