LiDAR ed immagini multispettrali ad alta definizione per la valutazione di rocciosità e pietrosità superficiale

Transcript

1 LiDAR ed immagini multispettrali ad alta definizione per la valutazione di rocciosità e pietrosità superficiale Rossano Ciampalini Dipartimento di Scienza del Suolo e Nutrizione della Pianta Università degli Studi di Firenze

2 Applicazione: studio della pietrosità superficiale Area: Alpi Centrali Sondrio (prati di alta quota) Dati: Rilevamento LiDAR - densità: ca 1 p/m 2 Ortofoto multispettrale alta definizione - risol.: 20 cm - Ir-R-G

3 METODOLOGIA co-occorrenza di: Analisi dati LiDAR (filtri morfologici) Analisi di immagine Analisi di immagine: estrazione da ortofoto delle parti che rispondono alla firma spettrale di roccia nuda Ortofoto Banda R Taglio su scala di grigio Growing

4 Realizzazione DTM da LiDAR s.edgedetection s.growing s.surf.rst

5 Analisi dati LiDAR finalizzata alla identificazione di elementi rocciosi in superficie (Boulders) TOP HAT function Applicazione alla analisi del rilievo Filtro morfologico per l individuazione di elementi di picco (Serra et al. 1988) + f(x) : il valore del generico pixel x allocato in u; f(x) : trasformata della matrice X;? : la dimensione del filtro. r.neighbors r.sum Dilation:D Erosion:E Opening:O WTH?? f(x) f(x) = inf??? f(x) = D ( E f(x) ) λ { x : f(x) - O ( X t} = ) TOP = = sup { f(u):u? } { f(u):u? } λ { x : f(x) - O ( X )} x x Top

6 Kernel 3x3 Kernel 5x5 Kernel 7x7

7 L applicazione di filtri (kernel) di dimensione crescente consente di evidenziare volumi sempre più grandi corrispondenti a diverse lunghezze d onda del segnale Come identificare quando la componente dimensionale del segnale relativa ad una certa grandezza del filtro è stata estratta? filtro 1 A) il filtro 1 estrae completamente il segnale C B) il filtro 1 si esaurisce mentre il filtro 2 incide relativamente poco sull estrazione di segnale A B filtro 2 C) il filtro 1 si esaurisce mentre il filtro 2 estrae parte significativa del segnale

8 Analisi dei residui tra la parte di segnale estratto da un filtro ed il successivo - = (e.g. 5x5) (e.g. 3x3) A B Differenze nulle tra filtri successivi indicano che un elemento della topografia è di competenza del filtro inferiore (A) Se l incremento nell estrazione di segnale tra due filtri è sufficientemente piccolo si può considerare l elemento estratto di pertinenza del filtro inferiore (B)

9 Ricavare il valore ottimale di separazione per competenza di filtro 1. Cumulata delle differenze (e.g. 75%, 95%) 2. Diagramma log-log (Richards) Si intuisce la componente frattale dei processi che agiscono a due scale diverse Distribuzione delle differenze tra kernel 5x5 e 3x3 Cumulata delle differenze Diagramma di Richards (log-log) Esempio di discriminazione su piccola popolazione

10 Procedura iterativa: Si estrae il segnale isolato dal primo filtro dal DTM e si effettua un nuovo ciclo con scelta delle soglie sui nuovi valori residui Kernel 3x3 Kernel 5x5 Kernel 7x7

11 Aspetti da considerare: Si nota una certa sovrapposizione nei margini tra gli elementi estratti dovuto essenzialmente all operare con un valore di soglia delle differenze su tutta la popolazione Si prevede di poter operare cercando il valore di taglio che minimizzi la parziale sovrapposizione tra gli elementi, che comunque resta fortemente condizionata dalla popolazione analizzata (piccole e ben definite popolazioni non presentano tale occorrenza) Tale procedura consente di ottenere una valutazione della distribuzione spaziale felle dimensioni degli oggetti boulders nei limiti ovviamente della densità di punti del rilevamento LiDAR E prevista una verifica con dati a terra per testare l affidabilità del metodo Utile in applicazioni che necessitino di parametrizzazioni morfometriche quali: scienza del suolo processi morfodinamici analisi ambientali

12 FINE