Guardare il mondo dall’alto attraverso gli strumenti messi a disposizione dalla tecnologia non è mai stato facile come oggi. Alzi la mano chi non ha mai usato le ‘mappe’ online che arrivano a livelli di dettaglio sempre maggiore, anche solo per curiosità. Le immagini, satellitari in questo caso, ci permettono di conoscere meglio il mondo che ci circonda e vedere persino il nostro quartiere con occhi diversi. Arrivare distinguere un’essenza da un’altra in una macchia verde, contare il numero di piante presenti resta impresa quasi impossibile per l’occhio umano, anche se invece delle immagini satellitari si usano le ortofoto elaborate da scatti aerei. Ma non per gli occhi delle ‘macchine’.
E’ così che nasce un algoritmo di intelligenza artificiale denominato “DeepForest“. In un recente studio condotto dall’Università di Pisa e dal CNR in collaborazione con il Consorzio di Bonifica Toscana Nord, è stata quindi sviluppata una metodologia operativa per identificare e mappare la vegetazione ripariale negli ecosistemi fluviali utilizzando “DeepForest“, specificatamente progettato per estrarre informazioni rilevanti da immagini aeree.
“Conoscere la vegetazione ripariale rappresenta un elemento indispensabile per il Consorzio di Bonifica – sottolinea il presidente Ismaele Ridolfi – nella redazione dei piani annuali perché l’obiettivo è quello di ridurre il rischio idraulico e salvaguardare la biodiversità dei corsi d’acqua dove stiamo ampliando sempre più quella che viene definita una ‘manutenzione gentile’. Con questo modello di analisi, sfruttando le potenzialità dell’intelligenza artificiale, possiamo acquisire migliori informazioni sull’evoluzione della vegetazione arborea delle fasce ripariali con costi e tempi inferiori rispetto a un controllo sul posto effettuato dai tecnici”.
La collaborazione per la mappatura della vegetazione ripariale attraverso DeepForest è servita ad analizzare anche costi e benefici di una nuova procedura operativa end-to-end. Al progetto, hanno lavorato il Dott. Ing. Nicholas Fiorentini, Manlio Bacco, Alessio Ferrari, il Prof. Massimo Rovai, il Prof. Gianluca Brunori di Università di Pisa (Dipartimento di Ingegneria Civile e Industriale, DICI, e Dipartimento di Scienze Agrarie, Alimentari e Agro-ambientali, DISAAA-a) e CNR (Istituto di Scienza e Tecnologie dell’Informazione, ISTI).
Riconosciuta per la sua importanza ecologica, idrologica e sociale, la vegetazione ripariale svolge un ruolo cruciale per il buon funzionamento degli ecosistemi fluviali. Dal punto di vista dei Consorzi di Bonifica, l’identificazione e la mappatura della vegetazione ripariale lungo i fiumi è un’attività di fondamentale importanza: permette di perseguire un’efficace azione manutentiva ordinaria e straordinaria, consentendo di allocare oculatamente le risorse disponibili prevenendo potenziali rischi idro-geologici, e garantendo una costante e buona funzionalità del corpo idrico.
In questo ambito, la mappatura manuale della vegetazione ripariale attraverso rilievi in-situ si rivela estremamente dispendiosa in termini di tempo e denaro, soprattutto per reti fluviali estese e poco accessibili.
Conseguentemente, in questo recente studio condotto dall’Università di Pisa e dal CNR in collaborazione con il Consorzio di Bonifica Toscana Nord, è stata sviluppata una metodologia operativa per identificare e mappare la vegetazione ripariale negli ecosistemi fluviali utilizzando un algoritmo di intelligenza artificiale denominato “DeepForest“, specificatamente progettato per estrarre informazioni rilevanti da immagini aeree.
Per la calibrazione e validazione dell’algoritmo, la ricerca ha utilizzato le più recenti orto-immagini aeree ad alta risoluzione (pixel a terra di 20×20 cm) della Regione Toscana (anno 2023) su un’area che copre circa 30 km2. Il corso d’acqua oggetto di studio – circa 10 km del fiume Serchio, a nord della città di Lucca – rientra nelle competenze manutentive del CB Toscana Nord, responsabile della gestione di oltre 8.000 km di fiumi, torrenti e canali in diverse aree urbane, suburbane e montane della zona settentrionale Toscana.
Le potenzialità della procedura sono state quantificate per mezzo di un’analisi costi-benefici, confrontando costi, tempi, attrezzature necessarie, personale, software e hardware richiesti, associati ai tre diversi rilievi della vegetazione ripariale: (1) rilievi in-situ, (2) annotazione manuale sulle orto-foto, e (3) annotazione automatica con DeepForest.
I risultati dimostrano che le potenzialità del modello proposto sono paragonabili a quelle di operatori e professionisti esperti che conducono la mappatura manuale della vegetazione ripariale sulle stesse orto-immagini ad alta risoluzione. Allo stesso modo, i punti di debolezza nel riconoscimento della vegetazione sono simili a quelli dell’operatore umano e riguardano essenzialmente le difficoltà di conteggio del numero di alberi quando essi sono in gruppo o in filari.
In aggiunta, l’algoritmo DeepForest restituisce anche il valore dell’affidabilità della previsione della presenza degli alberi. Tramite opportune analisi e rilievi in campo è stato dimostrato che il riconoscimento della presenza di alberi risulta affidabile quando la soglia è pari o superiore a 0.2.
Il costo del rilievo in-situ è di circa 102 euro/km con una capacità di copertura di circa 1,6 km/giorno, mentre l’annotazione manuale della vegetazione ripariale su orto-foto è di circa 29 euro/km con una capacità di copertura di circa 5 km/giorno. Sfruttando le potenzialità di DeepForest, si è calcolato un risparmio dell’83% dei costi (17 €/km) e del’84% dei tempi (10 km/giorno).
In definitiva, grazie al modello di analisi proposto, i Consorzi di Bonifica potrebbero acquisire migliori informazioni e conoscenze sull’evoluzione della vegetazione arborea nelle fasce ripariali, indispensabili per la redazione dei piani annuali di manutenzione del reticolo idrografico.
