Alcuni ricercatori hanno trovato una nuova metodologia per migliorare, attraverso lo spazio e tramite l’apprendimento automatico, l’osservazione e l’analisi della biosfera terrestre. Questo nuovo approccio, di tipo statistico, rappresenta un progresso importantissimo nel monitoraggio delle colture e dei “serbatoi di carbonio”, nonché nella previsione delle possibili inondazioni e delle future siccità. Il lavoro è stato pubblicato sulla rivista “Science Advances”.

Ai giorni d’oggi, la nuova metodologia di apprendimento automatico ci consente di migliorare la precisione nella previsione di alcuni parametri chiave. Essa può, ad esempio, misurare l’indice dell’area fogliare, la produttività primaria lorda (PPL) e la fluorescenza della clorofilla indotta dal sole. Il campo d’applicazione è enorme e nel futuro sarà sempre di più grande utilità nel:

• monitoraggio delle colture;
• monitoraggio dei serbatoi di carbonio;
• rilevare i cambiamenti e anomalie atmosferiche;
• rilevare le possibili future siccità e le inondazioni.

L’applicazione della nuova metodologia di apprendimento automatico consente anche di misurare in maniera più precisa la dinamica dei pozzi di assorbimento del carbonio terrestre. Essa ha un ruolo molto importante nella previsione di alcuni fattori del cambiamento climatico globale.

La Terra sta cambiando molto rapidamente nel tempo e lo fa in modi diversi tra di loro. I sensori che si trovano a bordo di alcuni satelliti, inclusi gli aeroplani e i droni, ottengono continuamente delle informazioni preziosissime sul nostro pianeta. Per questo motivo, riuscir a quantificare la copertura vegetale sul pianeta Terra e studiarne la struttura biochimica, e il funzionamento dello spazio in generale, è una chiave di lettura fondamentale che serve a comprendere al meglio il cambiamento globale, la biodiversità e l’agricoltura.

A partire dagli anni ’70, il telerilevamento ha fatto molto affidamento sull’uso dei cosiddetti “indici di vegetazione”, che sono delle formule specifiche che vengono applicate al segnale spettrale (il quale a sua volta viene rilevato dai satteliti). Il telerilevamento è un modo particolare di ottenere le informazioni basato sulla raccolta e sull’analisi di dati a distanza. Gli “indici di vegetazione”, semplici da calcolare, sono progettati per essere correlati in maniera ben precisa con dei fenomeni biofisici particolari come:

• la copertura del suolo sulla superficie;
• il verde presente sul suolo della terra;
• il contenuto dell’acqua sulla superficie;
• l’attività fotosintetica.

Per questo motivo, questi indici sono stati utilizzati, e continuano tuttora ad essere ampiamente utilizzati, per quantificare la biosfera terrestre, la sua produttività e le sue dinamiche. Tuttavia, la letteratura e le molteplici applicazioni rivelano delle importanti limitazioni, che vengono finalmente risolte in questo studio.

Nell’articolo pubblicato su “Science Advances”, gli scienziati presentano un approccio metodologico orientato all’apprendimento automatico il cui quadro teorico consente di generalizzare tutti gli indici di vegetazione utilizzati in letteratura di riferimento.

“Abbiamo verificato che tutti gli approcci precedenti, più euristici, intuitivi e basati su semplici principi fisici, si adattino a casi particolari della nostra nuova metodologia. Ora, da una prospettiva statistica, stiamo guadagnando molto nel campo della precisione e ci salviamo da tutti quei limiti che prima hanno rallentato il progresso nel settore degli studi della biosfera terrestre” spiega il primo ricercatore Gustau Camps-Valls.

“La nostra nuova metodologia migliora i risultati in tutte le applicazioni che abbiamo affrontato: monitoraggio della fenologia della vegetazione, quantificazione dell’assorbimento di carbonio e dell’attività fotosintetica su scala planetaria. Nella nostra ricerca dimostriamo inoltre che questa nuova metodologia è estremamente utile per rilevare i cambiamenti sul pianeta e la sua copertura vegetale.” aggiunge Álvaro Moreno, ricercatore ISP (IPL-UV) e membro dell’ERC Synergy Grant USMILE diretto da Gustau Camps.

La metodologia qui proposta, che permette di migliorare tutti gli indici di vegetazione ed in particolare l’indice più utilizzato negli ultimi quattro decenni l’NDVI (Normalized Difference Vegetation Index), fornisce le chiavi per disegnare degli indici sempre più nuovi, più potenti e più innovativi. Inoltre, essa si distingue per la sua estrema semplicità algoritmica.

“Forniamo il codice sorgente in tutti i linguaggi di programmazione, incluso Google Earth Engine, una piattaforma che consente di scalare i risultati a livello planetario. In questo modo, pensiamo che il framework verrà adottato da molti scienziati, professionisti e sviluppatori”, dice Jordi Muñoz, coautore e membro dell’ISP.

“Il fatto che il nuovo indice generalizzi tutti gli indici precedenti offre garanzie teoriche che esso funzionerà sempre allo stesso modo o addirittura meglio”, afferma Manuel Campos, membro del gruppo ESR del Dipartimento di Fisica dell’Università di Valencia.

“Ed è qualcosa molto semplice da calcolare e applicare nella pratica.”, aggiunge Javier García.

Oltre al suo utilizzo per monitorare la biosfera terrestre, il nuovo approccio statistico può essere potenzialmente applicato anche agli studi oceanografici e quelli atmosferici. Gli indicatori già comuni sono ampiamente utilizzati in tutti i rami della scienza e possono essere facilmente migliorati grazie a questa nuova metodologia.

Fonti:

• https://www.duegradi.eu/news/serbatoi-di-carbonio/, duegradi, 2019;
• https://techxplore.com/news/2021-03-machine-revolutionizes-methods-quantify-terrestrial.html, techxplore, 2021;
• https://www.esa.int/SPECIALS/Eduspace_IT/SEMD6RZRA0G_0.html, ESA, 2021;
• https://www.ariespace.com/project/indici_vegetazione/, ariespace;
• https://advances.sciencemag.org/content/7/9/eabc7447, scienceadvances, 2021;