La deforestazione è un grave problema non solo ambientale, ma anche economico: ogni anno deforestazione e degrado del territorio costano al mondo circa 6300 miliardi di dollari.
Per riuscire ad arginare il problema, in costante sviluppo, è possibile utilizzare l’intelligenza artificiale, anche per cercare di comprendere e ridurre quanto accade ai danni della Foresta Amazzonica. A questo proposito vi sono recenti studi applicativi.
Anche in Italia è stato messo a punto un progetto che fa uso di AI, computer vision e deep learning per prevedere l’entità della deforestazione nel passato e stimare il fenomeno nel futuro, con un metodo che garantisce una maggiore accuratezza.
L’impiego delle tecniche di intelligenza artificiale contro la deforestazione si traduce nella sensibile riduzione di un fenomeno che – finora – ha comportato la perdita del 46% del patrimonio arboreo mondiale.
L’area forestale globale ammonta a circa quattro miliardi di ettari e, negli ultimi tre decenni, sono andati perduti circa 178 milioni di ettari di foresta in tutto il mondo, evidenzia un report della FAO, malgrado il tasso di perdita forestale sia diminuito sensibilmente negli ultimi tre decenni. Tuttavia continua.
Sul problema sono intervenuti più di cento leader mondiali, che hanno promesso di porvi fine e di invertire la deforestazione entro il 2030 nel primo accordo importante del vertice sul clima COP26, comportando un impegno di oltre 19 miliardi di dollari di fondi pubblici e privati.
Per ridurre o azzerare il problema, oltre ai fondi e, soprattutto, all’impegno concreto, occorre conoscere dove intervenire e come.
A questo proposito l’artificial intelligence può essere di grande aiuto. Un esempio lo fornisce uno studio curato dalla Fondazione di sostegno alla ricerca dello Stato brasiliano di San Paolo (FAPESP) sulla Foresta Amazzonica. Mediante l’ uso di immagini satellitari e tecniche di machine learnig è stato possibile appurare che molte aree dove è più forte la deforestazione si trovano al di fuori degli undici comuni attualmente monitorati dal governo federale brasiliano nell’ambito del Piano per l’Amazzonia 2021/2022.
È solo il più recente esempio di applicazione dell’intelligenza artificiale contro la deforestazione che sta prendendo piede nella vasta area dall’Amazzonia fino all’Himalaya e che permette non solo di monitorare lo stato delle foreste, ma anche rilevare le pratiche illegali che spesso colpiscono boschi e foreste e perfino contribuire a ridurre il fenomeno piantando in maniera mirata semi per i futuri alberi.
Così l’AI assume il ruolo di alleato per centrare uno dei 17 obiettivi di Sviluppo sostenibile dell’Agenda 2030, in particolare il Goal 15 sulla protezione e gestione sostenibile delle foreste e dell’ecosistema terrestre.
Sono quattro le principali cause che portano alla deforestazione: la pratica agricola, spesso condotta nei Paesi con foreste primarie col metodo slash and burn, ovvero “taglia e brucia” che miete alberi e semina distruzione alla biodiversità; c’è poi il disboscamento illegale (responsabile del 15-30% di tutto il legno commercializzato a livello globale), lo sviluppo antropico e gli incendi.
Tra i cinque Paesi che detengono più della metà (54%) delle foreste del mondo c’è il Brasile, che conta sulla porzione più ampia della Foresta Amazzonica. È la più grande foresta pluviale tropicale della Terra: ospita il 25% della biodiversità del pianeta e ha un’importante influenza sulla regolazione del clima a livello globale. Da tempo, però, è vittima della deforestazione, fenomeno che non si arresta.
Tutt’altro: come segnala il WWF, tra gennaio e giugno 2022 la distruzione della Foresta Amazzonica è risultata triplicata rispetto al 2017, con quasi quattromila chilometri quadrati cancellati in soli sei mesi.
Per questo si cercano strumenti e soluzioni in grado di comprendere, monitorare e valutare dove intervenire per affrontare il problema. In questo senso viene in aiuto l’intelligenza artificiale contro la deforestazione: lo studio condotto dal team di ricercatori del FAPESP ha dimostrato che l’area prioritaria per le azioni di contrasto alla deforestazione illegale potrebbe comprendere il 27,8% di territorio in meno rispetto agli undici comuni monitorati dal governo federale nell’ambito dell’Amazonic Plan 2021/2022.
Grazie all’impiego congiunto di tecniche di intelligenza artificiale e di immagini satellitari, sono giunti alla conclusione che le aree dell’Amazzonia classificate come ad alta priorità per i più alti tassi di deforestazione hanno totalizzato quest’anno 414.603 chilometri quadrati, mentre l’area totale prevista dal piano per gli undici comuni è di 574.724 kmq. In altre parole, l’area da monitorare potrebbe essere ridotta di 160mila kmq.
Tuttavia, mentre i punti caldi di deforestazione identificati dai ricercatori hanno rappresentato il 66% del tasso medio annuo di deforestazione, gli undici comuni oggetto del piano hanno rappresentato il 37% del tasso di deforestazione degli ultimi tre anni (2019-21).
Più precisamente, l’impiego dell’intelligenza artificiale contro la deforestazione è stato finalizzato a stabilire le aree prioritarie. Per questo, i ricercatori hanno suddiviso il territorio secondo una griglia le cui singole celle misurano 25 km per 25 km e hanno impiegato l’ algoritmo di machine learning Random Forest per suddividere le singole celle secondo il diverso grado di deforestazione.
In particolare, sono stati presi in considerazione cinque fattori, tra cui la deforestazione degli anni passati, la distanza da strade e corsi d’acqua, l’area totale protetta e il numero di incendi.
Secondo i ricercatori, il loro metodo permetterebbe di concentrare maggiormente l’attenzione sul monitoraggio e sull’applicazione della legge. Inoltre, utilizzando questo nuovo approccio, sono giunti alla conclusione che dare priorità alle aree con tassi di deforestazione più elevati è più efficace che limitare il monitoraggio ad alcuni Comuni. Alcune delle aree a più forte impatto di deforestazione si trovano negli undici comuni, ma altri sono nelle vicinanze e costituiscono nuove frontiere ancora poco esplorate.
Un altro caso di studio che ha utilizzato l’intelligenza artificiale contro la deforestazione vede sempre al centro la Foresta Amazzonica. L’ha messo a punto un team spagnolo dell’Universidad Autónoma de Madrid e ha previsto l’ implementazione di un modello ibrido di machine learning, che impiega specifiche reti neurali utilizzando un set di dati costituito da 760 municipi brasiliani dell’Amazzonia, con dati statici, tra cui quelli geografici, forestali e di bacino, insieme a una serie temporale di dati sull’area di deforestazione annuale negli ultimi 20 anni (1999-2019).
Questo modello ha permesso di predire l’aumento della deforestazione annuale fino al 2030, prevedendo che questa raggiungerà 1 milione di chilometri quadrati entro tale anno, con un’incidenza di circa il 15% rispetto all’attuale 1.
Non solo: i risultati ottenuti possono essere utili a comprendere l’impatto dell’impronta dell’uomo sulla foresta pluviale più grande del mondo.
L’impiego di tecniche di intelligenza artificiale contro la deforestazione ha trovato un promettente impiego anche in Asia, più precisamente nel Parco nazionale di Jaldapara, nell’Himalaya orientale. Dichiarato Parco Nazionale nel 2012, ha una notevole ricchezza in termini di biodiversità: Jaldapara è famoso soprattutto per la conservazione del rinoceronte indiano.
L’intera superficie e le aree circostanti sono coperte da foresta tropicale fluviale e il sito è stato dichiarato santuario nel 1941 per la sua grande varietà di diversità floreale e faunistica.
Purtroppo, anch’esso è vittima del disboscamento e di altre attività che lo stanno impoverendo.
Dei ricercatori indiani hanno condotto uno studio che cerca di identificare le zone a rischio di deforestazione nel parco e nei suoi dintorni applicando cinque diversi algoritmi di machine learning e deep learning.
La scelta di usare ben cinque algoritmi diversi per prevedere la probabilità di deforestazione ha permesso di arrivare a un elevato livello di precisione: ciò ha consentito agli scienziati e ai responsabili politici di adottare piani adeguati per le aree ad alta probabilità di deforestazione e differenti strategie di gestione.
Un esempio è l’idea di creare una zona cuscinetto forestale intorno al parco nazionale in grado di migliorare la sua salute, oltre a garantire un sostentamento alternativo agli abitanti della foresta e alle persone che vivono ai margini della foresta.
Dal monitoraggio alla attuazione pratica di interventi, c’è un altro modo di impiegare l’intelligenza artificiale contro la deforestazione. Si tratta dell’uso di AI per droni in grado di piantare semi di alberi in maniera mirata.
Ci ha pensato la startup australiana AirSeed Technology che sta combattendo la deforestazione combinando l’AI con baccelli di semi appositamente preparati per essere compatibili con l’habitat sottostante e portati in volo da droni.
Essi sono realizzati utilizzando biomassa di scarto, fornendo un rivestimento ricco di nutrienti e in grado di proteggere i semi da uccelli, insetti e roditori. Una volta in volo, i droni percorrono traiettorie fisse, piantando secondo schemi predefiniti e registrando le coordinate di ciascun seme.
n questo modo AirSeed può valutare lo stato di salute degli alberi man mano che crescono. La startup ha già piantato più di 50mila alberi e mira a piantarne 100 milioni entro il 2024.
Anche in Italia è stato sviluppato di recente un lavoro dedicato, che vede l’impiego dell’intelligenza artificiale contro la deforestazione. Si tratta del progetto Forestry Analyzer, condotto dalla startup innovativa Hesplora e co-finanziato da IFAB – International Foundation Big Data and Artificial Intelligence for Human Development, fondazione promossa dalla Regione Emilia-Romagna.
Il progetto è nato per mettere a punto uno strumento in grado di identificare le foreste, monitorando i cambiamenti di copertura nel tempo, e di calcolare l’impatto della deforestazione in termini di variazione del carbonio.
L’aspetto innovativo è l’approccio adottato. « Nel monitoraggio della deforestazione e nella valutazione delle tendenze future, sono sempre più impiegate le immagini satellitari e molti degli sforzi dei ricercatori sono legati all’elaborazione di tali immagini. Ciò ha fatto sì che nella componente legata alle analisi predittive riguardanti i trend di deforestazione venissero utilizzati algoritmi relativamente semplici, come random forest. Ciò che abbiamo voluto fare con Forestry Analyzer non è stato partire da dati primari acquisiti dai satelliti, quanto da quelli secondari, ovvero le elaborazioni fatte sulla base di immagini satellitari, che fornivano già dati “semilavorati”, in particolare le mappe di copertura forestale e di uso del suolo, mappe sulle biomasse ecc. Il che ha consentito di concentrarsi sulla prediction, potendo impiegare algoritmi più complessi in un contesto dove di solito non vengono adoperati » spiegano Francesco Imposimato e Jacopo Soldateschi, rispettivamente amministratore unico e data scientist di Hesplora.
Uno degli intenti di Forestry Analyzer è utilizzare, migliorandoli in termini risolutivi, i dati forniti da Copernicus, uno dei programmi più importanti al mondo di Earth observation voluto e finanziato dalla Comunità Europea.
Pur concentrandosi sulle foreste UE, fornisce anche dati per tutto il mondo; sono questi i dati utilizzati da Hesplora come base da cui partire. A questo proposito entra in gioco l’AI, sia per analizzare i trend passati che per mettere a punto previsioni sul futuro.
« L’impiego di artificial intelligence applicata alle scienze forestali generalmente si suddivide in due categorie applicative: computer vision e analisi di serie temporali. Nel primo caso, il focus è sull’analisi spaziale delle immagini tramite algoritmi AI, nel secondo si analizza l’andamento temporale in ogni zona dell’immagine, per estrapolare andamenti futuri di potenziale deforestazione. Nel caso di Forestry analyzer, si è lavorato su entrambi i versanti, andando a valutare l’andamento storico per la deforestazione e la previsione per gli andamenti futuri » specifica Soldateschi.
Nel primo caso, sono state adottate reti neurali convoluzionali, che analizzano specifiche aree all’interno dell’immagine e permettono di effettuare correlazioni tra ciascun pixel dell’immagine e quelli adiacenti.
Un particolare tipo di rete convoluzionale, sviluppata in ambito computer vision per incrementare la risoluzione delle immagini fotografiche, è stata usata – debitamente adattata – per quelle satellitari, in modo da permetterne un miglioramento della risoluzione.
« Abbiamo utilizzato i prodotti Copernicus Land Cover, che offrono, a livello globale, la distribuzione dell’uso del suolo, utile per comprendere la presenza di foresta. Partendo da un’immagine con bassa risoluzione (100 metri), si è giunti a un miglioramento di risoluzione fino a 30 metri, ottenuto impiegando la Super-Resolution Convolutional Neural Network – SRCNN».
L’approccio innovativo di Forestry Analyzer
Migliorata la risoluzione, si è poi proceduto allo studio dell’andamento storico della deforestazione, anno per anno, utilizzando i dati ottenuti per allenare un’ulteriore rete neurale che permette di stimare l’andamento del fenomeno nel futuro.
Questa neural network è valida a livello spazio temporale: permette, infatti, di effettuare la correlazione spaziale dei pixel, includendo anche una parte dedicata all’analisi temporale per cercare correlazioni dei dati storici ed estrapolarli. Così si è arrivati a una previsione valida fino al 2025, potendo però andare anche più avanti nel tempo.
È questo l’aspetto più innovativo del progetto che impiega l’intelligenza artificiale contro la deforestazione: normalmente, dall’analisi della letteratura in ambito predittivo, vengono impiegate quasi esclusivamente tecniche legate alle serie temporali. Nel caso di Forestry Analyzer, sono state integrate le due componenti spazio-temporali per ottenere una maggiore precisione delle stime.
Oltre ai dati Copernicus, sono stati utilizzati anche quelli Landsat della NASA, così da contare sulla possibilità di un maggior volume di dati, che permette di allenare l’algoritmo in maniera più accurata, in modo da essere in grado di analizzare anche quelle zone che non ha visualizzato durante il training.
Forestry Analyzer ha avuto una prima applicazione per analizzare l’andamento di un tratto di foresta in Camerun (la seconda più grande dell’Africa). Gli algoritmi implementati sono in corso di validazione scientifica col supporto e la collaborazione dell’Università di Firenze.