Foreste Iberiche Sotto la Lente: Sveliamo Altezza e Biomassa con l’AI!

Ciao a tutti! Oggi voglio portarvi con me in un viaggio affascinante nel cuore verde della Penisola Iberica. Immaginate di poter sorvolare le sue foreste e, con uno sguardo quasi magico, conoscerne ogni segreto: l’altezza esatta di ogni albero, la quantità di biomassa immagazzinata. Sembra fantascienza? Beh, grazie alle tecnologie più avanzate, è proprio quello che siamo riusciti a fare!

Le foreste, lo sappiamo, sono i polmoni del nostro pianeta. Svolgono un ruolo cruciale nell’assorbire carbonio, nel regolare il clima, nel custodire una biodiversità incredibile e nel sostenere le nostre comunità. Capire come stanno, misurarne la struttura – in particolare l’altezza della chioma e la biomassa – è fondamentale. Senza queste informazioni, come potremmo proteggerle efficacemente, gestire le risorse in modo sostenibile o combattere il cambiamento climatico?

La Sfida: Vedere la Foresta… e gli Alberi!

Fino a poco tempo fa, ottenere mappe dettagliate e aggiornate su vasta scala era un’impresa titanica. I dati raccolti a terra, come quelli dell’Inventario Forestale Nazionale (NFI) spagnolo, sono preziosissimi ma puntiformi. Le mappe globali esistenti, d’altro canto, spesso mancano della precisione necessaria a livello regionale e faticano a cogliere i cambiamenti rapidi, come quelli dovuti a incendi o tagli. C’era bisogno di qualcosa di più.

La Nostra Ricetta Tecnologica: Satelliti, Laser e Cervelli Artificiali

Ed è qui che entriamo in gioco noi, con un approccio che definirei “ad alta tecnologia”! Abbiamo messo insieme una squadra di strumenti potentissimi:

• Sentinel-1 (S1): Un satellite radar che “vede” anche attraverso le nuvole, fornendoci informazioni sulla struttura fisica della foresta.
• Sentinel-2 (S2): Un satellite ottico che scatta “fotografie” multispettrali ad alta risoluzione, mostrandoci dettagli sulla vegetazione.
• LiDAR: Una tecnologia laser che misura le distanze con precisione millimetrica. Abbiamo usato sia dati da campagne aeree (ALS – Airborne Laser Scanning), super dettagliati ma localizzati, sia dati dalla missione spaziale GEDI (Global Ecosystem Dynamics Investigation), che dalla Stazione Spaziale Internazionale mappa l’altezza delle foreste globalmente, anche se con una copertura a “punti”.
• Intelligenza Artificiale (AI): Il vero “cervello” dell’operazione. Abbiamo usato tecniche di Deep Learning, in particolare un’architettura chiamata UNET, originariamente pensata per le immagini biomediche ma perfetta per analizzare le complesse immagini satellitari e riconoscere pattern invisibili all’occhio umano. Per la biomassa, invece, ci siamo affidati ai modelli Random Forest, un’altra potente tecnica di Machine Learning.

L’idea era semplice ma ambiziosa: usare l’AI per “imparare” dai dati LiDAR (i nostri “maestri” di altezza) come interpretare le immagini Sentinel e creare così mappe continue e dettagliate dell’altezza della chioma su tutta la Penisola Iberica, anno per anno, dal 2017 al 2021.

Due Modelli, Un Obiettivo: Mappare l’Altezza

Abbiamo sviluppato non uno, ma due modelli UNET per l’altezza della chioma, entrambi con una risoluzione pazzesca di 10 metri:

1. Modello basato su ALS: Addestrato usando i dati LiDAR aerei, super precisi. Ha mostrato un errore medio assoluto (MAE) bassissimo, solo 1.22 metri nei test!
2. Modello basato su GEDI: Addestrato usando i dati LiDAR spaziali. Copre un’area più vasta e continua nel tempo, anche se con un MAE leggermente più alto (3.24 metri).

Per essere sicuri che i nostri modelli funzionassero bene nel mondo reale, li abbiamo confrontati con i dati raccolti a terra dall’Inventario Forestale Nazionale spagnolo (NFI). Abbiamo usato oltre 6300 punti di controllo! I risultati? Eccellenti! L’errore medio assoluto rispetto ai dati NFI si è attestato tra i 2 e i 3 metri nelle aree coperte da alberi. Il modello basato su ALS si è confermato leggermente più preciso (MAE 2.34 m contro 3.07 m del modello GEDI), ma entrambi hanno dimostrato di saper stimare l’altezza delle foreste iberiche molto meglio delle mappe globali esistenti. Pensate che alcune mappe globali avevano errori medi anche superiori ai 4 metri!

Dall’Altezza alla Biomassa: Il Passo Successivo

Ma non ci siamo fermati all’altezza! Sapevamo che l’altezza è strettamente legata alla biomassa (alberi più alti = più biomassa, in generale). Quindi, abbiamo fatto un passo in più. Abbiamo addestrato un altro modello UNET per stimare la copertura arborea (quanta area è coperta dalle chiome) a 10 metri di risoluzione, usando i dati GEDI.

Poi, abbiamo usato i modelli Random Forest. Abbiamo dato loro in pasto:

• Le nostre mappe di altezza della chioma (quelle generate dai modelli UNET, aggregate a 50 metri per corrispondere alla dimensione dei plot NFI).
• Le nostre mappe di copertura arborea (aggregate a 50 metri).
• Le coordinate geografiche (latitudine e longitudine), perché sappiamo che il tipo di foresta e il clima cambiano con la posizione.
• I dati reali di biomassa aerea (AGB) misurati nei plot NFI.

I modelli Random Forest hanno imparato a mettere in relazione tutte queste informazioni per stimare la biomassa. E i risultati sono stati notevoli! Abbiamo ottenuto mappe annuali di biomassa aerea (AGB) con una risoluzione di 50 metri per il periodo 2017-2021, con un errore medio assoluto di circa 29 Mg/ha (Megagrammi per ettaro). Anche in questo caso, le nostre stime si sono rivelate più accurate rispetto ad altre mappe di biomassa disponibili per l’Europa.

Le Mappe della Scoperta: Un Tesoro di Dati a Disposizione di Tutti

La parte più bella? Tutto questo lavoro non resta chiuso nei nostri computer! Abbiamo reso disponibili pubblicamente ben 27 collezioni di dati su Zenodo. Questo include:

• 10 mappe annuali dell’altezza della chioma (5 dal modello ALS, 5 dal modello GEDI) a 10m di risoluzione.
• 5 mappe annuali della copertura arborea a 10m di risoluzione.
• 10 mappe annuali della biomassa aerea (5 dal modello ALS, 5 dal modello GEDI) a 50m di risoluzione.
• 2 mappe dei disturbi forestali (cambiamenti di altezza tra 2017 e 2021) a 10m di risoluzione.

Queste mappe sono uno strumento potentissimo. Permettono di vedere non solo dove sono le foreste e quanto sono alte o dense, ma anche come cambiano nel tempo. Possiamo identificare aree colpite da incendi, tagli, malattie o degrado con una precisione mai vista prima su questa scala.

Perché Tutto Questo è Importante?

Queste mappe ad alta risoluzione sono una vera miniera d’oro per chiunque si occupi di ambiente e foreste nella Penisola Iberica:

• Ricercatori: Possono studiare meglio il ciclo del carbonio, la biodiversità e le dinamiche degli ecosistemi.
• Gestori forestali: Hanno strumenti più precisi per pianificare interventi sostenibili, monitorare la crescita e valutare le risorse legnose.
• Politici e decisori: Possono basare le strategie di conservazione, mitigazione del cambiamento climatico e gestione del territorio su dati solidi e dettagliati.

Abbiamo dimostrato che combinando telerilevamento avanzato e intelligenza artificiale possiamo ottenere una comprensione senza precedenti delle nostre foreste. Il modello basato su ALS offre una precisione leggermente superiore, ideale per studi dettagliati dove i dati aerei sono disponibili. Il modello GEDI, d’altro canto, garantisce una copertura più ampia e continua nel tempo, perfetta per monitorare le tendenze su larga scala e i disturbi anno dopo anno.

Certo, c’è sempre spazio per migliorare. Ad esempio, la stima della biomassa diventa meno precisa per valori molto alti (sopra i 250 Mg/ha), semplicemente perché avevamo pochi esempi così nei dati di addestramento. E bisogna ricordare che le nostre mappe coprono tutto il territorio, quindi chi vuole analizzare specificamente le aree forestali dovrà applicare una maschera adeguata.

Ma il passo avanti è enorme. Abbiamo aperto una nuova finestra sulle foreste della Penisola Iberica, fornendo dettagli cruciali per la loro salvaguardia e gestione futura. È un esempio entusiasmante di come la tecnologia possa aiutarci a comprendere e proteggere il nostro prezioso patrimonio naturale. E questo, lasciatemelo dire, è davvero affascinante!

Fonte: Springer