Sostenibilità
Il Deep Learning aumenta la precisione del rilevamento degli incendi nella foresta amazzonica al 93%
Aggiungi Securities.io alle tue fonti preferite su Google
Il team di ricerca dell’Universidade Federal do Amazonas ha sviluppato un modello di Rete Neurale Artificiale (ANN) che utilizza immagini satellitari e tecniche di deep learning per rilevare gli incendi nella foresta amazzonica con un alto tasso di successo.
“La capacità di rilevare e rispondere agli incendi è fondamentale per preservare l’equilibrio ecologico delicato di questi ecosistemi vitali, e il futuro di questa regione amazzonica dipende da azioni decisive e rapide.”
– Autrice principale Prof.ssa Cíntia Eleutério dell’Universidade Federal do Amazonas
Mentre il monitoraggio in Amazzonia è ancora fornito con dati in tempo reale oggi, ha risoluzioni moderate e la capacità di rilevare dettagli in incendi più piccoli o in aree remote è limitata.
Quindi, il modello rappresenta una soluzione potente per rilevare automaticamente gli incendi, riducendo significativamente il tempo necessario per mitigare i loro effetti devastanti.
Pubblicato su International Journal of Remote Sensing, lo studio riporta un tasso di successo fino al 93% nell’addestramento del modello su immagini della foresta amazzonica con e senza incendi. Secondo il coautore Prof. Carlos Mendes:
“Il modello CNN potrebbe rappresentare un’aggiunta preziosa, consentendo analisi più dettagliate in regioni specifiche. Combinando l’ampia copertura temporale dei sensori attuali con la precisione spaziale del nostro modello, possiamo migliorare significativamente il monitoraggio degli incendi nelle zone critiche di conservazione ambientale.”
Lo studio ha osservato che l’integrazione di immagini satellitari e IA rappresenta un approccio proattivo per affrontare le crescenti sfide poste dagli incendi forestali, contribuendo al campo del telerilevamento e del deep learning.
La tecnologia offre in particolare il potenziale di migliorare i sistemi di allerta precoce e le strategie di risposta agli incendi, contribuendo alla conservazione di ecosistemi critici come l’Amazzonia. L’integrazione nei sistemi di monitoraggio esistenti potrebbe richiedere facilmente da 1 a 3 anni, a seconda di ulteriori validazioni e sforzi di implementazione. Ma approfondiamo le innovazioni che la nuova tecnologia offre al mondo.
I Polmoni della Terra di fronte a una minaccia seria
La foresta pluviale amazzonica è una risorsa di importanza globale, contenente diversi milioni di specie di uccelli, insetti, piante e altre forme di vita. È il più ricco e variegato serbatoio biologico del mondo.
Le persone di tutto il mondo dipendono da questa foresta non solo per cibo, acqua, legno e medicinali, ma anche per contribuire a stabilizzare il clima con i 150-200 miliardi di tonnellate di carbonio immagazzinate al suo interno.
La foresta amazzonica esercita una forte influenza socio-ambientale ed economica sul Brasile, comprendendo circa il 40% dell’area totale del paese sudamericano. Oltre al Brasile, la foresta si estende in otto altri paesi sudamericani.
Dato il suo ruolo fondamentale nella conservazione della biodiversità e nella regolazione climatica globale, la foresta amazzonica è di grande importanza ecologica.
Tuttavia, sta affrontando una crisi crescente sotto forma di deforestazione incontrollata, pratiche di uso del suolo non sostenibili e la minaccia imminente degli incendi.
Negli ultimi cinquant’anni, l’aumento della temperatura ha portato all’intensificazione delle siccità nella regione. Le cose continueranno a peggiorare, con la maggior parte dei modelli che prevedono un aumento dell’intensità della stagione secca nella foresta amazzonica nel XXI secolo.
Questa escalation è dovuta a forze di radiazione e alla diminuzione della produzione di aerosol, che provoca variazioni anomale delle temperature della superficie del mare (SST), portando a fluttuazioni nella quantità di precipitazioni nella regione amazzonica.
Se questa nuova configurazione climatica fosse confermata, lo studio ha osservato, la foresta potrebbe diventare un sistema amplificato incline agli incendi. Questo espone i polmoni della Terra a una minaccia crescente a causa dell’aumento del numero di incendi.
Le ripercussioni ambientali di questi incendi non si limitano nemmeno ai confini regionali; al contrario, influenzano i modelli climatici globali e la biodiversità. Questo rende cruciale rilevare e rispondere agli incendi in Amazzonia.
Per monitorare e affrontare questa crisi ambientale, il telerilevamento tramite immagini satellitari è emerso come uno strumento vitale per preservare l’equilibrio ecologico delicato di questo ecosistema fondamentale.
Clicca qui per scoprire perché la sicurezza antincendio è più cruciale che mai.
L’effetto gravoso dell’intensificarsi degli incendi
Sulla base dei dati dell’Istituto Nazionale di Ricerca Spaziale (INPE) sulla piattaforma web TerraBrasilis, gli incendi forestali tra gennaio e giugno sono rimasti bassi dal 1999 al 2023. Tuttavia, il numero di incidenti è aumentato considerevolmente tra luglio e novembre prima di diminuire a dicembre.
Il numero di incidenti di incendi è stato basso durante l’anno tra il 1999 e il 2001. L’intensità degli incendi è aumentata significativamente a partire dal 2002, raggiungendo un massimo locale nel 2005.
Il calo è durato fino al 2011, quando i numeri hanno iniziato a registrare un costante aumento, e questa tendenza ascendente è ancora in corso. Gli ultimi cinque anni hanno registrato le più alte incidenze di incendi. Nel 2023, ci sono stati 98.639 incendi in Amazzonia.
La foresta amazzonica rappresenta anche una parte significativa (oltre la metà) degli incendi nei biomi brasiliani.
Oltre all’Amazzonia, altri ecosistemi presenti in Brasile includono il Cerrado, che ha rappresentato il 26,70% di tutti gli incendi, così come la Caatinga, la Foresta Atlantica, il Pantanal e le Pampas, con le ultime due le meno colpite dagli incendi nel 2023.
Ciascuno di questi ecosistemi ha una sua unica diversità di specie e caratteristiche. Questi biomi sono essenziali per mitigare il cambiamento climatico, fungendo da serbatoi di carbonio e proteggendo le specie minacciate. Tuttavia, gli incendi stanno causando danni significativi a tutti questi ecosistemi.
Dal punto di vista geografico, la più alta concentrazione di incendi nello stato di Amazonas si trova nei comuni di Lábrea, Apuí e Novo Aripuanã, che hanno registrato il maggior numero di incidenze.
Gli incendi forestali sono estremamente dannosi e hanno conseguenze devastanti su più fronti.
Innanzitutto, distrugge la vegetazione, il che può portare a un’estinzione irreversibile delle specie native. Alcune di queste piante hanno proprietà medicinali uniche e si trovano solo nella regione amazzonica.
Gli incendi compromettono anche la fertilità del suolo, rendendolo arido e ostacolando il recupero naturale delle aree colpite. Inoltre, la deforestazione amazzonica causata dagli incendi ha aumentato il deflusso d’acqua, innalzando i livelli dei fiumi. Ciò è dovuto alla riduzione della copertura vegetale, che influisce negativamente sull’infiltrazione dell’acqua nel suolo, riducendo i tassi di evapotraspirazione.
Poi c’è la perdita di fauna e flora, altrettanto allarmante. Gli incendi forestali causano la distruzione di habitat vitali, portando a notevoli squilibri nella catena alimentare locale.
Le intense emissioni di CO2 nell’atmosfera aggravano anche l’effetto serra e il riscaldamento globale. Questo intensifica le sfide climatiche globali e rende gli incendi più frequenti nella foresta amazzonica.
Sfruttare il Deep Learning per il Rilevamento Automatico degli Incendi
Per affrontare il problema, lo studio ha impiegato una nuova tecnologia, la Convolutional Neural Network (CNN), per classificare gli incendi nella regione.
La CNN è una sotto-categoria specializzata ottimizzata per l’analisi delle immagini e il riconoscimento di pattern visivi, diventata uno strumento potente nella visione artificiale.
Ad esempio, il modello CNN è stato utilizzato per classificare e diagnosticare il COVID-19. Oltre a ciò, è stato impiegato per rilevare la polmonite mediante immagini radiografiche toraciche, identificazione intelligente dei rifiuti e riciclaggio, analizzare collisioni nella Fisica ad Alta Energia e identificare tipi cellulari in immagini di cellule staminali.
Viene inoltre utilizzata per il rilevamento dei cambiamenti della deforestazione nella Amazzonia brasiliana usando dati Landsat, il rilevamento degli incendi e il rilevamento del fumo di incendi forestali per immagini di veicoli aerei senza pilota (UAV).
La CNN utilizza il deep learning, una sotto-categoria dell’Intelligenza Artificiale (IA) e del Machine Learning che impiega algoritmi che migliorano nel tempo man mano che vengono esposti a dati nuovi e crescenti.
Per questo studio, i ricercatori hanno sfruttato l’algoritmo delle Reti Neurali Artificiali (ANN), che imita il funzionamento del cervello umano e consente ai modelli computazionali di discernere pattern intricati e affrontare sfide che potrebbero superare la comprensione umana.
Essa impila più strati in sequenza per facilitare l’assimilazione della conoscenza e lavorare con grandi set di dati durante il processo di addestramento.
Questa sinergia tecnologica utilizza procedure statistiche per aiutare le macchine a svolgere compiti come l’identificazione degli incendi tramite apprendimento esperienziale.
Sfruttando il grande potenziale delle tecniche di deep learning, la rete offre una soluzione potente per il rilevamento automatico degli incendi. L’identificazione automatica consente una risposta tempestiva per mitigare gli effetti devastanti degli incendi.
Nell’ultimo studio, i ricercatori hanno ampliato il quadro della rete neurale per concentrarsi sulla CNN, specificamente utilizzata tramite le librerie Python TensorFlow e Keras, un tipo di modello ampiamente usato nelle applicazioni di visione artificiale per estrarre caratteristiche dalle immagini.
L’obiettivo è stato impiegare la CNN per rilevare gli incendi nella regione amazzonica usando le immagini satellitari Landsat 8 e Landsat 9.
Clicca qui per scoprire come gli idrogel biomimetici attivabili dal calore affrontano gli incendi
Approccio avanzato e localizzato al rilevamento degli incendi
Il team ha utilizzato immagini provenienti dai satelliti Landsat 8 e Landsat 9 per addestrare il modello.
Questi satelliti sono dotati di strumenti avanzati per catturare immagini su varie bande spettrali, necessarie per il rilevamento e la classificazione degli incendi. Le capacità multispettrali e termiche di questi satelliti consentono l’identificazione di anomalie di temperatura e la differenziazione tra tipi di vegetazione e aree bruciate.
Entrambi i satelliti sono dotati dell’Operational Land Imager (OLI), che cattura immagini nelle bande visibili, nel vicino infrarosso (NIR) e nel corto infrarosso (SWIR), fondamentale per rilevare i cambiamenti della vegetazione.
Le aree bruciate mostrano una bassa riflettività nel NIR, mentre la vegetazione sana riflette fortemente. Le bande SWIR, invece, aiutano a rilevare l’umidità nel suolo e nella vegetazione per l’identificazione delle regioni colpite dal fuoco.
Entrambi i satelliti dispongono anche del Thermal Infrared Sensor (TIRS), che opera in due bande infrarosse termiche e fornisce dati preziosi su fonti di calore e temperatura superficiale. Il TIRS offre una risoluzione spaziale di 100 metri, mentre le bande OLI hanno una risoluzione spaziale di 30 metri. Pertanto, sono particolarmente rilevanti per il monitoraggio degli incendi e consentono una mappatura più dettagliata della salute della vegetazione.
Il team ha addestrato la CNN usando un dataset di 200 immagini recenti ottenute da EarthExplorer, che mostrano incendi nella foresta amazzonica. È stato utilizzato anche un numero uguale di immagini senza incendi per garantire un approccio di apprendimento equilibrato.
Il dataset, sebbene piccolo, è stato sufficientemente adeguato perché la CNN raggiungesse il 93% di accuratezza durante la fase di addestramento. Quando testato su 40 immagini non incluse nell’addestramento, il modello è stato in grado di classificare correttamente 23 delle 24 immagini con incendi e tutte le 16 immagini senza incendi.
Questo livello di prestazioni altamente soddisfacente dimostra la robustezza e le capacità di generalizzazione del modello.
Questo approccio, ha affermato il team, mostra un grande potenziale per il rilevamento degli incendi e può essere usato in complemento a sistemi di monitoraggio su larga scala ben consolidati come il Moderate Resolution Imaging Spectroradiometer (MODIS) e il Visible Infrared Imaging Radiometer Suite (VIIRS), ampiamente utilizzati in Brasile per il rilevamento continuo e diffuso degli incendi.
Come strumento aggiuntivo, la CNN può essere utilizzata insieme a MODIS e VIIRS per migliorare i sistemi di allerta precoce e le strategie di risposta agli incendi.
La metodologia, hanno aggiunto i ricercatori, va oltre l’ecosistema amazzonico con il potenziale di essere utilizzata in altre aree del mondo. Può effettivamente assistere le autorità competenti nella lotta e nella gestione di tali incidenti, “fornendo un approccio avanzato e più localizzato al rilevamento degli incendi”, ha dichiarato lo studio.
I ricercatori hanno suggerito che la CNN potrebbe anche essere esplorata per il monitoraggio e il controllo della deforestazione. Il loro prossimo passo è aumentare il numero di immagini di addestramento per avere “un modello più robusto”.
Azienda Innovativa
Palantir Technologies Inc. (PLTR )
Con le sue analisi geospaziali guidate dall’IA e le soluzioni di risposta ai disastri, Palatir rappresenta un attore forte nel monitoraggio ambientale e nel rilevamento degli incendi.
Fondata nel 2003 da Alex Karp, Peter Thiel, Stephen Cohen e Joe Lonsdale, Palantir è un fornitore di software attraverso Gotham, Foundry, Apollo e AIP (Artificial Intelligence Platform). Con una capitalizzazione di mercato di 186,6 miliardi di dollari, le azioni Palantir sono attualmente scambiate a 81,25 $, in rialzo del 5,28% YTD. Ha un EPS (TTM) di 0,19 e un P/E (TTM) di 421,05.
PLTR Grafico dei prezzi
All’inizio di febbraio, l’azienda ha annunciato i risultati finanziari del Q4 2024, riportando 828 milioni di dollari di fatturato, cresciuto del 36% su base annua e del 14% su base trimestrale. Il numero di clienti è aumentato del 43% su base annua e del 13% su base trimestrale.
Il fatturato statunitense di Palantir è stato di 558 milioni di dollari, in aumento del 52% su base annua e del 12% su base trimestrale, con il fatturato commerciale statunitense a 214 milioni di dollari, in crescita rispetto al fatturato governativo statunitense di 343 milioni di dollari.
Durante questo periodo, l’azienda ha chiuso 32 accordi di almeno 10 milioni di dollari, 58 accordi di almeno 5 milioni di dollari e 129 accordi di almeno 1 milione di dollari. Ha inoltre chiuso un record di 803 milioni di dollari di valore totale dei contratti commerciali statunitensi (“TCV”) mentre il valore dei contratti commerciali statunitensi rimanenti (“RDV”) era di 1,79 miliardi di dollari.
Palantir ha riportato 460 milioni di dollari di cash flow operativo e un utile netto GAAP di 79 milioni di dollari, mentre l’utile per azione GAAP era di 0,03 $ e l’EPS rettificato era di 0,14 $. L’azienda ha chiuso l’anno con 5,2 miliardi di dollari in contanti, equivalenti di cassa e titoli del Tesoro USA a breve termine.
Per l’intero 2024, Palantir ha registrato 2,87 miliardi di dollari di fatturato, 1,90 miliardi di dollari di fatturato negli USA e 1,15 miliardi di dollari di cash flow operativo. Ora, per il Q1 2025, l’azienda prevede un fatturato compreso tra 858 e 862 milioni di dollari e un flusso di cassa libero rettificato per l’intero anno 2025 compreso tra 1,5 e 1,7 miliardi di dollari.
“I nostri risultati aziendali continuano a stupire, dimostrando la nostra posizione sempre più centrale nella rivoluzione dell’IA. Le nostre prime intuizioni sulla commoditizzazione dei grandi modelli linguistici sono passate dalla teoria al fatto.”
– CEO Karp
Per quanto riguarda gli sviluppi più recenti, all’inizio di questo mese, Palantir ha annunciato il lancio dei suoi primi due sistemi abilitati dall’IA per l’Esercito degli Stati Uniti. Il CTO di Palantir USG, Akash Jain, ha definito questo un “momento di salto in avanti” per l’Esercito degli USA. L’azienda ha vinto il contratto da 178 milioni di dollari un anno fa, superando il colosso della difesa RTX Corporation (RTX ) , per segnare una tappa chiave per Palantir, nota per i suoi servizi di analisi dei dati.
L’accordo prevede 10 sistemi Targeting Access Node (TITAN) che utilizzano l’IA per raccogliere dati dai sensori spaziali al fine di aiutare i soldati a ottenere un migliore targeting e precisione negli attacchi. Agendo come stazione terrestre mobile, questi sistemi aiutano a migliorare la strategia di guerra dei soldati. Palantir ha collaborato con L3Harris (LHX ), Northrop Grumman (NOC ), e Anduril Industries per sviluppare alcune delle capacità.
Questa settimana, Palantir ha condiviso un elenco di nuovi clienti che hanno partecipato al suo evento AI, rivelando Walgreens , Heineken, Ripcord e RaceTrac, tra gli altri, come i suoi ultimi clienti.
Ha inoltre stretto una partnership con Archer Aviation (ACHR ) per costruire la base IA per il futuro delle tecnologie aeronautiche di nuova generazione e aiutare a scalare le capacità di produzione dei suoi aeromobili. Il piano è sfruttare AIP e Foundry per sviluppare software basato sull’IA per migliorare i sistemi aeronautici come il controllo del traffico aereo, la pianificazione delle rotte e il controllo dei movimenti.
“La partnership di Palantir con Archer sta ridefinendo il futuro del volo, rendendolo non solo più efficiente ma anche più accessibile,” ha detto Karp, aggiungendo che questa integrazione prepara “il terreno per un salto trasformativo in termini di efficienza, sicurezza e sostenibilità”.
Ultime novità su Palantir Technologies Inc.
Conclusione
L’Amazzonia, con la sua ricca biodiversità e le sue vaste risorse, contribuisce al panorama economico globale. Pertanto, la conservazione e la gestione sostenibile di queste aree non sono solo vantaggiose per il Brasile, ma anche cruciali per la salute dell’intero pianeta.
Tuttavia, la foresta amazzonica sta affrontando la minaccia degli incendi, che rappresentano una sfida seria per la sua stabilità. Ciò significa che il futuro della regione dipende da azioni decisive e rapide.
Qui, il modello di rilevamento degli incendi basato sul deep learning rappresenta una svolta importante nell’affrontare questa crisi. Raggiungendo un tasso di accuratezza del 93%, il modello fornisce uno strumento potente per il rilevamento precoce e la risposta rapida agli incendi, potendo contribuire a prevenire danni ambientali catastrofici e a mantenere la salute e la stabilità a lungo termine della foresta amazzonica.
