L’integrazione tra l'osservazione satellitare e l'intelligenza artificiale segna una nuova era: la tecnologia non è più solo uno strumento di osservazione passiva, ma una guida attiva per riparare e proteggere la salute dei nostri oceani.
Isole di plastica, dati satellitari e IA per scovarle in mare
Nonostante le isole di plastica rappresentino un fenomeno preoccupante ed in crescita dell’inquinamento nei nostri mari, ancora non esiste una tecnologia per l’individuazione certa di accumuli di detriti di piccole dimensioni e dispersi. Una delle difficoltà è rintracciare le scie di detriti che si formano lungo le linee di convergenza delle correnti marine. Due anni fa, proprio per affrontare questo problema è stato avviato un ambizioso progetto, chiamato AI for Detecting Ocean Plastic Pollution with Tracking, più sinteticamente ADOPT, portato avanti dal noto istituto di ricerca svizzero EPFL.
Immagini satellitari e IA
L’obiettivo era sviluppare due tipi di sistemi: “Identificare le isole di rifiuti analizzando le immagini satellitari, e l’altro prevedere dove si saranno spostate le isole quando le squadre di bonifica potranno raggiungerle, di solito entro 24 ore“, afferma Emanuele Dalsasso, uno degli scienziati. Difatti, anche quando vengono identificate le isole di plastica, il tempo che passa dalla segnalazione all’intervento, comporta un ulteriore spostamento in acqua.
Oggi, grazie al progetto ADOPT, l’intelligenza artificiale offre una soluzione concreta: un algoritmo è in grado di scansionare migliaia di immagini satellitari per scovare la plastica galleggiante in tempo reale, distinguendola da elementi naturali che possono confondere, con un’accuratezza mai raggiunta prima.
IA riconosce firma spettrale
Il problema dei detriti marini è la loro natura frammentaria. Spesso si tratta di oggetti parzialmente sommersi che si confondono con la schiuma delle onde, i riflessi solari o la vegetazione marina. Il modello sviluppato dai ricercatori non si limita a una semplice analisi visiva. La chiave del successo risiede in un approccio data-centrico.
Il sistema è stato addestrato su migliaia di esempi forniti da oceanografi, imparando a riconoscere la specifica firma spettrale della plastica (come riflette la luce) rispetto a materiali naturali. Grazie a un algoritmo di raffinamento delle etichette, l’IA è in grado di correggere le annotazioni umane imprecise, distinguendo tra detriti prodotti dall’uomo e schiuma marina.
Una rete satellitare integrata
Questi strumenti sorvolano un determinato punto dell’oceano solo una volta ogni sei giorni e le loro immagini hanno una bassa risoluzione, solo 10 metri per pixel, rendendo difficile il tracciamento dei detriti. Infatti, l’innovazione non risiede solo nel software, ma nell’uso combinato dei dati provenienti dallo spazio. L’algoritmo utilizza i dati del satellite Sentinel-2 dell’ESA, che fornisce immagini gratuite ogni 2-5 giorni con una risoluzione di 10 metri per pixel.
Tuttavia, per colmare i gap temporali e spaziali, il team ha integrato il sistema con i dati di PlanetScope, una costellazione di centinaia di nano-satelliti che scansionano la Terra quotidianamente con una risoluzione superiore. Questa combinazione permette un monitoraggio continuo: mentre Sentinel-2 identifica i trend settimanali, i dati giornalieri di PlanetScope permettono di seguire lo spostamento delle chiazze di plastica quasi in tempo reale.
Le criticità: il maltempo
C’è però un problema importante: il sistema non funziona bene in caso di maltempo. I sensori ottici non riescono a “vedere” attraverso le nuvole. “Un’opzione potrebbe essere quella di incorporare le immagini radar di Sentinel-1“, afferma Dalsasso uno dei ricercatori, che aggiunge: “I segnali radar possono viaggiare attraverso le nuvole e funzionano giorno e notte. Ma forniscono informazioni solo sulla consistenza e la geometria dei detriti, il che significa che perderemmo le firme spettrali chiave che vengono rilevate dai sensori ottici e sono essenziali per rilevare le isole di spazzatura“.
Isole di plastica: dalla mappatura alla previsione
La ricerca, pubblicata recentemente su Nature Communications, non si ferma alla sola identificazione. Il passo successivo del progetto ADOPT è la previsione della deriva. “L’obiettivo è duplice”, spiegano i ricercatori. “Identificare le chiazze di spazzatura e prevedere dove si sposteranno nelle successive 24 ore sfruttando modelli di venti e correnti corretti dal machine learning”. Questo permetterebbe a organizzazioni come The Ocean Cleanup di inviare navi di raccolta in punti esatti, risparmiando carburante e aumentando l’efficienza del recupero.
In un’ottica di collaborazione globale, i ricercatori hanno deciso di rendere il sistema Open Source, rilasciando il codice e i modelli su piattaforme come GitHub. L’obiettivo è permettere a governi e ONG di tutto il mondo di monitorare i propri ecosistemi marini, identificando gli hotspot di inquinamento, specialmente in prossimità delle foci dei fiumi, dove il rischio di immissione di plastica in mare è più elevato.
