Dati ambientali dell'Istituto Superiore per la Protezione e la Ricerca Ambientale — acque, suolo, mari, pesticidi, frane — in formato aperto e pronto per l'analisi.
ISPRA coordina il Sistema Nazionale di Protezione dell'Ambiente, ma i dati ambientali italiani sono distribuiti su piattaforme eterogenee: SPARQL endpoint, XLSX, CSV, REST API. Questo repo li raccoglie, normalizza e rende interrogabili in un unico posto.
| Dataset | Righe | Periodo | Copertura | Fonte |
|---|---|---|---|---|
rmn — Livelli mare |
29.2M | 2010-2022 | 36 stazioni costiere | SPARQL + CSV |
pest — Pesticidi acque |
10.8M | 2018-2021 | 7.541 stazioni, 492 sostanze | SPARQL |
urban — Qualità urbana |
201K | 1970-2019 | 296 comuni, 225 indicatori | SPARQL |
bathw — Balneazione |
173K | 1990-2024 | 5.862 siti | SPARQL |
consumo-suolo — Suolo consumato |
87K | 2012-2024 | 7.896 comuni | XLSX |
iffi — Frane Italia |
20 | Snapshot | 689K frane, 20 regioni | REST API |
- Come cambiano i livelli del mare lungo le coste italiane? (rmn)
- Quante stazioni di monitoraggio rilevano pesticidi nelle acque sotterranee? (pest)
- Quali comuni hanno i tassi di consumo suolo più alti? (consumo-suolo)
- Com'è la qualità dell'acqua di balneazione nella mia zona? (bathw)
- Quante frane ci sono nella mia regione? (iffi)
import duckdb
con = duckdb.connect()
# Esempio: trend livello mare Venezia
con.execute("""
SELECT anno, ROUND(AVG(livello), 4) AS media
FROM 'out/data/mart/ispra_rmn/2023/mart_sintesi.parquet'
WHERE station_id = 'venezia'
GROUP BY anno ORDER BY anno
""").fetchdf()toolkit_dataset(action='find', query='ispra')
toolkit_query(action='run', datasets=['ispra_bathw'], sql='SELECT * FROM clean LIMIT 10')
I file clean e mart sono in out/data/ in formato Parquet, leggibili da qualsiasi tool (pandas, Polars, DuckDB, DataExplorer).
- Hai trovato un dato mancante? Apri una Discussion
- Vuoi aggiungere un dataset ISPRA? Segui la guida in
CONTRIBUTING.md - Hai un'analisi su questi dati? Pubblicala in
analysis/dataciviclab/analisi/
datasets/<slug>/
├── dataset.yml contratto pipeline
├── sql/
│ ├── clean.sql RAW → CLEAN
│ └── mart_*.sql CLEAN → MART
├── scripts/ fetch script (se type: script)
└── notes.md
support/<slug>/ anagrafiche usate dai dataset principali
scripts/ utility per probing SPARQL
Dati: CC BY 4.0 (fonti ISPRA). Codice: MIT.