Maria Consiglia Rasulo
La sesta edizione dell’hackathon più grande al mondo, promosso dalla NASA e dedicato a tutti gli appassionati di Spazio, sarà completamente virtuale.
Si terrà nel weekend 3- 4 ottobre
Per il sesto anno consecutivo, il 3 e il 4 ottobre, Napoli sarà nella rete delle tantissime città di tutto il mondo (l’anno scorso sono state più di 200) che ospiteranno Space Apps, la sfida internazionale basata su un approccio di problem solving collaborativo e open-source. Come di consueto, sarà un weekend dedicato alla tecnologia spaziale e alle sue applicazioni terrestri, e i partecipanti lavoreranno in gruppo a diverse sfide, proponendo soluzioni innovative per vincere il titolo di Galactic Problem-Solver.
Ci sono due grandi novità in questa edizione: innanzitutto, Space Apps sarà completamente virtuale. Alla luce delle attuali restrizioni dovute alla pandemia di COVID-19, tutti gli eventi locali, incluso quello di Napoli, si svolgeranno esclusivamente online per garantire la salute e la sicurezza della comunità globale.
Un’altra novità è la partecipazione dell’INAF – Osservatorio astronomico di Capodimonte: la più antica istituzione scientifica partenopea si aggiunge alla famiglia dei partner locali, che anche quest’anno confermano la propria attività nell’organizzazione - il Consolato degli Stati Uniti a Napoli, il Dipartimento di Ingegneria Industriale dell’Università di Napoli Federico II, l’Istituto per il Rilevamento Elettromagnetico dell’Ambiente del CNR, e il Center for Near Space dell’Italian Institute for the Future.
Il 2 ottobre ci sarà un “virtual bootcamp”, poi sabato 3 ottobre alle 9:00 inizierà l’hackathon. La sfida si chiuderà domenica 4 ottobre alle 23:59. Le chat room con la possibilità di formare i team apriranno la settimana precedente: i gruppi dovranno essere formati da un minimo di due a un massimo di 6 membri: il focus di Space Apps è proprio la collaborazione, e i team di maggior successo spesso sono proprio quelli con abilità e competenze diversificate: coding, storytelling, creatività, scienze, ingegneria, tecnologia e molto altro ancora!
Il tema di questa edizione è “Take Action”, un invito ad agire e anche un promemoria per sottolineare che si può sempre fare la differenza, anche dal comfort e dalla sicurezza di casa. Il tema sarà declinato in queste 7 categorie: Observe, Inform, Sustain, Create, Confront, Connect e Invent Your Own Challenge.
Anche per l’edizione 2020, il Consolato Generale degli Stati Uniti a Napoli mette in palio dei premi speciali in denaro: i due team vincitori locali, che saranno poi candidati alla competizione globale come Global Nominees, riceveranno ognuno 500 Euro. Anche quest’anno il Center for Near Space (CNS) dell’Italian Institute for the Future, impegnato da sempre sugli studi anticipatori legati all’espansione dell’umanità nello spazio, metterà in palio il premio nazionale “Il Futuro Prossimo Possibile” di 500 Euro per il team che, rispondendo ai temi di Space Apps 2020, meglio interpreterà la Vision sulla Città Cis-Lunare.
Tutti i dettagli sull’evento e il link per l’iscrizione sono disponibili sul sito.
Vai alle altre notizie in evidenza
Mappa dell’evoluzione temporale di un’alluvione ottenuta dalla fusione di dati ottici e SAR |
Le tecniche di Machine Learning e di Deep Learning consentono di estrarre informazioni utili dai dati telerilevati di Osservazione della Terra (OT) in molteplici ambiti applicativi. Esse sono largamente utilizzate per affrontare problemi di classificazione tematica, di regressione o di selezione ed estrazione di features significative. In particolare, esse rivestono una fondamentale importanza quando è necessario analizzare una ingente mole di dati come nell’analisi di serie temporali o quando si ha a che fare con dati a risoluzione molto elevata. In tali casi, le tecniche di Machine e Deep Learning vengono applicate non solo per risolvere i suddetti problemi, ma anche per affrontare nuovi paradigmi di apprendimento come l’Active e il Transfer Learning.
Ad esempio, per effettuare lo studio dei cambiamenti dell’uso e della copertura del suolo, legati a variazioni antropiche o al manifestarsi di eventi disastrosi, quali frane ed alluvioni, è necessario analizzare un insieme di immagini multi-temporali ed anche multi-sensore della stessa area geografica. Le tecniche di Machine Learning si sono dimostrate particolarmente efficaci per estrarre informazioni utili da una ingente quantità di dati multi-temporali, multi-sensore, multi-risoluzione e multi-piattaforma, a cui spesso è necessario associare misurazioni in situ per ottenere una conoscenza precisa ed un’interpretazione accurata di situazioni complesse. Nel caso delle inondazioni, l’applicazione di tali tecniche ha consentito di effettuare mappature delle aree interessate e la loro evoluzione nel tempo, integrando dati SAR (intensità e coerenza) tradizionalmente usati in questo ambito, con modelli idrologici, dati ottici ed altre informazioni ancillari. Tali tecniche possono essere molto utili anche nell’analisi e nell’interpretazione di lunghe serie temporali di valori di spostamento derivati con tecniche in interferometria SAR differenziale, con l’obiettivo di individuare e classificare i diversi tipi di deformazione che interessano i bersagli radar al suolo.
Negli ultimi anni, le metodologie di Deep Learning sono diventate uno degli argomenti di punta nell’ambito del Remote Sensing. Si tratta di reti neurali con un numero molto elevato di strati nascosti, in grado di calcolare features opportune direttamente dai dati, senza utilizzare quelle definite a priori. Grazie a tali caratteristiche, le loro accuratezze in classificazione superano di gran lunga quelle ottenute con altri metodi. Le applicazioni di tali reti sono molte-plici e particolarmente interessanti si sono rivelate le reti Deep pre-addestrate, utilizzate per estrarre features predefinite (deep-features) che hanno la proprietà di essere invarianti rispetto al dominio. Esse si sono dimostrate utili nel dominio delle immagini telerilevate per estrarre, ad esempio, le informazioni relative al contesto spaziale nell’analisi delle immagini VHR.
Mappa di umidità del suolo (SSM) ad 1km di risoluzione derivata da una composizione di immagini Sentinel-1 (S-1) acquisite in 6 giorni sul Mediterraneo e relativa mappa di deviazione standard (st. dev.) (progetto ESA SEOM “Exploitation of S-1 for Surface Soil Moisture Retrieval at High Resolution (Exploit-S-1)”) |
I sensori di Osservazione della Terra (OT) a microonde sono molto sensibili al contenuto idrico della superficie (e.g., 0-5 cm) dei suoli (SSM) e della vegetazione (VWC) perché esiste un forte contrasto tra la costante dielettrica relativa dell’acqua (ε_r~80) e quella del suolo o della vegetazione secchi (ε_r~3-5). Inoltre, le osservazioni a microonde risultano sensibili alla morfologia superficiale dei suoli (rugosità) ed alla geometria delle piante (struttura) che costituiscono le superfici di separazione con l’aria (ε_r~1). Per questi motivi, il telerilevamento a microonde è la principale sorgente d’informazioni a larga scala di SSM e VWC.
In particolare, SSM è una variabile climatica essenziale (ECV) che svolge un ruolo importante nello scambio di acqua, energia e flussi biochimici tra la superficie terrestre e l'atmosfera. D’altra parte il VWC è fortemente correlato alla biomassa, anch’essa una ECV, e ricopre un importante interesse in applicazioni agricole perché rappresenta un indicatore di stress idrico delle piante. I sistemi a microonde passivi (radiometri) forniscono informazioni a bassa risoluzione (≳25 km) mentre quelli attivi e coerenti (SAR) raggiungono alte risoluzioni (≲0.1 km) e, per questo motivo, sono potenzialmente più idonei in molte applicazioni su superfici terrestri.
La stima di questi parametri attraverso modelli fisici si basa su approcci di minimizzazione dell’errore quadratico tra l’osservazione radar e la sua previsione teorica. Tuttavia, questi problemi risultano spesso mal posti e la loro soluzione richiede l’integrazione d’informazioni a priori sullo stato dei suoli e della vegetazione. Quest’ultime possono essere attinte da misure in situ, da modelli ecologici o da altri dati OT, per es., dati ottici. Metodi alternativi e, spesso, più robusti utilizzano tecniche di change detection che sfruttano l’alta risoluzione temporale delle più recenti costellazioni di sensori SAR - come Cosmo-SkyMed dell’Agenzia Spaziale Italiana (ASI), Sentinel-1 (S-1) di quella Europea (ESA), la costellazione RADARSAT Canadese (CSA) o la futura SAOCOM di quella Argentina (CONAE) - unitamente alle proprietà di variabilità spazio-temporale dei parametri superficiali. Per esempio, SSM, al contrario della rugosità dei suoli, del VWC e della struttura della vegetazione, varia lentamente nello spazio ma molto velocemente nel tempo (1-3 giorni). Per questo motivo, le tecniche di change detection riescono ad isolare i cambiamenti “veloci” di SSM da quelli “lenti” degli altri parametri superficiali. In particolare, la sistematicità delle acquisizioni del sistema S-1, che ha un tempo di rivisita medio di ~3 giorni in Europa, e la libera distribuzione del dato, hanno consentito un forte sviluppo dell’uso del SAR anche per la stima pre-operativa di SSM a ~1 km di risoluzione (un esempio di prodotto è riportato in figura). Inoltre, integrando informazioni di dati OT da sensori ottici, come quelli acquisiti dalla costellazione Europea Sentinel-2, è possibile ulteriormente separare cambiamenti di VWC da quelli di rugosità superficiale e dunque non solo migliorare la risoluzione spaziale delle stime di SSM fino alla a scala di campo (~0.1 km), ma anche ottenere stime affidabili dei cambiamenti di rugosità dei campi agricoli e di VWC e la identificazione precoce di campi irrigati.
Stima della velocità radiale ottenuta dall’elaborazione dell’immagine ENVISAT del 22 Settembre 2010. La mappa geocodificata è visualizzata in ambiente Google Earth. |
Il SAR si rivela uno strumento prezioso anche per le applicazioni marine e costiere, consentendo la determinazione di alcuni dei parametri che caratterizzano lo stato del mare: correnti ed onde, oltre ai campi di vento sulla superficie marina. Le attività dell’IREA in tale ambito, nate recentemente, si sono concentrate sulla stima delle correnti marine. La misurazione delle correnti è effettuata a partire da una singola immagine SAR utilizzando il metodo della valutazione della distribuzione spaziale dell’effetto “Doppler”. Tale metodo si basa sul fenomeno per cui l’esistenza di un moto relativo tra la scena osservata ed il sensore, come quello associato alle correnti, determina variazione dello spettro di frequenze proporzionale al valore della componente radiale del movimento. Le attività si sono concentrate soprattutto sulla depurazione dei segnali dovuti alla rotazione terrestre e all’assetto del sensore per estrarre la misura della velocità di spostamento della superficie marina. In Figura è riportato un esempio di applicazione della tecnica all’area costiera della Campania.
Rifocalizzazione di navi in movimento da dati SAR Cosmo-SkyMed (copyright ASI per i dati grezzi).
Un ulteriore aspetto applicativo riguarda l’imaging a microonde di navi da dati acquisiti da sensori SAR in movimento, aerotrasportati o satellitari, o da un sistema radar fisso. Nell’ultimo caso la tecnica prende il nome di imaging SAR Inverso (ISAR). In quest’ambito il fenomeno Doppler è sfruttato per generare (focalizzare) immagini radar bidimensionali ad alta risoluzione di navi in movimento. Le applicazioni riguardano il controllo del traffico marittimo, dei porti e dell’area marina in prossimità di porti. In figura è mostrato un esempio di focalizzazione di navi in movimento acquisite del sensore radar Cosmo-SkyMed in modalità spotlight.
Infine, nell’ambito del potenziamento del sistema SAR aviotrasportato InSAeS4 operante in banda X (10 GHz), sono state sviluppate attività di ricerca connesse alla disponibilità di tre antenne dislocate in maniera da ottenere una configurazione SAR interferometrica ibrida across-/along- track (XT/AT-InSAR). Tale configurazione consente di ottenere, a valle di un opportuno processo di elaborazione dei segnali ricevuti, informazioni legate sia alla topografia sia alla velocità della superficie marina osservata con un dettaglio spaziale molto maggiore rispetto alla tecnica Doppler basata sull’analisi dello spettro di frequenze.
prismaread è un pacchetto software open source sviluppato in linguaggio "R" dall’Istituto per il Rilevamento Elettromagnetico dell’Ambiente (IREA) del Consiglio Nazionale delle Ricerche con lo scopo facilitare l'accesso ai dati acquisiti dall'innovativo sensore iperspettrale PRISMA recentemente messo in orbita dall' Agenzia Spaziale Italiana (ASI).
Il nuovo pacchetto software permette di accedere ai dati iperspettrali (e ai corrispondenti dati accessori) forniti da ASI in formato HDF e convertirli in formati più facilmente utilizzabili per operazioni geospaziali successive su dati raster (ENVI, GeoTiff). Permette inoltre di calcolare automaticamente diversi indici spettrali a partire dai dati di riflettanza, e di estrarre facilmente e rapidamente i dati su regioni di interesse e calcolarne le statistiche.
Il pacchetto é rilasciato sotto licenza open source GPL-3, e può essere installato dal repository github all'indirizzo https://github.com/lbusett/prismaread/
Vai alle altre notizie in evidenza
Il progetto propone un approccio multidisciplinare che unisce l'analisi filogenetica e la spettroscopia di imaging per valutare la diversità funzionale dei macrofiti, un componente dei sistemi di acqua dolce a livello globale sotto pressione. Raccoglieremo dati su tratti di macrofite, diversità e riflettanza spettrale da trame campionate su laghi e zone umide selezionate in Italia, secondo un solido disegno sperimentale. L'analisi dei marcatori del DNA, che integra i dati disponibili, sarà utilizzata per valutare la diversità filogenetica dei diagrammi campionati, evidenziando il grado di raggruppamento di comunità diverse. I dati della spettroscopia di imaging ad altissima risoluzione verranno utilizzati per mappare i tratti di macrofitici e biochimici e funzionali, tra cui: produttività, contenuto di pigmenti e nutrienti. I parametri ambientali raccolti verranno infine integrati in un machine learning per la mappatura della diversità funzionale dei macrofiti. I risultati del progetto andranno a beneficio degli studi di ecologia applicata e della conservazione sostenibile degli ecosistemi acquatici.
Committente: Ministero dell'Istruzione, dell'Università e della Ricerca (MIUR) – PRIN 2017
Prime contractor: IREA
Periodo di attività: 2019 - 2023
Finanziamento IREA: € 211.528
Responsabile IREA: Paolo Villa
NEREUS, la rete europea delle regioni che si occupano di spazio, dopo aver promosso la raccolta insieme ad ESA, ha ora creato un motore di ricerca (Copernicus4Regions Search Engine) per cercare tra le storie quelle più adatte alle preferenze di ognuno, scegliendo tra i seguenti parametri:
I ricercatori di IREA hanno collaborato alla stesura di alcune storie, nelle aree tematiche Agricoltura, Acqua, Protezione Civile e con particolare riferimento alle regioni Lombardia e Campania. Si tratta di settori applicativi in cui la ricerca IREA nel campo del telerilevamento ha alle spalle una solida tradizione, e in cui ha generato prodotti di alta maturità operativa, ben apprezzati dagli utenti finali.
Il motore di ricerca offre una modalità agile per esplorare e rendere noti i benefici di Copernicus a livello regionale, un’attività che resta ancora poco nota anche agli stessi decisori politici, che sottovalutano l’uso di dati e informazioni Copernicus.
Vai alle altre notizie in evidenza
2021
22-26 marzo, 2021 36° ACM Symposium on Applied Computing (SAC), Gwangju, Korea
2020
"ACM Symposium on Applied Computing" (SAC) è da 36 anni un forum internazionale che raccoglie ricercatori e programmatori di codice nel campo delle scienze dell'informazione per interagire e presentare i risultati del loro lavoro. "ACM Special Interest Group on Applied Computing" (SIGAPP) è il solo sponsor di SAC. Gli atti della conferenza sono pubblicati da ACM e sono anche disponibili online tramite la Biblioteca digitale di ACM.
La traccia " Information Access and Retrieval" (IAR) riguarda il tema dell'accesso e del reperimento di informazioni, in particolare le teorie, applicate a nuove aree e in nuovi contestie la loro implementazione e valutazione.
Date importanti:
- 15 Settembre 2020 sottomissione di articoli e di SRC abstract
- 10 Novembre 2020 notifica di accettazione
- 25 Novembre 2020 sottomissione versione Camera-ready
- 21 Dicembre 2020 registrazione di almeno un autore per la pubblicazione dell'articolo negli atti della conferenza
- 22-26 Marzo 2021 Conferenza
Per informazioni più dettagliate consultare il Call for Papers
Francesco Soldovieri, Dirigente di Ricerca presso l’Istituto per il Rilevamento Elettromagnetico dell’Ambiente, è stato nominato membro dell’Editorial Board della prestigiosa rivista Remote Sensing of Environment (IF 8.218).
La rivista pubblica articoli relativi alla teoria, scienza, applicazioni e tecnologie nel campo del telerilevamento. RSE ha un carattere fortemente interdisciplinare e si focalizza su approcci biofisici e quantitativi al telerilevamento su scala locale e globale.