Clear Sky Science · it

Una combinazione di social media e dati satellitari migliora il monitoraggio delle inondazioni in Cina

· Torna all'indice

Perché tracciare le inondazioni sta diventando più intelligente

Le inondazioni sono tra i disastri naturali più dannosi, eppure molte delle più disruptive non vengono mai registrate formalmente. I rovesci urbani improvvisi che sommergono strade e metropolitane potrebbero non comparire chiaramente nelle immagini satellitari o nei rapporti ufficiali, sebbene sconvolgano la vita quotidiana. Questo studio esplora come la combinazione dei dati satellitari sulle precipitazioni con i post della più grande piattaforma social cinese, Sina Weibo, possa rivelare migliaia di inondazioni altrimenti nascoste e offrire un quadro molto più ricco di quando e dove l’acqua travolge le città.

Figure 1. Temporali e post sui social media rivelano dove le inondazioni colpiscono davvero le città in tutta la Cina.
Figure 1. Temporali e post sui social media rivelano dove le inondazioni colpiscono davvero le città in tutta la Cina.

Come il chiacchiericcio online rivela l’acqua che sale

I ricercatori hanno iniziato con due enormi flussi di dati. Primo, hanno utilizzato un prodotto satellitare globale che misura la pioggia ogni ora su una griglia fine, permettendo di seguire i temporali mentre si spostano sulla Cina. Secondo, hanno raccolto quasi 93 milioni di post pubblici su Weibo dal 2012 al 2024 contenenti parole relative a piogge intense o inondazioni. Un modello linguistico, addestrato specificamente su testi in cinese, ha filtrato quei messaggi e ha conservato solo i 4,87 milioni che descrivevano veramente temporali o inondazioni. Uno strumento separato ha quindi estratto i toponimi da ciascun post e li ha associati a una delle 370 città cinesi, creando una timeline dettagliata di come la gente ha parlato del maltempo in luoghi diversi.

Seguire le tempeste dalle nuvole alle strade cittadine

Per collegare la pioggia in cielo ai problemi a terra, il team ha prima raggruppato i pixel di pioggia satellitare in singole celle temporalesche e poi in eventi pluviometrici più ampi a livello cittadino. Hanno fatto ciò usando un approccio che traccia dove e quando la pioggia supera soglie ufficiali e che consente brevi pause, così da trattare un intero sistema temporalesco come un singolo evento anziché molti frammenti. Tra il 2012 e il 2024 hanno identificato 6.018 di questi eventi pluviometrici, più frequenti nel sud-est e nel sud della Cina, dove umidità e popolazione sono entrambe elevate. Molte città hanno registrato diluvi ripetuti ogni anno, mentre alcune città aride del nord e del nord-ovest non ne hanno registrato durante il periodo di studio.

Trasformare i social media in un rilevatore di inondazioni

Una volta mappati gli eventi pluviometrici, gli scienziati hanno esaminato come le persone reagivano online. Per ogni città colpita da una tempesta hanno analizzato i post Weibo dall’inizio della tempesta fino a un giorno dopo la sua fine e hanno usato un modello di argomenti per verificare se il tema principale di quei post riguardasse le inondazioni. Se parole correlate alle alluvioni dominavano la conversazione in una città durante una tempesta, quella città veniva segnalata come colpita da un’inondazione. In totale il sistema ha rilevato 1.094 eventi di inondazione reali dopo controlli manuali, con un’accuratezza di circa l’82 percento. La maggior parte di queste inondazioni è stata di breve durata e spazialmente limitata, spesso interessando una sola città per pochi giorni, il che aiuta a spiegare perché grandi banche dati globali le trascurano.

Figure 2. Mappe pluviometriche satellitari fuse con post online tracciano come una tempesta innesca inondazioni locali, multicittà e a effetto cascata.
Figure 2. Mappe pluviometriche satellitari fuse con post online tracciano come una tempesta innesca inondazioni locali, multicittà e a effetto cascata.

Quello che i satelliti vedono e quello che perdono

Il team ha confrontato il loro catalogo di inondazioni con due ampi database internazionali sui disastri e con immagini satellitari ad alta risoluzione. I database globali elencavano solo una frazione delle inondazioni qui scoperte: meno di 300 eventi sovrapposti su più di mille rilevati in Cina. Le immagini satellitari ad alta risoluzione hanno potuto confermare chiaramente circa la metà delle inondazioni basate su Weibo, specialmente quando sono stati utilizzati sensori radar in grado di vedere attraverso le nuvole. Ma molte inondazioni urbane e di breve durata lasciavano pochi segni visibili nelle scene satellitari, o si sono verificate in aree con copertura d’immagine scarsa. I social media, al contrario, risultavano particolarmente sensibili alle inondazioni all’interno delle città dense, mentre i satelliti erano migliori nel mappare l’estensione dell’acqua nelle aree rurali e nelle pianure fluviali.

Cosa significa per le persone a rischio

Intrecciando le stime delle precipitazioni dallo spazio con le segnalazioni spontanee di milioni di utenti dei social media, questo studio dimostra un modo pratico per monitorare le inondazioni in tempo quasi reale su un intero Paese. L’approccio scopre numerose inondazioni piccole e medie che raramente fanno notizia ma che comunque interrompono i trasporti, danneggiano le abitazioni e minacciano vite. Per i gestori delle emergenze e i pianificatori, tali “impronte di inondazione” dettagliate possono indicare dove rafforzare le reti di drenaggio, migliorare i sistemi di allerta e collocare risorse di soccorso. Pur avendo limiti e continuando a perdere alcuni tipi di alluvioni, il metodo offre un complemento potente ai satelliti e ai registri ufficiali e potrebbe essere adattato ad altri Paesi con comunità attive sui social media.

Citazione: Gu, H., Xiao, J., Shen, D. et al. A combination of social media and satellite data improves flood monitoring in China. Commun Earth Environ 7, 411 (2026). https://doi.org/10.1038/s43247-026-03403-4

Parole chiave: monitoraggio delle inondazioni, dati dei social media, precipitazioni satellitari, allagamenti urbani, inondazioni in Cina