Liberare il potenziale dei dati di osservazione della Terra
La raccolta di dati di osservazione della Terra (EO) sta aumentando in modo esponenziale grazie ai satelliti, ai sensori in situ e ad altri, tra cui i cittadini scienziati. Questi dati multi-sorgente sono anche in diversi formati di dati, temporali e spaziali, rendendo sempre più difficile anche per gli esperti tecnici analizzare le informazioni critiche in modo rapido, efficace ed economico. Il progetto EO4EU, finanziato dall’UE, mira a un approccio unico per facilitare la scoperta e l’elaborazione dei dati EO. Consolidando enormi quantità di dati provenienti da fornitori di dati EO, i suoi modelli di apprendimento automatico estraggono dinamicamente modelli e intuizioni facilmente accessibili agli utenti tramite interfacce utente migliorate e realtà estesa.
Ecosistema di dati EO4EU
La piattaforma EO4EU consolida: dati storici provenienti da set di dati ad accesso libero; dati in tempo reale, compresi quelli provenienti da dispositivi indossabili intelligenti, applicazioni mobili e sensori IoT; dati e servizi provenienti da piattaforme cloud globali ed europee. Questi ultimi includono Copernicus, Galileo/EGNOS, GEOSS (Sistema dei sistemi per l’osservazione globale della Terra), DestinE (Destination Earth) e il Centro europeo per le previsioni meteorologiche a medio raggio. Gli utenti possono accedere ai dati EO grezzi, eseguire una query in linguaggio naturale delle fonti e ispezionare i set di dati disponibili in base alla descrizione. «EO4EU consente agli utenti di accedere alle informazioni precise di cui hanno bisogno per le loro ricerche, analisi e processi decisionali», spiega Efstathios Chadjiefthymiadis della Università nazionale capodistriana di Atene, coordinatore del progetto.
L’apprendimento automatico e i grafi di conoscenza supportano l’elaborazione olistica dei dati EO
L’apprendimento automatico consente l’annotazione dinamica e la compressione di enormi quantità di dati EO, riducendo significativamente i tempi e i costi dell’annotazione manuale. Basandosi sui più recenti progressi nei metodi di apprendimento non supervisionato, la piattaforma EO4EU è in grado di estrarre informazioni utili anche da grandi insiemi di dati non etichettati. Queste rappresentazioni confluiscono nei compiti a valle per l’apprendimento di modelli specifici per il compito. EO4EU utilizza i grafi di conoscenza per integrare fonti di dati EO eterogenee e distribuite, riducendo la necessità di una complessa elaborazione dei dati e abbreviando i tempi di sviluppo di nuove applicazioni EO. Con il motore di fusione, l’utente sarà in grado di combinare insiemi di dati provenienti da diverse istantanee spazio-temporali. «La natura generica della piattaforma non sarebbe realizzabile senza l’astrazione dei dati e il trattamento uniforme reso possibile dai grafi della conoscenza. Collegando insiemi di dati, teorie e modelli diversi, i grafi della conoscenza facilitano l’analisi interdisciplinare e la comprensione olistica del sistema Terra e dei suoi processi interconnessi», spiega.
Realtà aumentata/estesa e utilizzo
EO4EU dispone di un’interfaccia di facile utilizzo che comprende pannelli di controllo personalizzati, un motore di ricerca intelligente e la visualizzazione, l’analisi e l’interpretazione dei dati. Gli utenti possono anche scrivere il proprio codice ed eseguirlo in modalità serverless con il minimo sforzo. Infine, EO4EU offre un’esperienza immersiva con la sua interfaccia di realtà aumentata ed estesa. Tutto questo è disponibile gratuitamente attraverso un semplice processo di registrazione. La piattaforma è stata testata in sette casi d’uso. Ad esempio, il caso d’uso del monitoraggio degli oceani sfrutta una pipeline di integrazione dei dati ETL (extract-transform-load) che raccoglie continuamente dati meteorologici e li integra con i dati operativi delle navi per ottimizzare il consumo di carburante e le rotte. «Questa pipeline ETL aiuta a formare modelli che prevedono con precisione il consumo di carburante. Queste previsioni vengono utilizzate in tempo reale per suggerire percorsi alternativi ed ecologici, garantendo la conformità agli standard normativi. Inoltre, abbiamo sviluppato una rete neurale convoluzionale per monitorare le condizioni oceaniche e prevedere i fenomeni meteorologici ambientali in tempo reale», spiega il ricercatore. Il progetto EO4EU ha dato un contributo inestimabile alla FAIRificazione dei dati EO con il suo sportello unico che facilita la ricerca, l’accesso e il riutilizzo di dati e analisi EO. Contribuirà in modo significativo a far progredire le conoscenze ambientali a livello locale ed europeo.
Parole chiave
EO4EU, grafi di conoscenza, osservazione della Terra, realtà estesa, apprendimento automatico, IA, fusione di dati, openEO
