Ecco come le immagini satellitari possono essere un supporto per il monitoraggio ambientale

0

Ecco come le immagini satellitari possono essere un supporto per il monitoraggio ambientale

L’esempio del lavoro svolto da Arpat nel territorio delle Alpi Apuane
di Cinzia Licciardello
www.arpat.toscana.it

Nell’ambito della collaborazione attivata tra ARPAT e Dipartimento di Scienze della Terra dell’Università degli Studi di Firenze, nel 2017 e 2018 il settore SIRA (gruppo di lavoro sul Progetto cave) ha valutato i potenziali utilizzi delle immagini satellitari nel monitoraggio ambientale dell’intero comprensorio delle Alpi Apuane.

Sono stati testati tre possibili ambiti applicativi:

  1. produzione di cartografia tematica per il successivo utilizzo a supporto della modellazione idraulica e idrogeologica (dati di ingresso dei modelli)

  2. monitoraggio di eventuali stoccaggi abusivi degli scarti di lavorazione nelle aree di cava (ravaneti)

  3. creazione di indicatori relativi all’entità delle attività in corso

Sono state utilizzate immagini ottiche multispettrali disponibili gratuitamente nell’ambito del programma Copernicus dell’Agenzia Spaziale Europea (satellite Sentinel-2) e immagini a pagamento acquisite dal consorzio Airbus/Thales/Ministero della Difesa francese (costellazione di satelliti Pléiades).

Satellite Risoluzione spaziale Risoluzione temporale (tempo di rivisitazione) Risoluzione spettrale
Sentinel-2 Colore e infrarosso 5 giorni 13 bande
10m
Pléiades Bianco e nero Colore e infrarosso 1 giorno 4 bande
0.7m 2.8m


Nell’immagine a seguire (da sinistra a destra) è possibile vedere il dettaglio dell’area di cava su immagini Sentinel-2, Pléiades e foto aeree in scala 1:5.000. Al crescere della risoluzione è possibile apprezzare un maggior numero di particolari dell’area di cava (strade di arroccamento, bancate, aree dei servizi).

Dettaglio area cava su immagini Sentinel-2, Pléiades e foto aeree

La disponibilità di bande aggiuntive nell’infrarosso rispetto a quelle dello spettro visibile consente la discriminazione delle aree coperte da vegetazione rispetto alle altre: tali bande vengono abitualmente utilizzate in svariate applicazioni ambientali in ambito nazionale e internazionale (individuazione degli sversamenti di combustibili in mare, monitoraggio dello stato di salute della vegetazione, monitoraggio della temperatura della terra e del mare, monitoraggio marino-costiero, individuazione di anomalie termiche, classificazione dell’uso del suolo…). Grazie al programma europeo Copernicus l’utilizzo delle immagini satellitari in campo ambientale è in rapida crescita: sul portale è possibile accedere sia ai dati satellitari acquisiti dalla costellazione che agli strati informativi resi disponibili su varie matrici e tematiche ambientali (suolo, atmosfera, acque marino-costiere, risposta alle emergenze, cambiamenti climatici, sicurezza).

Esempi di servizi Copernicus

Nell’immagine sono riportati alcuni esempi di servizi Copernicus (land/emergency): Copertura del suolo (Corine Land Cover 2018), aree a rischio di siccità, incendi boschivi (in evidenza l’incendio presso Montemagno (Calci) del settembre 2018).

La prima attività svolta è stata l’individuazione dei cambiamenti semestrali e annuali di copertura del suolo (change detection) tra il 2016 e il 2017, tramite confronto dei risultati della classificazione automatiche e semiautomatiche applicate su coppie di immagini: nel caso delle immagini Pléiades il periodo di indagine è stato limitato a settembre 2016/marzo 2017, mentre nel caso delle immagini Sentinel-2 l’attività è stata estesa al periodo settembre 2016-settembre 2017. Insieme alla cartografia derivata sono state prodotte la mappa dell’accuratezza delle procedure di classificazione automatica e la mappa di classificazione della visibilità delle singole aree estrattive, calcolata a partire dalle ombre generate dai versanti: la mappa di visibilità evidenzia come la maggior parte delle cave risulti ben visibile sulle immagini ottiche.

Bacino del Carrione

Nell’immagine è visibile il Bacino del Carrione: partendo da sinistra vediamo la classificazione della copertura del suolo (vegetazione densa e rada/rocce/aree di cava/ombre), la carta della visibilità (cave in ombra/cave visibili) e la ripartizione delle cave censite nel bacino in base alla visibilità da satellite.

La maggiore risoluzione delle immagini Pléiades consente una più precisa delimitazione delle singole coperture del suolo, non apportando tuttavia sostanziali benefici nel campo dell’utilizzo per attività di modellistica: per questo motivo è stato deciso di utilizzare le coperture ottenibili da immagini Sentinel-2 in tale ambito applicativo (ambito applicativo 1).

Nel caso del monitoraggio di eventuali depositi non autorizzati degli scarti di lavorazione (ravaneti), la mancanza di dati satellitari tridimensionali non consente una stima delle volumetrie in eccesso: in questo ambito applicativo le immagini Pléiades possono consentire una discriminazione più precisa di eventuali variazioni della superficie occupata rispetto alle aree coperte dalla vegetazione.

Dettaglio di area di cava su immagini Pléiades multispettrali e pancromatiche

Nell’immagine è possibile apprezzare il dettaglio dell’area di cava su immagini Pléiades multispettrali (2.8m, a sinistra) e pancromatiche (70cm, a destra).

Per quanto riguarda il monitoraggio dell’attività estrattiva (ambito applicativo 3), con le tecnologie e gli strumenti software utilizzati nel corso del 2017 non è stato possibile discriminare con precisione in modo automatico le aree di cantiere dalle aree limitrofe (aree dei servizi di cava, ravaneti): le uniche variazioni evidenziabili in modo preciso con procedure automatiche o semiautomatiche riguardano le diminuzioni delle aree coperte da vegetazione, ovvero ai bordi dei cantieri.

Dettaglio di aree di cava e ravaneti

Nell’immagine è riportato il dettaglio delle aree di cava e ravaneti. In alto sono le immagini su Google Earth (ottobre 2016 e luglio 2017) ed in basso la classificazione automatica delle immagini Pléiades (azzurro: aree di cava, rosso: variazioni di copertura del suolo tra le due date). Si noti la difficoltà nella fotointerpretazione visiva delle variazioni.

Nel corso del 2018 sono state condotte attività di raffinamento delle tecniche già utilizzate e di sperimentazione di nuovi prodotti finalizzati alla discriminazione delle aree di cantiere (strade di arroccamento, aree dei servizi e aree con presenza di attività di scavo), sia nell’ambito della convenzione con il Dipartimento di Scienze della Terra che dal personale del settore SIRA in autonomia:

  • l’utilizzo di immagini radar ad alta risoluzione (Cosmo-Skymed, Agenzia Spaziale Italiana)

  • il miglioramento della classificazione della copertura del suolo nei versanti in ombra

  • l’adozione di tecniche evolute di change detection

Le immagini radar (modalità STRIPMAP con risoluzione 3m), acquisite a titolo gratuito da ESA nell’ambito di un progetto di ricerca presentato dal settore SIRA, hanno consentito di evidenziare alcuni cambiamenti intercorsi nel periodo marzo 2017/settembre 2018 quali la creazione di nuove strade di arroccamento.

Esempio utilizzo immagini radar Cosmo-Skymed in modalità STRIPMAP per l’analisi della viabilità di cantiere

Nell’immagine è possibile osservare un esempio di utilizzo di immagini radar Cosmo-Skymed in modalità STRIPMAP per l’analisi della viabilità di cantiere. A sinistra l’identificazione di una nuova infrastruttura costruita tra agosto e settembre 2017 (in rosso), confrontata con ortofoto al 2016. A destra invece il riconoscimento delle infrastrutture (in rosso) su immagini rilevate a marzo e aprile 2017 a confronto con l’orto-foto al 2016 (si noti la bassa visibilità delle infrastrutture nella zona in ombra).

Presso il settore SIRA è in fase di completamento la messa a punto di una metodologia di classificazione automatica basata su tecniche di intelligenza artificiale (Computer Vision) che consente, tramite l’utilizzo congiunto di immagini ad altissima risoluzione e dati altimetrici (volo LIDAR), la discriminazione delle singole aree di cantiere. Per il 2019 è prevista la prosecuzione dell’attività su immagini radar e ottiche ad altissima risoluzione.

Classificazione di dettaglio

Nell’immagine è riportata la classificazione di dettaglio: la foto aerea da volo LIDAR (a sinistra) e il miglioramento della classificazione (al centro e a destra: (a) classificatore con bande visibili/infrarosso e dati altimetrici; (b) classificatore con bande visibili/infrarosso, dati altimetrici e tessitura dell’immagine bianco/nero). Nel classificatore (b) si evidenziano piazzali (viola chiaro), strade di arroccamento (blu) e depositi di scarti di lavorazione (violetto).

Classificazione di dettaglio delle aree di cava su foto satellitari Pléiades

In questa ultima immagine è visibile la classificazione di dettaglio delle aree di cava su foto satellitari Pléiades (bande RGB pansharpened a 1m su banda bianco e nero). A sinistra il dettaglio sul bacino Carrione; al centro e a destra un particolare con identificazione di una vasca di decantazione (al centro: immagini Pléiades, a destra: foto aeree con risoluzione 20cm).

Testo di Cinzia Licciardello con la collaborazione del GdL Cave

Share.

Leave A Reply