BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//pretalx//talks.osgeo.org//foss4g-it-2026//speaker//ZYHEHV
BEGIN:VTIMEZONE
TZID:CET
BEGIN:STANDARD
DTSTART:20001029T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
TZNAME:CET
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
END:STANDARD
BEGIN:DAYLIGHT
DTSTART:20000326T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
TZNAME:CEST
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
END:DAYLIGHT
END:VTIMEZONE
BEGIN:VEVENT
UID:pretalx-foss4g-it-2026-PKKGWF@talks.osgeo.org
DTSTART;TZID=CET:20260709T140000
DTEND;TZID=CET:20260709T160000
DESCRIPTION:Il workshop si propone di esplorare insieme ai partecipanti alc
 uni dati IoT disponibili da diversi endpoint pubblici\, usando QGIS. L'Int
 ernet of Things (IoT) sta trasformando profondamente il modo in cui raccog
 liamo\, gestiamo e visualizziamo dati ambientali\, infrastrutturali e terr
 itoriali in tempo reale. Il workshop è rivolto a professionisti GIS\, svi
 luppatori\, ricercatori e studenti con conoscenze di base di QGIS.\nCome s
 punto iniziale partiremo da due progetti realizzati a Ferrara con il coinv
 olgimento di 7 scuole superiori nell'autocostruzione di centraline low-cos
 t (circa 200 € ciascuna\, con sensori e apparecchiature elettroniche sta
 ndard) per la misurazione della qualità dell'aria (PM10\, PM2.5\, CO2) e 
 del clima (temperatura\, umidità). Dopo aver completato l'assemblaggio\, 
 alla fine del 2022 le stazioni sono state installate presso scuole superio
 ri\, abitazioni private\, aziende private e associazioni locali.\nI valori
  medi orari sono gestiti nel server SensorThings [1] del Comune di Ferrara
 \, basato sulla soluzione open source FROST del Fraunhofer Institute [2]\,
  e da qui messi a disposizione anche via WFS. SensorThings offre un modo a
 perto\, geospaziale e unificato per interconnettere dispositivi\, dati e a
 pplicazioni Internet of Things (IoT) tramite il web\; è uno standard aper
 to\, si basa su protocolli web e ha un'interfaccia di tipo REST facile da 
 usare\, offrendo un modo uniforme per sfruttare appieno il potenziale dell
 'IoT.\nLa prima parte (circa 90 minuti) sarà dedicata all'uso pratico del
  plugin QGIS SensorThings API [3]. I partecipanti\, guidati passo dopo pas
 so\, configureranno una connessione a un endpoint SensorThings\, esplorera
 nno le risorse disponibili\, caricheranno layer vettoriali con le posizion
 i dei sensori e accederanno alle osservazioni associate. Saranno affrontat
 i anche temi legati alla temporalità dei dati\, alla stilizzazione delle 
 feature e all'integrazione con altri layer GIS. Saranno illustrati casi d'
 uso reali in ambito ambientale\, urbano e infrastrutturale\, con riferimen
 to a endpoint pubblici già disponibili che espongono misurazioni (serie t
 emporali) sulla qualità dell'aria (dall'EEA)\, dell'acqua (BRGM)\, contab
 iciclette\, sensori del traffico\, ecc.\nNella seconda parte del workshop 
 (circa 30 minuti) verrà presentato il modello concettuale di SensorThings
  API: la struttura delle entità\, le relazioni tra di esse\, il sistema d
 i query OData e le principali funzionalità di filtraggio e navigazione. \
 nAl termine i partecipanti avranno acquisito le competenze necessarie per 
 connettersi autonomamente a servizi standard SensorThings API\, comprender
 e la struttura dei dati esposti e sfruttarli in contesti di analisi e visu
 alizzazione geospaziale con QGIS. \n[1] https://www.ogc.org/standards/sens
 orthings/ \n[2] https://www.iosb.fraunhofer.de/en/projects-and-products/fr
 ost-server.html \n[3] https://plugins.qgis.org/plugins/SensorThingsAPI/
DTSTAMP:20260623T124314Z
LOCATION:Workshop 3
SUMMARY:IoT e GIS: esempi pratici\, centraline low-cost\, server open-sourc
 e\, plugin QGIS e standard - Piergiorgio Cipriano
URL:https://talks.osgeo.org/foss4g-it-2026/talk/PKKGWF/
END:VEVENT
BEGIN:VEVENT
UID:pretalx-foss4g-it-2026-SGDUXL@talks.osgeo.org
DTSTART;TZID=CET:20260710T112500
DTEND;TZID=CET:20260710T114500
DESCRIPTION:La regola 3-30-300\, formulata da Cecil Konijnendijk per guidar
 e la pianificazione del verde nelle città\, stabilisce che ogni abitante 
 dovrebbe poter vedere almeno 3 alberi dalla propria abitazione\, vivere in
  un quartiere con una copertura arborea di almeno il 30% e avere accesso a
  uno spazio verde di almeno 1 ettaro entro 300 metri. Sebbene questo frame
 work stia acquisendo crescente rilevanza nelle politiche di adattamento cl
 imatico e nella pianificazione urbana sostenibile\, la sua applicazione si
 stematica e ad alta risoluzione spaziale rimane limitata\, in particolare 
 nel contesto italiano. Il presente contributo propone una metodologia repl
 icabile e scalabile per il calcolo della regola 3-30-300 a livello di sing
 olo edificio nelle 14 città metropolitane italiane\, attraverso l’uso e
 sclusivo di dati aperti.\nLa metodologia si fonda su tre componenti princi
 pali. Per la geometria degli edifici e la rete stradale sono usati i dati 
 di OpenStreetMap (OSM)\, la cui copertura nelle aree urbane italiane garan
 tisce un livello di dettaglio sufficiente per l'analisi spaziale a scala d
 i edificio. I dati sulle chiome arboree sono derivati da dataset open glob
 ali ad alta risoluzione\, ottenuti tramite telerilevamento e resi disponib
 ili con licenza aperta. Oltre a questi dati\, sono usati anche modelli dig
 itali delle superfici (DSM) o elaborazioni del DTM TinItaly (necessari per
  il calcolo della visibilità) e le aree verdi definite da ISTAT a livello
  di sezione di censimento. L'integrazione di queste fonti ha permesso di c
 ostruire un framework di analisi geospaziale che associa a ciascun edifici
 o i valori relativi ai tre indicatori della regola: la visibilità degli a
 lberi circostanti\, la percentuale di copertura arborea nel contesto di pr
 ossimità e la distanza dal verde accessibile più vicino.\nIl calcolo del
 la visibilità degli alberi (primo indicatore) è stato affrontato attrave
 rso un'analisi di visibilità spaziale che\, tenendo conto della posizione
  degli edifici e delle chiome arboree e usando un modello digitale delle s
 uperfici\, stima la visibilità di alberi da ciascun fronte edilizio. La p
 ercentuale di copertura arborea (secondo indicatore) è stata calcolata co
 me rapporto percentuale tra la superficie delle chiome e la superficie tot
 ale di un buffer definito attorno a ciascun edificio\, con una soglia di r
 iferimento del 30%. La distanza dal verde accessibile (terzo indicatore) 
 è stata computata lungo la rete stradale estratta da OSM\, individuando p
 er ogni edificio lo spazio verde più prossimo di dimensioni adeguate e mi
 surando il percorso pedonale minimo necessario per raggiungerlo (con sogli
 a di 300 metri).\nL'analisi è condotta sulle 14 città metropolitane ital
 iane (Roma\, Milano\, Napoli\, Torino\, Palermo\, Genova\, Bologna\, Firen
 ze\, Bari\, Catania\, Venezia\, Messina\, Reggio Calabria e Cagliari) per 
 un totale di diversi milioni di edifici analizzati. \nIl contributo dimost
 ra come l'utilizzo combinato di dati OSM e altri dataset open consenta di 
 produrre analisi di urban greenery a scala fine senza ricorrere a dati pro
 prietari o rilevamenti ad hoc\, abbattendo significativamente i costi e au
 mentando la replicabilità del processo. La metodologia proposta si presta
  a essere integrata in sistemi di monitoraggio continuo (a partire dal Rap
 porto annuale sul consumo di suolo\, pubblicato da ISPRA) e può costituir
 e uno strumento di supporto alla decisione per amministrazioni locali e pi
 anificatori\, consentendo di identificare le aree urbane con maggiore defi
 cit di verde e di orientare interventi mirati di forestazione urbana e riq
 ualificazione degli spazi aperti.\nIn questo studio sono stati utilizzati 
 dataset derivati da rilevazioni da remoto (chiome arboree e DTM) e dati cr
 owdsourced (edifici e rete stradale). Data la stretta dipendenza tra la qu
 alità e l’accuratezza dei risultati e le caratteristiche dei dati di pa
 rtenza\, si è deciso di effettuare delle attività di verifica a campione
  dei risultati in alcune aree test delle 14 città metropolitane\, in modo
  da individuare eventuali inaccuratezze dovute a limitazione di alcuni dat
 aset o a condizioni specifiche del tessuto urbano. \nAlcuni primi risultat
 i evidenziano marcate disomogeneità sia tra le diverse aree metropolitane
  sia all'interno di esse\, con pattern spaziali che riflettono le differen
 ze storiche nella pianificazione urbana\, nella dotazione di verde pubblic
 o e nella densità edilizia. Le città del nord Italia mostrano in media p
 erformance migliori rispetto al secondo indicatore\, mentre le aree metrop
 olitane del sud presentano situazioni più eterogenee\, con nuclei central
 i densamente costruiti e periferie con maggiore disponibilità di verde no
 n sempre accessibile.\nVista la natura dei dati usati in input\, si ritien
 e che una più ampia call to action rivolta a volontar* delle comunità lo
 cali di OpenStreetMap e di altre associazioni (in particolare su edifici\,
  aree verdi e alberi) possa permette di effettuare valutazioni più estese
  e di fornire informazioni utili alla pianificazione.
DTSTAMP:20260623T124314Z
LOCATION:Aula Magna
SUMMARY:Dati aperti per calcolare la regola 3-30-300 a scala di edificio ne
 lle città metropolitane italiane - Piergiorgio Cipriano\, Angela Cimini
URL:https://talks.osgeo.org/foss4g-it-2026/talk/SGDUXL/
END:VEVENT
END:VCALENDAR