Ogni giorno, milioni di persone aprono Google Maps per trovare il percorso più veloce verso casa, cercare un ristorante o esplorare luoghi che non hanno mai visitato. Dietro questa esperienza familiare si nasconde un’impresa straordinaria: in gran parte del globo, miliardi di strade, edifici, foreste, fiumi e altri elementi sono stati identificati e organizzati in informazioni a cui gli utenti possono accedere immediatamente.
Su scala più ampia, le osservazioni satellitari consentono inoltre agli scienziati di indagare sulla scomparsa delle foreste, sul ritiro dei ghiacciai, sull’espansione delle città e sul cambiamento climatico. Dare un senso a queste enormi quantità di informazioni è il cuore del campo dell’osservazione della Terra.
I satelliti forniscono semplicemente immagini, ma la sfida più grande è trasformarle in informazioni significative su ciò che sta accadendo sulla Terra. L’osservazione della Terra non è quindi semplicemente un altro nome per l’imaging satellitare o il telerilevamento; è lo studio più ampio sull’interpretazione della Terra attraverso i dati misurati.
La moderna analisi delle immagini satellitari ruota generalmente attorno a tre compiti fondamentali.
“È lo studio più ampio sull’interpretazione della Terra attraverso dati misurati”
La classificazione determina a quale categoria appartiene un’immagine o un oggetto, ad esempio area residenziale, terreno agricolo o foresta. La segmentazione assegna i pixel alle categorie, identificando i confini precisi di quei terreni agricoli e foreste. Il rilevamento delle modifiche confronta le immagini scattate in momenti diversi per determinare cosa è cambiato, ad esempio durante l’espansione urbana, il ritiro dei ghiacciai o la deforestazione.
Prima del 2012, i tentativi di analisi delle immagini satellitari si basavano su “funzionalità artigianali”. Invece di consentire ai computer di scoprire da soli i modelli, gli scienziati hanno definito manualmente le caratteristiche dei diversi paesaggi. Ad esempio, le foreste tendono ad essere verdi e strutturate, mentre gli edifici sono grigi e rettangolari.
Gli algoritmi tradizionali di apprendimento automatico potrebbero quindi classificare le immagini utilizzando queste funzionalità predefinite. Questi approcci dipendevano fortemente dalle competenze umane e faticavano a far fronte all’enorme diversità di paesaggi presenti nei diversi climi, stagioni e regioni geografiche.
L’emergere delle reti neurali convoluzionali (CNN) intorno al 2012 ha cambiato il flusso di lavoro. Invece di chiedere agli esseri umani di specificare cosa definisce una foresta o un edificio, la CNN ha appreso queste caratteristiche direttamente dalle immagini satellitari grezze. Attraverso ripetute ‘convoluzioni’, in cui piccoli filtri percorrono un’immagine alla ricerca di particolari schemi visivi, la rete costruisce gradualmente rappresentazioni sempre più complesse.
I primi strati riconoscono caratteristiche semplici come bordi, angoli e trame; gli strati più profondi li combinano in strutture come strade, tetti e vegetazione, consentendo infine alla rete di distinguere interi paesaggi come quartieri residenziali e distretti industriali.
“L’emergere delle reti neurali convoluzionali (CNN) intorno al 2012 ha cambiato il flusso di lavoro”
Sebbene le prime CNN migliorassero notevolmente la classificazione delle immagini, erano progettate principalmente per etichettare ciascuna immagine nel suo insieme. L’osservazione della Terra spesso richiede qualcosa di più preciso: non semplicemente riconoscere che un’immagine contiene una foresta, una strada o un edificio, ma determinare esattamente quali pixel gli appartengono.
La creazione di reti completamente convoluzionali (FCN), seguita da U-Net nel 2015, ha esteso il deep learning a questo compito a livello di pixel, rendendo possibile una segmentazione accurata delle immagini. I modelli ibridi sviluppati dal 2017 al 2020 hanno successivamente accoppiato le CNN con reti neurali ricorrenti (RNN), combinando la capacità delle CNN di riconoscere modelli spaziali con la capacità delle RNN di conservare informazioni da parti di un’immagine precedentemente analizzate.
Nonostante questi progressi, le CNN analizzavano ancora le immagini in gran parte attraverso i quartieri locali, rendendo difficile catturare le relazioni tra parti distanti di una scena. Riconoscere due segmenti fluviali distanti come fiumi, ad esempio, non equivale a riconoscerli come parti dello stesso sistema fluviale.
Vision Transformers (ViTs), sviluppati intorno al 2020, hanno affrontato questa limitazione attraverso l’autoattenzione, che consente a diverse parti di un’immagine di scambiare informazioni direttamente e determinare quali altre regioni sono rilevanti per interpretarle. Questo contesto più ampio può migliorare la comprensione di paesaggi complessi, ma comporta richieste computazionali sostanzialmente maggiori.
“I Segment Anything Model (SAM, 2024) sono progettati per segmentare quasi tutti gli oggetti presentati loro”
La ricerca attuale sta esplorando diverse nuove direzioni. I modelli spazio-stato mantengono uno “stato” interno in evoluzione che trasporta informazioni rilevanti attraverso un’immagine, catturando potenzialmente relazioni a lungo raggio in modo più efficiente dell’attenzione personale.
Nel frattempo, i modelli di fondazione adottano un approccio più ambizioso. Piuttosto che essere addestrati a riconoscere solo un insieme predefinito di oggetti, modelli come il Segment Anything Model (SAM, 2024) sono progettati per segmentare quasi tutti gli oggetti presentati loro, dalle scene quotidiane alle immagini satellitari, guidati da semplici suggerimenti.
Entrambi gli approcci, tuttavia, sono ancora in una fase iniziale nel campo dell’osservazione della Terra. La loro capacità di generalizzare su diversi sensori, risoluzioni e paesaggi richiede ancora test più ampi.
L’osservazione della Terra cerca in definitiva di rispondere a una domanda apparentemente semplice: cosa sta succedendo sul nostro pianeta? Ora, l’intelligenza artificiale ha cambiato radicalmente il modo in cui trasformiamo le osservazioni in conoscenza. Comprendere la Terra è diventato un compito sempre più condiviso tra scienziati umani e algoritmi intelligenti.
