GEOmedia_2_2023

More documents

Recommendations

Info

NON TROPPO GEORIFERITO E allora? Disporre di un certo numero di “Google Car” aiuterebbe, ma fin dove ci potrebbe portare e a quali costi? Dinanzi a un quadro di questo genere ove l'obiettivo Digital Twin sia ritenuto importante o irrinunciabile, esiste un'altra strada. Percorrerla potrebbe rivelarsi molto interessante, soprattutto adesso, quando il traffico è ancora piuttosto scarso e su quella strada transitano soltanto coloro che si sono svegliati di buon ora. Nel campo dell'apprendimento automatico, le reti neurali sono quanto di meglio. Esse fondano evidentemente la loro natura sulle metodologie tipiche dell'Intelligenza Artificiale per cosi dire, tradizionale. Affermano tuttavia uno step decisivo in più, quello di riconoscere e rispondere a stimoli non preprogrammati, per cui sono adatte a risolvere problemi più o meno imprevisti, proprio come fanno le cellule nervose in un essere umano. Attraverso le reti neurali è possibile riconoscere quindi entità grafiche-geografiche che presentano per loro natura caratteristiche non ripetute ma in qualche modo riconducibili a un livello di omogeneità, per conoscere il quale di solito si utilizza il discernimento. Emergono così opportunità importanti nella derivazione di una Cartografia 3D semiautomatica e costituita da feature classes ottenute quasi completamente da forme evolute di machine learning. Queste feature classes, livelli logici, layers o come le vogliamo chiamare in relazione alla nostra sensibilità e al nostro background formativo e professionale, possono quindi riversare sé stesse all'interno di un impianto geocartografico tridimensionale, inclusivo e descrittivo, completo delle pertinenti informazioni attributo desunte invece in modalità tradizionale, oppure anch'esse recepite da richieste eseguite ad un service AI come potrebbe essere lo stesso chatGPT, magari verticalizzato sulle informazioni oggettivabili sul territorio. Siamo andati un po' veloci, in quest'ultimo cenno, ma la materia è avvincente più di quanto si potrebbe pensare e avremo credo occasione in un prossimo articolo. Ora cerchiamo di capire che cosa potrà succedere sul mercato. Una volta che le reti neurali si affermeranno decisamente sul riconoscimento delle entità geografiche, non appena la percentuale di oggetti riconosciuti in modo univoco e automatico oltrepasserà la fatidica percentuale dell'85 per cento, cosa che pareggerà i conti con i rilevamenti LIDAR-SLAM di natura speditiva (se parliamo di urbanistica e di Digital Twin, l'entità delle superfici da attraversare non consente rilevamenti statici con alcuno strumento di precisione), ebbene allora si valuteranno i costi, che saranno impietosi nella condanna degli oggetti di cui al titolo di questo contributo. Stiamo riferendo al futuro prossimo, ma la cosa sta già accadendo. E c'è di più. Attraverso le reti neurali è possibile derivare anche i vettori delle entità geografiche riconosciute: le nuvole di punti diventano cioè un semilavorato di un prodotto completo, finito e a basso costo, ove il cerchio della realizzazione cartografica 3D di una copia fedele della realtà si va a chiudere. Allora il cliente finale potrà optare per una point cloud oppure per il modello vettoriale dell'AOI richiesta, in base alle proprie necessità applicative; in alternativa potrà avere entrambe, utilizzando l'una per finalità a questo punto rappresentative e l'altro per il calcolo e per la gestione delle entità cartografiche rappresentate e a disposizione. E tutto questo varrà per l'edificato, per le infrastrutture viarie, per la vegetazione, e poi per un numero di livelli logici teoricamente senza limiti. Il LIDAR rimarrà ancora per un po' il cavallo di Troia ideale per una strategia commerciale calata sul politicamente corretto e ricorrente: poggiata cioè sulla promozione di uno strumento adatto a sollecitare l'immaginario collettivo sul piano delle attività di rilevamento tecnico di precisione. E lo sarà fino a quando risulterà sufficientemente rassicurante esibire l'utilizzo di questo tipo di sensore con finalità di vendita o di realizzazione di servizi conto terzi attraverso di esso. Ma il LIDAR è morto. Ne danno il triste annuncio gli sviluppatori più avveduti in ambito AI e GEO-AI. E lo fanno, anche grazie all'inevitabile supporto in termini di allineamento dati (e non di georeferenziazione) delle piattaforme geografiche libere, OSM in testa. Non ci fossero state queste, sarebbe stato un problema serio. Siamo arrivati fin qui anche grazie al loro contributo. “Anyone relying on lidar is doomed. Doomed” (Elon Musk). PAROLE CHIAVE Lidar; GEO-AI; rete neurali; intelligenza artificiale; SLAM AUTORE Valerio Zunino info@studiosit.it StudioSit 44 <strong>GEOmedia</strong> n°2-2022
C’è vita nel nostro mondo. Trasformazione e pubblicazione di dati territoriali in conformità a INSPIRE Assistenza su Hight Value Datasets, APIs, Location Intelligence, Data Spaces INSPIRE Helpdesk We support all INSPIRE implementers Epsilon Italia S.r.l. Viale della Concordia, 79 87040 Mendicino (CS) Tel. e Fax (+39) 0984 631949 info@epsilon-italia.it CON I RILIEVI AEREI IPERSPETTRALI MONITORIAMO L’AMBIENTE URBANO E PROPRIETÀ NON VISIBILI ALL’OCCHIO UMANO Le proprietà della superficie terrestre, siano esse di origine naturale o antropica, possono essere indagate in modo avanzato con rilievi aerei che impiegano isensori iperspettrali, ovvero camere ottiche che registrano centinaia di bande all’interno dello spettro elettromagnetico nel visibile e non visibile, permettendo di ricavare in modo continuo molte informazioni invisibili all’occhio umano. Inoltre, se si utilizza un sensore iperspettrale da drone, si ottiene anche un alto livello di dettaglio spaziale. È proprio grazie a questi sensori che possiamo studiare caratteristiche del territorio altrimenti difficilmente monitorabili! AVT Airborne Sensing Italia esegue rilievi con areo e con drone avendo a disposizione una vasta gamma di sensori, ognuno adatto ad un determinato scopo, inclusi i sensori iperspettrali. Le applicazioni sono molteplici. In ambiente urbano le informazioni estratte sono fondamentali per un approccio intelligente allo urban green deal. Ad esempio, i prodotti estratti da un volo iperspettrale sono: • Mappa del verde urbano • Mappa di classificazione delle specie arboree • Stato di salute della vegetazione • Contenuto d’acqua nella vegetazione • Mappa dei materiali superficiali di copertura in ambiente urbano • Presenza di amianto • Presenza di pannelli solari • Mappa di classificazione dell’uso del suolo L’immagine rappresenta i risultati ottenuti da un volo iperspettrale eseguito nel Luglio 2022 sulla città di Ferrara e gentilmente concesso dal Comune di Ferrara. Altre immagini disponibili qui: https://rivistageomedia.it/Dati-geografici/con-i-rilieviaerei-iperspettrali-monitoriamo-l-ambiente-urbano-eproprieta-non-visibili-all-occhio-umano Se siete interessati o volete saperne di più sui prodotti, contattate l’indirizzo avt.asi@avt.at www.epsilon-italia.it www.inspire-helpdesk.eu
Page 1 and 2: Rivista bimestrale - anno XXVII - N
Page 3 and 4: Ancora sul Catasto Incendi Vale ric
Page 5 and 6: INSERZIONISTI 22 Un sensore aviotra
Page 7 and 8: FOCUS Fig.1 - Indice normalizzato d
Page 9 and 10: FOCUS straliano hanno comportato un
Page 11 and 12: FOCUS Tab.1 - selezione sensori VIS
Page 13 and 14: FOCUS condizioni meteo tipiche di u
Page 15 and 16: FOCUS Il Forum dell'Innovazione Tec
Page 17 and 18: REPORT ge europee hanno e avranno u
Page 19 and 20: Fig. 4 - Una delle stazioni radio b
Page 21 and 22: TELERILEVAMENTO MERCATO CON I RILIE
Page 23 and 24: REPORT nm, da cui si possono ricava
Page 25 and 26: Fig. 6 - Serie di punti elaborati c
Page 27 and 28: REPORT gioco come quelle, a titolo
Page 29 and 30: l’incendio boschivo: 4Tipo di veg
Page 31 and 32: REPORT personale operante di esperi
Page 34 and 35: REPORT Il ruolo delle Osservazioni
Page 36 and 37: REPORT vasti incendi, individuandon
Page 38 and 39: REPORT radiometrica. Allo scopo di
Page 40 and 41: REPORT indici spettrali, calcolati
Page 42 and 43: NON TROPPO GEORIFERITO LIDAR IS DEA
Page 46 and 47: AGENDA 2 - 7 SETTEMBRE 2023 ISPRS G
Page 48: Progetto pedros P E R I M E T R A Z

GEOmedia_2_2023

Create successful ePaper yourself

Delete template?

Save as template?