Modelli statistici e open data per interpretare e progettare la città. Il potere e i limiti del geo-digitale nella valutazione dei contesti urbani

L’analisi statistica e l’utilizzo degli open data rappresentano strumenti essenziali per interpretare le dinamiche urbane e sostenere processi efficaci di pianificazione territoriale. L’integrazione di informazioni demografiche, sociali, economiche e ambientali consente di individuare criticità e potenzialità, contribuendo a orientare le politiche pubbliche e a promuovere forme di governance più partecipative. Tra le principali sfide emergenti vi è il cambiamento climatico, che intensifica gli effetti sulla salute, soprattutto durante le ondate di calore. La crescente frequenza di tali eventi, prevista dai modelli climatici, comporta un incremento del rischio di mortalità, in particolare nelle fasce di popolazione più vulnerabili. L’impiego di modelli statistici non lineari, in particolare i Distributed Lag Nonlinear Models (DLNM), permette di analizzare la relazione tra temperatura e mortalità, evidenziando anche il ritardo con cui tali effetti si manifestano. Questo meccanismo, noto come "harvest effect", mostra un aumento della mortalità in concomitanza con episodi di caldo estremo. L'analisi condotta su tre città delle Marche — Ascoli Piceno, San Benedetto del Tronto e Spinetoli — ha evidenziato differenze nella risposta al caldo estremo, con particolare attenzione agli effetti ritardati e ai comportamenti aggregati a livello urbano. Nel modello sono stati inclusi diversi fattori confondenti, quali l’umidità media giornaliera e la temperatura massima, oltre a variabili che tengono conto delle componenti stagionali e cicliche, come il giorno dell’anno e il giorno della settimana.