Monitoraggio a lungo termine del macrobenthos antartico tramite fotogrammetria: creazione di una library e applicazione di sistemi di riconoscimento automatizzato degli organismi

Abstract

La fauna marina bentonica antartica è caratterizzata da un’elevata biodiversità, frutto di profonde trasformazioni legate alla complessa storia geologica e climatica del continente. Tuttavia, la fragilità di questi ecosistemi e le difficoltà operative legate al campionamento intensivo in tali contesti sottolineano la necessità di metodologie di studio non distruttive, capaci di garantire dati affidabili senza alterare l’ambiente. Questo elaborato di tesi adotta un approccio innovativo per il monitoraggio e l’analisi della fauna macrobentonica di Baia Terra Nova (Mare di Ross), basato sull’utilizzo di tecniche fotogrammetriche e del software AI-based TagLab. La fotogrammetria subacquea si è rivelata uno strumento altamente efficace per raccogliere dati dettagliati sui fondali marini, e l'utilizzo del software TagLab ha facilitato l'annotazione semantica delle immagini. Quest metodo ha permesso di identificare 19 classi di organismi, evidenziando variazioni dimensionali e di abbondanza nel periodo del monitoraggio. Il metodo adottato si è dimostrato efficace per ottimizzare i tempi di analisi ed ottenere risultati adeguati alla comprensione dello stato ambientale, mantenendo un approccio non distruttivo. Tuttavia, alcune limitazioni del modello sono emerse, come difficoltà nella segmentazione precisa e nel riconoscimento delle forme, attribuibili alla scarsa rappresentatività dei dati di addestramento. Un elemento chiave per il futuro sarà la creazione di una library digitale in costante aggiornamento, ed un repository di modelli addestrati per il riconoscimento delle specie antartiche. Questi strumenti consentiranno di accelerare l’analisi delle ortofoto, garantendo standardizzazione e precisione. L’uso di modelli 3D favorirà stime più precise della biomassa e la distinzione degli individui. Questo approccio, applicato a dati storici, fornirà preziose informazioni sulle variazioni ecologiche, favorendo la conservazione sostenibile di questi ecosistemi fragili.

Antarctic benthic marine fauna is characterized by high biodiversity, resulting from profound transformations linked to the continent’s complex geological and climatic history. However, the fragility of these ecosystems and the operational difficulties associated with intensive sampling in such environments highlight the need for non-destructive research methodologies, capable of providing reliable data without altering the habitat. This thesis adopts an innovative approach to the monitoring and analysis of macrobenthic fauna in Terra Nova Bay (Ross Sea), based on the use of photogrammetric techniques and the AI-based software TagLab. Underwater photogrammetry has proven to be a highly effective tool for collecting detailed data on the seafloor, and the use of TagLab software has facilitated the semantic annotation of images. This method enabled the identification of 19 classes of organisms, revealing variations in size and abundance over the monitoring period. The adopted method proved effective in optimizing analysis times and in obtaining suitable results for understanding environmental conditions, while maintaining a non-destructive approach.

However, some limitations of the model emerged, such as difficulties in precise segmentation and shape recognition, attributable to the poor representativeness of the training data. A key element for the future will be the creation of a continually updated digital library and a repository of trained models for the recognition of Antarctic species. These tools will accelerate the analysis of orthophotos, ensuring standardization and accuracy. The use of 3D models will enable more accurate biomass estimates and easier differentiation of individual organisms. Applied to historical data, this approach will provide valuable insights into ecological changes, thereby promoting the sustainable conservation of these fragile ecosystems.