Quando si parla di GIS, molto spesso si pensa subito al software. QGIS, ArcGIS, PostGIS, Python, librerie, plugin, geoalgoritmi.
Tutto utile, per carità, ma il punto vero, almeno per come ho sempre inteso io i GIS, non è il software. Il punto vero è il metodo con cui decidiamo di leggere un fenomeno sul territorio.
E qui entra in gioco H3! H3 è un sistema di indicizzazione geospaziale sviluppato da Uber che consente di suddividere l’intera superficie terrestre in celle, per la maggior parte esagonali, ognuna identificata da un codice univoco. Detta così sembra una cosa molto tecnica, quasi da addetti ai lavori, ma il concetto alla base è molto semplice: prendiamo il territorio, lo suddividiamo in porzioni regolari e usiamo queste porzioni come unità di analisi.
In pratica, invece di confrontare tra loro poligoni amministrativi, celle censuarie, aree urbane, zone verdi, porzioni di uso del suolo o geometrie che cambiano forma e dimensione, possiamo riportare tutto su una griglia comune.
E questo, per chi lavora con i dati geografici, è un bel cambio di prospettiva!
Facciamo un passo indietro. Chiunque abbia lavorato con dati territoriali sa bene che il dato geografico raramente arriva già pulito, omogeneo e pronto per essere confrontato. Pensiamo alle sezioni censuarie ISTAT. All’interno di uno stesso comune possono avere forme e dimensioni molto diverse. Se poi confrontiamo anni censuari differenti, la situazione si complica ulteriormente perché le geometrie possono cambiare nel tempo.
Lo stesso discorso vale per tanti altri dati territoriali. La Corine Land Cover, ad esempio, nella sua versione vettoriale è composta da poligoni di forma e dimensione differente. Sono dati utilissimi, ma non sempre immediati da confrontare tra loro, soprattutto quando vogliamo leggere l’evoluzione di un fenomeno nel tempo.
Il problema quindi è metodologico: come faccio a confrontare aree diverse se le unità spaziali di partenza sono disomogenee?
Una possibile risposta è usare una griglia. Da anni siamo abituati a vedere griglie quadrate o rettangolari, sia nei dati raster che in molte analisi vettoriali. Sono comode, semplici da costruire e intuitive. Ma non sono l’unica soluzione possibile.
Gli esagoni, in molti casi, funzionano meglio!
Ma perchè proprio gli esagoni?
La domanda è legittima: perché dovrei usare un grigliato esagonale invece di una normale griglia quadrata?
Il primo vantaggio riguarda la prossimità.
In una griglia quadrata ogni cella ha vicini laterali e vicini diagonali. Questo significa che non tutti i vicini sono davvero “vicini” allo stesso modo. I quadrati laterali condividono un lato, quelli diagonali condividono solo un punto.
In una griglia esagonale, invece, ogni esagono ha sei vicini che condividono tutti un lato. La relazione di vicinanza è più uniforme.
Questa cosa, che sembra solo geometria, in realtà ha effetti molto concreti nell’analisi spaziale. Se sto studiando un fenomeno che si distribuisce nello spazio — verde urbano, isole di calore, rischio idraulico, densità abitativa, accessibilità ai servizi, qualità dell’aria — avere celle con una relazione di vicinanza più regolare mi aiuta a leggere meglio i pattern.
Il secondo vantaggio riguarda la forma.
L’esagono approssima meglio il cerchio rispetto al quadrato. Il cerchio è la figura che più naturalmente rappresenta l’idea di distanza uniforme da un centro. Non possiamo riempire un piano solo con cerchi senza lasciare spazi vuoti, ma tra le figure geometriche che tassellano lo spazio, l’esagono è una delle migliori approssimazioni.
In altre parole: se voglio osservare un fenomeno intorno a un punto, l’esagono mi restituisce una rappresentazione più equilibrata rispetto al quadrato.
Fin qui abbiamo parlato di esagoni in generale. H3 fa un passo in più, non si limita a costruire una griglia esagonale su una singola area di studio, ma crea un sistema globale, gerarchico e indicizzato. Questo significa che ogni cella H3 ha un proprio identificativo e appartiene a un livello di risoluzione.
I livelli vanno da 0 a 15. Al livello 0 abbiamo celle molto grandi, utili per rappresentazioni globali o continentali. Scendendo di livello, la griglia diventa sempre più fine. Ai livelli più alti si arriva a celle molto piccole, teoricamente anche sotto il metro quadrato. Il sistema è gerarchico perché posso passare da una cella più dettagliata a una più generale e viceversa. Questo è molto interessante per le analisi multi-scala: posso osservare lo stesso fenomeno a livello regionale, urbano, di quartiere o di micro-area cambiando semplicemente la risoluzione della griglia.
Ed è indicizzato perché ogni cella non è solo una geometria, ma anche una chiave!
Questa è una cosa molto potente. Quando una cella diventa una chiave, posso usarla in un database, in una tabella, in un processo Python, in una pipeline PostGIS, in un data warehouse o in un modello di machine learning. Posso aggregare punti, calcolare statistiche, confrontare dataset diversi e costruire indicatori territoriali usando un riferimento spaziale comune.
In pratica, H3 trasforma una parte del problema spaziale in un problema di organizzazione del dato. E quando i dati sono tanti, questo fa la differenza!
A questo punto c’è un dettaglio importante. La Terra non è un piano. E, come sappiamo bene quando parliamo di cartografia, sistemi di riferimento, geoide, ellissoide e proiezioni, rappresentare la superficie terrestre non è mai un’operazione neutra.
H3 costruisce la sua griglia partendo da un icosaedro circoscritto alla sfera terrestre. Le celle vengono generate sulle facce dell’icosaedro e poi proiettate sulla superficie terrestre.
Questo consente di avere una griglia globale, ma porta con sé una conseguenza inevitabile: non è possibile tassellare una sfera usando solo esagoni perfetti.
Per questo, a ogni risoluzione H3 sono presenti anche 12 pentagoni. Non è un errore. È una necessità geometrica. Nella maggior parte delle analisi territoriali questi pentagoni non rappresentano un problema pratico, ma è bene sapere che esistono.
Allo stesso modo, è importante ricordare che le celle H3 non hanno tutte esattamente la stessa superficie. L’area media è nota per ogni risoluzione, ma l’area reale può variare in funzione della posizione della cella rispetto all’icosaedro.
Quindi H3 è utilissimo, ma non è magia, va usato sapendo cosa si sta facendo.
Vi riporto un esempio concreto, reale, di un articolo scritto un po' di anni fa con Giovanni Giacco e Luca Battisti in cui applicammo H3 allo studio del verde urbano nella città di Torino.
La domanda di partenza era semplice, ma tutt’altro che banale: dove sarebbe più utile realizzare nuove aree verdi all’interno della città?
Per rispondere, analizzammo la distribuzione del verde pubblico usando tre livelli del grigliato H3: 7, 8 e 9. Al livello 7, Torino veniva rappresentata con poche decine di esagoni. Il dettaglio era più generale, utile per leggere grandi aree e individuare le prime criticità. In questa scala emergevano aree con maggiore priorità di intervento nella parte nord-orientale della città, in particolare verso Regio Parco e Falchera. Scendendo al livello 8, il numero di celle aumentava e la lettura diventava più dettagliata. Le criticità non sparivano, anzi si articolavano meglio: iniziavano a emergere altre aree come Madonna di Campagna, Le Vallette e Parella. Allo stesso tempo comparivano anche prime aree più virtuose, come nel caso di San Donato. Al livello 9, il quadro diventava ancora più interessante. Le celle erano molte di più e il dettaglio permetteva di osservare cluster e hotspot che ai livelli precedenti risultavano meno evidenti. Oltre alle criticità già individuate, emergevano nuove aree prioritarie verso Nizza Millefonti e Mercati Generali, mentre nella zona di Mirafiori Nord si osservavano gruppi di celle in condizioni migliori.
Questo è il punto più interessante: cambiando risoluzione non cambia il fenomeno, cambia la nostra capacità di leggerlo.
A una scala più generale vediamo il quadro d’insieme. A una scala più fine iniziamo a distinguere meglio le differenze locali ed è proprio qui che H3 diventa utile per la pianificazione territoriale.
Attenzione però! H3 è uno strumento metodologico, non sostituisce i raster, non sostituisce i dati vettoriali originali e non sostituisce il ragionamento tecnico. Serve a costruire una struttura spaziale comune su cui aggregare, confrontare e interpretare i dati. Può semplificare alcune analisi, rendere più leggibili alcuni fenomeni e aiutare a costruire indicatori territoriali più confrontabili ma il dato originale resta fondamentale.
Se devo calcolare una superficie reale, interpretare un confine amministrativo, valutare una geometria catastale, analizzare un DEM o fare un’intersezione spaziale precisa, ho ancora bisogno degli strumenti GIS classici e delle geometrie originali.
H3 entra in gioco quando voglio osservare un fenomeno attraverso una griglia regolare, stabile e ripetibile. In questo senso è un ottimo alleato per analisi ambientali, urbanistiche e territoriali.
E le sue possibili applicazioni sono molte. Nel monitoraggio ambientale, H3 può essere usato per aggregare indici derivati da immagini satellitari, come NDVI, NBR o NDWI, e confrontarli con dati climatici, qualità dell’aria o uso del suolo. Nella pianificazione urbana, può aiutare a leggere la distribuzione del verde, dei servizi, della popolazione, delle isole di calore o delle aree impermeabilizzate. Nel rischio territoriale, può essere utile per costruire mappe di priorità, combinando dati su alluvioni, frane, incendi, esposizione della popolazione e vulnerabilità degli edifici. Nel geomarketing e nella mobilità, può essere usato per aggregare flussi, spostamenti, densità di eventi o distribuzione dei punti di interesse.
Il vantaggio è sempre lo stesso: riportare fenomeni diversi su una stessa struttura spaziale.
Secondo me il valore più interessante di H3 non è solo tecnico, il vero valore è nella possibilità di confrontare.
Confrontare aree diverse nello stesso momento. Confrontare la stessa area in tempi diversi. Confrontare fenomeni diversi sulla stessa griglia. Confrontare scale differenti senza perdere completamente il legame tra livello generale e livello locale.
In un’epoca in cui abbiamo sempre più dati territoriali, satellitari, climatici, ambientali, sociali ed economici, il problema non è più solo avere il dato. Il problema è riuscire a leggerlo e per leggerlo serve un metodo.
H3 è uno di quei metodi che possono aiutarci a passare dalla mappa come semplice rappresentazione alla mappa come strumento di ragionamento. Non basta colorare degli esagoni su una carta per fare una buona analisi, ma se quegli esagoni sono costruiti con criterio, se i dati sono solidi e se dietro c’è una domanda chiara, allora possono diventare un modo molto efficace per capire dove intervenire, con quale priorità e con quali obiettivi.
In fondo, un GIS dovrebbe servire proprio a questo: trasformare dati geografici in conoscenza utile per prendere decisioni migliori.
Tu cosa ne pensi?
