Come proteggere il territorio nazionale e la sua biodiversità attraverso l’Intelligenza Artificiale
Articolo in lingua originale di Francisco Piriz, Ingegnere R&D presso Digital Sense; in collaborazione con Javier Preciozzi PhD, managing partner in Digital Sense.
Contesto
L’Uruguay fa parte di Digital Nations dove, insieme ad altri 10 Paesi del mondo (come Israele, Corea, Nuova Zelanda e Inghilterra), sta guidando il cambiamento della gestione pubblica attraverso l’adozione della tecnologia digital
Nel tentativo di migliorare i servizi ai cittadini, la transizione verso un’amministrazione pubblica digitale è fondamentale. A questo proposito, solo nell’ultimo anno, Digital Sense ha guidato parte di questo cambiamento, formando 29 enti pubblici per l’intelligenza artificiale insieme all’AGESIC (E-Government and Information Society Agency).
Una sfida chiara
Un campo con un potenziale di sviluppo in questo senso è la cura e la salvaguardia delle nostre risorse naturali, una delle principali sfide che le nazioni devono affrontare oggi. In Uruguay, come in altre parti del mondo, sono stati rilevati l’uso indiscriminato e l’estrazione illegale di risorse naturali. Questo rappresenta un grave problema per la conservazione della biodiversità del territorio, delle sue acque e dei terreni circostanti.
Recentemente, è diventato di dominio pubblico il caso di aziende private che hanno deviato un corso d’acqua naturale situato nel bacino del fiume Santa Lucía, senza autorizzazione, per facilitare l’estrazione di materie prime a proprio vantaggio. Questa azione, oltre ad avere un potenziale impatto sulla fonte d’acqua che rifornisce il 60% della popolazione del Paese¹, potrebbe avere ripercussioni negative sull’equilibrio ecologico e sulla biodiversità del territorio.
Attualmente, in Uruguay, il monitoraggio delle acque interne viene effettuato da personale della Prefettura navale che di tanto in tanto circola in barca lungo torrenti e fiumi. Il principale svantaggio di questo tipo di monitoraggio, oltre agli alti costi di queste campagne, è il tempo necessario, che in generale non permette di individuare tempestivamente gli incidenti, con i grandi disagi che ciò comporta.
Scopo di questa ricerca
In Digital Sense combiniamo la nostra esperienza con il Machine Learning, nel remote sensing e nell’elaborazione delle immagini per fornire servizi di monitoraggio delle colture e di agricoltura di precisione.
Nel caso della deviazione dei corsi d’acqua nel bacino del fiume Santa Lucía, l’elaborazione e l’analisi delle immagini satellitari ci permettono di rispondere a diverse domande, che affrontiamo in questo studio:
- Esistenza o meno di una deviazione artificiale del corso d’acqua causata dall’intervento umano
- Se ciò si è verificato, determinare in quali date l’intervento è iniziato
- Quantificare la significatività della deviazione artificiale rispetto alle variazioni naturali del corso d’acqua nel tempo
- Identificare deviazioni simili in modo automatico e in caso innescare un allarme che permetta un’azione rapida da parte dello Stato per risparmiare soldi e tempo di gestione pubblico.
Metodologia
Per valutare e testare le potenzialità del monitoraggio tramite immagini satellitari disponibili gratuitamente, abbiamo sviluppato un algoritmo in grado di tracciare il percorso del corso d’acqua in esame e di rilevarne le variazioni nel tempo.
La prima osservazione che abbiamo fatto è stata utilizzando Google Earth. Le ultime due foto disponibili sul sito del fiume in questione risalgono al febbraio 2018 e al marzo 2022:
Le immagini sottostanti sono state estratte da Google Earth
https://miro.medium.com/v2/resize:fit:1100/0*Hngj9dAov2_qToUi
Nell’immagine a destra, corrispondente a Marzo 2022, si può osservare una modifica del corso del fiume
https://miro.medium.com/v2/resize:fit:1100/0*cmNZpH_lt1j4VgmF
Confronto del territorio: febbraio 2018 e marzo 2022
A differenza di altre immagini, quelle di Google Earth non possono essere scaricate gratuitamente, il che è necessario per l’elaborazione automatica. Queste immagini, che dimostrano almeno un cambiamento negli ultimi quattro anni, ci spingono ad automatizzare il rilevamento di queste evoluzioni. Questo è ciò che descriveremo in seguito.
La chiave: i dati
Per lavorare con le immagini satellitari, la prima cosa da determinare è quali immagini abbiamo a disposizione e quali sono le più adatte al nostro scopo, tenendo conto che partiamo dal presupposto di utilizzare immagini ad accesso libero.
Esistono diversi satelliti che rendono disponibili le loro immagini. Queste immagini vanno da quelle ottiche (nelle frequenze della luce visibile) a quelle che acquisiscono altre bande dello spettro elettromagnetico, come l’infrarosso (che fornisce informazioni termiche) o il vicino infrarosso (NIR, per Near Infra Red). Questi sono utili, tra l’altro, per il monitoraggio della vegetazione. Esistono anche satelliti per l’osservazione della Terra che trasportano diversi tipi di strumenti, come radar e derivati, a seconda dello scopo per cui sono stati messi in orbita.
Un altro fattore chiave è la risoluzione spaziale e temporale di queste osservazioni. La risoluzione spaziale può variare da un metro (o meno) a chilometri, a seconda dei fenomeni da osservare. Allo stesso modo, abbiamo satelliti (o costellazioni di satelliti) che rivisitano lo stesso luogo più di una volta al giorno, e altri con cui non abbiamo più di un’osservazione mensile.
Questo studio è un breve proof of concept, che non intende costituire un’analisi esaustiva della metodologia o del tipo di dati ottimali da utilizzare. L’obiettivo è illustrare la fattibilità di questo tipo di procedura. A tal fine, utilizziamo i dati del satellite Sentinel-2 dell’Agenzia Spaziale Europea (ESA).
Sentinel-2 è una costellazione di satelliti per l’osservazione della Terra gestita dall’ESA. Questi satelliti forniscono immagini ad alta risoluzione della superficie terrestre per applicazioni in agricoltura, gestione dei disastri, gestione delle risorse naturali e monitoraggio ambientale. Dotati di telecamere multispettrali ad alta risoluzione, possono acquisire immagini della superficie terrestre a diverse lunghezze d’onda.
In questo caso, ci basiamo sulle bande spettrali che compongono lo spettro visibile: rosso, verde e blu (RGB). Utilizziamo anche la banda NIR, che riflette la risposta della Terra a un’onda incidente di lunghezza d’onda vicina all’infrarosso. Queste bande hanno una risoluzione spaziale di 10 metri. I satelliti della costellazione Sentinel-2 sorvolano la nostra regione di studio circa una volta alla settimana.
Come possiamo sfruttare e valorizzare questi dati?
Combinando queste bande in modo specifico, si possono evidenziare fenomeni o artefatti che non sarebbero osservabili dall’occhio umano. In questo caso, calcoliamo un indice chiamato NDWI (Normalized Difference Water Index), ottenuto dalla combinazione delle bande verde e NIR.
NDWI = (Verde – NIR) / (Verde + NIR)
Come suggerisce il nome, questa combinazione tende a evidenziare la presenza di acqua sulla superficie. Per illustrare il potenziale dell’NDWI in questo caso, mostriamo di seguito due immagini RGB del settembre 2020 e del settembre 2021 e le corrispondenti immagini NDWI.
https://miro.medium.com/v2/resize:fit:1100/format:webp/1*7sScftJcZS-CqGM_0O25CA.png
Sorgente: Sentinel-2
https://miro.medium.com/v2/resize:fit:1100/0*jyUS32-GihkqmidJ
Sorgente: Sentinel-2
In queste immagini, la presenza del corso d’acqua è visibile in giallo brillante. Esse illustrano chiaramente il potenziale di NDWI nel rilevare e segmentare il corso d’acqua in qualsiasi data e nell’identificare i momenti in cui si sono verificate modifiche importanti, se presenti.
A tal fine, abbiamo preso immagini ogni uno o due mesi da marzo 2020 alla fine del 2022, scartando quelle con una forte copertura nuvolosa, al fine di identificare le deviazioni del corso d’acqua. Con le immagini NDWI e l’elaborazione delle immagini basata su strumenti statistici di base e sulla morfologia matematica, otteniamo un follow-up del fiume durante tutto questo periodo.
https://miro.medium.com/v2/resize:fit:828/0*L5G-eN-iA5vjZ9JY.gif
→ Immagini NDWI:
https://miro.medium.com/v2/resize:fit:828/0*rfn1C2gaPk6njRZ8.gif
→ Immagini RGB con detezione automatica del bacino
https://miro.medium.com/v2/resize:fit:828/0*E1oQpyJPu1QlpY05.gif
In queste sequenze è possibile individuare un’alterazione dell’alveo del fiume, a partire dal dicembre 2020 e dal gennaio 2021. In particolare, si può osservare un isolotto di sabbia che si è spostato dalla riva sinistra alla riva destra del fiume.
Possiamo identificare 4 periodi:
- Marzo 2020 – Dicembre 2020: i cambiamenti non sono significativi, rispondono a fattori naturali (inondazioni ecc.)
- Dicembre 2020 – Gennaio 2021: si osserva per la prima volta il nuovo corso del fiume e come il passaggio precedente viene chiuso
- Gennaio 2021 – Febbraio 2021: le trasformazioni si accentuano e il nuovo passaggio del fiume si ingrossa
- Da febbraio 2021: il fiume rimane relativamente stabile e il suo vecchio ramo continua a prosciugarsi
Questi quattro periodi sono mostrati nelle immagini sottostanti, evidenziando la differenza tra il corso del fiume all’inizio di ogni periodo e la fine dello stesso. Le aree blu rappresentano le zone in cui il fiume è scomparso durante quel periodo, mentre le aree gialle rappresentano le zone in cui il fiume ha invaso quel periodo.
https://miro.medium.com/v2/resize:fit:720/0*Qx4E2MB0zgxqUIKo
Con gli strumenti sopra citati siamo riusciti a evidenziare i cambiamenti, soprattutto tra dicembre 2020 e febbraio 2021, dove il braccio giallo indica il nuovo percorso del fiume e la parte blu indica il tratto chiuso.
Ci sono diversi modi possibili per quantificare queste osservazioni. Un modo semplice che utilizziamo qui a scopo illustrativo è quello di tracciare, in funzione del tempo, la superficie (in ettari) che passa dall’essere parte dell’alveo del fiume a non esserlo più e viceversa (la somma delle aree colorate in giallo e blu nella figura precedente). Si nota chiaramente un picco significativo tra la fine del 2020 e l’inizio del 2021.
Alterazioni dell’area osservata
https://miro.medium.com/v2/resize:fit:750/0*fBDtSJZiZVYtVv69
L’evoluzione di questo cambiamento, che riflette il periodo di maggiore impatto sul fiume, ci dà spunti per studiare il comportamento statistico dei fiumi e successivamente automatizzare il rilevamento dei cambiamenti e di altri comportamenti anomali.
Conclusioni
Oggi è possibile monitorare a distanza un intero territorio nazionale per proteggere le risorse naturali. Gli algoritmi di rilevamento automatico dei cambiamenti possono inviare notifiche tempestive ogni volta che qualcosa o qualcuno genera cambiamenti in qualsiasi regione geografica.
Un team di esperti di immagini satellitari di Digital Sense ha sviluppato e validato questa soluzione come proof of concept.
Il caso precedentemente citato, che ha mostrato come aziende private abbiano alterato illegalmente le acque e il suolo nazionali, potrebbe non essere un caso isolato. È una chiara prova della rilevanza delle tecnologie digitali avanzate nella gestione pubblica. Parte della soluzione sta nel comprendere la portata e l’impatto positivo che l’intelligenza artificiale può generare e nell’essere aperti al cambiamento. Alla fine, è il nostro continuo cambiamento che ci caratterizza e ci fa progredire come cittadini del mondo.
Share:
