Advancing Earth Observation Through Machine Learning: A TorchGeo Tutorial

Questo articolo presenta un tutorial su TorchGeo, una libreria PyTorch per l'osservazione terrestre, illustrando le sue astrazioni fondamentali e un caso di studio completo sulla segmentazione delle acque multispettrali da immagini Sentinel-2, con l'obiettivo di semplificare l'integrazione dei dati geospaziali nei flussi di lavoro di machine learning.

L'essenziale

Immagina di voler insegnare a un computer a riconoscere l'acqua nei satelliti che orbitano sopra la Terra. Sembra semplice, vero? Come insegnare a un bambino a distinguere un cane da un gatto. Ma nel mondo dell'osservazione terrestre, le cose sono molto più complicate. È come se invece di guardare foto di animali in un album, dovessi analizzare un'enorme mappa del mondo fatta di strati di carta sovrapposti, ognuno con una scala diversa, e dovessi tagliare pezzi perfetti da questa mappa gigante senza mai staccarla dal muro.

Questo documento è un tutorial (una guida pratica) presentato al workshop ICLR 2026, scritto da un gruppo di esperti di Microsoft e università europee. Il loro obiettivo è insegnare a tutti come usare uno strumento chiamato TorchGeo.

Ecco la spiegazione semplice, passo dopo passo, con qualche analogia per renderla chiara:

1. Il Problema: Non è solo "Foto Grandi"

Spesso pensiamo che l'intelligenza artificiale per i satelliti sia la stessa cosa dell'intelligenza artificiale per le foto normali (come quelle di Instagram), solo con immagini più grandi. Non è così.

• L'analogia: Immagina di cucinare. Le foto normali sono come avere un'insalata già lavata e tagliata in un sacchetto. I dati satellitari, invece, sono come avere un intero campo di grano, un fiume che scorre e una foresta, tutti mescolati in un unico enorme pacco. Inoltre, le "etichette" (dove c'è l'acqua e dove no) sono scritte su un foglio di carta diverso, con una mappa diversa.
• La sfida: Per addestrare un computer, devi allineare perfettamente questi strati, ritagliare pezzi gestibili (senza far esplodere la memoria del computer) e assicurarti che la mappa non si sposti mentre lavori.

2. La Soluzione: TorchGeo è il "Coltellino Svizzero"

Gli autori hanno creato TorchGeo, una libreria (un set di strumenti software) che funziona come un coltellino svizzero per i dati geografici.
Invece di dover costruire tutto da zero (come tagliare i pezzi di mappa a mano), TorchGeo ti dà gli attrezzi pronti:

• Unisci e Taglia: Se hai due mappe che si sovrappongono parzialmente, TorchGeo le unisce automaticamente (come unire due fogli di carta con lo scotch) o le taglia solo dove si sovrappongono.
• Indicizzazione: Puoi chiedere al computer: "Dammi un quadrato di 512x512 pixel proprio qui, sopra Rio de Janeiro". Il sistema va a prenderlo dal satellite, lo allinea e te lo dà pronto, senza che tu debba fare calcoli complicati.
• Il Corriere (Sampler): Immagina di dover preparare 1000 insalate per una festa. Invece di tagliare tutto il campo di grano prima (che richiederebbe un magazzino enorme), TorchGeo manda un corriere che va a prendere solo l'erba che ti serve per ogni singolo piatto, un pezzo alla volta. Questo fa risparmiare tantissimo spazio e tempo.

3. L'Esempio Pratico: Trovare l'Acqua

La seconda parte del tutorial mostra un caso reale: trovare l'acqua usando le immagini del satellite Sentinel-2.

• Il compito: Distinguere l'acqua dalla terra.
• Il trucco: Non basta guardare l'immagine normale. Gli esperti aggiungono "occhiali speciali" (chiamati indici spettrali) che permettono al satellite di vedere cose invisibili all'occhio umano, come quanto l'acqua riflette la luce.
• L'adattamento: I modelli di intelligenza artificiale sono solitamente addestrati su foto a colori (Rosso, Verde, Blu). Qui, il modello deve imparare a vedere 6 o più "colori" (bande spettrali). Gli autori spiegano come modificare il "cervello" del modello per accettare questi nuovi colori senza rompere tutto.

4. Il Risultato Finale: La Mappa Magica

Alla fine del tutorial, mostrano come prendere un'immagine reale del satellite sopra Rio de Janeiro, farci passare il modello addestrato e ottenere una nuova mappa (un file GeoTIFF).

• Cosa succede: Il computer colora di blu tutte le zone dove ha trovato acqua.
• Perché è importante: Non è solo una foto carina. È una mappa precisa che un geografo o un'agenzia ambientale può usare per vedere se un fiume è in secca, se c'è stata un'inondazione o per monitorare la qualità dell'acqua.

In Sintesi

Questo paper è una guida passo-passo per chiunque voglia usare l'intelligenza artificiale per salvare il pianeta (o almeno per monitorarlo meglio).
Invece di perdersi in matematica complessa e problemi di coordinate geografiche, TorchGeo ti permette di concentrarti sull'obiettivo: insegnare al computer a vedere il mondo come lo vediamo noi, ma con la precisione di un satellite. È come passare dal dover costruire un'auto pezzo per pezzo, a guidare un'auto già pronta che sa esattamente dove andare.

Sommario tecnico

Titolo: Advancing Earth Observation Through Machine Learning: A TorchGeo Tutorial

Evento: ICLR 2026 Machine Learning for Remote Sensing (ML4RS) Workshop
Autori: Caleb Robinson, Nils Lehmann, Adam J. Stewart, et al.

---

1. Il Problema

L'osservazione della Terra (EO) tramite machine learning presenta sfide fondamentali diverse rispetto ai flussi di lavoro standard di computer vision su immagini naturali. Le differenze critiche includono:

• Natura dei dati: Le immagini satellitari sono fornite come grandi scene georeferenziate (spesso multibanda), mentre le etichette possono essere maschere raster o geometrie vettoriali in sistemi di riferimento di coordinate (CRS) e risoluzioni spaziali differenti.
• Complessità del preprocessing: I flussi di lavoro EO richiedono operazioni non standard nella visione artificiale, come la ricampionatura e la reproiezione dei livelli su una griglia comune, il campionamento di "chip" geograficamente allineati da scene troppo grandi per la memoria, e la creazione di split di addestramento/validazione/test spazialmente separati per evitare la "fuga di etichette" (label leakage).
• Mancanza di strumenti dedicati: Utilizzare immagini satellitari non è semplicemente "computer vision con immagini più grandi"; richiede un allineamento specifico dei domini per garantire che il protocollo sperimentale sia spazialmente significativo e riproducibile.

2. Metodologia e Strumenti

Il paper introduce TorchGeo, una libreria di dominio basata su PyTorch progettata per colmare il divario tra i dati geospaziali e i pipeline di machine learning. La metodologia del tutorial si basa su due notebook Python esecutivi:

A. Astrazioni Core di TorchGeo

Il tutorial dimostra come TorchGeo semplifichi le operazioni EO attraverso:

• Dataset Componibili: Utilizzo di operatori di insieme (unione | e intersezione &) per combinare dinamicamente livelli parzialmente sovrapposti (es. immagini multisensoriali e maschere di etichetta) senza creare mosaici pre-elaborati. L'operazione è "lazy" (pigra), eseguendo la lettura e l'allineamento delle finestre solo su richiesta.
• Indicizzazione Spazio-Temporale: Possibilità di estrarre chip allineati direttamente dalle coordinate proiettate e dai timestamp, garantendo che i livelli mantengano CRS e risoluzioni coerenti al momento della lettura.
• Campionatori Geografici: Integrazione con PyTorch DataLoader tramite due tipi di campionatori:
  • RandomGeoSampler: Per l'addestramento, estrae patch casuali per evitare bias spaziali.
  • GridGeoSampler: Per l'inferenza e la valutazione, genera una griglia di patch sovrapposte o contigue.

B. Caso di Studio: Segmentazione dell'Acqua (Earth Surface Water)

Il tutorial applica questi concetti a un flusso di lavoro end-to-end per la segmentazione semantica dell'acqua utilizzando immagini Sentinel-2 e il dataset Earth Surface Water:

1. Preprocessing e CRS Globale: Creazione di dataset accoppiati (immagine e maschera) con una proiezione globale (Mercator Mondiale, EPSG:3395) per allineare coerentemente patch provenienti da diverse zone UTM.
2. Trasformazioni Multispettrali: Calcolo di statistiche specifiche per il dataset (media e deviazione standard) e aggiunta di indici spettrali (NDWI, NDVI) come canali aggiuntivi prima della normalizzazione.
3. Adattamento del Modello: Utilizzo di DeepLabV3 con backbone ResNet-50. Una modifica critica consiste nel riinizializzare il primo strato convoluzionale per accettare l'input multibanda (es. 6 bande spettrali + 3 indici calcolati = 9 canali totali), invece delle standard 3 bande RGB.
4. Addestramento: Il modello viene addestrato da zero (senza pesi pre-addestrati su ImageNet, poiché non adatti alle bande satellitari) per 10 epoche.

3. Risultati

• Performance di Addestramento: Il modello ha raggiunto un'accuratezza complessiva (Overall Accuracy) di 0.977 e un Intersection over Union (IoU) di 0.824 sul set di validazione.
• Inferenza Reale: Il tutorial dimostra l'applicazione del modello addestrato su una scena Sentinel-2 reale sopra Rio de Janeiro, Brasile.
• Output Geospaziale: Il sistema esegue l'inferenza su una griglia di patch sovrapposte e salva le previsioni finali come un unico file GeoTIFF, perfettamente allineato ai pixel dell'immagine di input, pronto per l'analisi geospaziale successiva.

4. Contributi Chiave

1. Democratizzazione dell'EO ML: Fornisce un framework standardizzato (TorchGeo) che riduce l'attrito nell'uso di dati geospaziali, offrendo dataset, campionatori e trasformazioni pronti all'uso.
2. Workflow End-to-End Riproducibile: Il tutorial non si limita alla teoria, ma guida l'utente attraverso l'intero ciclo: dalla gestione di dati eterogenei e CRS diversi, all'adattamento di architetture standard, fino alla generazione di prodotti finali georeferenziati.
3. Best Practices per l'EO: Evidenzia soluzioni a problemi comuni come l'allineamento spaziale globale, la gestione di canali spettrali multipli e l'importanza di split di dati spazialmente separati.
4. Integrazione con l'Ecosistema PyTorch: Mostra come mantenere il codice di modellazione vicino agli standard PyTorch convenzionali, delegando la complessità geospaziale ai componenti specifici della libreria.

5. Significato

Questo lavoro è significativo perché sposta il paradigma di utilizzo del machine learning per l'osservazione della Terra da approcci ad hoc e frammentati a un flusso di lavoro strutturato e scalabile. Dimostra che è possibile adattare modelli di visione artificiale standard a domini complessi e multibanda senza sacrificare la precisione geospaziale. La capacità di generare direttamente prodotti georeferenziati (GeoTIFF) da modelli di deep learning rende la tecnologia immediatamente utilizzabile per il monitoraggio scientifico, la gestione delle risorse idriche e il supporto alle decisioni politiche, come illustrato dall'esempio concreto su Rio de Janeiro.