Preservare la foresta pluviale con l'apprendimento automatico
L'informatico David Dao sta sviluppando algoritmi adattivi che possono utilizzare immagini satellitari e di droni per prevedere dove la deforestazione della foresta pluviale continuerà ad espandersi. Oggi presenta la sua ricerca alla conferenza sul clima di Madrid. Un progetto di prova inizierà in Cile a gennaio.
Le immagini delle foreste pluviali in fiamme in Amazzonia sono rimaste impresse nella nostra memoria quest'estate - e alcuni si sono chiesti quante foreste si stanno perdendo? Una persona che si sta dedicando a rispondere a questa domanda è l'informatico David Dao, dottorando presso l'Università di Parigi. pagina esternaDS3Lab dell'ETH Institute for Computing Platforms. Il tedesco è uno specialista dell'apprendimento automatico e sviluppa algoritmi adattivi che analizzano autonomamente le immagini satellitari e dei droni. In questo modo è in grado di riconoscere dove e in che misura l'area forestale si sta riducendo. Possono anche prevedere dove la foresta pluviale continuerà a ridursi nel prossimo futuro. Il trucco sta nel modo in cui leggono le immagini.
Satelliti e droni forniscono innumerevoli immagini della foresta pluviale - da diverse altezze e con diverse risoluzioni e qualità. Ciò che queste immagini hanno in comune è che gli oggetti che ritraggono non sono etichettati o contrassegnati. A differenza delle mappe, i luoghi non hanno nomi e le foreste, i fiumi e le strade non hanno firme standardizzate. Non hanno "etichette", come dicono gli informatici. Gli algoritmi informatici non sono quindi in grado di leggere direttamente dall'immagine cosa sia un'area forestale e cosa no.
Le "lische di pesce" mostrano dove la foresta si sta riducendo
Per riconoscere dove si trova la foresta pluviale e se la sua area sta diminuendo, gli algoritmi leggono quindi delle sequenze, dice Dao. Si tratta di sequenze di singole immagini che si susseguono nel tempo, proprio come nel caso delle classiche bobine cinematografiche o dei fumetti. Se, ad esempio, viene costruita una nuova strada nella foresta pluviale, nel tempo si formeranno numerose strade secondarie. Le aree in cui la foresta viene disboscata crescono lungo queste strade. Da una prospettiva a volo d'uccello, il disegno risultante assomiglia allo scheletro di un pesce con spina dorsale e lische, da cui il soprannome "lische di pesce".
Confrontando queste sequenze di fotografie aeree successive, gli algoritmi possono calcolare come la scena stradale e le aree forestali cambiano nel tempo. In questo modo, gli algoritmi adattivi non hanno bisogno di etichette per creare un quadro generale di dove la foresta pluviale si sta riducendo. Possono anche prevedere dove la deforestazione si espanderà maggiormente. Questo modello funziona anche per la deforestazione vicino ai fiumi o ai terreni agricoli.
Test nella foresta pluviale cilena
Per pagina esternail suo progetto di ricerca David Dao ha dei partner sul campo per il progetto chiamato "Komorebi": ad esempio, l'autorità forestale cilena CONAF (Corporación Nacional Forestal). A gennaio verrà lanciato un progetto pilota nella "Foresta pluviale valdiviana", che si trova a sud della capitale Santiago del Cile, sulla costa del Pacifico. Gli algoritmi di previsione potranno essere testati e ulteriormente sviluppati nella vera foresta pluviale, perché l'approccio di Dao ha il potenziale per riconoscere non solo il declino della foresta pluviale nel suo complesso, ma anche quali specie arboree sono particolarmente colpite.
Questo aspetto è importante nel contesto del cambiamento climatico, perché non tutte le specie arboree emettono la stessa quantità di CO2 e perché ci sono anche approcci nella protezione delle foreste per sostenere finanziariamente la popolazione locale se utilizza gli alberi come fonte di CO2-Conservare la memoria invece di disboscare la foresta.
Nella foresta pluviale cilena è possibile testare come l'accuratezza degli algoritmi di previsione possa essere migliorata utilizzando, oltre alle immagini satellitari, anche quelle provenienti da droni a bassa quota. A differenza delle immagini satellitari, le immagini dei droni possono essere precise entro 30 centimetri: "Se disponiamo di immagini da droni, possiamo anche osservare i cambiamenti nelle specie arboree e riconoscere i cambiamenti nella diversità delle specie", dice Dao.
Oggi David Dao presenta il suo progetto di ricerca nell'ambito del programma quadro della 25a Conferenza delle Nazioni Unite sui cambiamenti climatici di Madrid (COP25). La sessione, organizzata dalla Banca interamericana di sviluppo e dall'autorità forestale cilena, si concentrerà su come utilizzare le nuove tecnologie per registrare e prevedere i cambiamenti nell'uso del suolo, nonché su come collegare i risultati ai pagamenti in modo che la popolazione locale possa preservare la foresta pluviale.
IA e finanza climatica alla COP25
Oltre a David Dao, altri ricercatori dell'ETH di Zurigo nei settori della finanza climatica e dell'apprendimento automatico partecipano alle manifestazioni della Conferenza delle Nazioni Unite sui cambiamenti climatici 2019 (pagina esternaCOP25) è presente: ad esempio, Lynn Kaack, ricercatrice post-dottorato presso la Gruppo Politiche energetiche,con il gruppo di ricerca internazionale "pagina esternaCambiamento climatico AI" ha organizzato una tavola rotonda nel padiglione cileno. La discussione si è concentrata su come i metodi di intelligenza artificiale possano essere utilizzati per la protezione del clima e su quali siano le sfide per la ricerca, l'industria e il settore pubblico.
Lucas Bretschger conduce l'evento ufficiale svizzero, Professore di economia dell'ETH / Economia delle risorse,La delegazione svizzera e le sue dottorande Anna Stuenzi e Julia Bingler. Il tema è la finanza climatica e in particolare l'obiettivo di allineare i flussi finanziari globali agli obiettivi climatici concordati a livello internazionale. Ciò pone sfide particolari per i centri finanziari come la Svizzera e per le regioni particolarmente colpite dai cambiamenti climatici.