Valutazione basata sul machine learning degli impatti delle centrali eoliche offshore sulle comunità bentoniche a fondale molle della penisola di Shandong

La vita del fondale incontra l’energia del vento

Con la diffusione delle centrali eoliche offshore lungo le coste, molte persone si chiedono che effetto possano avere le file di torri sul mondo del fondale marino. Questo studio affronta la questione in dettaglio per quattro grandi impianti al largo della penisola di Shandong, in Cina. Utilizzando quasi un decennio di indagini sul campo combinato con dati satellitari e modelli computazionali moderni, gli autori mostrano come le comunità del fondale prima subiscano danni, poi si riprendano e in alcuni aspetti persino prosperino attorno a queste nuove strutture energetiche.

Il fondale che cambia sotto le turbine

La ricerca si concentra sugli habitat a “fondale molle” — letti sabbiosi e fangosi che ospitano vermi, molluschi, crostacei e altri organismi bentonici che costituiscono la base delle reti trofiche marine. Prima della costruzione, l’area era per lo più un fondale uniforme e limo-sabbioso. La posa dei pali, il tracciamento dei cavi e il disturbo dei sedimenti durante i lavori hanno causato un calo temporaneo del numero di specie e della diversità complessiva delle comunità. Ma una volta entrate in funzione le centrali, le torri metalliche e le scogliere di protezione alla base hanno creato placche di substrato duro dove prima non esistevano, trasformando parti del fondale in barriere artificiali.

Un esperimento naturale nello spazio e nel tempo

Le quattro centrali sono state costruite e messe in funzione in momenti diversi tra il 2021 e il 2024, formando una «linea temporale» naturale da siti recentemente realizzati a siti ben consolidati. Dal 2015 al 2024 gli scienziati hanno campionato gli animali del fondale due volte l’anno in oltre 200 stazioni: all’interno degli impianti, vicino ai loro bordi e in aree di controllo distanti. Contemporaneamente hanno usato i satelliti per monitorare la temperatura dell’acqua, i livelli di alghe e le particelle sospese. Questo ha permesso di separare i cambiamenti causati dalle turbine da quelli determinati da più ampie condizioni climatiche e oceanografiche.

Lasciare parlare i dati con le macchine

Per interpretare questi dati complessi e sparsi, il team ha utilizzato un metodo di machine learning chiamato XGBoost e lo ha confrontato con un modello statistico più tradizionale. Entrambi hanno cercato di prevedere la diversità delle comunità bentoniche in ogni sito, in base alle condizioni ambientali, alla distanza dalle turbine, al tempo di funzionamento dell’impianto e alla quantità di superficie dura presente. XGBoost ha catturato una quota maggiore della variazione reale — spiegando circa tre quarti delle differenze nella diversità — rivelando anche quali fattori contano di più. Uno strumento chiamato SHAP ha aiutato a tradurre il funzionamento interno del modello in classifiche e curve di risposta di facile lettura.

Dal disturbo al recupero e al guadagno

Il segnale più forte rilevato dai modelli è stato il tempo trascorso dall’avvio delle turbine. Durante la costruzione e nei primi anni di funzionamento la diversità del fondale è diminuita rispetto al livello iniziale. Circa due anni e mezzo dopo l’avvio, questa tendenza si è invertita: la diversità si è ripresa per poi superare leggermente i livelli pre-costruzione. Vicino alle basi delle turbine, dove è stata aggiunta roccia per la stabilità, l’effetto è stato evidente. Queste zone dure ospitavano circa il 40% di specie in più e punteggi di diversità approssimativamente del 13% superiori rispetto alle aree vicine non disturbate. Il modello suggerisce un classico effetto da barriera artificiale: nuove superfici attirano cirripedi, mitili e altri insediatori, che a loro volta richiamano organismi più mobili e aumentano la biomassa complessiva.

Trovare il punto giusto per il progetto

Lo studio suggerisce anche regole di progettazione per impianti «più amici» dell’ambiente. La diversità aumentava con la percentuale di superficie dura fino a un certo punto, poi si stabilizzava, indicando che disperdere zone di dimensione moderata simili a barriere potrebbe funzionare meglio che ricoprire il fondale con roccia. La distanza tra le turbine mostrava un effetto a forma di U rovesciata: densità troppo basse non cambiavano l’habitat, mentre layout molto densi potrebbero introdurre rumore e altri disturbi tali da annullare i benefici. Una gamma di densità intermedia sembrava sostenere le comunità più ricche.

Cosa significa per la vita oceanica e l’energia

Per i non specialisti, il messaggio è sorprendentemente ottimistico. Le centrali eoliche offshore disturbano inizialmente la vita del fondale, ma in questo caso le comunità si sono riprese nel giro di pochi anni e hanno persino guadagnato specie attorno alle fondazioni delle turbine. Scegliendo con cura la densità delle turbine, il design delle fondazioni e la quantità di roccia posata sul fondale, i pianificatori possono ridurre i danni a breve termine e aumentare il valore dell’habitat a lungo termine. Il quadro modellistico degli autori — che combina indagini sul campo, satelliti e machine learning interpretabile — offre un modello per monitorare e migliorare l’impronta ecologica dei futuri progetti eolici, aiutando la transizione verso energie pulite in modo più coerente con oceani sani.

Citazione: Wang, L., Zhang, Y., Gu, X. et al. Machine learning-based assessment of offshore wind farm impacts on soft-bottom benthic communities in the Shandong Peninsula. Sci Rep 16, 11780 (2026). https://doi.org/10.1038/s41598-026-38939-0

Parole chiave: centrali eoliche offshore, biodiversità del fondale marino, barriere artificiali, ecologia marina, machine learning in ecologia