MACHINE LEARNING · 09/10/2018

Sistemi di monitoraggio acustico e machine learning per fermare la deforestazione dell’Amazzonia

L’Amazzonia, foresta pluviale tropicale più grande al mondo che ospita un quarto della biodiversità del pianeta, a causa della deforestazione, dal 1970 ha perso il 20% della sua estensione.
Nel 2014, dall’esigenza di proteggere questo territorio, da chi abusivamente abbatte alberi, uccide animali e distrugge vita e cultura dei gruppi umani che vi abitano, nasce il progetto Rainforest Connection.

Con l’obiettivo di individuare taglialegna fuorilegge che agiscono indisturbati, di notte, coperti dal naturale frastuono dell’Amazzonia, dispositivi per il monitoraggio acustico ascoltano i suoni della foresta.
Si tratta di vecchi smartphone ricondizionati, collegati ad un alimentatore con pannello solare e microfono esterno. Questi dispositivi, chiamati Guardian, riescono a intercettare i rumori del disboscamento illegale fino a un chilometro di distanza.
Vengono posizionati in alto, sugli alberi, in modo da ricevere facilmente i raggi del sole, che provvedono a ricaricarne i pannelli solari, e grazie ad un sistema di machine learning riescono a distinguere, tra tutti i suoni della foresta pluviale, i rumori che provengono da motoseghe e camion per il trasporto dei tronchi.
Dopo qualche minuto dall’individuazione viene inviato un avviso in tempo reale ai ranger autoctoni, una forza di sicurezza scelta che può intervenire sull'attività di disboscamento illegale o segnalarla alle autorità competenti.

Questi dispositivi, capaci di sostenere le popolazioni che combattono contro crimini ambientali, come la deforestazione illegale, possono essere programmati anche per tracciare i rumori di pistole o motori di barche. Sono stati installati per questo anche nella regione indonesiana di Sumatra dove proteggono una delle più grandi riserve naturali di scimmie gibbone, o in Bolivia dove salvaguardano i giaguari dai bracconieri che li cacciano per estrarne i denti, usati nella medicina tradizionale cinese.