Il cambiamento climatico sta ridisegnando gli ecosistemi montani, rendendo urgente il monitoraggio delle risorse idriche d’alta quota. In questo scenario, una risposta innovativa arriva dalla tecnologia: un team di ricerca guidato dal Dipartimento di Scienze della Terra dell’Università di Pisa ha sviluppato un metodo basato sull’Intelligenza Artificiale e sui dati satellitari per individuare e mappare automaticamente il permafrost montano.
Lo studio, pubblicato sulla rivista Earth Systems and Environment, si concentra sui rock glacier (ghiacciai di roccia), complessi accumuli di detriti e ghiaccio sotterraneo che fungono da veri e propri “scrigni” d’acqua allo stato solido.
La tecnologia: machine learning e “satellite embedding”
Il cuore della ricerca risiede nell’integrazione tra la potenza di calcolo di Google Earth Engine e gli algoritmi avanzati di Machine Learning. I ricercatori hanno sfruttato il dataset Satellite Embedding, sviluppato da AlphaEarth Foundations (Google DeepMind).
Ma come funziona nello specifico?
-
Dati multi-sensore: il sistema raccoglie e sovrappone immagini satellitari scattate in tempi e con sensori diversi.
-
Vettori a 64 dimensioni: ogni pixel dell’area esaminata viene tradotto in un vettore ad alta dimensionalità (64 variabili). Questa complessa firma digitale permette all’IA di riconoscere pattern geomorfologici invisibili a un normale esame visivo.
-
Risoluzione elevata: la mappatura finale raggiunge il dettaglio straordinario di 10 metri per pixel.
«Questi embedding di pixel ad alta dimensionalità ci consentono di riconoscere modelli geomorfologici complessi e mappare le forme del terreno con estrema precisione», spiega Adriano Ribolini del Dipartimento di Scienze della Terra dell’Università di Pisa.
I risultati sul campo: test sulle Alpi Occidentali
L’efficacia del modello è stata testata sul campo in un’area delle Alpi Occidentali. Analizzando i dati attraverso tecniche di Machine Learning, l’algoritmo ha dato prova di incredibile affidabilità.
«Siamo stati in grado di localizzare automaticamente 621 rock glacier con un’accuratezza dell’85,7%», dichiara Varun Khajuria, dottorando e primo autore dello studio. «Questo corrisponde a un’estensione di permafrost monitorata di circa 32 km²».
L’importanza strategica della ricerca
| Obiettivo | Impatto |
| Mappatura su larga scala | Possibilità di esportare il modello sulle principali catene montuose del pianeta. |
| Tutela idrica | Monitorare il ghiaccio sotterraneo, riserva d’acqua strategica per contrastare i periodi di siccità dovuti al climate change. |
| Prevenzione rischi | Monitorare il degrado del permafrost, una delle cause principali di instabilità dei versanti montani. |
Un successo corale
La ricerca è il risultato di una sinergia internazionale e multidisciplinare. Accanto all’Università di Pisa (rappresentata anche dal suo Laboratorio Georadar), hanno collaborato attivamente l’ARPA Piemonte (con Luca Paro), l’Università di Aberdeen (Shaktiman Singh) e l’Università di Torino (Matteo Spagnolo).
Questo framework dimostra come la fusione tra geoscienze e intelligenza artificiale sia ormai la via maestra per comprendere e mitigare gli effetti del riscaldamento globale sul nostro pianeta.
Per ricevere quotidianamente i nostri aggiornamenti su energia e transizione ecologica, basta iscriversi alla nostra newsletter gratuita
e riproduzione totale o parziale in qualunque formato degli articoli presenti sul sito.
