Cos’è il Digital Twin?

Il Digital Twin è un’architettura di modellazione basata su componenti in grado di accogliere in modo flessibile tutti i costituenti del ciclo dell’acqua, come le precipitazioni, la neve, l’evapotraspirazione, e di seguire il percorso dell’acqua ad alta risoluzione tenendo conto della presenza di opere idrauliche a monte, quali dighe o condotte. Il Digital Twin viene inizialmente calibrato su dati storici per determinare i parametri sui tempi di residenza dell’acqua e successivamente viene reso operativo in modalità previsionale su una dashboard per facile consultazione.

Waterjade adotta una nuova tecnologia: il Digital Twin del bacino idrografico, un’architettura modellistica in grado di riprodurre tutte le componenti del ciclo dell’acqua a scala di bacino, quali le precipitazioni, la neve, l’evapotraspirazione e l’infiltrazione.  Esso è costituito da un mix di modelli fisici, sia distribuiti¹ che semi-distribuiti², assieme ad algoritmi di machine learning e processamento di dati satellitari³, in grado di calcolare il deflusso d’acqua coerentemente alle forzanti meteorologiche che insistono nel bacino a monte. Il suo approccio modulare permette di tener conto della presenza di opere antropiche, come dighe o opere di presa, e quindi di fornire un quadro realistico del movimento dell’acqua su scala locale, Figura 1. Essendo alimentato da dati satellitari e previsioni meteo, il Digital Twin diventa uno strumento di monitoraggio e di previsione ad elevata accuratezza.

Il Digital Twin permette di ottenere una comprensione delle modalità e dei tempi di ricarica delle fonti di approvvigionamento e quindi di attivare un percorso di soluzione che può svilupparsi in varie fasi:

1. Valutazione: comprensione dei fenomeni di ricarica del bacino e analisi delle criticità attuali del sistema di adduzione.
2. Strategia: analizzare come può evolvere la risorsa nei prossimi decenni a seconda dei cambiamenti climatici e valutare l’impatto in termini di indicatori quali il Water Stress, utili per la reportistica ESG⁴.
3. Previsione: prevedere gli afflussi nei punti di interesse per i prossimi giorni o mesi.
4. Gestione: simulare l’impatto delle opere idrauliche (invasi) e stabilire delle soglie per l’allerta siccità e allagamento.

Analisi storica e configurazione Digital Twin

Motivazione

“Qual è la modalità di ricarica del mio sistema di approvvigionamento idrico? Ci sono tendenze di depauperamento delle risorse? È possibile determinare delle variabili idro-meteorologiche in grado di evidenziare indicatori di allerta per possibile stress idrico?” 

Il cambiamento climatico sta portando alla luce sempre più criticità nei sistemi di ricarica della rete, specialmente in zone montane e pedemontane dove l’approvvigionamento avviene tramite sorgenti o falda superficiale. Come conseguenza, le aziende si trovano ad affrontare crisi idriche senza precedenti, sia in condizioni di siccità che di allagamento. L’analisi idrologica è un tassello fondamentale per caratterizzare il regime idrologico: partendo dall’influenza della neve in montagna ed arrivando all’interazione del corso idrico con opere antropiche a fondo valle, è possibile evincere le caratteristiche dei sistemi di ricarica di un bacino ed evidenziare possibili criticità.

Input

I dati di input sono rappresentati dai dati idro-meteorologici e dalla corografia del sistema di approvvigionamento. In particolare: a) dati geometrici del sistema di approvvigionamento, quali ubicazione delle opere, presenza di opere di adduzione o sbarramento, regole di gestione ecc. b) dati idrometrici, quali osservazioni di portata e livello d’acqua nei punti limitrofi al bacino e dati misurati dal Cliente. c) dati meteorologici storici dalle stazioni meteo pubbliche e, se non disponibili, dati meteo di rianalisi quali ERA5⁵. d) dati satellitari per aiutare la comprensione dei fenomeni a scala di bacino, quali ad esempio la copertura nivale o livelli dei corpi idrici, Figura 2.

Metodologia

Le fasi della configurazione del Digital Twin sono le seguenti:

1. Geometria: viene condotta l’estrazione geomorfologica dei bacini afferenti alle opere e identificate le eventuali opere idrauliche a monte dei punti di interesse che possono influenzare il deflusso naturale.
2. Raccolta Dati meteo e idro: si raccolgono i dati meteo dalle stazioni in situ (se presenti) e le osservazioni idrologiche (es. Idrometri, misure di livello falda, livello invasi), sia da portali pubblici o dal Cliente.
3. Processamento dati: dati meteo-idrologici vengono processati, tramite interpolazioni temporali e spaziali o tecniche di downscaling, per determinare le serie storiche dei dati meteo e il dato di osservazione (portata o livello) come obiettivo (target) per poter calibrare i modelli fisici e machine learning che compongono il Digital Twin.
4. Analisi idrologica preliminare: permette di valutare i bilanci annuali e mensili e identificare la presenza di fenomenologie specifiche (es. ghiacciai, carsismo) e l’impatto di opere antropiche a monte;
5. Analisi della neve: se la neve rappresenta una variabile idrologica importante, viene condotta una calibrazione di dettaglio tramite l’utilizzo di modelli fisici e dati satellitari.
6. Analisi idrologica di dettaglio: specifici modelli fisici e machine learning vengono calibrati sui dati osservati per identificare i KPI di accuratezza;
7. Calcolo dei risultati: il modello viene infine utilizzato per produrre i risultati nei punti di interesse quali opere di presa, sorgente, diga o campo pozzi.
8. Analisi dei risultati: i risultati vengono analizzati per determinare le caratteristiche del sistema di ricarica ed evidenziare eventuali criticità.

Output

Viene fornita una relazione tecnica che descrive l’implementazione modellistica e la qualità dei risultati ottenuti dal modello in fase di calibrazione e simulazione del passato. 

La relazione tecnica consentirà di ottenere una visione completa sulla situazione attuale e passata del ciclo idrico dell’acqua nell’area di interesse descrivendo le fenomenologie naturali e l’impatto delle attività antropiche. Questo permetterà di progettare il futuro miglioramento della rete di adduzione ottimizzando la scelta della fonte di prelievo. Se richiesti, verranno forniti eventuali fogli di calcolo contenenti dati o informazioni prodotti come allegati.

Per maggiori informazioni sui servizi di Waterjade, clicca qui.

1.  Endrizzi S., Gruber S., Dall’Amico M. and Rigon R. (2014), GEOtop 2.0: simulating the combined energy and water balance at and below the land surface accounting for soil freezing, snow cover and terrain effects, Geosci. Model Dev., 7, 2831-2857. Disponibile su: http://www.geosci-model-dev.net/7/2831/2014 ↩︎
2. Formetta, G.; Mantilla, R.; Franceschi, S., Antonello A., Rigon R., The JGrass- NewAge system for forecasting and managing the hydrological budgets at the basin scale: models of flow generation and propagation/routing, Geoscientific Model Development Volume: 4 Issue: 4 Pages: 943-955, DOI: 10.5194/gmd-4- 943-201, 2011 ↩︎
3. https://business.esa.int/news/harnessing-space-technology-to-manage-water-levels-remote-areas ↩︎
4. https://finance.ec.europa.eu/capital-markets-union-and-financial-markets/company-reporting-and-auditing/company-reporting/corporate-sustainability-reporting_en ↩︎
5. https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-single-levels?tab=overview ↩︎