Individuazione dei saccheggi archeologici con precisione laser in tempo quasi reale
Quando soggetti disonesti scavano illegalmente - e rubano manufatti da - siti archeologici, non solo distruggono irreversibilmente il contesto storico di tali siti e le informazioni che avrebbero potuto fornire. Allo stesso tempo, stanno privando le popolazioni locali e intere nazioni del loro patrimonio culturale e della loro identità. I dati di osservazione della Terra possono essere d’aiuto, ma sono limitati, soprattutto nelle aree con una fitta vegetazione. Il LiDAR aviotrasportato, acronimo di «Light Detection And Ranging», è in grado di registrare la topografia 3D con un’elevata precisione ed è ampiamente utilizzato in archeologia per la mappatura di paesaggi con fitta vegetazione. Tuttavia, non era mai stato utilizzato per individuare i saccheggi archeologici. Con il sostegno del programma di azioni Marie Skłodowska-Curie, il progetto OPTIMAL è stato il primo a farlo, utilizzando il LiDAR per individuare le buche di saccheggio.
La luce del LiDAR passa attraverso gli spazi vuoti di foglie e rami
Il LiDAR - un metodo di telerilevamento che utilizza impulsi laser per misurare le distanze dal suolo - eccelle nella mappatura 3D del terreno in presenza di una fitta vegetazione, perché la luce riesce a passare attraverso minuscole fessure nelle chiome delle foreste. Le misure raccolte con un aereo o un drone vengono utilizzate per creare una dettagliata «nuvola di punti» 3D che mostra le caratteristiche della superficie terrestre. Secondo il supervisore del progetto Arianna Traviglia del Centre for Cultural Heritage Technology (CCHT) di Istituto Italiano di Tecnologia, «ogni punto di una nuvola di punti rappresenta una posizione precisa nello spazio, formando un’immagine densa del paesaggio. Le attuali applicazioni archeologiche del LiDAR - la mappatura dei paesaggi - convertono i dati delle nuvole di punti in una griglia regolare per produrre modelli digitali di elevazione, con conseguente perdita di informazioni». Tuttavia, la perdita di dettagli, che non rappresenta un problema per questi casi d’uso, influisce sulla capacità di rilevare piccole buche di saccheggio (1-2 metri di diametro).
I metodi di apprendimento automatico migliorano la risoluzione
Una coppia di nuvole di punti acquisite con LiDAR sulla stessa area in tempi diversi (dati bi-temporali) fornisce due mappe 3D dettagliate e corrispondenti. Tuttavia, utilizzarle per rilevare i cambiamenti è un compito impegnativo a causa di problemi come l’allineamento imperfetto delle due nuvole di punti 3D e il rumore dello scanner LiDAR. L’approccio di OPTIMAL ha risolto questi problemi e ha superato la difficoltà imprevista della disparità di risoluzione spaziale tra le due nuvole di punti dovuta a lievi differenze nel sistema di acquisizione in tempi diversi. «OPTIMAL ha sviluppato i primi metodi di apprendimento automatico per identificare le attività di sciacallaggio come cambiamenti nel tempo, elaborando direttamente singole coppie bi-temporali di nuvole di punti LiDAR ad alta risoluzione», spiega il borsista delle azioni Marie Skłodowska-Curie Marco Fiorucci, anch’egli del CCHT. Il nuovo metodo non supervisionato utilizza un approccio di «trasporto ottimale» che non richiede un set di dati di formazione etichettati. Ancora meglio, i risultati sono facili da capire e interpretare.
Una visione per il futuro
«I futuri sistemi basati sul LiDAR potrebbero fornire avvisi in tempo reale alle forze dell’ordine», osserva Traviglia. Questo potrebbe non solo diminuire i danni, ma anche aumentare gli arresti, moltiplicando il suo impatto. L’approccio ha applicazioni potenziali che vanno oltre la protezione del patrimonio culturale. «Oltre all’alta risoluzione per i piccoli cambiamenti, i nostri metodi consentono il monitoraggio a distanza di vaste aree, permettendoci di rilevare tempestivamente disastri ambientali come inondazioni e incendi, aumentando le possibilità di contenere questi disastri», aggiunge Fiorucci. OPTIMAL ha fornito uno strumento importante con un potenziale incredibile per aumentare la sicurezza di persone, luoghi e oggetti culturali in tutto il mondo di fronte alle crescenti minacce naturali e umane.
Parole chiave
OPTIMAL, LiDAR, nuvola di punti, patrimonio culturale, apprendimento automatico, saccheggio archeologico, trasporto ottimale, dati bi-temporali, rete neurale, monitoraggio remoto
