Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci

Transcript

1 Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci Telerilevamento: mappatura tematica

2 Modalità per la costruzione della curva di riflettanza Multispettrale Iperspettrale

3 Firme spettrali dell acqua, del suolo spoglio e della vegetazione. La vegetazione ha una riflessione molto elevata nel canale 4 dell infrarosso vicino e una riflessione bassa nel canale 3 del rosso. Ciò consente di distinguere le aree di vegetazione dal terreno spoglio. La differenza di riflessione nei canali 3 e 4 è grande per le aree di vegetazione e poco significativa per il terreno spoglio.

4 Le firme spettrali sono elaborate come valori digitali nello scanner satellitare. La riflessione del terreno spoglio aumenta leggermente dall intervallo dello spettro del visibile all intervallo dell infrarosso. N.B.: vi sono grandi differenze tra i diversi tipi di suolo, ed in funzione del contenuto d acqua (terreno secco e umido). La firma spettrale caratterizza anche le diverse composizioni di minerali della superficie. Nella figura è mostrata solo una curva media per il terreno spoglio (suolo).

5 CLASSIFICAZIONE DI UN AREA La mappatura basata sui dati forniti dal satellite, relativa all uso del suolo, necessita di una certa abilità nel separare acqua, terreno spoglio, aree edificate, foresta, sottobosco, aree agricole, ecc. Se la firma spettrale di una data superficie può essere differenziata nei canali del sensore, si può affidare al computer la classificazione dell area. Durante la classificazione di un immagine si può identificare ed isolare un tipo di area specifica sullo schermo (e utilizzarla come area di riferimento), determinare la firma spettrale e poi in modo automatico o semi-automatico, grazie a SW dedicati, identificare e raggruppare tutti i pixel con la stessa firma spettrale. In questo modo si possono creare molto rapidamente mappe tematiche per intere regioni con l ausilio dei dati forniti dal satellite.

6 Mappatura corologica. Metodo utilizzato nell elaborazione di immagini digitali per la produzione di mappe tematiche. ESEMPIO: mappatura di un insediamento abitativo. La densità abitativa si può mappare corologicamente stendendo una griglia su una carta topografica e attribuendo ad ogni quadrato della griglia (mappa) il numero di abitazioni presenti. Il risultato dell operazione può essere rappresentato mediante una matrice corologica nella quale i numeri risultano posizionati in un sistema di coordinate. La distribuzione geografica dell insediamento abitativo, in un certo senso, è stata digitalizzata, cioè è stata convertita in numeri elaborazioni in ambiente informatico.

7 ISTOGRAMMA La distribuzione di dati nella matrice corologica può essere rappresentata mediante un istogramma costruito ponendo in ascisse il numero di abitazioni presenti nella singola cella e in ordinate la percentuale di celle che contiene detto numero di abitazioni. Sulla base dell istogramma, i dati di un immagine si possono dividere in diverse classi. Ad esempio, si potrebbero definire le seguenti classi significative: 1) Aree boschive: 0 abitazioni; 2) Zone agricole: da 1 a 7 abitazioni; 3) Borghi: da 8 a 11 abitazioni; 4) Città: più di 11 abitazioni. Una 1) 2) classificazione più semplice potrebbe prevedere due sole classi. Ad esempio: Zone rurali: da 0 a 8 abitazioni; Città: oltre 8 abitazioni.

8 CLASSIFICAZIONE Nota: la stessa matrice corologica può costituire la base di mappe diverse. La classificazione appropriata va dunque scelta in base alle finalità della mappa. Scelta la classificazione ed assegnato a ogni classe, nell istogramma, un tono di grigio o un colore, si può associare ai quadrati della griglia il colore della relativa classificazione (numero di abitazioni) realizzando così una mappa tematica. Se il sistema di classificazione si basa su un numero elevato di classi, si otterrà un grado notevole di dettaglio, con la possibilità di distinguere differenze nette tra i quadrati; se i quadrati sono raggruppati in classi poco numerose (grandi intervalli tra i valori estremi della classe), si perderà in qualità del dettaglio.

9 Per la classificazione in due sole classi: 1) Zone rurali: da 0 a 8 abitazioni 2) Città: oltre 8 abitazioni NOTA: un immagine digitale è una matrice corologica. Le dimensioni dei quadrati nella griglia e la risoluzione spaziale nell immagine prodotta dal satellite dipendono dal sistema che fornisce i dati. Per un immagine digitale, il numero di classi è legato alla risoluzione radiometrica del sensore. Generalmente, le immagini satellitari contengono una divisione in 256 classi, coerentemente con la capacità di 1 byte, che consente di esprimere 256 diversi valori (di grigio).

10 Classificazione multitemporale da immagini NOAA 11AVHRR (Gomarasca, 1997)

11 Bacino del Tevere (a) Vulnerabilità della falda acquifera (b) Mappa degli apporti di Azoto Mappa del Rischio di Inquinamento da Azoto rappresentata su DTM (Gomarasca, 1997)

12 L Indice di vegetazione è dato dalla differenza normalizzata (NDVI, Normalized Difference Vegetation Index) della riflettanza nelle bande dell IR vicino e del Rosso: NDVI = i.r. vicino - rosso rosso + i.r. vicino Sulla base di questa semplice formula viene attualmente effettuata la mappatura della distribuzione globale della vegetazione. Fonte: Global Change Database, vol.1, National Geophysical Data Center, Colorado, 1992.

13 Mappa della vegetazione dell Europa e dell Africa nei mesi di luglio e gennaio. Luglio gennaio

14 PROBLEMA Con riferimento, ad esempio, alla vegetazione, è difficile distinguere tra diversi tipi di copertura dato che le firme spettrali possono essere molto simili. Inoltre lo stesso tipo di vegetazione puó avere diverse firme, in base allo stadio della crescita ed in base ad altri fattori, quali l umidità del suolo o le condizioni atmosferiche. La ricerca si concentra quindi sull affinamento della classificazione dell area sulla base dei dati forniti dal satellite. Una soluzione è cercare di ottimizzare la distribuzione dei sensori che coprono canali specifici negli intervalli di spettro del visibile e dell infrarosso vicino. Un satellite con molti canali sensibili ha un grado elevato di risoluzione spettrale. In futuro satelliti con elevata risoluzione spettrale potranno rendere possibile la mappatura di cambiamenti nella vegetazione causati da stress per inquinamento o siccità. Il telerilevamento sarà uno strumento sempre più importante per le mappature dell ambiente.

15 LANDSAT Landsat 7 and ETM+ Characteristics: Band Number Pan Spectral Range(microns).45 to to to to to to to to.90 Swath width: Repeat coverage interval: Altitude: Quantization: On-board data storage: Inclination: Equatorial crossing: Launch vehicle: Launch date: Ground Resolution(m) kilometers 16 days (233 orbits) 705 kilometers Best 8 of 9 bits ~375 Gb (solid state) Sun-synchronous, 98.2 degrees Descending node; 10:00am +/- 15 min. Delta II April 1999 A tutt oggi i satelliti della serie LANDSAT sono sette. I primi tre furono dotati di scanner multispettrali (MMS) con una risoluzione spaziale di 80 metri e una risoluzione spettrale di 4 canali nell intervallo del visibile e dell infrarosso vicino. I satelliti LANDSAT 4 e 5 sono stati dotati anche di un sistema di ripresa TM (Thematic Mapper), con sette canali tra cui una banda dell infrarosso termico, risoluzione spaziale di 30 metri.

16 LANDSAT channel micrometres, corresponding to blue in the visible light range. Water and forest give little reflection (dark grey tones), whereas residential areas in the town give greater reflection (light grey tones). LANDSAT channel micrometres, corresponding to green in the visible light range. Water and forest give little reflection (dark grey tones), whereas residential areas in the town give greater reflection (light grey tones). LANDSAT channel micrometres, corresponding to red in the visible light range. Water and forest give little reflection (dark grey tones), whereas residential areas in the town give greater reflection (light grey tones). Pixel size 30 metres.

17 LANDSAT channel micrometres, corresponding to parts of the near infrared. Water gives the least reflectance (black) and green fields give the greatest reflection (white). Forest and residential areas in the town give varied reflection and hardwood forest gives greater reflection than softwood. False colour The reflection in channels 4, 3, and 2 is here represented by the colours red, blue and green. The strong reflection from the chlorophyll in channel 4 is seen as bright red. Dark green areas are forest, while light green areas are residential areas. Pixel size 30 metres.