This thesis is divided in four chapters, each one dedicated to investigating a specific aspect of the relationship between deforestation and artificial intelligence, and it aims to explore the latter's potential to address the challenges posed by deforestation at a global level. The first chapter introduces the phenomenon of deforestation in details, presenting up-to-date data on forests land cover current status. The first chapter explores how direct drivers, such as agricultural expansion, and indirect drivers, such as global resource demand and population growth, interact in complex ways and contribute to the increase in deforestation. The chapter also provides an overview of traditional monitoring technologies, highlighting their limitations in terms of spatial coverage and timeliness. Understanding these limitations is essential to framing the potential added value of artificial intelligence in forest management. In the second chapter, we provide an overview of artificial intelligence, examining its main characteristics and its historical development, with a focus on applications in the environmental field. Thanks to its ability to analyse complex data, AI is recognised as a technology capable of addressing large-scale challenges and improving the efficiency and accuracy of monitoring and prevention operations. The chapter explores the strengths and limitations of AI's predictive capabilities, its ability to execute autonomously, and the added value this technology can bring in situations where data accuracy and timeliness are crucial. In the third chapter, the focus shifts to the practical applications of artificial intelligence for forest conservation. Case studies are analysed, which combine AI and big data to improve forest monitoring and predict areas most vulnerable to deforestation. These advanced tools make it possible to detect activities, such as illegal logging in real time, and identify areas at risk. This improves the effectiveness of conservation actions. However, the adoption of these technologies requires significant upfront investments and the use of specialised skills for data analysis, which may limit their large-scale application. Finally, in the fourth chapter, in order to understand the evolution and challenges in forest monitoring, this thesis examines two case studies: Global Forest Watch (GFW), a pioneering initiative from the 1990s, and MANA-Vox, which emerged in 2015 in a more advanced digital era. Global Forest Watch represents one of the first major global forest monitoring initiatives, born with limited technologies compared to today's and forced in its early years to rely on a network of NGOs and less automated data collection tools. In contrast, MANA-Vox emerges in a mature digital context, harnessing artificial intelligence algorithms to rapidly manage information from numerous and diverse sources, including social media and digital platforms. This comparison highlights the technological advances, but also the persistent difficulties in effectively monitoring forests.
Questa tesi si articola in quattro capitoli, ciascuno dedicato ad approfondire un aspetto specifico della relazione tra deforestazione e intelligenza artificiale, e mira a esplorare le potenzialità di quest’ultima per affrontare le sfide poste dalla deforestazione a livello globale. Il primo capitolo introduce il fenomeno della deforestazione in modo dettagliato, presentando i dati aggiornati sullo stato delle foreste. All’interno del primo capitolo viene esplorato come i fattori diretti, quali l’espansione agricola e il disboscamento, e quelli indiretti, come la domanda globale di risorse e la crescita demografica, interagiscano in modo complesso e contribuiscano all’aumento della deforestazione. Il capitolo fornisce inoltre un quadro delle tecnologie tradizionali di monitoraggio, evidenziandone i limiti in termini di copertura spaziale e tempestività. Comprendere questi limiti è essenziale per inquadrare il potenziale valore aggiunto dell’intelligenza artificiale nella gestione forestale. Nel secondo capitolo, si offre una panoramica sull’intelligenza artificiale, esaminandone le principali caratteristiche e il suo sviluppo storico, con particolare attenzione alle applicazioni nel campo ambientale. L’IA, grazie alla sua capacità di analizzare dati complessi, viene riconosciuta come una tecnologia in grado di affrontare sfide su larga scala e di migliorare l’efficienza e la precisione delle operazioni di monitoraggio e prevenzione. Vengono analizzate le capacità predittive dell’IA, la sua abilità di esecuzione autonoma e il valore aggiunto che questa tecnologia può apportare nelle situazioni in cui l’accuratezza e la tempestività dei dati sono cruciali. Tuttavia, il capitolo esplora anche i relativi rischi associati. Nel terzo capitolo, l’attenzione si sposta sulle applicazioni pratiche dell’intelligenza artificiale nella conservazione delle foreste. Vengono analizzati casi studio, che combinano IA e big data per migliorare il monitoraggio delle foreste e prevedere le aree più vulnerabili alla deforestazione. Questi strumenti avanzati permettono di rilevare in tempo reale attività come il disboscamento illegale e di identificare aree a rischio, migliorando l’efficacia delle azioni di conservazione. Tuttavia, l’adozione di queste tecnologie richiede investimenti iniziali significativi e l’impiego di competenze specializzate per l’analisi dei dati, il che può limitare la loro applicazione su vasta scala. Infine, nel quarto capitolo, per comprendere l’evoluzione e le sfide nel monitoraggio forestale, questa tesi esamina due casi di studio: Global Forest Watch (GFW), iniziativa pionieristica degli anni ’90, e MANA-Vox, nata nel 2015 in un’epoca digitale più avanzata. Global Forest Watch rappresenta una delle prime grandi iniziative globali di monitoraggio delle foreste, nata con tecnologie limitate rispetto a quelle odierne e costretta, nei suoi primi anni, a riferirsi ad una rete di ONG e a strumenti di raccolta dati meno automatizzati. Al contrario, MANA-Vox emerge in un contesto digitale maturo, sfruttando algoritmi di intelligenza artificiale per gestire rapidamente informazioni provenienti da fonti numerose e diversificate, inclusi social media e piattaforme digitali. Questo confronto evidenzia i progressi tecnologici, ma anche le difficoltà persistenti nel monitorare efficacemente le foreste.
L'uso dell'intelligenza artificiale nella lotta alla deforestazione
BEATINI, FRANCESCA
2023/2024
Abstract
Questa tesi si articola in quattro capitoli, ciascuno dedicato ad approfondire un aspetto specifico della relazione tra deforestazione e intelligenza artificiale, e mira a esplorare le potenzialità di quest’ultima per affrontare le sfide poste dalla deforestazione a livello globale. Il primo capitolo introduce il fenomeno della deforestazione in modo dettagliato, presentando i dati aggiornati sullo stato delle foreste. All’interno del primo capitolo viene esplorato come i fattori diretti, quali l’espansione agricola e il disboscamento, e quelli indiretti, come la domanda globale di risorse e la crescita demografica, interagiscano in modo complesso e contribuiscano all’aumento della deforestazione. Il capitolo fornisce inoltre un quadro delle tecnologie tradizionali di monitoraggio, evidenziandone i limiti in termini di copertura spaziale e tempestività. Comprendere questi limiti è essenziale per inquadrare il potenziale valore aggiunto dell’intelligenza artificiale nella gestione forestale. Nel secondo capitolo, si offre una panoramica sull’intelligenza artificiale, esaminandone le principali caratteristiche e il suo sviluppo storico, con particolare attenzione alle applicazioni nel campo ambientale. L’IA, grazie alla sua capacità di analizzare dati complessi, viene riconosciuta come una tecnologia in grado di affrontare sfide su larga scala e di migliorare l’efficienza e la precisione delle operazioni di monitoraggio e prevenzione. Vengono analizzate le capacità predittive dell’IA, la sua abilità di esecuzione autonoma e il valore aggiunto che questa tecnologia può apportare nelle situazioni in cui l’accuratezza e la tempestività dei dati sono cruciali. Tuttavia, il capitolo esplora anche i relativi rischi associati. Nel terzo capitolo, l’attenzione si sposta sulle applicazioni pratiche dell’intelligenza artificiale nella conservazione delle foreste. Vengono analizzati casi studio, che combinano IA e big data per migliorare il monitoraggio delle foreste e prevedere le aree più vulnerabili alla deforestazione. Questi strumenti avanzati permettono di rilevare in tempo reale attività come il disboscamento illegale e di identificare aree a rischio, migliorando l’efficacia delle azioni di conservazione. Tuttavia, l’adozione di queste tecnologie richiede investimenti iniziali significativi e l’impiego di competenze specializzate per l’analisi dei dati, il che può limitare la loro applicazione su vasta scala. Infine, nel quarto capitolo, per comprendere l’evoluzione e le sfide nel monitoraggio forestale, questa tesi esamina due casi di studio: Global Forest Watch (GFW), iniziativa pionieristica degli anni ’90, e MANA-Vox, nata nel 2015 in un’epoca digitale più avanzata. Global Forest Watch rappresenta una delle prime grandi iniziative globali di monitoraggio delle foreste, nata con tecnologie limitate rispetto a quelle odierne e costretta, nei suoi primi anni, a riferirsi ad una rete di ONG e a strumenti di raccolta dati meno automatizzati. Al contrario, MANA-Vox emerge in un contesto digitale maturo, sfruttando algoritmi di intelligenza artificiale per gestire rapidamente informazioni provenienti da fonti numerose e diversificate, inclusi social media e piattaforme digitali. Questo confronto evidenzia i progressi tecnologici, ma anche le difficoltà persistenti nel monitorare efficacemente le foreste.| File | Dimensione | Formato | |
|---|---|---|---|
|
L'uso dell'intelligenza artificiale nella lotta alla deforestazione - FB.pdf
non disponibili
Dimensione
1.61 MB
Formato
Adobe PDF
|
1.61 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14240/5345