Modello di Intelligenza Artificiale per l’analisi di immagini satellitari nel monitoraggio dello stato di salute delle foreste
E' stato pubblicato sulla rivista internazionale Ecological Informaticsun, importante risultato scientifico nel campo dell’Intelligenza Artificiale applicata all’analisi delle immagini satellitari per il monitoraggio dello stato di salute delle foreste.
Il gruppo di ricerca KDDE – Knowledge Discovery and Data Engineering, afferente al Dipartimento di Informatica, dell’Università degli Studi di Bari Aldo Moro, ha sviluppato ULISSE, un innovativo sistema basato su Intelligenza Artificiale capace di monitorare lo stato di salute delle foreste utilizzando serie temporali di immagini satellitari della superficie terrestre acquisite nella missione Sentinel-2 del programma europeo Copernicus.
Questo sistema contribuisce ad automatizzare la mappatura del patrimonio forestale danneggiato dalla infestazione di insetti xilofagi quali il bostrico, contribuendo a ridurre costi e tempi richiesti da un monitoraggio sul campo.
Il sistema rappresenta un importante passo avanti verso strumenti operativi per il monitoraggio ambientale su larga scala e potrà supportare enti forestali nella gestione sostenibile delle risorse naturali e nella prevenzione dei danni legati ai cambiamenti climatici.
Lo studio, dal titolo “ULISSE: Parameter-efficient adaptation of earth vision models to monitor forest disturbance in sentinel-2 time series”, è stato pubblicato sulla rivista internazionale Ecological Informatics (2026), rivista interdisciplinare ed è disponibile in modalità Open Access.
Il lavoro è stato svolto in collaborazione con il centro di ricerca INRAE dell’Università di Montpellier, Francia e dello NVIDIA AI Technology Center, Santa Clara, California.
Rientra nelle attività di ricerca sviluppate nell’ambito del progetto Europeo SWIFTT (Satellites for Wilderness Inspection and Forest Threat Tracking) per lo sviluppo di strumenti di telerilevamento per forestali per il monitoraggio dello stato di salute delle foreste e del Progetto PNRR FAIR – Future Artificial Intelligence Research, nell’ambito del quale UniBa svolge il ruolo di ente guida dello Spoke 6 – Symbiotic AI, dedicato allo sviluppo di modelli avanzati di intelligenza artificiale simbiotica.
Il principale contributo scientifico di ULISSE consiste nello sviluppo di una nuova metodologia di deep learning per la segmentazione semantica di serie temporali di immagini Sentinel-2, progettata per favorire la mappatura automatica in larga scala di danni causati al patrimonio forestale da una infestazione di insetti xilofagi come il bostrico.Uno degli elementi innovativi di ULISSE è l’impiego di tecniche di Parameter-Efficient Fine-Tuning (PEFT), che permettono di adattare modelli fondazionali utilizzando una quantità limitata di informazioni etichettate, favorendo un’ Intelligenza Artificiale più sostenibile grazie anche alla riduzione di tempi e costi di computazione.
Un ulteriore contributo della ricerca riguarda l’integrazione di tecniche di Explainable Artificial Intelligence (XAI), utilizzate per interpretare il comportamento del modello di Intelligenza Artificiale sviluppare e spiegare i fattori spettrali della tecnologia Sentinel-2 che maggiormente influenzano le decisioni.
Questo contributo, sviluppato nella prospettiva dell’ Intelligenza Artificiale Simbiotica, contribuisce ad aumentare la trasparenza e l’affidabilità del sistema.
Il sistema è stato validato con successo in due aree di studio, localizzate in Repubblica Ceca e Romania, dimostrando elevata accuratezza nella mappatura delle aree forestali danneggiate dal bostrico.
Hanno partecipato allo studio per UniBa: Vito Recchia, Giuseppina Andresini, Annalisa Appice, Dino Ienco, Giuseppe Fiameni, Donato Malerba
ULISSE: Parameter-efficient adaptation of earth vision models to monitor forest disturbance in sentinel-2 time series Ecological Informatics, 2026