Una rete neurale legge le altezze degli alberi dalle immagini satellitari
Con l'aiuto di una rete neurale artificiale, i ricercatori dell'ETH hanno creato la prima tessera dell'altezza della vegetazione globale ad alta risoluzione da immagini satellitari per l'anno 2020. La mappa potrebbe fornire indizi cruciali contro i cambiamenti climatici e l'estinzione delle specie.
Dall'anno scorso facciamo parte del Decennio delle Nazioni Unite per il ripristino degli ecosistemi. L'iniziativa si è posta l'obiettivo di arrestare e prevenire il degrado degli ecosistemi entro il 2030 e, ove possibile, di riparare i danni già verificatisi. Per realizzare questi progetti, le parti interessate hanno bisogno di informazioni precise, come sondaggi e mappe della situazione esistente. Ralph Dubayah, responsabile della missione Global Ecosystem Dynamics Investigation (GEDI) della NASA, spiega in un'intervista: "Semplicemente non sappiamo quanto siano alti gli alberi in tutto il mondo. [...] Abbiamo bisogno di mappe globali, perché quando tagliamo gli alberi, rilasciamo CO2 nell'atmosfera, e non sappiamo quanto".
Il Laboratorio EcoVision presso il Dipartimento di ingegneria civile, ambientale e geomatica dell'ETH, fondato nel 2017 dal professore Konrad Schindler e dal professore Jan Dirk Wegner dell'UZH. Nel laboratorio, i ricercatori sviluppano algoritmi di apprendimento automatico che consentono di analizzare automaticamente dati ambientali su larga scala. Uno di questi ricercatori è Nico Lang. Nella sua tesi di dottorato, ha sviluppato un approccio - basato sulle reti neurali - per ricavare l'altezza della vegetazione dalle immagini ottiche satellitari. Da qui è stato in grado di creare la prima mappa dell'altezza della vegetazione che copre l'intera Terra ( "pagina esternaMappa globale dell'altezza delle chiome").
Anche l'alta risoluzione della mappa è una novità: grazie al lavoro di Lang, gli utenti possono zoomare su qualsiasi pezzo di foresta sulla Terra fino a 10x10 metri per vedere l'altezza degli alberi. Misurare le foreste in questo modo potrebbe essere particolarmente utile in futuro per la gestione delle emissioni di CO2-perché l'altezza degli alberi è un importante indicatore della biomassa e della quantità di carbonio immagazzinata. "Circa il 95% della biomassa della foresta si trova nel legno e non nelle foglie. La biomassa è quindi fortemente legata all'altezza", spiega Konrad Schindler, professore di fotogrammetria e telerilevamento.
Addestrata con dati di scansione laser dallo spazio
Ma come fa un computer a leggere l'altezza degli alberi da un'immagine satellitare? "Poiché non sappiamo quali modelli il computer debba cercare per stimare l'altezza, lasciamo che impari da solo i filtri ottimali dell'immagine", spiega Nico Lang. Pertanto, egli mostra alla sua rete neurale milioni di esempi: Le immagini dei due satelliti Copernicus Sentinel-2 dell'Agenzia spaziale europea (ESA) servono come input. Questi satelliti registrano ogni località della Terra ogni cinque giorni con una risoluzione di 10x10 metri per pixel. Si tratta delle immagini di più alta qualità attualmente disponibili al pubblico.
"Il trucco consiste nell'impilare i filtri dell'immagine, in modo da fornire all'algoritmo le informazioni sul contesto, dato che per ogni pixel sono già disponibili le informazioni sui pixel vicini".Konrad Schindler
Inoltre, l'algoritmo deve ricevere la risposta corretta, ossia l'altezza degli alberi dalle misurazioni laser spaziali del pagina esternaMissione GEDI della NASA - sono stati decisi. "La missione GEDI fornisce dati puntuali e distribuiti a livello globale sull'altezza della vegetazione tra i 51 gradi di latitudine nord e sud, in modo che il computer veda molti tipi diversi di vegetazione durante il processo di addestramento", spiega Nico Lang. Grazie agli input e alle risposte, l'algoritmo è in grado di apprendere da solo i filtri per i modelli di texture e di spettro. Una volta addestrata, la rete neurale può stimare automaticamente l'altezza degli alberi dalle oltre 250.000 immagini (circa 160 terabyte di dati) necessarie per la mappa globale.
Nella terminologia tecnica, la rete neurale di Lang è chiamata rete neurale convoluzionale (CNN). La "convoluzione" è un'operazione matematica in cui l'algoritmo fa scorrere i filtri immagine 3x3 pixel sull'immagine satellitare, ottenendo così informazioni sui modelli di luminosità dell'immagine. "Il trucco sta nel fatto che impiliamo i filtri dell'immagine e l'algoritmo riceve informazioni contestuali in quanto possiede già informazioni sui pixel vicini di ciascun pixel", spiega Konrad Schindler. In questo modo il laboratorio EcoVision è riuscito per la prima volta a stimare in modo affidabile l'altezza degli alberi fino a 55 metri con una mappa satellitare.
Poiché queste reti neurali con i loro numerosi strati sono "profonde", vengono anche chiamate "deep learning". Questo metodo ha annunciato una grande rivoluzione nell'elaborazione delle immagini circa 10 anni fa. Tuttavia, la gestione dell'enorme volume di dati necessari è ancora una sfida importante: un computer potente impiegherebbe tre anni solo per calcolare la mappa dell'altezza della vegetazione globale. "Fortunatamente abbiamo accesso alla tessera dell'ETH, quindi non abbiamo dovuto aspettare tre anni per calcolare la mappa", spiega Nico Lang.
Trasparenza attraverso la stima delle incertezze
Nico Lang non ha preparato una sola CNN per questo compito, ma diverse - un cosiddetto ensemble. "Un aspetto importante per noi era fornire agli utenti anche l'incertezza della stima", spiega. Le cinque reti neurali in totale sono state addestrate indipendentemente l'una dall'altra e ognuna ha fornito la propria stima dell'altezza degli alberi.
"Se tutti i modelli sono d'accordo, la risposta è chiara sulla base dei dati di addestramento. Se i modelli giungono a risposte diverse, significa che c'è una maggiore incertezza nella stima", spiega Nico Lang. Anche le incertezze dei dati stessi sono incluse nella modellazione: Se un'immagine satellitare è nebulosa, ad esempio, l'incertezza è maggiore rispetto a quando le condizioni dell'atmosfera sono buone.
Base per le future ricerche ecologiche
Grazie all'alta risoluzione, la mappa globale di Lang offre la possibilità di osservare dettagli interessanti: "Siamo già riusciti a scoprire modelli interessanti", dice Konrad Schindler. "Nelle Montagne Rocciose, per esempio, la silvicoltura è praticata in quadrati fissi e anche la foresta pluviale forma strutture interessanti che non possono essere casuali". Ora è possibile per gli ecologi interpretare i modelli e i dati registrati su scala globale.
"Grazie a Sentinel-2, le altezze della vegetazione possono essere ricalcolate ogni cinque giorni, permettendoci di monitorare la deforestazione delle foreste pluviali".Nico Lang
La mappa e il codice sorgente saranno accessibili pubblicamente per consentire la prosecuzione della ricerca. I primi interessati ci hanno già contattato: Walter Jetz, professore dell'Università di Yale, vorrebbe utilizzare la Global Canopy Height Map per la modellazione della biodiversità. Tuttavia, la mappa potrebbe essere interessante anche per i governi, le amministrazioni e le ONG. "Grazie a Sentinel-2, potremmo ricalcolare le altezze della vegetazione ogni cinque giorni e monitorare così la deforestazione della foresta pluviale", dice Nico Lang.
Inoltre, è ora possibile convalidare a livello globale i risultati regionali, come la capacità delle chiome tropicali di agire da cuscinetto climatico. Unitamente al modello di pagina esternaApproccio agli stock ad alto contenuto di carbonio,La mappa dell'altezza della vegetazione, che classifica le foreste preziose per lo stoccaggio del carbonio e la biodiversità, è una base importante per preservare e rafforzare gli ecosistemi. Secondo i calcoli di Lang, solo il 5% della massa terrestre ha una vegetazione superiore ai 30 metri e solo il 34% di questa si trova in aree protette.
Poiché la missione GEDI terminerà nel 2023, il nuovo approccio di Lang offre l'opportunità di continuare a mappare le altezze della vegetazione in futuro. Tuttavia, un'estensione della missione GEDI, di cui attualmente Chi siamo sta discutendo anche a livello internazionale, sarebbe importante per collegare i dati con le future missioni satellitari, come ad esempio il satellite pagina esternaMissione ESA sulle biomasse e calibrare il modello per i cambiamenti.
Riferimento alla letteratura
Lang, N, Jetz, W, Schindler, K, Wegner, JD. Un modello ad alta risoluzione dell'altezza delle chiome della Terra. Nature Ecology & Evolution, 28 settembre 2023, doi: pagina esterna10.1038/s41559-023-02206-6