Estimation of Fish Catch Using Sentinel-2, 3 and XGBoost-Kernel-Based Kernel Ridge Regression

Riassunto Tecnico: Stima del pescato ittico tramite Sentinel-2, Sentinel-3 e XGBoost-Kernel-Based Kernel Ridge Regression

1. Il Problema (Problem Statement)

La distribuzione dei pesci negli oceani è influenzata da complessi fattori oceanografici, come la temperatura superficiale del mare (SST), la concentrazione di clorofilla e le dinamiche di upwelling. Monitorare queste connessioni è fondamentale per la sicurezza alimentare globale e la gestione sostenibile degli ecosistemi (in linea con gli obiettivi SDG 2 e 14 dell'ONU). Tuttavia, la relazione tra i parametri ambientali e la biomassa ittica è altamente non lineare. I metodi di regressione tradizionali (lineari o basati esclusivamente su alberi di decisione) presentano limiti: i modelli lineari non catturano la complessità dei dati, mentre i modelli basati su alberi (come XGBoost standard) producono predizioni "piecewise constant" (a tratti costanti) che possono introdurre bias euristici.

2. Metodologia (Methodology)

Il cuore della ricerca risiede nell'introduzione di un nuovo approccio ibrido: la Kernel Ridge Regression (KRR) basata sul kernel di XGBoost.

• Il Modello KRR: La regressione Ridge è una tecnica di regolarizzazione che minimizza la funzione di costo aggiungendo una penalità sulla norma del peso ($\lambda\|w\|^2_2$) per ridurre la varianza e migliorare l'affidabilità in presenza di pochi campioni di addestramento.
• L'Innovazione del Kernel (XGBoost-based): Invece di utilizzare kernel classici (come il kernel lineare o il Radial Basis Function - RBF), gli autori utilizzano un kernel derivato da un modello Extreme Gradient Boosting (XGBoost) già addestrato.
  • Il processo prevede l'estrazione degli indici delle foglie (leaf indices) dagli alberi di XGBoost.
  • Questi indici vengono trasformati in un one-hot embedding.
  • Il kernel $K$ viene quindi definito attraverso la concatenazione di questi embedding, permettendo alla regressione KRR di sfruttare la capacità di XGBoost di catturare interazioni non lineari complesse, pur mantenendo la struttura di regolarizzazione della KRR.
• Dati Satellitari: Lo studio utilizza dati multispettrali da due sensori:
  • Sentinel-2 MSI: Alta risoluzione spaziale, ideale per catturare la variabilità ecologica locale.
  • Sentinel-3 OLCI: Risoluzione spaziale inferiore (300 m), ma con una risposta spettrale più fluida, utile per caratterizzare le proprietà ottiche della colonna d'acqua.
• Dati In-situ: Logbook mensili delle attività di pesca di seabream (orate) nelle acque costiere di Taiwan (2019).

3. Contributi Chiave (Key Contributions)

• Sviluppo di un framework ibrido: L'integrazione di XGBoost come generatore di kernel per la KRR risolve il problema delle predizioni a tratti degli alberi di decisione, offrendo una funzione di regressione più continua e precisa.
• Analisi Spettrale Comparativa: Una valutazione dettagliata di come le diverse bande spettrali (visibili e NIR) di Sentinel-2 e Sentinel-3 rispondano alle condizioni biologiche oceaniche.
• Approccio Sensor-Agnostic: La metodologia dimostra efficacia su due diversi sensori satellitari, rendendola scalabile per il monitoraggio globale delle risorse ittiche.

4. Risultati (Results)

Il modello KRR-XGB ha superato significativamente i modelli KRR-Lin (lineare) e KRR-RBF (RBF) in entrambi i sensori:

• Per Sentinel-2:
  • Riduzione dell'errore (RMSE) del 59-61% rispetto ai modelli tradizionali.
  • Coefficiente di correlazione ($\rho$) estremamente alto: 0.924.
  • Miglioramento massiccio del valore D (indice di accuratezza).
• Per Sentinel-3:
  • Riduzione dell'errore (RMSE) del 27.6-40%.
  • Coefficiente di correlazione ($\rho$) di 0.731.
• Mappe Spaziali: Le mappe generate per la costa orientale di Taiwan mostrano gradienti di pescato fisicamente coerenti con i processi oceanografici (es. zone di upwelling ricche di nutrienti a Nord-Est rispetto a zone oligotrofiche a Sud-Ovest).

5. Significato e Conclusioni (Significance)

Lo studio dimostra che l'uso di kernel derivati da algoritmi di boosting permette di mappare con precisione la distribuzione del pescato partendo da dati satellitari. Questo approccio fornisce uno strumento potente per la gestione sostenibile della pesca, permettendo ai decisori politici di monitorare la biomassa ittica in tempo reale e supportare la sicurezza alimentare globale attraverso tecnologie di telerilevamento avanzate.