L’integrazione tra osservazione spaziale e intelligenza artificiale ha segnato una svolta nella lotta all’inquinamento marino. La tecnologia è diventata una guida attiva per la protezione degli oceani, superando il ruolo di semplice strumento di osservazione passiva.
Uno dei problemi più complessi è sempre stato individuare gli accumuli di detriti plastici di piccole dimensioni, dispersi e nascosti lungo le linee di convergenza delle correnti. Per affrontare questa sfida, due anni fa l’istituto di ricerca svizzero EPFL ha avviato un progetto ambizioso, il cui nome tecnico è ADOPT.
L’obiettivo era duplice: sviluppare un sistema per identificare le chiazze di rifiuti analizzando le immagini satellitari e, contemporaneamente, prevedere il loro spostamento nelle 24 ore successive, un tempo cruciale per l’intervento delle squadre di bonifica.
La soluzione sviluppata è un algoritmo di intelligenza artificiale capace di analizzare migliaia di immagini dallo spazio in tempo reale. Il sistema ha raggiunto un’accuratezza senza precedenti nel distinguere la plastica galleggiante da elementi naturali che possono generare falsi positivi, come la schiuma delle onde o la vegetazione.
Il successo del modello risiede in un approccio “data-centrico”. Il sistema non si limita a un’analisi visiva, ma riconosce la specifica “firma spettrale” della plastica, ovvero il modo unico in cui riflette la luce. È stato addestrato su migliaia di esempi forniti da oceanografi e, grazie a un meccanismo di raffinamento, l’IA ha imparato a correggere persino le annotazioni umane imprecise.
L’innovazione non è solo nel software, ma nell’uso combinato dei dati provenienti da diverse costellazioni satellitari. L’algoritmo sfrutta le immagini del satellite Sentinel-2 dell’Agenzia Spaziale Europea (ESA), che offre una copertura gratuita ogni 2-5 giorni con una risoluzione di 10 metri per pixel.
Per superare i limiti temporali e di risoluzione, il team ha integrato questi dati con quelli di PlanetScope, una rete di centinaia di nano-satelliti che scansiona l’intero pianeta ogni giorno con una risoluzione maggiore. Questa sinergia permette un monitoraggio continuo, quasi in tempo reale, degli spostamenti dei detriti.
Tuttavia, il sistema presenta una criticità importante: non funziona in condizioni di maltempo, poiché i sensori ottici non possono vedere attraverso le nuvole. I ricercatori hanno valutato l’integrazione con le immagini radar di Sentinel-1, che penetrano le nubi, ma questa tecnologia non rileva le firme spettrali, essenziali per identificare con certezza la natura plastica dei rifiuti.
La ricerca, pubblicata sulla rivista Nature Communications, non si ferma alla mappatura. Il passo successivo del progetto è la previsione della deriva. Sfruttando modelli dei venti e delle correnti, corretti tramite machine learning, il sistema potrà prevedere dove si troverà una chiazza di spazzatura entro 24 ore.
Questo strumento consentirà a organizzazioni come The Ocean Cleanup di ottimizzare le missioni, inviando le navi di raccolta in punti precisi e risparmiando tempo e carburante. In un’ottica di collaborazione globale, il codice e i modelli sono stati resi open source e disponibili su piattaforme come GitHub.
L’obiettivo finale è fornire a governi e ONG uno strumento potente per monitorare i propri ecosistemi marini, identificando gli hotspot di inquinamento e intervenendo in modo più efficace, specialmente vicino alle foci dei fiumi, principali punti di ingresso della plastica negli oceani.
