La possibilità di acquisire immagini satellitari ed effettuare così analisi dettagliate partendo da informazioni osservabili solamente dallo spazio è stata per lungo tempo solo appannaggio dei governi e delle grandi aziende. Recentemente, però, il circuito dei lanci spaziali satellitari ha accolto l’arrivo di diverse nuove aziende private, che sono state capaci di avviare un’attività nel settore grazie alla riduzione dei costi per la produzione ed il lancio dei satelliti garantito dalle ultime tecnologie.

Secondo alcune stime, si possono contare oltre mille satelliti attivi in orbita intorno alla Terra e, di questi, oltre 300 sono utilizzati per l’osservazione terrestre. Le immagini che vengono raccolte sono messe a disposizione per effettuare analisi di carattere geospaziale: si possono riconoscere e studiare i pattern di trasformazione e le anomalie di tutto ciò che si trova sulla superficie terrestre.

A beneficiare delle immagini satellitari sono aziende come SpaceKnow e Skylab Analytics, che grazie a sistemi di intelligenza artificiale riescono ad effettuare analisi dettagliate di tutte le infrastrutture terrestri, siano esse naturali o artificiali

Il primo lancio spaziale di un satellite è avvenuto nel 1957: si trattava dello Sputnik I lanciato dalla Russia, ed in seguito a questo primo evento si sono susseguite innumerevoli serie di lanci: lo scorso febbraio l’azienda Planet ha messo in orbita una costellazione di 88 satelliti, segnando un record assoluto per il numero di satelliti interconessi posti in orbita — il sovraffollamento dell’orbita terrestre, però, inizia anche a rappresentare un pericolo concreto a causa del rischio che si formino detriti dovuti agli urti dei satelliti dismessi che si trovano ancora in orbita.

A beneficiare delle immagini satellitari sono aziende come SpaceKnow e Skylab Analytics che grazie a sistemi di intelligenza artificiale riescono ad effettuare analisi dettagliate di tutte le infrastrutture terrestri, siano esse naturali o artificiali.

Come si può leggere sul sito di SpaceKnow, l’azienda ha accesso al più ampio catalogo di immagini satellitari al mondo grazie alla collaborazione con aziende private come Planet ed agenzie spaziali come la NASA e l’ESA — quest’ultima rende disponibile le immagini raccolte dal satellite Sentinel 2 direttamente online anche per gli utenti comuni.

Spaceknow.png

Applicando poi algoritmi di machine learning e computer vision, SpaceKnow è in grado di velocizzare l’analisi delle immagini ed individuare auto, navi, aerei, valutare l’evoluzione degli edifici e riconoscere le coltivazioni presenti sul terreno.

L’intelligenza artificiale permette quindi di dare importanza alla mole gigantesca di immagini satellitari che sono giornalmente prodotte, estrarre indicazioni significative e trasformare queste informazioni in dati utilizzabili per altre attività: si può ad esempio controllare il traffico di merci in un porto per valutare il valore economico del trasporto marittimo, monitorare lo stato di salute di una piantagione per sapere come intervenire meglio su diessa, o anche valutare il valore economico di un’azienda analizzandone l’ampliamento degli edifici.

L’impiego di algoritmi di machine learning e di computer vision introduce anche la possibilità di effettuare ricerche altrimenti impossibili: l’università di Stanford, infatti, ha pubblicato uno studio in cui analizza il livello di povertà di una data regione partendo proprio dalle immagini satellitari.

L’algoritmo è in grado di individuare una correlazione fra le strutture che determinano il livello di luminosità di una regione analizzando le immagini diurne ed individuando strade, terreni coltivati, e persino dettagli a prima vista più insignificanti come le dimensioni dei tetti delle abitazioni.

Con l’aumento delle costellazioni di satelliti che circondano l’atmosfera terrestre e, di conseguenza, con l’aumento costante della produzione di immagini satellitari sempre più dettagliate, siamo di fronte ad un archivio di dati di valore inestimabile per le intelligenze artificiali. Queste immagini, infatti, racchiudono in sé informazioni che solo grazie all’impiego di algoritmi di machine learning è possibile portare alla luce.