FOSS4G-IT 2024

L’inasprimento degli effetti negativi associati al cambiamento climatico ha recentemente stimolato l’applicazione di strategie e strumenti anche normativi per poterlo fronteggiare. Ciò è di particolare rilevanza in contesto urbano, dove attualmente risiede circa il 55% della popolazione mondiale e dove si concentrano notevoli preoccupazioni circa gli impatti di fenomeni come inquinamento, isole di calore, consumo e impermeabilizzazione dei suoli. Si rende necessario, dunque, attuare delle politiche volte a rendere le città più sostenibili e resilienti di fronte alle sfide del futuro, nonché il più autonome possibile per quanto riguarda la produzione e il consumo di cibo, in un contesto di giustizia ambientale e sociale. In questo ambito si sviluppa il presente lavoro, che mira, con l’ausilio di strumenti di partecipazione pubblica e di analisi multi-criteriali in ambiente GIS opensource, a identificare aree verdi del Comune di Padova potenzialmente idonee ad ospitare pratiche sostenibili di agricoltura urbana, quali le foreste commestibili (le cosiddette Urban Food Forests).
Le Urban Food Forests rappresentano una particolare pratica di agro-forestazione urbana che prevede la combinazione di specie commestibili e non, prevalentemente arboree, arbustive ed erbacee, andando a costituire un vero e proprio ecosistema forestale complesso. Numerosi sono i benefici ad essa associati, tra cui la mitigazione gli effetti negativi associati alle isole di calore e agli eventi metereologici estremi, creazione di potenziali habitat per specie animali e vegetali, miglioramento della vivibilità del contesto urbano, offrono una potenziale opportunità di riscatto sociale e una fonte di cibo a livello locale.
In questo studio è stato utilizzato un approccio quali-quantitativo (mixed methods reasearch). Questo ha previsto dapprima la conduzione di interviste semi-strutturate a informatori chiave, utili a definire dei criteri decisionali, a cui sono stati attribuiti dei pesi; in seguito, con l’analisi multi-criteriale spaziale sono state identificate le aree verdi potenzialmente idonee ad ospitare Urban Food Forests. Infine, per le aree a maggiore idoneità è stata valutata l’area effettivamente fruibile, ovvero quella libera da elementi antropici o vegetazionali. Questo contributo vuole focalizzarsi sulla metodologia utilizzata, in particolare l’utilizzo di open source data per la costruzione della tabella decisionale, fondamentale per l’implementazione dell’analisi multi-criteriale e di QGIS.
La prima fase dell’analisi ha previsto l’identificazione di un set di criteri decisionali, raggruppati in due categorie: distanza da elementi di interesse urbano, come le piste ciclabili e socioeconomici, ad esempio, il numero di famiglie per unità urbana. Questi sono stati elaborati in QGIS a partire da dati open source spazializzati liberamente accessibili e ricavati da OSM, banche dati ministeriali, regionali e comunali, in maniera tale da ottenere un indicatore, inteso come un valore numero che permette di rendere confrontabili i criteri tra loro. Una volta stabiliti i pesi per ciascuno di essi, attraverso la costruzione di un processo partecipato che ha coinvolto alcuni informatori chiave, e riorganizzati per ottenere una tabella decisionale, si è passati all’implementazione dell’analisi multi-criteriale, utilizzando il metodo TOPSIS disponibile nel plugin vectorMCDA. Questa operazione ha generato uno scenario di idoneità, associando uno specifico indice d’idoneità a ciascuna delle alternative, ossia le aree verdi. In seguito, sono state selezionate le dieci aree ad indice superiore e sottoposte ad un’ulteriore analisi per estrarre l’ipotetica superficie disponibile, andando ad escludere quella occupata da elementi artificiali e naturali sopraelevati. A tal scopo, ci si è avvalsi di due modelli di elevazione prodotti da rilievo LIDAR per il comune di Padova nel 2023, il Digital Surface Model (DSM) e il Digital Terrain Model (DTM). Questa operazione ha permesso di aggiungere un ulteriore livello di approfondimento nella valutazione dei siti potenzialmente idonei ad ospitare pratiche di food forests.
Questo risultato ha permesso di testare la bontà degli open source data nell’ambito delle analisi spaziali e le metodologie multi-criteriali partecipate per la definizione di aree idonee che possono essere un valido strumento a supporto dei processi decisionali, favorendo il coinvolgimento della cittadinanza e degli stakeholders.