Telerilevamento. da immagini satellitari

Transcript

1 Università Iuav di Venezia Facoltà di Pianificazione del Territorio Master di I livello in SIT&TLR Telerilevamento da immagini satellitari Relazione sulle attività effettuate durante il corso a.a. 2007/2008 docente prof. Maurizio Fea Studente Luca Pantano matricola

2 Indice GPS per immagine Ikonos... 1 Metodologia di rilievo GPS... 2 Metodologia di georeferenziazione dell immagine... 2 Dettaglio dei punti di rilievo GPS... 2 Panoramica dei Ground Control Point... 4 Immagine georeferenziata... 5 Sensore multispettrale ETM+ Landsat... 6 Analisi immagine ETM_18931_3Ott99_GB... 6 Composizione in colori naturali... 6 Composizione in falsi colori... 7 Analisi zona Analisi zona Classificazione Unsupervised Classificazione Supervised Analisi immagine ETM2002_multibanda Composizione in colori naturali Composizione composta pancromatico e colori naturali Classificazione Unsupervised Classificazione Supervisionata Coregistrazione ETM2002 su ETM Change detection Foce del fiume Foresta umbra Aeroporto della base pugliese di Amendola Saline Nubi e laghetto L immagine SAR Composizione RGB - NIR / PAN / SAR Immagine NIR - red Immagine PAN - green Immagine SAR e lettura composta delle differenti componenti... 36

3 GPS per immagine Ikonos L immagine considerata riprende una zona del centro storico di Venezia, in particolare il sestiere Santa Croce. Il sensore di ripresa è pancromatico e l immagine presenta una risoluzione al suolo di 1m, con l intensità del segnale espressa su 16bit. L attività consiste nella georeferenziazione di tale immagine, senza utilizzare altri layer già georiferiti, ma con l ausilio di ricevitori GPS, effettuando opportuni rilievi sul campo. I rilievi sono stati effettuati la mattina del 12 dicembre 2008, giorno in cui la zona considerata era soggetta al fenomeno dell acqua alta. Qui si vede il gruppo all opera, nel rilievo del punto 8. 1

4 Metodologia di rilievo GPS Lo strumento ricevitore GPS, una volta acceso, richiede un certo tempo per il fix iniziale, fase in cui viene ricevuto l almanacco contenente i dati delle orbite dei satelliti e quindi vengono visti i satelliti che in quel momento stanno transitando sopra la zona interessata. Il numero minimo teorico di satelliti necessari per calcolare la posizione è di 4 (uno per ogni incognita spaziale più uno per l incognita tempo dovuta allo sfasamento dell orologio del ricevitore). Per ottenere risultati di qualità accettabile, occorre lavorare con più satelliti, posti in posizione utile, cioè che siano sufficientemente alti rispetto all orizzonte e che siano distribuiti su varie direzioni. In ambito urbano è più complicato ottenere una situazione accettabile. La precisione del rilievo GPS è di circa 10m sul piano. Per migliorare tale dato occorre utilizzare il rilievo differenziale, relativo ad un vertice della rete GPS-IGM. Prima di iniziare con i rilievi, occorre anche selezionare il datum di riferimento. Nel nostro caso utilizziamo il sistema ED50, UTM fuso 33 Nord, con coordinate metriche. Metodologia di georeferenziazione dell immagine Trattandosi di una immagine geometricamente coerente (senza grandi distorsioni) e relativa ad un area limitata, scegliamo di effettuare una georeferenziazione con adattamento polinomiale di 1 ordine (lineare), basato su un insieme di almeno 5 6 punti (ground control point). Abbiamo rilevato 8 punti, per poter poi scartare in fase di elaborazione quelli aventi un errore associato più alto. L individuazione dei punti viene effettuata considerando che questi devono essere chiaramente e precisamente identificabili sull immagine. Solitamente gli spigoli dei palazzi rappresentano una buona soluzione, sempre che i satelliti visibili (non coperti dal palazzo stesso) permettano una buona triangolazione. Considerando il tessuto edificato fitto, ci siamo orientati su zone aperte (campi, fondamenta, ponti). Il primo punto considerato è uno spigolo di edificio (in campo S.Giacomo) e come si vedrà dopo ha avuto una precisione di rilievo piuttosto bassa. Per questo abbiamo poi preferito punti con maggior visibilità verso i satelliti, quali le sommità di ponti oppure alcuni elementi distinguibili all interno di un campo. Dettaglio dei punti di rilievo GPS Punto 1 : spigolo di edificio, preso a 1m dallo spigolo (punto soggetto a copertura verso nord-est e a fenomeni di riflessione dovute alle pareti) Punto 2 : centro della sommità di un ponte 2

5 Punto 3 : centro della sommità di un ponte Punto 4 : spigolo di una fondamenta Punto 5 : centro di un pozzo in un campetto Punto 6 : centro della sommità di un ponte Punto 7 : spigolo di edificio, esposto sul canal Grande Punto 8 : centro della sommità di un ponte 3

6 Panoramica dei Ground Control Point Il processo di georeferenziazione elabora l adattamento polinomiale da applicare all immagine, individuando la soluzione che risulta avere il minor errore (scarto quadratico medio calcolato tra la posizione stimata e quella dichiarata) sui vari punti. Consultando quindi l errore associato ad ogni punto (colonna RMS), possiamo selezionare quelli che danno un contributo positivo al calcolo e trascurare quelli aventi un errore troppo alto. Il punto 1 viene escluso. Per il resto, non è semplice definire quali altri punti siano abbastanza errati da peggiorare il risultato globale. Provando a verificare il contributo di ogni punto, abbiamo alla fine deciso di escludere anche i punti 4 e 8. In tal modo vediamo che l errore sui rimanenti punti rimane inferiore a 2. 4

7 Immagine georeferenziata Il risultato dell elaborazione viene salvato come nuova immagine. Vediamo che la georeferenziazione ha orientato l immagine, che appare ora inclinata. 5

8 Sensore multispettrale ETM+ Landsat Analisi immagine ETM_18931_3Ott99_GB Data di rilievo: 31 ottobre 1999 Zona: Puglia, Gargano ed entroterra Datum: Ellissoide internazionale 1924, punto di appoggio Roma Monte Mario Proiezione: Italiana Gauss-Boaga fuso Est Composizione in colori naturali La composizione in colori naturali è quella che restituisce l immagine finale maggiormente simile ad una visione naturale umana. Vengono utilizzate le immagini delle tre bande nel visibile e l immagine viene composta associandole ai tre canali nel sistema RGB: banda 3 sul canale rosso banda 2 sul canale verde banda 1 sul canale blu colori naturali - RGB 321 6

9 Composizione in falsi colori Le composizioni in falsi colori sono quelle che si ottengono associando le immagini dalle differenti bande in modi differenti da quello a colori naturali. Si ottengono quindi delle visualizzazioni che non ci permettono una naturale interpretazione del contenuto. La loro utilità consiste nella possibilità di evidenziare particolari aspetti, esaltando alcune bande e mettendole in contrasto ad altre. Ad esempio una tipica combinazione è la RGB 432, che si ottiene associando ai tre canali le bande 4 (IR vicino), 3 e 2. Come vediamo, l IR vicino permette di evidenziare (in rosso) le zone con presenza di vegetazione (alberi, foreste), distinguendole dalle zone urbane e agricole (in bianco / ciano). Il mare e l acqua limpida assumono tonalità scure di blu, mentre l acqua con particelle in sospensione assume un colore più verso il ciano per via della debole risposta nelle bande 2 e 3. Le nubi risultano bianche in quanto si ha risposta in tutte le bande considerate. In generale, quanto si vuole indagare lo stato della vegetazione si usa la banda IR vicino che evidenzia anche la struttura cellulare, mettendola a confronto con altre bande nell IR medio che evidenziano il contenuto d acqua, oltre a quelle nel visibile che hanno variazioni a seconda dei pigmenti fogliari. Ciò permette di verificare lo stato della vegetazione evidenziando eventuali problemi (siccità, incendi). falsi colori - RGB 432 7

10 Analisi zona 1 Dettaglio con il parco naturale del Gargano (con la foresta umbra), l area urbana di San Giovanni Rotondo (a sinistra verso il basso), il lago di Varano e il porto di Vieste. RGB 321 Vediamo qui sotto due zone di foresta al centro del Gargano e vicino a San Giovanni Rotondo. RGB 432 8

11 RGB 453 Tale composizione mette a confronto l IR vicino e medio, serve a distinguere diverse tipologie vegetazionali (colori arancio, giallo, marrone). L acqua è nera perche in queste bande assorbe tutto.. RGB 741 Tale composizione comprende anche la banda dell'infrarosso medio e serve a distinguere l'umidità del suolo. 9

12 Analisi zona 2 Dettaglio con il golfo e l area urbana di Manfredonia, l area agricola, l aeroporto della base pugliese di Amendola e le saline. RGB 321 RGB

13 RGB 453 RGB 741 Dalla lettura di queste composizioni, si notano le zone che hanno maggior umidità, con alberi o foresta (in verde nel RGB 741, arancio nel RGB 453 e rosso nel RGB 432). Nelle saline si parlerà piu avanti. 11

14 Classificazione Unsupervised La classificazione permette di raccogliere i pixel dell immagine in determinate classi, in base alla loro similitudine di firma spettrale, data dalla combinazione delle risposte nelle bande utilizzate. bande: , escluso pancromatico 8 e IR termico 6-1 e 6-2 classi: 10 autogenerate Il processo di calcolo va avanti iterativamente, fino al raggiungimento di una soluzione in cui ogni pixel dell immagine sia stato attribuito ad una delle 10 classi, in modo che la distribuzione in queste risponda ai parametri statistici richiesti. Per visualizzare il risultato occorre attribuire uno specifico colore per ogni classe. Chiaramente, essendo una elaborazione statistica automatica, alcuni elementi diversi ma troppo simili nelle varie bande risultano nella stessa classe: vediamo ad esempio la nuvola sulla destra che è nella stessa classe dell abitato di Manfredonia. Un buon risultato si ha con le aree umide (mare, laghi e laghetto) a meno della zona con l ombra della nuvola, che è stata interpretata come appartenente alla stessa classe. 12

15 13

16 Classificazione Supervised Il processo di classificazione supervisionata si basa su considerazioni statistiche come quella non supervisionata. In questo caso però la firma spettrale di riferimento per ogni classe viene definita rispetto a un certo numero di aree di riferimento da noi impostate (Training Areas). Il metodo di attribuzione dei pixel alle classi è quello di distanza minima (minimum distance) cioè la maggior vicinanza ai valori nelle bande della firma di riferimento delle classi. bande: , escluso pan 8 e IR termico classi: 9, a cui sono state associate le aree di riferimento: 14

17 Avendo definito a mano le training area da cui sono stati create le classi, vediamo che alcuni elementi sono stati interpretati meglio. Ad esempio, c è una distinzione tra l area di mare e gli altri corpi acquatici, anche se in realtà il laghetto viene classificato in un modo mentre il lago di Varano rientra nella classe del mare; anche le saline vengono assegnate alla classe del mare per la parte con maggiore profondità d acqua. 15

18 Analisi immagine ETM2002_multibanda Data di rilievo: 28 novembre 2002 Zona: Puglia, Gargano ed entroterra Datum: ED50 Proiezione: UTM, fuso 33 Composizione in colori naturali RGB

19 Composizione composta pancromatico e colori naturali Il sensore multispettrale ETM consente rilievi con differenti precisioni a terra per le varie bande: di 30m per le bande visibili e IR vicino e medio (bande 1, 2, 3, 4, 5 e 7) di 15m per il pancromatico (banda 8) di 60m sulla banda IR termico (bande 6-1 e 6-2) La maggior precisione del pancromatico è dovuta alla maggior capacità di raccogliere energia riflessa per via della sua ampiezza di banda (visibile e IR vicino). Chiaramente il segnale generato ci da sono l informazione di intensità luminosa, senza distinzione di colore. Vieste - RGB : 321 Vieste - RGB + I :

20 E possibile però integrare tale dato con l informazione proveniente dalle tre bande nel visibile (bande 3, 2 e 1) in modo da ottenere una rappresentazione avente la precisione geometrica dal pancromatico (a 15m) e il colore (tono e saturazione) dal multispettrale. In pratica la procedura da seguire è la seguente: si crea una composizione a colori naturali RGB 321; si effettua un cambio di sistema di riferimento dello spazio colore da RGB a HSI (Tono, Saturazione, Intensità); si sostituisce l informazione relativa all intensità con i dati dal pancromatico. Vediamo come il risultato contiene una maggior informazione geometrica e leggibilità del territorio. Manfredonia - RGB : 321 Manfredonia - RGB + I :

21 Classificazione Unsupervised bande: , escluso pancromatico 8 e IR termico 6-1 e 6-2 classi: 10 auto-generate Per il processo di classificazione automatica senza supervisione valgono le stesse considerazioni fatte per l immagine precedente. Al termine, occorre impostare per ogni classe un colore di visualizzazione. Per rendere confrontabili i due risultati, è stata utilizzata la stessa attribuzione classe/colore. Anche in questo caso le nubi creano qualche problema alla classificazione, rientrando in più classi. Le ombre dei rilievi (in basso a sinistra) sono stati assegnati alla classe (in blu) utilizzata per il mare. 19

22 20

23 Classificazione Supervisionata bande: , escluso pan 8 e IR termico classi: 9, a cui sono state associate le aree di riferimento metodo di classificazione: distanza minima Per problemi di velocità di esecuzione dei calcoli, ho preferito creare una copia del file.ers, contenente solo le bande utilizzate ( ). Su tale file sono state quindi definite le classi e le corrispondenti aree di riferimento: 21

24 Alla fine del processo, il risultato viene visualizzato come class layer (in RGB pseudocolor). Interessante è la zona di mare, in cui si ha una ripartizione in base alla profondità e limpidezza dell acqua. Il lago di Varano è invece rientrato in una differente classe (per via di una specifica training area). Vediamo il dettaglio nella zone delle saline, con la parte secca e la parte umida che rientrano prevalentemente nelle loro rispettive classi. 22

25 Coregistrazione ETM2002 su ETM99 L immagine del 2002 ha un sistema di riferimento differente da quella del Per procedere con un analisi di change detection, occorre che queste abbiamo lo stesso sistema di riferimento. Per questo motivo occorre effettuare una coregistrazione dell immagine del 2002 su quella del 1999, definendo opportuni punti di appoggio (ground control point) identificabili precisamente su entrambe le immagini. Il risultato del processo è l immagine del 2002 riferita al sistema Gauss-Boaga fuso est, che viene salvata sul nuovo file ETM2002_multibanda_GB 23

26 Change detection L analisi di change detection permette di evidenziare i cambiamenti avvenuti su un territorio mettendo a confronto due o più immagini prese in momenti differenti. Infatti nell uso del microonde (SAR) le analisi multi temporali servono proprio a questo (attività svolta ma non ipertata in questa relazione). Nel presente caso le immagini utilizzate sono: immagine ETM2002 del 28 novembre 2002 immagine ETM99 del 3 ottobre 1999 Le due immagini vengono confrontate banda per banda, visualizzandole contemporaneamente sul: canale R (rosso) per una banda dell immagine del 2002 canale B (blu) per la stessa banda dell immagine del 1999 Si definisce quindi un algoritmo di visualizzazione tipo il seguente che mette a confronto le bande 4 (IR vicino) delle due immagini: La lettura del change detection avviene valutando le combinazioni dei colori rosso e blu : se le intensità nelle 2 immagini sono vicine, si hanno varie intensità di magenta se l intensità di una immagine è maggiore dell altra, il magenta che tende al rosso o al blu se la risposta è solo su una delle due immagini, risultano varie intensità di rosso o di blu Ad esempio, considerando che l IR vicino ha una bassa risposta (quasi nulla) su acqua e zone umide, vediamo che le zone delle saline che erano secche nel 2002 e umide nel 1999 appaiono in rosso. Viceversa per quelle in blu, che erano umide nel 2002 e secche nel Di seguito viene analizzato il change detection su alcune zone: saline, foresta umbra al centro del Gargano, foce del fiume a nord, nube su terreno, area di Manfredonia e aeroporto di Amendola. 24

27 Foce del fiume La prima osservazione riguarda il mare, che appare nero in IR vicino e medio. Ha invece una certa risposta alle bande nel visibile. Il fiume nel 1999 trasportava molto materiale in sospensione, che arrivato al mare lasciava una evidente scia (in blu). Ciò è osservabile nelle bande del visibile, in particolare sulla banda 3, ma anche in modo minore sulla banda 4. Su quest ultima banda inoltre vediamo la differente umidità dei suoli nei due momenti (zone rosse e blu). 25

28 Foresta umbra La foresta ha un forte segnale di ritorno sulla banda 4 (IR vicino), in cui vediamo una zona (tendente al blu) in cui le piante erano più rigogliose nel 1999 e meno nel 2002 (consideriamo che l immagine del 2002 è ad autunno inoltrato quindi è possibile che le piante abbiano perso le foglie). La banda 3 (in cui la foresta non da risposta) sembra confermare tale ipotesi, avendo però i colori scambiati (la zona più rigogliosa nel 1999 appare qui più rossa). 26

29 Aeroporto della base pugliese di Amendola Notiamo subito che una nube ha parzialmente coperto l immagine del Inoltre anche qui le bande 4 che evidenziano i terreni maggiormente umidi: nel 1999 in rosso e in blu nel La parte urbana di Manfredonia è più evidente nelle bande 2 e 3, come anche la struttura dell aeroporto. I terreni intorno a questo erano invece più umidi nel

30 Saline L IR medio (bande 5 e 7) è più sensibile alla presenza di umidità contenuta nei cristalli di sali, per cui sulle saline appaiono solo i bordi delle vasche. Invece nell IR vicino (banda 4) si distinguono le saline coperte d acqua: in rosso quelle coperte nel 1999; in blu quelle coperte nel 2002; in nero quelle coperte in entrambi i momenti. La banda 3 da invece informazioni sulla profondità della copertura: la vasca grande era tutta coperta d acqua nel 1999, ma con un basso livello; nel 2002 il livello era leggermente più alto, tranne che nel segmento alto-destro in cui vi era ancora meno acqua. Nella successiva pagina, la nube del 2002 appare in rosso, mentre quella del 1999 appare in blu con l ombra in rosso. Il laghetto era coperto dalla nube nel 2002, per cui è in blu, anche se poco visibile. 28

31 Nubi e laghetto 2002 RGB RGB

32 L immagine SAR Si ottiene da un rilievo fatto con un sensore attivo, misurando l intensità di ritorno di un raggio emesso e inviato nella stessa direzione del rilievo. In questo caso analizziamo una immagine SAR ottenuta da piattaforma satellitare (a destra), confrontandola con una corrispondente immagine pancromatica LandSat (a sinistra). Lo strumento SAR permette di raccogliere il massimo segnale di ritorno in presenza di superfici ortogonali al raggio incidente. Con superfici lisce aventi differente orientamento, nessuna parte del segnale viene riflesso verso il sensore. Considerando quindi che è abbastanza improbabile che si abbia una superficie liscia perfettamente ortogonale al raggio, possiamo dire che in realtà la risposta è maggiore in presenza di superfici rugose, mentre è minore per le superfici lisce (o che appaiono tali rispetto alla frequenza del segnale SAR). Inoltre vi è il caso di forte segnale per doppia riflessione, dovuto alla presenza di superfici lisce poste tra loro ortogonalmente (ad esempio, muro di edificio e strada antistante). Come si vede dal confronto, l immagine pancromatica contiene una maggiore informazione geometrica (15m), grazie alla maggiore risoluzione. L immagine SAR ha invece una minor risoluzione (30m), ma ha anche problemi di rumore in quanto il segnale rilevato dipende in parte dalle aree immediatamente adiacenti a quella indagata. A fronte di un pixel immagine di 12,5m, nell analisi occorre spesso utilizzare un filtro mediano per avere un risultato più omogeneo e leggibile. Le informazioni che però il SAR è in grado di riportare sono preziose, in quanto sono relative alla tipologia di superficie e alla sua forma. Si possono quindi dedurre precise informazioni, una volta che si è identificata la natura stessa dell oggetto rilevato, appunto tramite una lettura incrociata con altri rilievi pancromatici e multispettrali. 30

33 Nell immagine vediamo una buona risposta sulle zone urbane, in presenza di edifici aventi il classico tetto a tegole, e anche una media risposta nelle zone agricole, dovuta alla forma della vegetazione o del terreno. Non si ha invece segnale di ritorno sulle superfici lisce (ad esempio la pista dell aeroporto) e sulle zone con acqua calma (che appare liscia). Interessante è la parte di mare in cui il vento provoca una certa increspatura, che causa una buona risposta al SAR (le onde marine hanno una lunghezza maggiore dell onda radar utilizzata). 31

34 Notare la zona di acqua calma presente a Chioggia, in cui probabilmente il vento che infrange il mare non agisce in quanto gli edifici proteggono parte dello specchio d acqua. Le spiagge sono scure in quanto appaiono lisce a sufficienza per riflettere il segnale SAR in altra direzione. I manufatti sono invece ben distinguibili in quanto spesso la loro forma riflette il segnale direttamente ma anche per doppia riflessione. Osservando solo l immagine SAR si può anche distinguere chiaramente la zona di mare dalle zone di terra. La risposta sul mare, dovuta all azione del vento, è spazialmente costante, simile ad un rumore di fondo ugualmente distribuito. La risposta sulla terra varia notevolmente da zona a zona, in base alle caratteristiche morfologiche delle corrispondenti superfici. Chiaramente i canali appaiono neri per via della superficie liscia dell acqua. 32

35 Composizione RGB - NIR / PAN / SAR Il layer LandSat Near IR e il layer SAR vengono visualizzati in combinazione con l immagine LandSat PAN, a cui entrambi vengono coregistrati. Per la coregistrazione, occorre individuare un congruo numero di punti corrispondenti sulle due immagini. Ad esempio, l immagine SAR viene riferita all immagine PAN. Analoga procedura viene eseguita per l immagine NIR, rispetto alla PAN. Viene quindi creato un algoritmo di composizione, attribuendo ai tre canali RGB le tre immagini NIR, PAN e SAR. 33

36 All immagine SAR è stato applicato un filtro mediano 5x5, per ridurre il disturbo dovuto al rumore presente nei dati rilevati da questo strumento. Composizione RGB NIR / PAN / SAR 34

37 Immagine NIR - red In questa composizione si nota subito il contributo dell immagine in infrarosso vicino (in rosso). Le zone agricole e verdi rispondono con varie intensità secondo lo stato della vegetazione presente. Nelle zone urbane o con presenza di manufatti industriali, come anche nelle zone con acqua (mare e anche fiumi), non si ha risposta sulla banda NIR. Immagine PAN - green L immagine pancromatica presenta zone a maggiore intensità in presenza di superfici chiare o comunque in grado di riflettere la luce solare, come manufatti e tetti piatti, quali ad esempio la superfice aeroportuale, il porto Marghera, il Tronchetto. Si ha anche una buona risposta sulle spiagge e sulle aree industriali e una risposta minore sulle aree urbane con tetti a tegola. 35

38 Da notare è la parte centrale della laguna, dove vi è una zona più chiara dovuta alla torbidità dell acqua; il sensore pancromatico riesce a cogliere il debole segnale di ritorno che le particelle in sospensione danno sulle frequenze del visibile. Analoga considerazione vale per il materiale che si nota nel mare in corrispondenza delle bocche. Immagine SAR e lettura composta delle differenti componenti Nella parte agricola sulla sinistra si distinguono in rosso i campi con vegetazione attiva e quelli tendenti al giallo in cui si ha una simile risposta sia al NIR che al PAN; alcuni tendono al ciano per via della discreta risposta SAR dovuta alla granulosità della superficie. Potrebbero per esempio essere campi arati. La spiaggia invece appare giallo-verde in quanto ha una forte risposta al PAN, una debole risposta al NIR, mentre al SAR appare nera in quanto ha una superficie sufficientemente liscia. 36

39 La componente pancromatica contribuisce con una buona informazione geometrica, permettendo di riconoscere il tessuto e le strutture. La componente NIR permette di individuare le zone con vegetazione, ma si ha un buon segnale solo in presenza di un certo numero di elementi. Ad esempio, nella parte storica di Venezia, si notano i giardini vicino piazzale Roma e i Giardini della Biennale ad est. La componente SAR evidenzia i tetti degli edifici nella parte storica, ma non ha risposta per esempio sul cimitero, in cui probabilmente molte strutture hanno un tetto piatto.. Sul lido si integrano le varie informazioni, permettendo di distinguere la parte con edifici (tendente al blu), la parte con piante a nord (tendente al rosso), ma anche la parte del campo di volo avente superficie liscia e senza grande vegetazione (verso il marrone). 37