Google fornisce dati su energia solare e inquinamento

Google ha annunciato la disponibilità di dati e immagini aeree che le aziende, i paesi e gli enti locali possono sfruttare per conoscere il potenziale solare, la qualità dell’aria e i livelli di polline. Queste informazioni, accessibili tramite API della Google Maps Platform, possono contribuire alla riduzione dell’impatto ambientale.

Mappe per un pianeta sostenibile

Google Maps è uno dei servizi più utilizzati in assoluto per raggiungere una destinazione nel minor tempo possibile in base al mezzo di trasporto scelto. Ma l’enorme quantità di dati cartografici, abbinata a machine learning e intelligenza artificiale, può essere sfruttata per ottenere informazioni su potenziale solare, qualità dell’aria e livelli di polline.

Le aziende possono accedere ai dati raccolti con Project Sunroof con la nuova Solar API. È possibile conoscere il potenziale solare dei tetti di oltre 320 milioni di edifici in 40 Paesi, tra cui Italia, Stati Uniti e Giappone. Il modello IA ottiene informazioni 3D sulla geometria del tetto direttamente dalle immagini aeree, insieme a dettagli su alberi e ombre. Solar API considera anche altri fattori, tra cui l’andamento meteorologico storico della zona e i costi energetici.

Gli installatori di impianti fotovoltaici possono conoscere quanta luce solare ricevono gli edifici e i potenziali risparmi energetici, prima di visitare l’area. I proprietari degli immobili possono invece installare più rapidamente e facilmente i pannelli solari e contribuire alla sostenibilità energetica.

La Air Quality API permette di conoscere i dati sulla qualità dell’aria, le mappe di calore dell’inquinamento e i dettagli sugli inquinati in oltre 100 paesi, Italia inclusa. Le informazioni provengono da diverse fonti (stazioni di monitoraggio, dati meteorologici, sensori, satelliti) e sono combinate con le informazioni sul traffico in tempo reale.

Infine, la Pollen API mostra le informazioni sui pollini per gli allergeni più comuni in oltre 65 paesi, Italia inclusa. È possibile accedere ai dati su conteggio dei pollini, visualizzazioni con mappe di calore e informazioni dettagliate sugli allergeni legati alle piante. Grazie al machine learning è possibile determinare la posizione delle piante che producono polline, mentre i modelli locali relativi al vento permettono di calcolare la stagionalità, la quantità giornaliera di polline e prevedere la sua diffusione.