L’IA impara a leggere le Alpi
Distinguere boschi, prati, rocce e neve nelle immagini aeree, anche in presenza di versanti ripidi e zone d’ombra, utilizzando un numero limitato di esempi selezionati dagli esperti. È l’obiettivo raggiunto da una ricerca che applica l’intelligenza artificiale alla mappatura del territorio alpino, aprendo nuove prospettive per il monitoraggio degli ambienti montani.
Lo studio, intitolato A Multi-Modal Deep Learning Framework for High-Resolution Alpine Land Use/Land Cover, è stato realizzato da ARPA Valle d’Aosta, l’Agenzia regionale per la protezione dell’ambiente, insieme al Politecnico di Torino e a DigiSky, PMI innovativa nata nel 2007 nell’incubatore I3P del Politecnico e oggi specializzata nel telerilevamento aereo e nell’analisi geospaziale. Pubblicato sulla rivista scientifica Remote Sensing, il lavoro vede tra i suoi autori Paolo Dabove, docente del Dipartimento di Ingegneria dell’Ambiente, del Territorio e delle Infrastrutture (DIATI) del Politecnico, che ha contribuito all’ideazione e alla validazione della ricerca, curandone anche la supervisione scientifica.
Il banco di prova è stata la Valle d’Aosta, dove realizzare cartografie dettagliate della copertura del suolo presenta difficoltà specifiche. La varietà della vegetazione, le ombre proiettate dai rilievi e la presenza stagionale della neve complicano infatti il riconoscimento delle diverse superfici. Disporre di mappe accurate è però fondamentale per seguire trasformazioni come l’avanzata del bosco e l’abbandono dei pascoli, valutare i cambiamenti degli habitat e supportare la gestione del territorio.
Per affrontare queste criticità, il gruppo di ricerca ha fatto affidamento sull’esperienza di DigiSky nel telerilevamento aereo. L’azienda ha equipaggiato un proprio velivolo con SmartBay, una tecnologia proprietaria che integra una fotocamera ad altissima risoluzione, capace di rilevare dettagli al suolo fino a 15 centimetri, e un sensore multispettrale, in grado di acquisire informazioni anche nelle bande della luce non visibili all’occhio umano.
I rilievi hanno interessato quattro aree della regione: Val Ferret, Valgrisenche, Chaligne/Fallere e il territorio compreso tra Champorcher e Champdepraz. La combinazione di immagini ad alta risoluzione e dati multispettrali consente di fornire all’intelligenza artificiale informazioni complementari per distinguere le diverse tipologie di copertura del suolo. Il metodo è stato sperimentato nell’ambito dell’iniziativa Test Before Invest del progetto CHEDIH e punta a offrire agli enti ambientali strumenti per produrre cartografie dettagliate del paesaggio alpino.
L’automazione, tuttavia, non elimina il ruolo degli specialisti: sono gli esperti a definire le categorie da riconoscere e a verificare i risultati. È proprio l’integrazione tra dati raccolti sul territorio, competenze scientifiche e apprendimento automatico a rendere il metodo promettente per migliorare il monitoraggio delle trasformazioni ambientali in montagna.
