Caratterizzazione morfologica del consumo di suolo: analisi delle tipologie insediative Riitano Nicola*, Munafò Michele**, Congedo Luca**

Transcript

1 Caratterizzazione morfologica del consumo di suolo: analisi delle tipologie insediative Riitano Nicola*, Munafò Michele**, Congedo Luca** *Sapienza Università di Roma Dottorato Paesaggio e Ambiente **ISPRA Istituto Superiore per la Protezione e Ricerca Ambientale X Convegno Nazionale GIT- Geosciences and Information Technologies San Leo (RN), Giugno 215

2 FENOMENI DI ESPANSIONE DELLE CITTÀ: Processi di diffusione, dispersione urbana e di frammentazione descrivono la tendenza in atto dagli anni 9 Sprawl VS Shrinkage (Haase et al., 214) Sprinkling (Romano et al., 213) Diffusione Urbana Effetti ambientali e socioeconomici: Consumo di risorse naturali non rinnovabili (Impermeabilizzazione e Consumo di suolo) Frammentazione del paesaggio, perdita di servizi ecosistemici, mancanza di identità dei nuclei urbanizzati sparsi e senza coesione. Impatti dipendono fortemente dalle modalità e dalle forme con la quale si realizzano le trasformazioni. Consumo di suolo 1

3 OBIETTIVI SCALA DI STUDIO: CITTÀ METROPOLITANE Definizione: legge del 7 aprile 214 n. 56 recante "Disposizioni sulle città metropolitane, sulle province, sulle unioni e fusioni di comuni" Enti territoriali di area vasta per lo sviluppo strategico del territorio Metropolitano Roma Torino Milano Venezia Genova Bologna Firenze Bari Napoli Reggio Calabria Rapporto sul consumo di suolo ISPRA 215 (Il consumo di suolo in Italia - Edizione 215, Rapporti 218/215 ISBN: ) (Analisi delle tipologie insediative) Sviluppo Metodologico dell Analisi Spaziale del Consumo di Suolo Identificazione e Caratterizzazione delle tipologie insediative Informare, Sensibilizzare ed Indirizzare le politiche al fine di limitare, compensare, mitigare il consumo di suolo in Italia. Obiettivi 2

4 Carta Nazionale del Consumo di Suolo ad altissima risoluzione (ISPRA) Classificazione semiautomatica da immagini satellitari RapidEye (5 metri), con l ausilio di dati ancillari a livello regionale (CTR). 18 Maggio 215 N. 9

5 Carta Nazionale del Consumo di Suolo ad altissima risoluzione Confronto tra dati al variare della risoluzione spaziale CLC (25 ha) HRL 2m Urban Atlas (,25 ha) HRL 5m Dottorato X Convegno Paesaggio Nazionale e Ambiente "GIT- Geosciences XXIX Cicloand Information Technologies" Nicola Riitano Carta Nazionale del Consumo Introduzione di suolo 14

6 Morphological Spatial Pattern Analysis MSPA (Morphological Spatial Pattern Analysis): Sequenza di operatori matematici di morfologia, adattati allo scopo di descrivere la geometria e la connettività delle componenti delle immagini. Applicazione in ambito urbano Classificazione puramente geometrica Classi mutualmente esclusive Conservazione del dato raster originale Individuazione delle strutture di connessione Distinzione tra background esterno ed interno, con la possibilità di evidenziare spazi vuoti all interno dei nuclei urbani. GuidosToolbox (Graphical User Interface for the Description of image Objects and their Shapes) Basato su Conefor / GDAL CORE EDGE ISLET BRIDGE LOOP BRANCH PERFORATION Soille, P., & Vogt, P. (29). Morphological segmentation of binary patterns. Pattern Recognition Letters, 3(4), MSPA 5

7 Morphological Spatial Pattern Analysis Built-up Non Built-up Codice Classe Morfologica Background 1 Branch Connessioni 3 Edge Margini 9 Islet Patch Isolate 17 Core Nucleo 33 Bridge 35 Bridge in Edge 65 Loop Connessioni 67 Loop in edge 1 Background Interstizi 11 Branch 13 Edge 15 Perforation 19 Islet 117 Core 133 Bridge Classi Interne 135 Bridge in Edge 137 Bridge in Perforation 165 Loop 167 Loop in edge 169 Loop in Perforation MSPA / 2 6

8 WORKFLOW 1. Preprocessamento - Conversione Very High Resolution Layer of Built-Up - Preparazione per l analisi dell immagine (MapTiling, Recode) 2. Scelta Parametri: Foreground Connectivity: 8 cell-rule Edge Width = 5m Intext: On Transitions: Off 3. Processamento 4. Analisi dei Risultati MSPA / 3 7

9 Percentuale su Built-Up Distribuzione delle classi morfologiche Bari Bologna Firenze Genova Milano Napoli ReggioCa Roma Torino Venezia Core Edge Branch Bridge Islet Urban Voids Bari Bologna Firenze Genova Milano Napoli ReggioCa Roma Torino Venezia Core Edge Branch Islet Bridge Urban Voids Risultati MSPA 8

10 Indicatori derivati Porosità (Porosity Index): Area della classe vuoti urbani (o urban voids) sull area dei nuclei urbani Porosità PI = Area UV Area core Densità dei margini (Edge Density): Area della classe margini su area dei nuclei urbani Suolo consumato Densità dei Margini ED = Area edge Area core Bari Bologna Percentuale dei nuclei urbani (Peso dell Area Core): Valore % dell area core rispetto alla somma delle aree di tutte le classi di built-up PCore = Area core i=1 169 A i Peso dell'area Core Firenze Milano ReggioCa Torino Genova Napoli Roma Venezia Bari Bologna Firenze Genova Milano Napoli ReggioCa Roma Torino Venezia Porosità Densità dei Margini Peso dell'area Core (%) Suolo consumato Indicatori 9

11 Frammentazione Spaziale - Entropia Entropia (Shannon, 1948) H = - Pi * log(pi) Range di frammentazione: 1 m - 6 m Calcolata per tile, con regole di connettività basata sulla regola delle 8 celle. Ha valori minimi per un paesaggio composto da un singolo oggetto compatto della classe esaminata, ha valore massimo quando l area è divisa nel numero massimo possibile di oggetti dispersi (Disposizione a scacchiera). Bologna, 212 Entropia 1

12 ,3,2,1 Torino Frammentazione (Entropia): 73.7 FG-only: Range: [,82],3,2,1,3,2,1 Genova Milano Frammentazione (Entropia): 8.67 FG-only: Range: [,85] Frammentazione (Entropia): FG-only: Range: [,84],3,2,1,3,2,1 Venezia Bologna Frammentazione (Entropia): FG-only: Range: [,84] Frammentazione (Entropia): FG-only: Range: [,92]

13 ,3,2,1 Firenze Frammentazione (Entropia): FG-only: 33.6 Range: [,84],3,2,1 Roma Frammentazione (Entropia):72.36 FG-only: 43.6 Range: [,86],3,2,1 Napoli Frammentazione (Entropia)13.2 FG-only: Range: [,8],3,2,1 Bari Frammentazione (Entropia): FG-only: 3.28 Range: [,82],3,2,1 Reggio di Calabria Frammentazione (Entropia): 6.94 FG-only: Range: [,71]

14 Napoli Bologna Valutazioni sulla scala di analisi Influenza del comune capoluogo di provincia sui risultati Disturbo di territori exclave nelle divisioni amministrative Roma Scala di analisi 13

15 Confronto ed integrazione con Landscape Metrics ECOLOGIA DEL PAESAGGIO: Scienza applicata transdisciplinare, nata come interfaccia tra la geografia e l ecologia, studia la distribuzione e l interazione spaziale degli elementi del paesaggio. PATCH : aggregazione di dati omogenei, la loro dimensione, forma ed area influenza i processi fisici ed ecologici del paesaggio. Applicazione all analisi e valutazione del consumo di suolo PATCH DI URBANIZZATO Landscape metrics di composizione, configurazione e distribuzione Landscape Metrics 14

16 Valori Normalizzati Valori Normalizzati Differenze Potenzialità e Limiti Densità dei Margini Risultati convergenti da metodologie differenti MSPA utilizza la distanza geodetica per il calcolo dello spessore di margine e derivare le classi non appartenenti ai nuclei, ha un peso importante nel calcolo delle metriche riferite ai margini rispetto alle metodologie tradizionali (McGarigal et al., 22) Principale limite è la semplificazione del paesaggio in un modello binario. Edge Density (Landscape Metrics) Edge Density (MSPA) Nuclei Urbani Potenzialmente il MSPA permette l identificazione di classi morfologiche senza degradare il dato di partenza. Urban Voids Aree Urbane Aree isolate LCPI Peso dell'area Core Differenze 15

17 Classificazione morfologica delle città

18 Conclusioni La lettura degli indicatori non è efficace se presi singolarmente, occorre una visione d insieme Necessità di un quadro conoscitivo esaustivo delle traiettorie del consumo di suolo, una lettura approfondita della situazione attuale e futura delle tipologie insediative in Italia. Monitoraggio e gestione delle espansioni urbane Identificazione dei vuoti urbani per i programmi di compensazione, riqualificazione e rigenerazione. Conclusioni 17

19 GRAZIE PER L ATTENZIONE!