Covid-19. Diffusione spaziale e aspetti ambientali del caso italiano

Abstract

This research developed from a set of questions concerning the Covid-19 diffusion in Italy at the beginning of 2020. Such questions concern the causes and ways of diffusion of the epidemics. In this sense, the interdisciplinary research group tackled the question from the geographical, ecological, health, socio-economic and demographic points of view, collecting a wide dataset of data and variables, to be analysed by means of spatial analytical techniques. From such data it was possible to observe regional and sub-regional critical areas in Italy, existing and potential, in terms of Covid-19 diffusion and distribution

Full text

Covid-19. Diffusione spaziale e aspetti
ambientali del caso italiano
Giuseppe Borruso*, Ginevra Balletto**, Beniamino Murgante***,
Paolo Castiglia****, Marco Dettori****
Parole chiave: Covid-1, Diffusione Spaziale, Ambiente, Consumo di Suolo, Qualità dell’Aria
1. Introduzione. Geografia e diffusione
La ricerca è partita da una domanda geografica di base, riguardante la diffu-
sione del Covid-19 al di fuori dalla Cina in Europa. Perché l’Italia per prima?
Il nostro paese è stato colpito seriamente, il primo tra i/dei paesi industria-
lizzati e occidentali, e con i casi più alti a inizio della pandemia, subito dopo
la provincia di Hubei, in Cina, rendendolo, di fatto, un paese ‘pioniere’ nella
concentrazione della pandemia e nella sua diffusione, con una progressione
che ha presto, tra la fine di febbraio e marzo 2020, superato la Cina e la sua
‘vicina’ Corea del Sud. Tale posizione di ‘pioniere’ o di prima linea nell’af-
frontare la diffusione del Sars-Cov2 e della malattia ha causato, inizialmente,
un’ampia e generalizzata chiusura del paese da parte dei paesi confinanti,
unita a una generalizzata accusa di non aver affrontato correttamente l’evento.
Ciò ha dato spazio a un’ampia serie di domande di tipo geografico riguar-
danti la diffusione, la sua concentrazione e la trama disegnata dal contagio
alle differenti scale, e riguardanti le diverse regioni e province d’Italia. Le
questioni geografiche si presentano come centrali, e il recente dibattito nel
nostro paese ha toccato vari aspetti, che si trovano richiamati nel presente
contributo, legati agli aspetti globali / locali (Bozzato, 2020; Casti, 2020), a
quelli di carattere più concettuale e di respiro generale (De Vecchis, 2020;
Turco, 2020), quelli riferiti ad aspetti specifici, quali le relazioni tra aree urba-
ne e interne (De Falco, 2020), alla mobilità (Tadini e Piva, 2020), alle sfide ai
* Trieste, Università degli Studi di Trieste, Italia.
** Cagliari, Università degli Studi di Cagliari, Italia.
*** Potenza, Università degli Studi della Basilicata, Italia.
**** Sassari, Università degli Studi di Sassari, Italia.
Il lavoro è frutto del lavoro e delle riflessioni svolte in comune degli autori. Ai soli fini concor-
suali, è ravvisabile la seguente suddivisione dei paragrafi. I paragrafi 1, 4 e 7 sono stati curati da
Giuseppe Borruso. Il paragrafo 2 è da attribuire a Paolo Castiglia e Marco Dettori. Il paragrafo 3
è stato curato da Ginevra Balletto e Beniamino Murgante. Il paragrafo 5 è stato curato da Ginevra
Balletto, Giuseppe Borruso e Beniamino Murgante. Il paragrafo 6 è stato sviluppato da Giuseppe
Borruso e Ginevra Balletto. Le conclusioni nel paragrafo 8 sono state curate da tutti gli autori.
In generale, le elaborazioni con software GeoDa per LISA sono state svolte da Beniamino
Murgante e Giuseppe Borruso; le rappresentazioni cartografiche da Giuseppe Borruso. L’im-
postazione del database è a cura di Ginevra Balletto, Giuseppe Borruso e Beniamino Murgante.
39
Semestrale di Studi e Ricerche di Geografia DOI: 10.13133/1125-5218.17031
XXXII, 2, 2020, ISSN 1125-5218 pp. 39-56

sistemi sanitari (Celata, 2020) e alla questione, centrale quanto sottovalutata,
dei riferimenti amministrativi (Dini e Zilli, 2020). Di seguito, nel presente
contributo, vengono presentate alcune riflessioni, collegate agli aspetti globali
e locali del fenomeno, sviluppati in particolare dopo l’avvio dell’epidemia e la
sua diffusione nei paesi occidentali, in particolare in Italia, legati ad aspetti di
carattere climatico-ambientale e socio-economico e demografico.
2. Perché l’Italia? Le premesse sugli aspetti sanitari
Per tentare di dare una possibile risposta occorre sviluppare una specifica pre-
messa con l’intento di mettere in luce i principali aspetti sanitari della vicenda:
Aspetti cronologici. Nel dicembre 2019 è emerso con un salto di specie
in Cina, nella provincia di Wuhan, un nuovo Coronavirus. Un virus con
una omologia di circa l’80% col virus della SARS, da cui il nome SARS-
Cov-2 (Severe Acute Respiratory Syndrome Coronavirus 2) (Gorbalenya et al.,
2020), che ha causato una vasta epidemia (Covid-19) che nell’arco di un
trimestre, ha travalicato i confini asiatici, assumendo una dimensione pan-
demica con oltre 3.137.344 casi e 227.790 morti al 30 aprile 2020 (Europe-
an Center for Disease Prevention and Control) e con le seguenti principali
caratteristiche:
i. Modalità di diffusione. La malattia si trasmette per via interumana, at-
traverso le goccioline di Flugge come una normale influenza, ma an-
che per via indiretta (mani o fomiti; WHO, 2020; 2020a; ISS, 2020).
L’esordio, dopo un tempo medio di incubazione di 5-6 giorni (range
compreso tra 2 e 14 giorni), è acuto e caratterizzato da sintomi influen-
zali (ECDC, 2020; WHO, 2020). Il decorso è simile a quello di una
forma influenzale, in genere in forma lieve o moderata, in particolare
in soggetti giovani e senza co-morbosità (ISS, 2020). La severità invece
aumenta in funzione dell’età e così pure la letalità. La letalità è general-
mente conseguente a quadri severi di Covid-19 che si presentano con
una polmonite interstiziale, in media attorno a 7 giorni dall’esordio, di
cui una parte va incontro a un quadro critico con insufficienza respi-
ratoria, cui può seguire shock settico e collasso multi-organo (Istituto
Cattaneo, 2020; ISTAT, 2020).
ii. Collocazione geografica. I dati della letalità da Covid-19 nel territo-
rio nazionale appaiono generalmente tra i più elevati rispetto ai Paesi
europei e la Cina. In particolare, la pianura padana con riferimento
alle provincie della Lombardia e dell’Emilia Romagna mostra valori di
letalità significativamente più elevati rispetto al resto d’Italia, che può
sottendere un reale maggiore rischio di polmoniti interstiziali o essere
l’effetto di bias. In particolare, alcune spiegazioni plausibili addotte
considerano in primo luogo alcune caratteristiche intrinseche della
popolazione. Da un lato, infatti, l’Italia ha una popolazione media-
mente più anziana rispetto alla Cina e questo la espone ad un rischio
superiore di complicanze della patologia ed alla presenza di co-morbo-
sità delle persone più anziane (Istituto Cattaneo, 2020; ISTAT, 2020).
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
40

Nonostante ciò, questo dato da solo non può spiegare una così marcata
differenza di distribuzione dei casi rispetto alle altre realtà naziona-
li. Peraltro, la letteratura non riporta alcuna deriva genetica propria
dei popoli maggiormente colpiti dai focolai epidemici che possa spie-
gare la situazione. Per quanto concerne invece la possibilità di una
predisposizione a sviluppare forme iperergiche, cui possa conseguire
una maggiore letalità, alcune osservazioni si concentrano sempre più
nei fattori ambientali della pianura padana, che collegata da una fitta
rete di trasporti ed attività industriale è costantemente caratterizza-
ta da forti concentrazioni di inquinanti atmosferici (Murgante et al.,
2020; 2020a). In particolare, il panorama scientifico ha già dimostra-
to l’esistenza di correlazioni significative tra elevate concentrazioni di
particolato atmosferico e maggiore diffusione di alcuni microrganismi
patogeni, quali il virus del morbillo (Peng et al., 2020). Peraltro, la co-
stante esposizione ad inquinanti atmosferici può anche spiegare una
condizione di infiammazione basale che può affliggere le popolazioni,
alterando le condizioni fisiologiche e portando ad una maggiore pre-
disposizione all’infezione e sviluppo della malattia (Chen e Schwarz,
2008; Corticini et al., 2020).
3. Aspetti geografici, ambientali, demografici e socioeconomici
Tali considerazioni si aggiungono all’osservazione di consistenti similitudini
tra l’area di Wuhan nella provincia di Hubei con quelle della metropoli nel-
la Pianura Padana, con particolare riferimento alle condizioni geografiche
e climatiche (presenza di fiumi e corpi idrici, terreni pianeggianti, limitata
circolazione atmosferica e scarsità di vento), condizioni socio-economiche
(produzione industriale, infrastrutture di trasporto e mobilità, distribuzione
della popolazione, aspettativa di vita della popolazione), così come similitu-
dini relative alle concentrazioni di inquinanti nell’atmosfera ed al consumo
di suolo. In questo senso, abbiamo ipotizzato l’esistenza di una relazione tra
inquinanti e la diffusione del virus sia in riferimento all’esplosione dell’epi-
demia e sia in riferimento alla sua letalità. In particolare abbiamo preso in
considerazione il consumo del suolo e l’inquinamento atmosferico, riferito al
particolato (PM2.5 e PM10) e i componenti a base azotata, come NOx e NH3,
derivanti dalle attività umane – industria, traffico, riscaldamento domestico,
agricoltura e zootecnia intensiva. Infatti, la presenza di inquinanti atmosferici
genera o può generare uno stress sulle condizioni di salute della popolazione
e determinare le pre-condizioni per lo sviluppo di malattie legate al sistema
respiratorio. Inoltre, le particolari condizioni atmosferiche, compresa l’inver-
sione termica, tipica del periodo invernale, potrebbero avere peggiorato la
situazione ambientale nelle aree di Wuhan e della Valle del Po. Le due aree
presentano anche la stessa classificazione climatica di Köppen che in aggiunta
alle profonde analogie tipiche dei contesti di pianura fluviale caratterizzati da
uno spazio isotropico à la Christaller le rendono almeno paragonabili se non
del tutto simili.
41
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

4. Processi di diffusione in geografia
4.1. Alcuni richiami teorici – Un’esplosione epidemica è un caso tipico, per quanto
drammatico e spaventoso, di diffusione spaziale, un argomento ben noto e stu-
diato in geografia. Il concetto di diffusione in geografia implica il movimento
di un certo evento, o insieme di eventi, nello spazio e nel tempo, e determi-
na come risultato un processo, e un disegno di una trama geografica (pattern)
(Hagerstrand, 1967; Gould, 1969; Morrill, 1970; Morrill e Hagerstrand, 2005).
La diffusione è oggetto di studio della geografia con riferimento a tipolo-
gie di casi e situazioni molto diverse, dalle epidemie alla crisi finanziare, dai
fenomeni migratori agli stili musicali, dalla geografia fisica a quella umana
ed economica. L’analisi di questi fenomeni, realizzata dagli autori in diversi
contesti, porta a riassumere alcuni elementi di base.
Una prima categorizzazione della diffusione si distingue tra rilocalizzazio-
ne ed espansione. La rilocalizzazione implica lo spostamento fisico e l’abban-
dono del luogo di origine del fenomeno, per ricollocarsi in uno nuovo (es.
fenomeni migratori in cui alcuni gruppi abbandonano del tutto i luoghi di
origine per insediarsi in una nuova posizione).
L’espansione implica estensione, nello spazio e nel tempo, di un deter-
minato stato, o evento, da coprire e riempire tutto lo spazio disponibile (es.
la prima rivoluzione industriale, con un momento di nascita in Inghilterra e
Germania e il successivo sviluppo nel resto d’Europa e del mondo).
Il processo di diffusione per espansione può avvenire in diversi modi, e se-
guendo regole diverse: contagio, gerarchico, a cascata. Il processo di diffusio-
ne ‘a contagio’ si può dire sia il tipico processo locale, che implica un contatto
tra il soggetto che trasporta l’innovazione (anche un virus rappresenta un’‘in-
novazione’), e quelli non ancora interessati. L’espansione gerarchica si verifica
quando l’innovazione si sviluppa per mezzo di canali privilegiati di comunica-
zione e tra centri di importanza diversa, generalmente in modo più veloce dal
centro superiore a quello inferiore. Questo processo è spesso associato a una
diffusione a rete, dato che sistemi di comunicazione favoriscono connessioni
e diffusione dell’innovazione nello spazio e nel tempo. La diffusione a cascata
è generalmente veloce dall’alto verso il basso (dai centri maggiori a quelli mi-
nori) e lenta quando si muove da centri gerarchicamente inferiori verso quelli
più in alto: quando tuttavia raggiunge un centro più elevato, si innescherà una
diffusione dall’alto verso il basso.
4.2. Covid-19 teoria e pratica – La diffusione di un virus segue una combinazio-
ne delle modalità menzionate precedentemente, ma gli autori come Cliff e
Haggett (Haggett, 2001; Haggett e Cliff, 2003; 2005; Cliff, Haggett e Smal-
lman-Raynor, 2004; Cliff e Haggett, 2006) ricordano come i processi di dif-
fusione si verificano come ‘onde di diffusione spaziale’, a iniziare da un sin-
golo luogo o da un insieme di luoghi, per poi distribuirsi secondo diversi
processi e coprendo aree più vaste. Haggett e Cliff, anche in collaborazione
con Smallman-Raynor, tra i geografi, hanno modellizzato queste tipologie di
diffusione, valutando anche la relazione tra eventi epidemici nello spazio e nel
tempo e le natura ondulatoria delle epidemie. Infatti, i processi di diffusione
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
42

epidemici sono una combinazione di espansione e rilocalizzazione. Di solito
un’epidemia inizia in una determinata regione dello spazio, espandendosi, e
la rilocalizzazione avviene quando “l’impronta” dell’epidemia diminuisce nel
luogo di origine e continua, invece, a crescere in regioni che vengono interes-
sate in momenti più recenti. Il processo di diffusione è inoltre del tipo ‘a con-
tagio’, quando il virus si diffonde attraverso i contatti diretti, ‘a rete’ e quando
segue le reti di relazioni e i flussi tra individui e luoghi, ‘gerarchico’, in quanto
i centri più importanti influenzano un più alto numero di centri più piccoli o
meno rilevanti, ‘a cascata’ quando è generalmente più intenso dall’alto verso
il basso (ovvero dai centri gerarchicamente superiori a quelli inferiori) che
viceversa. L’“onda” cambia inoltre direzione, una volta in cui la popolazione
guarisce e le regioni in cui l’infezione si è sviluppata per prima ritornano a
una situazione di normalità. Da un punto di vista geografico, l’onda di diffu-
sione segue, generalmente e in teoria, un percorso a 5 passaggi (fig. 1).
Fig. 1 – Fasi di un’onda epidemica.
Fonte: elaborazione e adattamento degli autori da Cliff e Haggett (2006).
A. Inizio: L’“innovazione”, come il nuovo virus, entra “in una nuova regio-
ne con una popolazione sensibile all’infezione”. Tipicamente riguarda
una singola località, o un insieme di località.
B. Giovinezza: In questo passaggio, l’infezione si sviluppa rapidamente
dal proprio luogo di origine verso i centri principali di popolazione.
Riscontri dalle passate epidemie evidenziano sia processi di diffusione
locale (contagio) sia di più lungo raggio (gerarchico, a cascata).
C. Maturità: in questa fase viene raggiunta la più alta intensità, con cluster
diffusi su tutta la popolazione sensibile, in tutte le aree coinvolte nell’e-
pidemia. L’intensità è massima, con differenze nella densità dell’infe-
zione nelle diverse sotto-aree.
D. Declino: Si registra un declino e casi più limitati, con una contrazione
spaziale più lenta rispetto alle fasi di diffusione vera e propria. Le aree
caratterizzate da bassa densità dell’infezione appaiono sparse.
E. Estinzione: La coda dell’onda epidemica può essere osservata in pochi
casi e sparsi, principalmente in aree meno accessibili.
Considerando che la diffusione ha luogo localmente seguendo un modello
‘a contagio’, una diffusione gerarchica è invece responsabile della diffusione
regionale e internazionale. In linea con ciò, la vicina Corea del Sud è stata la
prima nazione colpita, seguita, qualche settimana dopo, da un paese occiden-
tale, come l’Italia, e successivamente altri paesi europei e nordamericani nelle
settimane seguenti. Recenti studi (Tatem et al., 2006; Ben-Zion et al., 2010;
Bowen e Laroe, 2006; e, in particolare, quello di Brokmann e Helbing, 2013)
sulla SARS e sull’influenza suina mostrano la geometria di rete del sistema
43
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

di trasporto – in particolare del trasporto aereo – come ‘l’intelaiatura’ delle
interazioni umane alla scala globale, così come la base per la rete di diffusione
virale al di fuori del luogo di origine.
Le simulazioni proposte da questi autori mostrano come un’epidemia svi-
luppatasi in Cina verrebbe facilitata nella diffusione verso la terraferma e ver-
so i paesi confinanti – come Corea del Sud e Giappone –, l’Europa e gli Stati
Uniti, per citare alcuni esempi di aree di principale destinazione. Le princi-
pali rotte aeree da e per la Cina connettono destinazioni europee – coprono il
9,8% del traffico aereo europeo totale – con Amsterdam Schiphol, Francofor-
te, Londra, Parigi, Roma tra gli aeroporti principali e rappresentano il nume-
ro più alto di collegamenti internazionali (Flightconnections, 2020; Eurostat,
2019; Borruso, 2013).
Studi recenti sembrano mostrare come il paziente zero in Europa fosse sta-
to identificato in Germania, sebbene asintomatico, a gennaio 2020 (Rothe et
al., 2020), dove nello stesso periodo vi è stato un picco influenzale particolar-
mente alto (Koch Intitute, 2020). Tuttavia, le condizioni per l’esplosione del
virus, in ogni caso, si sono trovate in Italia, che di conseguenza è stata colpita
per prima e in una modalità molto aggressiva.
5. La banca dati e le analisi
L’analisi che si è sviluppata ha voluto considerare gli aspetti sanitari, legati al
Covid-19, e gli aspetti di carattere ambientale, demografico e socio-economi-
co riferiti all’ambito geografico.
I dati sono riferiti alle province, livello amministrativo intermedio tra Co-
muni e Regioni. Sono state selezionate come le unità minime cui riferire e
confrontare le osservazioni dei dati. Ciò, nonostante la loro eterogeneità in
termini di forma e dimensioni (Openshaw, 1983; Cressie, 1996; Unwin, 1996;
O’Sullivan e Unwin, 2010), popolazione, densità e diversità morfologiche
ravvisabili all’interno delle singole unità. I problemi sulle unità territoriali
di riferimento dei dati per l’analisi e la gestione della crisi rappresenta uno
dei punti problematici e chiave nella questione (si vedano anche Dini e Zilli,
2020). Tuttavia, l’areale provinciale è l’unico a consentire un’analisi disag-
gregata al livello locale, consentendo una minore diluizione del dato rispetto
all’aggregazione al livello regionale, come ampiamente divulgato dai media
nel momento di massima diffusione del Covid-19. Inoltre, vi è da sottolinea-
re come, con riferimento alle aree maggiormente interessate dal fenomeno,
ovvero quelle della pianura padana, le caratteristiche del territorio siano ge-
neralmente di un certo livello di uniformità e omogeneità, quasi isotropica in
senso christalleriano, e che la compagine provinciale in parte del Piemonte,
della Lombardia, del Veneto e dell’Emilia Romagna presentino dimensioni
relativamente comparabili.
I dati assegnati alle unità provinciali sono stati diversi, in particolare quelli
relativi a Covid-19 si sono considerati i casi (contagi) e decessi alle date del 31
marzo e del 30 aprile 2020, come riportati dal Ministero della Salute e raccolti
dalla Protezione Civile Nazionale. Il computo dei decessi ha richiesto un’ana-
lisi più articolata e impegnativa, in quanto, inizialmente, non resi disponibili
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
44

al livello provinciale, ma soltanto a quello, più aggregato, regionale. Inoltre,
la ricerca è stata condotta selezionando diverse banche dati principalmente
a scala provinciale per tutto il territorio nazionale relativamente a dati so-
cio-economici e meteo-ambientali, considerati utili per esaminare i complessi
aspetti territoriali dell’epidemia in Italia. I dati socio-economici e demografici
(popolazione totale e suddivisa per classi di età, mortalità differenziata per
cause) provengono dall’Istituto Nazionale di Statistica (ISTAT) mentre dati
ed indicatori ambientali provengono dall’Istituto Superiore per la Protezione
e la Ricerca Ambientale (ISPRA), dall’Organizzazione Mondiale della Sanità
(OMS), dall’Istituto Superiore di Sanità (ISS) dall’Agenzia Ambientale Euro-
pea (EEA - European Environmental Agency), dal Sole 24 Ore, da Legambiente,
dall’Automobile Club Italiano (ACI), ed i dati meteo e del vento da ilme-
teo.com e windfinder.com. Infine, sono state considerate la qualità dell’aria
(PM2.5, PM10, NH3, CO, CO2, NOx) e le condizioni meteo climatiche (umidità,
vento e pioggia), per un totale di più di 80 indicatori.
Le analisi che si sono sviluppate, cui si rimanda (Murgante et al., 2020;
2020a), hanno riguardato lo sviluppo di un apposito tasso mortalità standar-
dizzata (SMR - Standardized Mortality Ratio) in cui è stata isolata la mortalità
per Covid-19 riferita alle diversità geografiche della mortalità generale, che
tiene conto altresì delle variazioni anagrafiche e demografiche. Si sono otte-
nuti, pertanto, valori che indicano la previsione di decessi, su base provinciale,
per il complesso delle diverse fasce d’età. Valori attorno all’unità indicano una
mortalità in linea con le attese, valori superiori una mortalità superiore, men-
tre numeri inferiori all’unità evidenziano province con mortalità più basse
delle aspettative.
L’SMR, assieme agli altri dati e indicatori raccolti nel database, sono stati
analizzati per scoprire alcune prime relazioni tra variabili legate a Covid-19 e
agli altri aspetti, tramite l’analisi dell’autocorrelazione spaziale, quale base di
partenza per ulteriori approfondimenti, tuttora in corso. L’autocorrelazione
spaziale riguarda le similitudini, territoriali e di caratteristiche, di luoghi nel-
lo spazio contigui (Goodchild, 1986; Lee et al., 2000). Tramite questa analisi
è possibile analizzare la distribuzione spaziale di elementi, allo stesso tempo
osservando il grado di influenza e di relazione con gli elementi vicini. Il LISA
in particolare (Local Indicators of Spatial Association) consente di valutare la si-
milarità tra ogni osservazione e gli elementi che la circondano (Anselin, 1988;
1995). Tra i risultati, è interessante osservare dove vi sono sia forti similitudini
nella distribuzione territoriale degli elementi che dei loro attributi sia, per al-
cuni indicatori, dove invece tali similitudini non risultano né territorialmente
né a livello di caratteristiche.
6. Alcuni risultati. Tassi di mortalità, SMR, Densità di popolazione, Pendolarismo,
Inquinamento
Osservando i dati sulla mortalità, nonché sui casi positivi, a livello provinciale,
è possibile osservare alcuni importanti risultati, sulla distribuzione e diffusio-
ne del fenomeno. La tabella 1 riassume i principali risultati, oggetto poi di
visualizzazioni cartografiche apposite.
45
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

Tab. 1 – Province selezionate per SMR (30 marzo), Indici di pendolarismo, densità di popolazione,
particolato.
Province Popolazione
(2019) Abitanti/
km2Indice di
pendola-
rismo (1)
Indice di
pendola-
rismo (2)
SMR
(31 marzo
2020)
SMR
(30 aprile
2020)
PM10 + O3*
Bergamo 1114590 404,59 −1,71 22,27 12,356 7,21 349
Lodi 230198 294,01 −8,6 94,66 12,262 7,44 448
Piacenza 287152 111,05 −0,62 23,67 10,013 6,50 299
Cremona 358955 202,75 −3,94 41,76 9,583 6,51 417
Brescia 1265954 264,54 −0,44 12,82 7,055 5,01 401
Pavia 545888 183,89 −6,91 48,91 4,751 4,20 412
Parma 451631 131,01 0,79 14,62 4,494 3,53 342
Pesaro 358886 139,77 −0,96 14,48 4,417 2,82 0
Sondrio 181095 56,67 −0,3 8,82 2,763 2,31 35
Aosta 125666 38,54 0,86 6,51 2,723 2,33 61
Milano 3250315 2063,05 6,12 38,17 2,699 2,54 405
Lecco 337380 418,79 −3,08 56,45 2,572 2,88 282
Reggio
Emilia 531891 232,15 −1,11 27,85 2,493 2,37 364
Alessandria 421284 118,38 −0,48 20,36 1,974 1,93 417
Trento 541098 87,18 −0,18 4,62 1,892 1,76 84
Biella 175585 192,26 −0,57 21,04 1,857 1,47 184
Novara 369018 275,34 −2,13 36,33 1,686 1,25 155
Rimini 339017 391,92 0,81 21,16 1,647 1,39 263
Verbania 158349 70,04 −0,88 13,85 1,560 1,12 45
Como 599204 468,49 −2,64 45,88 1,558 1,96 225
Modena 705393 262,43 0,71 22,69 1,529 1,37 383
Bolzano 531178 71,8 0,4 2,31 1,441 1,46 26
Vercelli 170911 82.11 −1.31 52.77 1.339 1.13 82
(segue)
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
46

Massa 194878 168.78 −2.76 37.26 1.293 1.24
Monza 873935 2155.69 −5.98 101.24 1.255 2.12 413
Mantova 412292 176.09 −1.43 29.31 1.225 3.38 343
Trieste 234493 1103.48 1.34 11.96 1.211 1,30 32
* Giorni di sforamento dei limiti di PM10 + O3 (2017-2019).
Fonte: elaborazione su dati da varie fonti (Popolazione, superficie delle unità amministrative, cause di
morte: ISTAT 2019; Pendolarismo: ISTAT 2011; SMR: PCN, ISS, indagini degli autori; PM10 + O3:
Legambiente 2019).
Una prima analisi si può riferire al peso del Covid-19 in termini di casi e de-
cessi. La letalità è stata osservata in termini relativi con riferimento alla popo-
lazione, e come dati standardizzati. Si è prodotta una carta dei casi (a) e dei
decessi (b) ogni 100.000 abitanti riferiti alla data del 30 aprile 2020 (figg. 2, 3).
Fig. 2 – Covid-19. Casi (a) e decessi (b) nelle province italiane.
Fonte: elaborazione degli autori da PCN, ISS e propria raccolta di dati (Murgante et al., 2020,
2020a).
La classificazione in 5 classi mostra una maggioranza di province, soprattutto
distribuite al centro e sud Italia, incluse le isole principali, che conferma una
relativamente bassa diffusione del virus. I valori più elevati possono essere
trovati nelle cinque province a nord est, est e sud est di Milano (Bergamo,
Brescia, Cremona e Lodi in Lombardia, Piacenza in Emilia Romagna. Con
riferimento alla problematica legata a Covid-19 si veda Casti, 2020). La mor-
talità sembra decrescere al di fuori di tale area ‘core’. Le province del centro
e sud Italia sembrano presentare valori molto bassi, a parte alcuni picchi che
possono essere osservati nell’Emilia Romagna meridionale (provincia di Rimi-
ni) e nelle Marche (provincia di Pesaro).
(segue)
b)a)
47
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

Fig. 3 – Covid-19. SMR - mortalità standardizzata nelle province italiane.
Fonte: elaborazione degli autori da PCN, ISS e propria raccolta di dati (Murgante et al., 2020,
2020a).
Il tasso di mortalità standardizzata (SMR, fig. 3) rappresenta un’ulteriore e
rilevante analisi, con una netta separazione tra i valori attorno l’unità, che
rappresentano le province dove la mortalità è in linea con le ‘aspettative’, e
i valori al di sotto di questo valore, dove, addirittura, la mortalità è inferiore
alle attese (al 30 aprile 2020). In altre province, in particolare quelle della
Pianura Padana occidentale, comprese quelle montane, e sulla costa adriati-
ca dell’Emilia Romagna e delle Marche, la mortalità standardizzata è consi-
derevolmente superiore alle attese. Anche le principali aree urbane (Torino,
Verona e Bologna) presentano valori attorno all’unità o di poco superiori, mo-
strando una mortalità apparentemente meno influenzata da Covid-19, come
mostrate anche dalle carte elaborate dal LISA (fig. 4). Qui, le aree ‘high-high’
indicano aree con un elevato grado di similitudine, sia in termini di contiguità
territoriale, che di valori degli attributi collegati a quelle aree.
Questi dati sono stati confrontati con altri indicatori della ‘geografia uma-
na’ dell’area, come la densità di popolazione e il pendolarismo. Il primo
elemento, come la densità di popolazione, caratterizza in particolare la pia-
nura padana, di fatto in due aree distinte, ai piedi delle Alpi a Nord, e degli
Appennini al Sud, sebbene quest’ultima area presenti valori più bassi (Corna
Pellegrini, 1977; De Matteis, 1992; Turri, 2000, 2003). L’area milanese, com-
presa Bergamo, una delle province più toccate dalla diffusione del virus, ap-
pare come la più uniforme e densa. Le analisi di autocorrelazione mostrano
una certa omogeneità e uniformità di questi indicatori nelle medesime aree
(figg. 5 ‘a’ e ‘b’).
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
48

Fig. 4 – Autocorrelazione spaziale su indicatori “mortalità” (a) e “mortalità standardizzata” (b).
Fonte: elaborazione degli autori da PCN, ISS e propria raccolta di dati, da GeoDa (Murgante et
al., 2020, 2020a).
Fig. 5 – Autocorrelazione spaziale su indicatori “densità abitativa” (a) e “Indicatore di pendola-
rismo (2)” (b).
Fonte: elaborazione degli autori da ISTAT (2011; 2019), da GeoDa (Murgante et al., 2020, 2020a).
Le caratteristiche geografico-economiche dell’area padana soprattutto, in
termini di densità abitativa, di infrastrutture di trasporto e di insediamenti
produttivi, ne fanno un’area particolarmente dinamica e, come si osserva, ca-
ratterizzata altresì da elevati livelli di emissioni inquinanti in atmosfera, così
come in termini di consumo di suolo. Ciò, unito alle caratteristiche geomorfo-
logiche dell’area, caratterizzata da scarsa circolazione atmosferica e tendenza
al ‘ristagno’ dell’area, ne fa un’area particolarmente sensibile alle questioni le-
a) b)
a) b)
49
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

gate alla qualità dell’aria. Tra gli indicatori utilizzati nello studio, riportiamo,
dalla tabella 1 relativa alle giornate di sforamento del particolato, le analisi
sull’autocorrelazione (fig. 6).
Fig. 6 – Autocorrelazione spaziale su indicatori “PM10 (valori medi μg/mc)” (a) e “Giorni di sfora-
mento (PM10+O3) 2017-2019” (b).
Fonte: elaborazione degli autori da ISTAT (2011; 2019), da GeoDa (Murgante et al., 2020, 2020a).
Da ciò si evincono le zone ‘high-high’ caratterizzate da elevati valori ed elevata
contiguità in tutta l’area padana fino al delta.
7. Discussione
A questo riferimento abbiamo ipotizzato alcuni possibili caratteri del processo
di diffusione avvenuto in Italia nei primi stadi di diffusione del Covid-19 tra
le diverse aree, tenendo tuttavia conto che è ancora disponibile un insieme
e una qualità di dati relativamente limitati, e non è ancora possibile trarre
conclusioni finali.
A parte la relazione esistente fra i primi due focolai ufficiali, quali Codo-
gno e Vo, e quello di Alzano e Nembro, solo successivamente riconosciuto
ed evidenziato, si può argomentare che, essendo questi centri relativamen-
te minori nell’area considerata, ci siamo trovati di fronte a un processo di
diffusione spaziale dal basso verso l’alto, verso centri di dimensioni medie
maggiori in Lombardia, Piemonte, Veneto ed Emilia Romagna. Codogno, in
particolare, è situato al centro di un triangolo formato da tre città di dimensio-
ni medie, come Piacenza, Cremona e Lodi – in testa, tra le altre cose (tab. 1),
come livelli di emissioni di particolato per diversi anni – molto ben collegate
all’area milanese e alla regione industriale alle sue estremità orientali (con
Brescia e Bergamo).
Le connessioni autostradali e il sistema della viabilità principale statale
e regionale/provinciale sono l’ossatura principale del pendolarismo, in un’a-
a) b)
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
50

rea caratterizzata da elevati livelli di accessibilità, sebbene spesso saturata dal
traffico pesante e dalla congestione automobilistica. L’autostrada A4 Torino
– Trieste collega le principali città e le aree industriali a nord del Po nell’area
metropolitana (in senso funzionale) di Milano. Questa appare come l’area più
influenzata dall’esplosione del Covid-19, con le province di Bergamo e Bre-
scia in particolare. Una seconda propaggine importante della pianura pada-
na può essere utilizzata nella parte meridionale, verso la fascia pedemontana
della catena appenninica, seguendo un orientamento nordovest – sudest, in
linea con l’asse autostradale della A1-A14, attraversando Bologna, e la via
Emilia, la statale che segue l’antica via di comunicazione romana da Milano
in Lombardia ad Ancona nelle Marche. Qui possiamo trovare località tra le
principali per presenza e mortalità da Covid-19 nella parte meridionale della
pianura padana: Milano, Codogno, Piacenza, Parma, Reggio Emilia, Modena,
Bologna, Forlì, Cesena e Rimini. Dal punto di vista del trasporto stradale, un
segmento importante è caratterizzato dall’autostrada A21, che collega Brescia
a Piacenza e alla A1, spesso usata come alternativa di by-pass per l’accesso
alla città di Milano da sud, evitando la congestione dell’accesso tra la A1 e la
circonvallazione attorno alla città.
Un processo di diffusione dal basso, gerarchico, potrebbe aver raggiunto
tali centri di dimensioni medie e di più grandi dimensioni, diffondendosi
poi, a cascata, dall’alto verso il basso, verso i centri minori, e attivando di
nuovo processi locali di contagio. Tali centri di ordine superiore possono es-
sere considerati quelle città che ospitano servizi e strutture specializzate, come
ospedali, centri sanitari e residenze per anziani. Processi di diffusione dall’alto
verso il basso si sono presumibilmente verificati fra città di dimensioni medie:
Bergamo, Brescia, Cremona, Parma Piacenza, Rimini, Pesaro, solo per citare
alcune tra le più coinvolte dalla diffusione del Covid-19, mentre in proporzio-
ne i centri di più grandi dimensioni, come Milano, Torino e Bologna, anche e
maggiormente coinvolte in valori assoluti, lo sono stati meno in senso relativo,
in ogni caso presumibilmente più per la presenza di strutture ospedaliere e
di assistenza per anziani, focolai di ulteriore infezione, piuttosto che quali
ambienti densi che abbiano favorito più forti processi di diffusione. Può essere
Fig. 7 – SMR (a) e assetto demografico e urbano (Densità di popolazione, rete viaria, capoluoghi
tra 100.000 e 200.000 abitanti.
Fonte: elaborazione degli autori da datti ISTAT, Ministero delle Infrastrutture e dei Trasporti,
PCN, ISS e propria raccolta di dati (Murgante et al., 2020, 2020a).
a) b)
51
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

anche notata una similitudine nelle classi di densità, essendo queste province
generalmente comprese fra i 300 e 400 ab/kmq. Come evidenziato in altre
ricerche (25) queste realtà sono caratterizzate dalla presenza di capoluoghi di
provincia generalmente compresi tra 100.000 e 200.000 abitanti (fig. 7).
Tali elementi sembrano interessanti per aiutare a comprendere sia il po-
tenziale di diffusione locale del Covid-19, sia comprendere i modelli e gli
schemi e le conseguenze sulla qualità dell’aria e del suolo.
8. Considerazioni conclusive
Le questioni territoriali appaiono centrali nell’esplosione del virus SARS-Cov-2
e nel conseguente sviluppo della seguente malattia Covid-19. Le analisi locali/
globali, caratteristiche delle discipline geografiche, si prestano ad analizzare
un fenomeno complesso, di difficile interpretazione e comprensione, quale
una diffusione virale, proprio per sue caratteristiche di specificità e peculiarità
che di volta in volta si presentano. La ‘curiosità’ geografica ha fatto sorgere la
domanda, oggetto dell’ampia ricerca di cui, nel presente contributo, si è cer-
cato di evidenziare soprattutto quegli elementi tipici della disciplina nei suoi
caratteri umani e fisico-naturali. I risultati qui presentati costituiscono l’esito
di prime analisi, basate su dati ancora provvisori, quali quelli legati ai casi e
decessi da Covid-19, e che consentano di fornire primi spunti per comprende-
re, in un approccio ecologico, le relazioni tra variabili molto diverse: segnata-
mente quelle legate a inquinamento atmosferico e consumo di suolo, nonché
quelle legate alle caratteristiche strutturali e di mobilità sul territorio. Prime
evidenze mostrano, soprattutto per la Pianura Padana e determinate aree del
nord Italia, il sospetto di una forte relazione tra il degrado dell’ambiente e
la vulnerabilità indotta della popolazione. Il lavoro è in corso per la realizza-
zione di carte del rischio sanitario, attraverso l’integrazione di strumenti di
analisi geografica e di pianificazione, similmente a quanto avviene per altri
eventi calamitosi, al fine di poter disporre di una mappatura più aggiornata
delle aree vulnerabili e orientare le politiche sanitarie e di contrasto.
Bibliografia
Anselin l., “Local Indicators of Spatial Association—LISA”, in Geographical
Analysis, 27, 1995, pp. 93-115.
Anselin l., Spatial Econometrics: Methods and Models, Dordrecht, The Nether-
lands, Springer, 1988.
ben-zion y., cohen y., shnerb n.m., “Modeling epidemics dynamics on he-
terogenous networks”, in Journal of Theoretical Biology, 264, 2010, pp. 197-
204.
borruso g., “A nodal regional analysis of air passenger transport in Europe”,
in International Journal of Business Intelligence and Data Mining, 8, 2013,
pp. 377-396.
bowen j.t. jr., lAroe c., “Airline Networks and the International Diffusion of
Severe Acute Respiratory Syndrome”, in Geographical Journal, 172, 2006,
pp. 130-144.
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
52

bozzAto s., “Geografie del CoViD-19”, in Documenti Geografici, 1, 2020, pp. 5-18.
brockmAnn D., helbing D., “The hidden geometry of complex, network-dri-
ven contagion phenomena”, in Science, 342, 2013, pp. 1337-1342.
cAsti e., “Geografia a “vele spiegate”. Analisi territoriale e mapping riflessivo
sul covid-19 in Italia”, in Documenti Geografici, 1, 2020, pp. 61-83.
celAtA F., “Come siamo arrivati fin qui: la sanità pubblica in Italia alla prova
del coronavirus”, in EyesReg, 10 (2), 2020.
chen j.c., schwArtz j., “Metabolic syndrome and inflammatory responses to
long-term particulate air pollutants”, in Environmental Health Perspectives,
116 (5), 2008, pp. 612-617.
cliFF A., hAggett p., “Time, travel and infection”, in British Medical Bulletin,
69 (1), 2004, pp. 87-99.
cliFF A., hAggett P., 2006, “A swash-backwash model of the single epidemic
wave”, in Journal of Geographical Systems, 8 (3), 2006, pp. 227-252.
cliFF A., hAggett p., smAllmAn-rAynor M., World Atlas of Epidemic Diseases,
London, Arnold, 2004.
conticini e., FreDiAni b. e cAro D., “Can atmospheric pollution be consid-
ered a co-factor in extremely high level of SARS-Cov-2 lethality in North-
ern Italy?”, in Environmental Pollution, 261, 2020.
cornA pellegrini g. (a cura di), Milano, megalopoli padana, valli alpine. Studi
sulle reti urbane, Bologna, Patron editore, 1977.
cressie n.A., “Change of support and the modifiable areal unit problem”, in
Geographical Systems, 1996, 3, pp. 159-180.
De FAlco s., “Scattering geografico nelle aree interne nella diffusione del Co-
vid-19”, in Documenti Geografici, 1, 2020, pp. 141-154.
De vecchis g., “Covid-19: esiti della pandemia sulla rimodulazione spa-
zio-temporale”, in Documenti Geografici, 1, 2020, pp. 97-107.
DemAtteis g. (a cura di), Il fenomeno urbano in Italia, Milano, FrancoAngeli,
1992.
Dini F., zilli s., “Riordino territoriale e autonomia differenziata. Una questio-
ne da ridiscutere alla luce dell’epidemia”, in Documenti Geografici, 1, 2020,
pp. 155-168.
Eurostat. Energy and Transport in Figures; Eurostat: Luxembourg, Luxem-
bourg, 2019.
gooDchilD m., Spatial Autocorrelation, Concepts and Techniques in Modern Geogra-
phy, Norwich, UK, Geo Books, 1986.
gorbAlenyA A.e., bAker s.c., bAric r.s. et al., “The species Severe acute res-
piratory syndrome-related coronavirus: classifying 2019-nCoV and naming
it SARS-CoV-2”, in Nature Microbiology, 5, 2020, pp. 536-544.
goulD p.r., “Spatial Diffusion”, in Association of American Geographers; Associa-
tion of American Geographers: Washington, DC, USA, 1969.
hAgerstrAnD t., Innovation Diffusion as a Spatial Process, Chicago, IL, USA;
London, UK, The University of Chicago Press, 1967.
hAggett p., cliFF A., “Modeling diffusion processes”, in kempF-leonArD K.
(a cura di) Encyclopaedia of Social Measurement, vol. 2, Amsterdam, Elsevier,
2005, pp. 709-724.
hAggett p., Geography, A Global Synthesis, New York, Pearson, 2001.
53
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

hAggett p., cliFF A., “The Geography of Disease Distributions”, in johnston
R.J., williAms M. (a cura di), A Century of British Geography, Oxford, Oxford
University Press, 2003, pp. 521-543.
Koch-Institut, R. Epidemiologisches Bulletin FSME: Risikogebiete in Deutschland,
Berlin, Germany; 2020.
lee j., wong D.w.s., DAviD w.s., GIS and Statistical Analysis with ArcView, Ho-
boken, NJ, USA, John Wiley, 2000.
morrill r. “Hägerstrand and the ‘quantitative revolution’: A personal appre-
ciation”, in Progress in Human Geography, 29, 2005, pp. 333-336.
morrill r.l., “The Shape of Diffusion in Space and Time”, in Economic Geog-
raphy, 46, 1970, pp. 259-268.
murgAnte b., borruso g., bAlletto g., cAstigliA p., Dettori m., “Geograph-
ical analyses of Covid-19’s spreading contagion in the challenge of global
health risks”, in TeMA, 2020, pp. 283-304.
murgAnte b., borruso g., bAlletto g., cAstigliA p., Dettori m., “Why Italy
First? Health, Geographical and Planning Aspects of the COVID-19 Out-
break”, in Sustainability, 12, 2020.
o’sullivAn D., unwin D.j., Geographic Information Analysis: Second Edition,
Chichester, John Wiley and Sons, 2010.
openshAw s., The Modifiable Areal Unit Problem, Norwick, UK, Geo Books, 1983;
ISBN 0860941345.
peng l. et al., “The effects of air pollution and meteorological factors on mea-
sles cases in Lanzhou, China”, in Environmental Science and Pollution Re-
search, 27, 2020, pp. 13524-13533.
rothe c., schunk m., sothmAnn p., bretzel g., Froeschl g., wAllrAuch c.,
zimmer t., thiel v., jAnke c., guggemos w. et al. “Transmission of 2019-
NCOV infection from an asymptomatic contact in Germany”, in New Eng-
land Journal of Medicine, 382, 2020, pp. 970-971.
tADini m., pivA e., “Impatto del covid-19 su trasporto aereo e turismo: possibi-
li scenari evolutivi”, in Documenti Geografici, 1, 2020, pp. 565-578.
tAtem A.j., rogers D.j., hAy S.I., “Global Transport Networks and Infectious
Disease Spread”, in Advanced Parasitology, 62, 2006, pp. 293-343.
turco A., “Epistemologia della pandemia”, in Documenti Geografici, 1, 2020,
pp. 19-60.
turco A., “La configuratività territoriale, bene comune”, in turco A. (a cura
di), Paesaggio, luogo, ambiente. La configuratività territoriale come bene comune,
Milano, Unicopli, 2014, pp. 11-42.
turri e., Il paesaggio degli uomini. La natura, la cultura, la storia, Bologna, Za-
nichelli, 2003.
turri e., La megalopoli padana, Venezia, Marsilio, 2000.
unwin D.j., “GIS, spatial analysis and spatial statistics”, in Progress in Human
Geography, 20, 1996, pp. 540-551.
Sitografia
Direct Flights from Wuhan (WUH). Available online: https://www.flightcon-
nections.com/flights-from-wuhan-wuh (Ultimo accesso 9 agosto 2020).
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
54

European Centre for Disease Prevention and Control: https://www.ecdc.euro-
pa.eu/en (Ultimo accesso 9 agosto 2020).
Istituto Cattaneo. La crescita della mortalità ai tempi del CoViD-19. Analisi di
1.084 comuni italiani. Available online: https://www.cattaneo.org/wp-con-
tent/uploads/2018/03/03-04-01-Covid19-ver-03.pdf (Ultimo accesso 9 ago-
sto 2020).
Istituto Nazionale di Statistica. Anziani: le condizioni di salute in Italia e
nell’Unione Europea. Anno 2015. Available online: https://www.istat.it/it/
files//2017/09/Condizioni_Salute_anziani_anno_2015.pdf (Ultimo accesso
9 agosto 2020).
Istituto Superiore della Sanità. Report sulle caratteristiche dei pazienti de-
ceduti positivi a COVID-19 in Italia. Il presente report è basato sui dati
aggiornati al 20 Marzo 2020. Available online: https://www.iss.it/documen-
ts/20126/0/Report+per+COVID_20_3_2019.pdf/f4d20257-53d5-eb89-
087e-285e2cadf44f?t=1584727721898 (Ultimo accesso 9 agosto 2020).
World Health Organization. Coronavirus disease 2019 (COVID-19) Situation Re-
port – 12. Available online: https://www.who.int/docs/default-source/corona-
viruse/situation-reports/20200201-sitrep-12-ncov.pdf?sfvrsn=273c5d35_2
(Ultimo accesso 9 agosto 2020).
World Health Organization. Report of the WHO-China Joint Mission on
Coronavirus Disease 2019 (COVID-19). Available online: https://www.who.
int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-
19-final-report.pdf (Ultimo accesso 9 agosto 2020).
WORLD MAPS OF KÖPPEN-GEIGER CLIMATE CLASSIFICATION http://
koeppen-geiger.vu-wien.ac.at/ (Ultimo accesso 9 agosto 2020).
55
Covid-19. Diffusione spaziale e aspetti ambientali del caso italianoGiuseppe Borruso et al.

Covid-19. Spatial diffusion and environmental issues
in the Italian case
This research developed from a set of questions concerning the Covid-19 diffusion in
Italy at the beginning of 2020. Such questions concern the causes and ways of diffu-
sion of the epidemics. In this sense, the interdisciplinary research group tackled the
question from the geographical, ecological, health, socio-economic and demographic
points of view, collecting a wide dataset of data and variables, to be analysed by means
of spatial analytical techniques. From such data it was possible to observe regional and
sub-regional critical areas in Italy, existing and potential, in terms of Covid-19 diffu-
sion and distribution.
Covid-19. Diffusion spatiale et aspects environnementaux
du cas italien
Cette recherche se développe à partir de la question de savoir pourquoi l’Italie a été
frappée pour la première fois par Covid-19 après la Chine. Les questions concernent
les causes et les modalités de propager l’épidémie. Le groupe de recherche a abordé
le sujet d’un point de vue géographique, écologique et sanitaire. Une grande base
de données a été créée contenant des données sur le Covid-19 telles que les décès
et les infections, et de nombreuses données environnementales (climat, géographie
physique, géographie humaine et économique, démographie, etc.). Le groupe de re-
cherche a étudié le rôle de ces éléments dans la propagation du virus en Italie. Cela
a permis de décrire et d’évaluer la criticité de différentes régions d’un point de vue
qualitatif et quantitatif.
Semestrale di Studi e Ricerche di Geografia XXXII, Fascicolo 2, luglio-dicembre 2020
56