Un’innovativa combinazione di Dna ambientale, immagini iperspettrali satellitari e machine learning permette di mappare la biodiversità dei pesci d’acqua dolce su interi bacini idrografici, superando alcuni dei principali limiti dei tradizionali sistemi di monitoraggio.
Una nuova strategia per studiare i fiumi
A descrivere il nuovo metodo è uno studio pubblicato sul Journal of Remote Sensing e condotto da un gruppo di ricerca guidato dalla Tsinghua University e dall’Istituto di Ricerca sulle Informazioni Aerospaziali dell’Accademia Cinese delle Scienze. La ricerca nasce dalla necessità di migliorare il monitoraggio delle comunità ittiche, sempre più minacciate da inquinamento, degrado degli habitat e sfruttamento eccessivo delle risorse naturali. I tradizionali campionamenti sul campo consentono di raccogliere informazioni molto precise, ma richiedono tempo e risorse e risultano difficili da estendere a territori molto vasti.
Dall’acqua alle immagini satellitari
Il punto di forza del nuovo approccio sta nell’integrazione di tecnologie differenti. L’analisi del Dna ambientale (eDna) consente di individuare le specie presenti in un ambiente attraverso le tracce genetiche che gli organismi rilasciano nell’acqua. A queste informazioni i ricercatori hanno affiancato i dati raccolti dal satellite cinese Gaofen-5A (GF-5A) e i parametri forniti da Google Satellite Embedding, ottenendo così un quadro molto più ampio rispetto a quello ricavabile dai singoli punti di campionamento. In questo modo, le informazioni ottenute direttamente dall’acqua possono essere collegate alle caratteristiche ambientali osservabili dallo spazio, trasformando dati puntuali in una mappa della biodiversità dell’intero ecosistema fluviale.
I risultati dello studio sui pesci d’acqua dolce
I ricercatori hanno testato il modello su 15 bacini idrografici in Cina, ottenendo un coefficiente di determinazione di 0,94, un valore che indica un’elevata capacità del modello di descrivere la distribuzione della biodiversità ittica. Le immagini iperspettrali del satellite GF-5A hanno inoltre mostrato prestazioni migliori rispetto alle immagini multispettrali di Sentinel-2 nella rilevazione di caratteristiche legate alla qualità dell’acqua e alla vegetazione ripariale. Un ulteriore contributo è arrivato dagli algoritmi di machine learning Extra Trees, utilizzati per analizzare le complesse relazioni tra le diverse variabili ambientali. Il sistema ha prodotto mappe particolarmente stabili anche nei bacini dei fiumi Diannong, Giallo e Jinjiang.
Un nuovo strumento per la tutela degli ecosistemi
Secondo i ricercatori, combinare dati molecolari, informazioni satellitari ad alta risoluzione e modelli di intelligenza artificiale permette di superare i limiti del monitoraggio basato sui singoli punti di prelievo e di ottenere una visione complessiva dei paesaggi fluviali. Il nuovo metodo potrebbe quindi aiutare gli enti responsabili della gestione delle risorse idriche a individuare più rapidamente le aree che necessitano di interventi e a utilizzare in modo più efficiente le risorse disponibili. Le possibili applicazioni riguardano la valutazione dell’impatto ambientale, il ripristino degli ecosistemi fluviali e il monitoraggio degli effetti del cambiamento climatico sui corsi d’acqua. Lo studio, sostenuto dal Programma nazionale cinese di ricerca e sviluppo e dalla National Natural Science Foundation of China, apre così nuove prospettive per il monitoraggio della biodiversità su larga scala.
