Satellite Image Analysis

L'analisi delle immagini satellitari consiste nell'estrarre informazioni dalle immagini della Terra acquisite dai satelliti in orbita: mappare la copertura del suolo, contare navi, aeromobili o edifici, misurare lo stato delle colture e rilevare i cambiamenti tra due date. È un ramo del telerilevamento, che comprende anche le immagini acquisite da aerei e droni, e oggi si affida alla visione artificiale (CV) e all'apprendimento profondo (DL) per elaborare grandi volumi di immagini, che nessun gruppo di analisti riuscirebbe a esaminare manualmente. Il programma Landsat, da solo, acquisisce immagini della Terra ininterrottamente dal 1972.

Cosa acquisiscono i satelliti#

Le immagini satellitari differiscono dalle normali fotografie per quattro tipi di risoluzione:

• Risoluzione spaziale: La distanza sul terreno rappresentata da un pixel. Landsat 8 e 9 registrano la maggior parte delle bande a 30 m, Sentinel-2 raggiunge i 10 m e i satelliti commerciali come WorldView-3, gestito da Vantor (denominata Maxar Intelligence fino a ottobre 2025), raggiungono una risoluzione di circa 30 cm, sufficiente per distinguere le singole auto.
• Risoluzione spettrale: Il numero e la larghezza delle bande di lunghezza d'onda. Sentinel-2 registra 13 bande, dalla luce visibile all'infrarosso a onde corte.
• Risoluzione temporale: La frequenza con cui viene acquisita un'immagine dello stesso luogo. La costellazione Sentinel-2, composta da due satelliti, ripassa sull'equatore ogni cinque giorni e la flotta di piccoli satelliti di Planet acquisisce immagini di quasi tutta la superficie terrestre ogni giorno, con una risoluzione di circa 3 m.
• Risoluzione radiometrica: La precisione con cui ogni pixel registra la luminosità, spesso da 11 a 14 bit rispetto agli 8 bit di una fotografia standard.

Altri due tipi di sensori ampliano le misurazioni che i satelliti possono effettuare. I satelliti per l'imaging iperspettrale registrano centinaia di bande strette, mentre i satelliti a radar ad apertura sintetica (SAR), come Sentinel-1, emettono impulsi a microonde e ne registrano gli echi, riuscendo così a vedere attraverso le nuvole e di notte; per questo, il radar è una fonte primaria per mappare le alluvioni in condizioni di copertura nuvolosa da tempesta. Le operazioni matematiche sulle bande trasformano i dati spettrali in misure fisiche: l'indice di vegetazione a differenza normalizzata, NDVI = (NIR − Red) / (NIR + Red), si avvicina a 1 in presenza di vegetazione fitta e sana, perché le foglie riflettono fortemente la luce nel vicino infrarosso e assorbono quella rossa.

Attività di analisi principali#

• Segmentazione semantica: Assegna un'etichetta a ogni pixel per mappare la copertura del suolo, le impronte degli edifici, le strade o l'estensione delle alluvioni.
• Rilevamento degli oggetti: Individua e conta oggetti distinti come navi, aerei, veicoli e serbatoi di stoccaggio. Visti dall'alto, questi oggetti sono piccoli, fitti e orientati in ogni direzione, perciò i rilevatori spesso prevedono riquadri di delimitazione orientati, ruotati per adattarsi a ciascun oggetto.
• Rilevamento dei cambiamenti: Confronta immagini dello stesso luogo acquisite in date diverse per individuare deforestazione, nuove costruzioni o danni causati da disastri.
• Classificazione delle scene: assegna un'etichetta, come terreno agricolo, foresta o area urbana, a ogni porzione dell'immagine.

I dataset di rilevamento per le immagini aeree includono DOTA, la cui prima versione annota 15 categorie con riquadri orientati arbitrariamente, e xView, che etichetta oltre 1 milione di oggetti in 60 classi su immagini WorldView-3 da 0,3 m. I modelli Ultralytics YOLO26 con riquadri orientati sono preaddestrati su DOTAv1 e prevedono un riquadro ruotato per ogni oggetto:

from ultralytics import YOLO

# Carica un modello YOLO26 con riquadri orientati (OBB) preaddestrato su DOTAv1
model = YOLO("yolo26n-obb.pt")

# Rileva gli oggetti in un'immagine dall'alto
results = model("https://ultralytics.com/images/boats.jpg")
result = results[0]

# Salva l'immagine con un riquadro ruotato disegnato intorno a ogni rilevamento
result.save(filename="boats_obb.jpg")

I riquadri ruotati seguono la direzione di ogni imbarcazione, evitando che barche ormeggiate molto vicine condividano un unico riquadro sovradimensionato. I modelli fondazionali geospaziali, preaddestrati su grandi archivi senza etichette, come i modelli Prithvi di NASA e IBM basati sui dati Harmonized Landsat e Sentinel-2, vengono ottimizzati per attività come la mappatura delle inondazioni e delle aree bruciate, usando molti meno esempi etichettati.

Dalla scena grezza alla mappa#

Una singola tessera Sentinel-2 misura 10.980 × 10.980 pixel nelle bande a 10 m, molto più dell'input di un modello, ed è fornita come file georeferenziato, ad esempio un GeoTIFF, i cui pixel corrispondono a coordinate sulla Terra. Le pipeline di analisi correggono gli effetti atmosferici, mascherano le nuvole, suddividono la scena in tessere sovrapposte, eseguono il modello su ogni tessera, uniscono i rilevamenti duplicati nelle aree di sovrapposizione e riconvertono le posizioni dei pixel in coordinate cartografiche per gli strumenti GIS. Librerie come Rasterio leggono e scrivono i raster georeferenziati, mentre la registrazione delle immagini allinea immagini di date diverse prima del confronto.

Analisi di immagini satellitari e aeree#

Entrambe usano gli stessi modelli e le stesse attività: la differenza sta nella piattaforma. I satelliti orbitano a centinaia di chilometri di quota e riprendono l'intero pianeta secondo una pianificazione fissa, con archivi che risalgono a decenni fa. Gli aerei e i droni volano su richiesta sopra aree ristrette e acquisiscono dettagli a livello di centimetri, adatti all'ispezione di tetti, colture o pale di turbine eoliche. I dataset per il rilevamento di oggetti dall'alto spesso combinano entrambe le fonti e DOTA include immagini satellitari e aeree.

Applicazioni#

• Agricoltura: mappatura dei tipi di coltura, stima dei raccolti e monitoraggio dello stress delle colture basato su NDVI in intere regioni.
• Foreste e clima: mappe globali basate su Landsat della perdita di copertura arborea, con risoluzione di 30 m, che monitorano la deforestazione anno per anno.
• Risposta alle catastrofi: le mappe SAR delle inondazioni e le valutazioni dei danni prima e dopo l'evento guidano gli interventi di soccorso; la Carta internazionale dello spazio e delle grandi catastrofi fornisce gratuitamente dati satellitari agli operatori di soccorso.
• Pianificazione urbana: l'estrazione delle impronte degli edifici e la mappatura delle strade mantengono aggiornate le mappe nelle città in rapida crescita.
• Monitoraggio marittimo: combinando rilevamenti SAR e ottici con i dati di tracciamento delle imbarcazioni, uno studio del 2024 pubblicato su Nature ha rilevato che circa tre quarti delle navi da pesca industriale del mondo non sono tracciate pubblicamente.