Un nuovo sistema di intelligenza artificiale può creare mappe altimetriche degli ambienti urbani da una singola immagine radar ad apertura sintetica (SAR), accelerando potenzialmente la pianificazione e la risposta alle catastrofi. Gli ingegneri aerospaziali dell’Università della Bundeswehr di Monaco affermano che il loro sistema SAR2Height è il primo a fornire mappe tridimensionali delle città complete, se non perfette, da un singolo satellite SAR. Quando un terremoto devasta una città, le informazioni possono scarseggiare. Con i servizi di base interrotti, può essere difficile valutare quanti danni si siano verificati o dove sia maggiore la necessità di aiuti umanitari.
I rilievi aerei che utilizzano sistemi lidar rappresentano il miglior standard per la mappatura 3D, ma tali sistemi di rilevamento laser sono costosi da acquistare e da utilizzare, anche senza le ulteriori difficoltà logistiche che si verrebbero a creare durante un grave disastro. Il telerilevamento è un’altra opzione, ma le immagini satellitari ottiche sono quasi inutili se l’area è oscurata da nuvole o fumo. Il radar ad apertura sintetica, invece, funziona giorno e notte, con qualunque condizione atmosferica. Il SAR è un sensore attivo che utilizza le riflessioni dei segnali trasmessi da un satellite verso la superficie terrestre: la parte di “apertura sintetica” proviene dal radar che utilizza il movimento proprio del satellite per imitare un’antenna più grande, per catturare segnali riflessi con lunghezze d’onda relativamente lunghe. Ci sono dozzine di satelliti SAR governativi e commerciali in orbita attorno al pianeta, e molti possono essere incaricati di acquisire nuove immagini nel giro di poche ore. Tuttavia, le immagini SAR sono ancora intrinsecamente bidimensionali e possono essere ancora più complicate da interpretare rispetto alle fotografie. Ciò è in parte dovuto a un effetto chiamato layover radar in cui gli edifici non danneggiati sembrano cadere verso il sensore.
“L’altezza è di per sé un argomento estremamente complesso”, afferma Michael Schmitt, professore all’Università della Bundeswehr di Monaco. “Esistono milioni di definizioni di cosa sia l’altezza, e trasformare un’immagine satellitare in un’altezza significativa in una geometria mondiale significativa è un’impresa molto complicata.” Schmitt e il suo collega Michael Recla hanno iniziato procurandosi immagini SAR per 51 città dal satellite TerraSAR-X, una partnership tra il Centro aerospaziale tedesco pubblico e l’appaltatore privato Airbus Defence and Space. I ricercatori hanno poi ottenuto mappe altimetriche di alta qualità per le stesse città, per lo più generate da rilievi lidar ma alcune da aerei o droni che trasportavano telecamere stereo. Il passo successivo è stato quello di effettuare una mappatura uno a uno, pixel per pixel, tra le mappe di altezza e le immagini SAR su cui poter addestrare una rete neurale profonda. I risultati sono stati sorprendenti, afferma Schmitt. “Abbiamo addestrato il nostro modello esclusivamente sulle immagini TerraSAR-X, ma fin da subito funziona abbastanza bene su immagini di altri satelliti commerciali.” Dice che il modello, che richiede solo pochi minuti per essere eseguito, può prevedere l’altezza degli edifici nelle immagini SAR con una precisione di circa 3 metri, l’altezza di un singolo piano in un tipico edificio. Ciò significa che il sistema dovrebbe essere in grado di individuare quasi tutti gli edifici di una città che hanno subito danni significativi.
Pietro Milillo, professore di ingegneria dei sistemi di geosensing presso l’Università di Houston, spera di utilizzare il modello di Schmitt e Recla in un progetto in corso, finanziato dalla NASA, sul recupero dai terremoti. “Possiamo passare da una mappa delle altezze degli edifici a una mappa della probabilità di crollo degli edifici”, afferma. Alla fine di questo mese, Milillo intende convalidare la sua richiesta visitando il luogo del terremoto in Marocco dello scorso anno che ha ucciso oltre 2.900 persone. Ma il modello AI è ancora lontano dall’essere perfetto, avverte Schmitt. Fatica a prevedere con precisione l’altezza dei grattacieli ed è sbilanciato verso le città nordamericane ed europee. Questo perché molte città dei paesi in via di sviluppo non dispongono di voli regolari di mappatura lidar per fornire dati di formazione rappresentativi. Quanto più lungo è il divario tra il volo lidar e le immagini SAR, tanto meno affidabili saranno le previsioni del modello. Anche nei paesi più ricchi, “dipendiamo davvero dai lenti cicli di rivisitazione dei governi che effettuano missioni Lidar e rendono i dati disponibili al pubblico”, afferma Carl Pucci, fondatore di EO59, una società con sede a Virginia Beach specializzata in software SAR. “Fa semplicemente schifo. Essere in grado di produrre 3D solo dal SAR sarebbe davvero una rivoluzione”.
Schmitt afferma che il modello SAR2Height ora incorpora dati provenienti da 177 città e sta migliorando continuamente. “Siamo molto vicini a ricostruire modelli di edifici reali da singole immagini SAR”, afferma. “Ma bisogna tenere presente che il nostro metodo non sarà mai accurato quanto il classico metodo stereo o il lidar. Rimarrà sempre una forma di ipotesi migliore invece di una misurazione ad alta precisione”. Comunque sia, in caso di un forte terremoto, anche la migliore ipotesi potrebbe essere migliore di niente.
, accelerando potenzialmente la pianificazione e la risposta alle catastrofi){kind=link}