INTELLIGENZA ARTIFICIALE E MONITORAGGIO SATELLITARE A SERVIZIO DEL PIANETA
Ogni cinque giorni ad un’altezza di 786 chilometri dalla superficie terrestre uno dei due satelliti Sentinel (2A e 2B) scatta delle immagini satellitari multispettrali a varie risoluzioni (da 10 a 60 metri/pixel) per analizzare lo stato di salute dei mari e delle terre europee.
Insieme ad altre costellazioni di sensori la galassia di satelliti europei del programma Copernicus hanno raccolto 34 Petabyte (un petabyte è un milione di GB) di dati su terra, acqua, ghiaccio e aria.
Accanto ai satelliti poi ci sono i dati provenienti dai dispositivi GPS e dall'Internet delle cose (IoT) che rendono ancora più estesi i data set ambientali, che vengono poi messi a disposizione di ricercatori, governi e aziende. Nel complesso formano tutto lo scibile “grezzo” dell’EO, acronimo inglese di Earth Observation, l’osservazione della Terra.
Per la Commissione Europea e l’Agenzia Spaziale Europea questi dati devono essere sempre più accessibili e intelligibili per generare conoscenza e azione. Per questo è stato creato un unico punto di raccolta il Copernicus Data Space Ecosystem dove trovare dati di ogni tipo: dati radar per monitorare i cedimenti delle dighe, misurazioni della qualità dell'aria che rivelano le emissioni di gas a effetto serra e dati di misurazione che aiutano a prevedere dove è maggiore il rischio di inondazioni dopo forti precipitazioni. Ora si tratta di rendere sempre più fruibili o digeribili.
«Il nostro obiettivo è avere informazioni e simulazioni quanto più complesse da offrire per i decisori», spiega l’autore Giuseppe Borghi, esperto di intelligenza artificiale e robotica del Direttorato Earth Observation Programmes dell’ESA.
«Oggi ci sono programmi che cercano di creare veri e propri gemelli digitali della terra, come il progetto Destiny che la Commissione europea ha affidato a un consorzio formato da ESA, ISS (Stazione spaziale internazionale), WWF e EUMETSAT, per fornire simulazioni complete di tutti i processi interessanti per i decision maker, sia sul cambiamento climatico sia su eventi meteorologici estremi, fatto in modo che aiuti persone non tecniche, non esperte, ad analizzare scenari possibili da qui a vent’anni.»
L’ARRIVO DELL’AI
Nell’architettura della conoscenza, immense moli di dati dell’EO senza elaborazioni sono inutili, non essendo in grado di generare senso, come lettere senza una semantica e una grammatica, che va poi resa la più semplice ed efficace possibile.
A dare una svolta all’elaborazione dei dati EO è stata l’intelligenza artificiale, con i suoi modelli di deep learning o foundation models (come ChatGpt), spiega un Briefing Paper del World Economic Forum del febbraio 2024. Secondo gli autori non solo si potranno elaborare e trovare informazioni nei milioni di terabyte di dati ma si potranno generare “interfacce utente intuitive che renderanno l’osservazione della terra accessibile anche ai non esperti”, favorendo l'innovazione nei modelli di business attraverso applicazioni scalabili in vari settori, inclusa la gestione della natura, la produzione e l’efficienza energetica, i trasporti, la riduzione dei rischi climatici, la pianificazione territoriale e la gestione idrica. Dalle assicurazioni ai gestori di impianti, dalle aziende agricole ai pianificatori territoriali, includendo anche cittadini e cittadine che potranno usare per propria necessità queste informazioni anche senza un dottorato in statistica analitica.
APPLICAZIONI DEI DATI SATELLITARI & AI
Le implementazioni commerciali e pubbliche dell’applicazione dell’AI all’EO sono tantissime.
Con la possibilità di fare previsioni meteo sempre più accurate, ad esempio si hanno informazioni dettagliate sulla radiazione solare e sui modelli dei venti o dove sono i luoghi più idonei di nuovi impianti. Recentemente DeepMind – Google ha sviluppato un tool, GraphCast, dove si dimostra che si possono fare previsioni fino a dieci giorni di distanza, usando l’AI “in modo più accurato e molto più rapido rispetto al sistema di simulazione meteorologica standard del settore, l'High Resolution Forecast (HRES), realizzato dall’European Centre for Medium-Range Weather Forecasts (ECMWF)”.
Con sistemi di questo tipo diviene quindi più semplice anche la gestione del rischio durante gli eventi estremi, in grado ci creare simulazioni anche in tempo reale sugli impatti e attivare gli allarmi. Lo stesso ECMWF, sta impiegando oggi il modello Google facendolo girare sui suoi dati, in modo da poterli confrontare con il metodo su cui sono basate attualmente le previsioni meteo in Europa.
Anche nella gestione idrica è sempre più necessario il know-how digitale sostenuto dall’AI. Il progetto HydroForecast di UpstreamTech, un servizio di modellazione e supporto decisionale end-to-end, fornisce previsioni idrologiche accurate e affidabili, modellizzando le condizioni future previste per i flussi d'acqua di superficie, come ad esempio la quantità d'acqua che affluirà in un lago nei prossimi 10 giorni, consentendo ai proprietari di impianti idroelettrici di pianificare in modo più efficace le operazioni.
Google's Flood Hub, invece, monitora le inondazioni in tempo reale e genera mappe che possono essere consultate in tempo reale dalle comunità e dalla protezione civile, potendo anche inviare notifiche tramite app o messaggi di testo in base alla posizione dei dispositivi.
Un’area dove il mesh tra dati satellitari, osservazioni a terra e AI è particolarmente promettente e dirompente è l’analisi del suolo. «Analizzare il cambiamento d’uso del suolo è determinante per il clima e influisce sulla contabilità delle emissioni di carbonio», spiega Claire Monteleoni, professoressa di Computer Science all’Università di Colorado Boulder e pioniera dell’AI, in un’intervista a Materia Rinnovabile.
«Lo stato dell’arte su questo tema è però al momento molto incerto, non abbiamo modelli chiari come per i combustibili fossili. Perciò abbiamo cominciato a lavorare a un nuovo progetto per costruirne uno basato sui tanti dati che, anche grazie alle osservazioni satellitari, sono oggi disponibili. Gli scienziati lavorano su modelli climatici sin dal 1969, ma i modelli focalizzati sul suolo, sui cambiamenti del territorio e sulla vegetazione sono in realtà un campo molto più recente.»
DISSEMINARE IL SAPERE
Per sensibilizzare sulle opportunità dell’uso dei dati satellitari e dell’AI – in particolare legato ai rischi dei disastri naturali e climatici – l’Agenzia Spaziale Europea ha fondato Eurisy per promuovere l’utilizzo di soluzioni satellitari per l’analisi di rischio dei disastri naturali. “Sviluppiamo campagne di sensibilizzazione per le pubbliche amministrazioni e la protezione civile – commenta Annalisa Donati, segretaria generale di Eurisy in un’intervista a Materia Rinnovabile – Il nostro obiettivo è creare un ponte tra le applicazioni spaziali e la società”. Organizzando workshop e incontri, Eurisy presenta alle municipalità alcuni servizi che il Copernicus Emergency Service mette a disposizione su richiesta, come Rapid Mapping che offre informazioni geospaziali per mappare le aree a rischio incendi o alluvioni, a supporto delle attività di gestione delle emergenze.
Con il Φ-lab, diretto diretta da Giuseppe Borghi, ESA si occupa di innovazione, sia dal punto di vista della ricerca che della commercializzazione di soluzioni legate ai dati elaborati di EO. «Con il nostro Invest Office supportiamo gli imprenditori nello sviluppo di prodotti e servizi, mentre l’Explore Office si muove su tre linee: una dedicata a intelligenza artificiale e machine learning; una seconda per quantum computing ed edge computing; e una terza per blockchain, cognitive space e Internet of Things. Le tecnologie su cui stiamo investendo sono tutte legate alla rivoluzione dell’Information and Communications Technology, cioè tutto ciò che ci permette di estrarre dati dall’osservazione della Terra e unirli a informazioni di tipo finanziario, economico, medico e oltre, per creare un modello digitale della nostra società» e rispondere con successo a tutte le sfide della transizione ecologica.
Articolo di Emanuele Bompan