La mappa senza nuvole della Terra

Mettendo assieme una mappa in tempo reale del pianeta, gli algoritmi possono tenere sotto controllo la salute dei raccolti e determinare problemi quali le alluvioni.

di Tom Simonite

La Terra come neanche gli astronauti la possono vedere – completamente priva di nuvole.

Un software sviluppato dalla startup Descartes Labs unisce svariate immagini satellitari per formare una mappa in tempo reale della superficie del pianeta editando qualunque formazione nuvolosa. L’effetto così ottenuto offre una visuale più chiara del pianeta ed aiuta gli algoritmi che tracciano automaticamente i cambiamenti nel consumo dei terreni o della vegetazione. La società sostiene che il suo software riesca a formulare previsioni più accurate sulla resa dei raccolti di mais di quanto riesca a fare il Dipartimento per l’Agricoltura degli Stati Uniti.

La Descartes Labs è stata fondata per commercializzare un software sviluppato presso il Los Alamos National Laboratory e destinato al riconoscimento delle immagini aeree e satellitari. Il software è stato addestrato per identificare caratteristiche nella superficie terrestre, quali campi coltivati, tratti d’acqua e tipologie di foreste, confrontando mappe prese da fonti quali il Geological Survey degli Stati Uniti, immagini satellitari a colori, infrarossi e ultraviolette.

La società ha anche sviluppato un software capace di costruire una mappa della Terra che viene costantemente aggiornata con le ultimi immagini raccolte da NASA ed altre agenzie governative di altri paesi. Alcune immagini utilizzate per questa mappa vengono aggiornate ogni giorno.

Il software per il riconoscimento delle immagini può utilizzare questa vista in tempo quasi reale per visualizzare o misurare cambiamenti nelle condizioni dei raccolti o eventi quali alluvioni. La società sfrutta la tecnica di apprendimento automatico conosciuta come apprendimento approfondito, che negli ultimi anni ha contribuito a diversi progressi nel campo dell’image recognition (vedi “Odissea nel cervello”).

Steven Brumby, co-fondatore e CTO della Descartes Labs, dice che questa tecnica rende le immagini satellitari molto più utili. “Prima di oggi non era possibile sfruttare i dati della NASA e di altre fondi in una scala tanto ampia”, dice.

Brumby sostiene che i suoi algoritmi siano in grado di estrarre importanti segnali dagli scatti satellitari. Alcuni algoritmi, ad esempio, sono stati addestrati per prevedere la resa dei prossimi raccolti di mais sulla base del colore e dell’aspetto delle piante nei campi. Stando a Brumby, l’analisi dei dati raccolti negli ultimi 11 anni dimostrerebbe una precisione superiore a quella dei modelli formulati dalla USDA utilizzando i dati raccolti dai coltivatori. La sua speranza è che questi dati possano servire ad agricoltori, fornitori di attrezzature agricole, commercianti e regolatori.

La misurazione dello stato di salute dei raccolti o dei cambiamenti nella distribuzione dell’acqua potrebbe anche servire nella politica estera. Pochi mesi fa, il segretario di stato John Kerry aveva accennato alla possibilità che diversi anni di siccità e carestia avessero contribuito allo scoppio della guerra civile in Siria.

La Descartes Labs non è la sola società ad essere interessata nell’estrazione di dati dalle immagini satellitari. La Orbital Insight utilizza l’apprendimento approfondito per distinguere infrastrutture quali parcheggi e depositi di carburante per determinare importanti dati economici (vedi “L’apprendimento approfondito descrive nel dettaglio l’acqua del pianeta” e “Startup Promises Business Insights from Satellite Images”).
L’anno scorso, Google ha acquistato Skybox Imaging, che offre servizi simili e gestisce addirittura i suoi satelliti.

Secondo Brumby, la sua società e le altre che operano in questo settore potranno espandere la propria offerta grazie all’imminente arrivo dei piccoli ed economici “cubesats”, satelliti compatti e leggeri che verranno presto messi in orbita per scattare un gran numero di foto al pianeta terra. “Assisteremo ad una esplosione di dati”, dice.

(MO)

Related Posts
Total
0
Share