Cos è un immagine. Dalla visione soggettiva al numero. Caratteristiche delle immagini. Risoluzione spettrale e geometrica

Transcript

1 Cos è un immagine Dalla visione soggettiva al numero delle immagini Risoluzione spettrale e geometrica Visualizzazione ed elaborazione

2 Dalla luce all immagine Filtro Detector DN Dalla visione soggettiva al numero t1 to t delle immagini Risoluzione spettrale e geometrica Luce Solo un subset delle lunghezze d onda passa il filtro e raggiunge il detector. Il loro insieme è la nostra banda spettrale. La radiazione che arriva al detector genera un segnale elettrico. Questo segnale viene campionato per un certo intervallo di tempo (dt) e poi quantizzato e registrato come numero digitale (DN). Visualizzazione ed elaborazione

3 Cosa è una immagine digitale? Digital Number (DN) Pixel Dalla visione soggettiva al numero I Digital numbers (DNs) tipicamente variano in range 0-255; 0-511; , etc. Questi range derivano da potenze di 2 (num. binari): 2 8 =2; 2 9 =512; 2 10 =1024. Risoluzione spettrale e geometrica Visualizzazione ed elaborazione Cosa vediamo vede il computer noi

4 Immagine digitale multispettrale colonne (x)

5 Risoluzioni Dalla visione soggettiva al numero Geometrica: dimensioni dell area elementare al suolo di cui si rileva l energia elettromagnetica (pixel). Spettrale: indica il numero di bande di acquisizione e la loro ampiezza. 30km x 30km 30m x 30m Risoluzione spettrale e geometrica Visualizzazione ed elaborazione Radiometrica: sensibilità del rivelatore di un certo sensore nel percepire e codificare in segnale le differenze di flusso radiante. In pratica la risoluzione radiometrica rappresenta il numero di livelli in cui può essere scomposto il segnale originario. Temporale: periodo di tempo che intercorre tra due riprese successive di una stessa area. 8 bit (2 livelli) 1 bit (2 livelli)

6 Dalle immagini alle mappe Fotointerpretazione Dalle immagini telerilevate alle mappe A) Fotointerpretazione delle immagini (identificazione di anomalie) Classificazioni Stima dei biofisici B) Mappe della tipologia e distribuzione della categorie al suolo (Classificazioni) C) Mappe di biofisici (Concentrazione Clorofille, contenuto d acqua, LAI etc.)

7 Dalle immagini telerilevate alle Mappe A Elementi da indagare: Fotointerpretazione Dalle immagini alle mappe Fotointerpretazione forma dimensione tono e colore tessitura e modello: grana di una superficie, combinazione dei vari elementi, disposizione spaziale degli oggetti Classificazioni Stima dei biofisici Applicazioni

8 Monitoraggio delle colture per pagamento contributi PAC e condizionalità Dalle immagini alle mappe Fotointerpretazione Classificazioni Stima dei biofisici Applicazioni

9 Dalle immagini telerilevate alle Mappe B 1/3 Classificazione delle immagini Dalle immagini alle mappe Fotointerpretazione Classificazioni Stima dei biofisici L analisi numerica di immagini del territorio ha come scopo la descrizione della scena osservata in termini quantitativi, attraverso un prodotto che è detto mappa tematica. La mappa tematica ottenuta mediante il processo di classificazione è costituita da un insieme di elementi (pixel) ai quali è associata, oltre all informazione di tipo spaziale, anche una informazione che non è più semplicemente spettrale, ma di tipo semantico che specifica un attributo relativo ad un particolare tema di interesse, detto classe o categoria. Scena reale Spazio delle misure Mondo dei significati (modelli) Applicazioni Osservazioni y x Classificazione Acqua Latifoglie B N Conifere Edificato PORZIONE DI TERRITORIO B 1 IMMAGINE MULTISPETTRALE MAPPA TEMATICA

10 Dalle immagini telerilevate alle Mappe B 2/3 Mappe di uso e copertura del suolo Dalle immagini alle mappe Fotointerpretazione Attraverso l analisi automatica dei dati (Classificazioni) identificare nell immagine i differenti elementi e le diverse categorie al suolo in funzione della differente risposta spettrale producendo mappe. Classificazioni Stima dei biofisici Applicazioni Clark et al

11 Dalle immagini telerilevate alle Mappe C 1/3 Mappe di biofisici Dalle immagini alle mappe Fotointerpretazione Classificazioni L analisi del comportamento spettrale della superfici ha consentito di definire procedure che permettono di produrre mappe dei della vegetazione mediante l utilizzo di: MODELLI SEMI-EMPIRICI (statisticamente basati) Per produrre le mappe si fa uso di relazioni statistiche tra misure a terra (biochimiche fogliari come le Clorofille o caratteristiche della pianta come LAI) e firme spettrali dell immagine o indici da esse derivati (dato telerilevato) Stima dei biofisici Applicazioni MODELLI DI TRASFERIMENTO RADIATIVO (fisicamente basati) Per produrre le mappe si utilizzano modelli fisicamente basati (della foglia e della canopy) in grado di deifnire i della pianta a partire dalle loro firme spettrali MODELLI DI RIFLETTANZA FOGLIARE: simulano il comportamento spettrale di una foglia sulla base delle sue caratteristiche biochimiche e strutturali: C(a+b), H2O, SO secca, struttura foglia MODELLI DI RIFLETTANZA DELLA CANOPY: simulano il comportamento spettrale della vegetazione complessiva (foglie, rami, etc.) sulla base delle sue caratteristiche

12 Dalle immagini telerilevate alle Mappe C 1/3 Mappe di LAI da correlazione con Indici vegetazione Dalle immagini alle mappe Fotointerpretazione Immagine iperspettrale Relazione statistica tra indici vegetazionali (NDVI) e dati di campo (LAI) LAI Vs NDVI_mir Min Mappa del parametro LAI Max 1.00 Classificazioni Stima dei biofisici NDVI_mir y = 0.611Ln(x) R 2 = LAI NDVI_mir Applicazioni

13 Il telerilevamento: aspetti teorici e applicazioni agronomiche Principi e peculiarità La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con Indici di vegetazione Dallo studio del comportamento spettrale della vegetazione sono state definite una serie di relazioni quantitative fra dati telerilevati e della vegetazione mediante indici che si basano sul rapporto tra le bande tipiche di assorbimento e riflessione Questi relazioni algebriche vengono indicate come indici di vegetazione (VI) e si basano soprattutto sulle lunghezze d onda del visibile e vicino infrarosso (NIR) I VI sono correlati alla quantità di biomassa vegetale, del LAI, della concentrazione di clorofilla etc. e danno indicazioni sullo stato di salute, sulla produttività delle colture, sulla densità e copertura e sullo stato nutrizionale ecc.

14 Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione: broad band Principi e peculiarità La risposta della vegetazione delle spettro RED Andamento spettrale di una coltura Reflectance NIR *.0.2 *.1.2 *.2.2 Indici di Vegetazione e relazione con Wavelength Un buon indice deve enfatizzare la vegetazione a discapito del resto

15 Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione: rapporti tra bande Principi e peculiarità La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con

16 Il telerilevamento: aspetti teorici e applicazioni agronomiche Principi e peculiarità La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con Indici di vegetazione Semplici: indici intrinseci SR (Simple Ratio) E il più semplice indice di vegetazione. Assume valori tra 0 e infinito, in particolare tra 0 e 1 per i suoli e tra 6 e 10 per la vegetazione verde. SR nir NDVI (Normalized Difference Vegetation Index) E il più usato e comune. Assume valori tra -1 e 1, in particolare inferiori a 0 per l acqua, poco superiori a 0 per i suoli e tra 0.4 e 0.7 per la vegetazione. Solo vegetazioni molto dense arrivano a 0.8. NDVI nir nir r r r

17 Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione: informazione di IR e R Principi e peculiarità La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con In letteratura si trovano più di una dozzina di indici di vegetazione proposti per enfatizzare una determinata caratteristica della vegetazione o per ridurre al minimo l influenza di altri fattori. Name Acronym Formula Reference Simple Ratio Normalized Difference Vegetation Index Perpendicular vegetation index Weighted difference vegetation index Enhanced vegetation index Wide dynamic range vegetation index SR NDVI NIR NIR NIR red PVI 2 2 ) ( ) * red red ( NIR NIRb Red Red b WDVI NIRb NIR * RED. * REDb EVI WDRVI G NIR C 1 NIR * a * a * NIR NIR red 2 red C2* red red *** blu ** L Jordan (1969) Rouse et al. (14) Richardson (19)) Qi et al. (1994) Huete et al.. (1994) Gitelson (2004) * NIRb (0.073) and REDb (0.102) stand for NIR and RED reflectance of background (soil-water). ** G (gain factor) = 2.5; L =1;C1 =6 and C2=7.5 *** a= 0.2

18 Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione Principi e peculiarità NDVI (Normalized Difference Vegetation Index) La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con Mappa dell indice di vegetazione da immagini MIVIS (2 luglio) Mappa della distribuzione del LAI da misure di campo (1 luglio)

19 Correlazione NDVI- biofisici

20 Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione: narrow band Principi e peculiarità La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con Un buon indice deve enfatizzare essere sensibile ad una caratteristica della pianta: contenuto clorofille

21 Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione: rapporti tra bande Principi e peculiarità La risposta della vegetazione delle spettro Andamento spettrale di una coltura Indici di Vegetazione e relazione con Un buon indice deve enfatizzare essere sensibile ad una caratteristica della pianta: contenuto clorofille

22 Correlazione biofisici