Mappatura dell’inquinamento da percolato tramite tecniche di Machine Learning
Il percolato è un liquido che si origina nelle discariche dall’infiltrazione d’acqua nella massa dei rifiuti o dalla decomposizione degli stessi. La produzione di percolato in discarica rappresenta quindi un potenziale rischio per la salute dell’uomo e per l’ambiente, in particolare per il possibile inquinamento delle falde acquifere. Gli effetti nocivi sull’ambiente possono protrarsi per decenni anche dopo la chiusura delle discariche. Negli ultimi anni, le tecniche geofisiche d’indagine, che permettono di “vedere l’invisibile” all’interno del sottosuolo (sfruttando gli stessi principi di una TAC in ambito medico), senza effettuare perforazioni o danneggiare l’ambiente, sono state utilizzate per individuare le aree di accumulo di percolato all’interno delle discariche, anche se tali metodi non ne permettono allo stato attuale una localizzazione accurata.
In questo lavoro il professor Giorgio De Donno e il dottor Davide Melegari di ICI DICEA, insieme alle colleghe prof.ssa Ester Piegari e prof.ssa Valeria Paoletti dell’Università “Federico II” di Napoli - DISTAR, hanno ideato una metodologia sperimentale che combina l’approccio tradizionale di elaborazione dei dati geofisici con l’utilizzo delle tecniche di intelligenza artificiale (Machine Learning), che stanno acquisendo un sempre maggior impiego nel campo dell’analisi dei dati ambientali.
La nuova metodologia, applicata in due discariche di rifiuti solidi urbani situate in Italia, comprende un’analisi di clustering, effettuata sui parametri geofisici indagati, per ottenere una rappresentazione univoca ed integrata del sottosuolo della discarica, in grado di individuare quantitativamente le zone di accumulo del percolato tramite un’opportuna scala di colori “a semaforo” (rosso per le zone potenzialmente più pericolose, verde per le zone meno pericolose). I risultati, validati dalle misure in pozzo, mostrano come l'uso combinato della diagnostica geofisica e delle tecniche di Machine Learning possa offrire nuove prospettive per la valutazione dell'inquinamento nelle discariche.
Maggiori info: https://www.sciencedirect.com/science/article/pii/S0956053X22006031?via%...