Quasi sette milioni di persone nella Nazione sudafricana dello Zimbabwe rischiano la fame per via della siccità prolungata e dell’aumento dell’inflazione. Lo scorso anno, il Famine Early Warning Systems Network (FEWSNET) ha predetto il peggioramento della siccità e della fame in alcune parti del Corno d’Africa e la diminuzione dei raccolti fino al 30%. Nel 2015, gravi inondazioni hanno provocato anche centinaia di migliaia di sfollati in Malawi. Le inondazioni sono state seguite da una forte siccità.
Siccità, tormente, malattie del raccolto, altri eventi collegati al tempo e malattie sono “shock” che minacciano la sicurezza alimentare, sostiene il Catholic Relief Services (CRS), l’agenzia di aiuto estero della Chiesa cattolica statunitense. Ora il CRS dice di avere uno strumento che può aiutare le agenzie di aiuto a rispondere meglio a situazioni di questo tipo per far sì che la gente non passi la fame.
Lo strumento si chiama MIRA, che sta per Measurement Indicators for Resilience Analysis (Indicatori di Misura per l’Analisi sulla Resilienza). Fondato dall’Agenzia Statunitense per lo Sviluppo Internazionale, il MIRA è stato sviluppato dal CRS e dalla Cornell University, ed è stato implementato nel contesto del programma United in Building and Advancing Life Expectations (Uniti per Costruire e Aumentare l’Aspettativa di Vita, UBALE), che serve tre dei distretti più poveri e più soggetti ai disastri del Malawi. Il progetto usa algoritmi di machine learning per predire il livello futuro di crisi alimentare attraverso dati che offrono un’istantanea degli shock e stress sperimentati dalla gente in quei distretti.
Il programma aiuta l’agenzia a offrire “obiettivi tempestivi di assistenza e altri interventi”, ha affermato il CRS in un rapporto del 2017.
Secondo la rivista CIO, l’84% della popolazione del Malawi vive in zone rurali basandosi sull’agricoltura di sussistenza.
“Il MIRA si usa per predire la fame e studiare vie di recupero in Malawi. L’aumento della gravità dei fenomeni naturali non fa che esacerbare l’insicurezza alimentare”, ha detto a CIO James Campbell, direttore tecnico regionale per il monitoraggio, la valutazione, l’affidabilità e l’apprendimento presso il CRS.
Il materiale del CRS sostiene che il progetto MIRA misura e predice la resilienza tra le famiglie soggette all’insicurezza alimentare nell’arco di uno o due mesi. “La previsione dei dati si ottiene con il machine learning”, ha affermato il CRS. “L’obiettivo è quello di essere più proattivi nell’identificare chi è più insicuro a livello alimentare e nel rispondere in anticipo”.
Gli operatori del CRS collegano su base regolare dati demografici ed economici delle famiglie.
“Le famiglie intervistate sono state selezionate in base alla loro posizione nelle mappe di esposizione alle inondazioni”, ha indicato l’agenzia. “I dati sono stati analizzati attraverso una serie di algoritmi di machine learning. Questi algoritmi tengono conto di indicatori di base tratti dalla prima indagine e dagli indicatori osservati seguendo mensilmente la situazione. Usando queste informazioni, l’algoritmo è in grado di predire la probabilità di insicurezza alimentare del mese successivo per una preparazione e un intervento più mirati come parte del programma UBALE”.
“Le famiglie resilienti non sono sempre quelle che ci si aspetterebbe”, ha proseguito il CRS. “Quelle che possono riprendersi dalla siccità hanno terre sia dentro che fuori le piane alluvionali. Le famiglie meno inclini ad ammalarsi e agli shock domestici sono quelle guidate dalle donne”.