Nuovi strumenti basati sull’intelligenza artificiale per il monitoraggio della natura protetta in Europa
Il monitoraggio della biodiversità soffre spesso di limitazioni a causa della vastità della natura, dell’insufficienza nella capacità di campo e del fatto che molte specie sono presenti solo in determinati momenti o in condizioni specifiche. Il progetto MAMBO(si apre in una nuova finestra), finanziato dall’UE, sta sviluppando strumenti basati su telecamere, registratori sonori e telerilevamento al fine di aiutare le agenzie e i gestori dei siti a seguire le specie e a valutare le condizioni degli habitat con maggiore frequenza, su aree più ampie e ricorrendo a una minore intensità di lavoro manuale.
L’intelligenza artificiale per riconoscere le specie a partire da foto e suoni
MAMBO ha contribuito a migliorare le prestazioni di servizi di identificazione e mappatura ampiamente utilizzati, tra cui Pl@ntNet(si apre in una nuova finestra), Observation.org(si apre in una nuova finestra) e GeoPl@ntNet(si apre in una nuova finestra). In termini reali, il rilevamento automatico delle immagini può essere efficace; ciononostante, l’affidabilità dell’identificazione dipende dal gruppo di specie e dai dati di addestramento a disposizione. Toke Thomas Høye, coordinatore del progetto, spiega: «Sebbene negli animali il livello di rilevamento sia generalmente soddisfacente, ai fini dell’identificazione il riconoscimento funziona in maniera migliore per gli uccelli e le falene, mentre quello, ad esempio, di alcune specie di pipistrelli a partire dagli ultrasuoni e di molti altri gruppi di insetti a partire dalle immagini è tuttora complesso.» Il progetto ha inoltre sviluppato strumenti in grado di analizzare un intero appezzamento di vegetazione da una singola immagine, contribuendo a standardizzare i rilievi delle piante e riducendo l’onere a carico dei botanici professionisti.
Mappare le condizioni degli habitat grazie a LiDAR, droni e satelliti
I dati sulle specie rappresentano solo metà delle informazioni necessarie: le aree protette hanno anche bisogno di parametri sullo stato degli habitat che siano comparabili tra i vari siti e i diversi paesi. Pertanto, MAMBO ha sviluppato una pipeline per l’estrazione di metriche verticali della struttura legnosa da LiDAR aviotrasportato e l’ha sviluppata su scala maggiore mediante il ricorso a rilievi LiDAR nazionali, esplorando inoltre i flussi di lavoro dei droni, come ad esempio la stima della copertura arbustiva e della biomassa nei siti di rinaturalizzazione, la mappatura del legno morto nelle zone boschive e il rilevamento delle tracce di grandi mammiferi nei canneti. Un importante vantaggio è la copertura costante dei dettagli più fini: come osserva il team, «sfruttando le immagini satellitari e i dati sulla biodiversità esistenti, la tecnologia scalabile sviluppata per la mappatura delle specie e degli habitat ha permesso di accedere a previsioni coerenti che coprono l’Europa a una risoluzione spaziale senza precedenti di 50 m, irraggiungibile dal tradizionale monitoraggio della biodiversità in situ». Per mantenere aggiornate le mappe sono comunque necessari input satellitari aggiornati e osservazioni continue a terra ai fini della formazione e della valutazione.
Dalle pipeline di ricerca agli strumenti utilizzabili e passi futuri
Molti flussi di lavoro dell’intelligenza artificiale (IA) funzionano in maniera soddisfacente su un computer portatile, faticando tuttavia nelle operazioni reali, dove le équipe hanno bisogno di interfacce semplici, risultati chiari e assistenza. MAMBO ha segnalato questa difficoltà in maniera tempestiva: «Una sfida fondamentale è stata quella di combinare i più recenti sviluppi e funzionalità dell’IA con strumenti di facile utilizzo per accedere ai risultati in formati rilevanti per le parti interessate», ha sottolineato Niels Raes, ricercatore che ha partecipato al progetto. Diversi risultati sono già utilizzabili. Il progetto fornisce un tutorial e un’applicazione web pubblica per i rilievi basati su immagini mediante quadrati di campionamento, mentre GeoPl@ntNet consente agli utenti di visualizzare e riassumere le previsioni sugli habitat e sulle specie vegetali a diverse scale spaziali. Il flusso di lavoro relativo al LiDAR di MAMBO è stato applicato in diversi siti dimostrativi europei e produce metriche armonizzate che descrivono l’altezza, la copertura e la complessità strutturale della vegetazione. Gli strumenti sviluppati da MAMBO confluiranno anche nel progetto Biodiversity Meets Data (BMD)(si apre in una nuova finestra), che creerà una piattaforma digitale centralizzata, ovvero il punto d’accesso unico, per il monitoraggio ad alto rendimento da parte dei gestori di Natura 2000 e dei responsabili politici, sotto il coordinamento di Niels Raes. In questo contesto, gli algoritmi di immagini e suoni di MAMBO supportano l’identificazione (semi)automatica a partire da immagini e registrazioni di trappole fotografiche, mentre BMD si concentra sull’integrazione di strumenti, dati e analisi in un punto di accesso che supporta le relazioni ai sensi delle direttive UE sulla natura.