Lo sviluppo di applicazioni che utilizzano tecniche di intelligenza artificiale per l’analisi di immagini satellitari ha subito un incremento significativo negli ultimi anni ed è in continuo aumento. Grazie a machine learning e deep learning è possibile gestire dati non strutturati (immagini, testi, suoni) e far eseguire alcune operazioni di analisi tipicamente umane alle macchine. La massa di dati raccolta dai satelliti che monitorano lo stato del pianeta ha ormai raggiunto dimensioni esponenziali e sono ormai dell’ordine di alcuni petabyte. Scopo di questo lavoro è scoprire come si possono acquisire questi dati e come attraverso di essi sia possibile monitorare terra, oceano e atmosfera più in generale seguire la biodiversità. I satelliti del progetto Copernicus , firmati ESA, possono generano immagini multispettrali che permettono di ottenere dati post-processati attraverso il browswer Eo (Earth Observation). L’ ’indice NDVI (Normalized Difference of Vegetation Index ) è un esempio di dato post processato che permette di avere informazioni sulla salute della vegetazione presente nella zona osservata . Insieme, inoltre, capiremo come è possibile e se è possibile correlare i dati telerilevati alla variabilità genetica e alle specie presenti sul territorio osservato e mediante un settig ad hoc valuteremo la quantità del carbonio e della clorofilla e quindi della biodiversità presente nel territorio analizzato.

Relatori

• Rosanna Busiello - Ambasciatore Scientix