Individuazione di morie di alberi mediante tecniche object e pixel oriented applicate ad immagini IKONOS

Transcript

1 Individuazione di morie di alberi mediante tecniche object e pixel oriented applicate ad immagini IKONOS Alessandra Grignetti 1, Fabio Giannetti 2 e Domenico Coaloa 1 1 CRA Unità di Ricerca per le Produzioni Legnose fuori Foresta - Strada per Frassineto, 35, Casale Monferrato (AL) - Phone: , Fax: I.P.L.A. S.p.A. C.so Casale , Torino, Italy - Phone: , Fax: giannetti@ipla.org Riassunto Vengono presentati i risultati preliminari di uno studio condotto in un bosco planiziale in provincia di Vercelli interessato negli ultimi anni da un esteso fenomeno di moria degli alberi. Lo scopo dell analisi è quello di individuare singoli alberi morti e/o settori di bosco in stato di deperimento, mediante l elaborazione di un immagine Ikonos. Sono state quindi applicate tecniche di classificazione per pixel e per oggetti per cercare di individuare le aperture nella canopy attribuibili alla morte di singoli individui o di gruppi di alberi. Le aree individuate da satellite sono state messe a confronto con rilievi a terra e sono stati valutati i risultati in termini di accuratezza delle due tecniche di classificazione. Parole chiave: classificazione per pixel e per oggetti, immagine Ikonos, shape index, NDVI, mortalità degli alberi. Identification of death trees in forest areas through object and pixel oriented approaches applied to IKONOS images Abstract In the framework of a project devoted to the analysis of forest declining phenomena recently registered in some oak-hornbeam stands in north-western Italy an Ikonos image of the Trino forest was processed with the aim of classifying gaps in the crown cover related to the presence of dead trees. Image enhancement methods based on data fusion and vegetation indexes were applied for evaluating vegetation vigour. Both pixel and object based classification procedures were applied comparing the results with reference to canopy gaps. Information about the distribution of dead trees and declining forest areas extracted from satellite images were then correlated to field collected data on crown condition. Keyword: pixel and object oriented classification, Ikonos data, shape index, NDVI, trees mortality. Introduzione Da diversi decenni la preoccupante perdita di vitalità di molte aree forestali in Europa

2 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos e in America ha indotto molte istituzioni a intraprendere studi volti a ricercare le cause responsabili del cosiddetto forest decline. L aumento di emissioni di gas serra in atmosfera, l incremento delle temperature, ripetuti fenomeni di siccità e attacchi fungini, a loro volta resi più virulenti dai fenomeni climatici in atto, sono alcune delle cause del deperimento degli alberi che interessa in particolar modo il faggio e alcune specie quercine. L effetto combinato di questi fattori si manifesta non solo attraverso un azione fitotossica diretta, ma anche mediante l accresciuta suscettibilità a fattori stressanti abiotici e a malattie parassitarie [Osborne et al., 2000]. In questo contesto il telerilevamento trova un nuovo campo di applicazione in quanto permette sia di monitorare, a livello di paesaggio, le dinamiche di espansione delle fitopatologie in funzione delle caratteristiche strutturali delle formazioni forestali, sia, grazie alla elevata risoluzione geometrica, di individuare singoli alberi o gruppi individui arborei morti. Dati Spot e Landsat a media risoluzione spaziale sono stati ampiamente utilizzati in passato per estrarre informazioni sulla struttura e sullo stato delle foreste [Muckoney e Haack, 1994; Royle e Lathorp, 1997], ma solo grazie ai sensori ad altissima risoluzione è possibile analizzare gli alberi a livello di singole chiome [Leckie et al., 2003]. In California, dove le foreste di querce sono state soggette negli ultimi anni a gravi attacchi da parte di nuovi fitopatogeni, fotografie aeree e immagini di elevata risoluzione sono state utilizzate quali strumenti per il monitoraggio e la cartografia della mortalità degli alberi [Meentemeyer et al., 2008] e/o per correlare i dati da remoto con misure di campo relative a parametri strutturali quali dimensioni, area della chioma, età di singoli individui [Read et al., 2003; Clark et al., 2004]. In tale ambito sono state messe a punto tecniche ibride di classificazione delle singole corone che combinano elementi di classificazione pixel based unsupervised e supervised [Kelly et al., 2004] e sperimentate tecniche di classificazione object oriented, avvalendosi di informazioni spettrali e indici di forma calcolati per gli oggetti derivati dal processo di segmentazione [Guo et al., 2007]. Diversi autori hanno messo in evidenza l opportunità offerta dall approccio object oriented di superare i problemi legati alla maggiore variabilità spettrale all interno delle classi di interesse dovuta alla elevata risoluzione geometrica e di includere all interno del processo di classificazione proprietà geometriche oltre che spettrali degli oggetti [Chirici et al., 2003; Lamonaca, 2006]. Lo scopo del presente lavoro è quello di utilizzare dati satellitari ad elevata risoluzione per individuare singoli alberi morti e/o settori del bosco che evidenziano avanzati stati di deperimento, e di differenziarli dalle radure dovute alla naturale discontinuità della copertura arborea o agli effetti di interventi gestionali operati nel passato. La fase del deperimento delle chiome, che prelude la morte dell individuo, è caratterizzata da una considerevole riduzione della biomassa fogliare associata spesso alla produzione di rami epicornici; tale fase può essere quindi rilevata grazie alla diminuzione dei valori di riflettanza nell infrarosso. In prossimità degli individui arborei morti, nella copertura arborea si osservano infatti dei gaps, ossia si vengono a creare dei buchi neri che spesso vengono rapidamente colonizzati da specie invasive come robinia, rovo e nocciolo. Lo studio è volto ad un confronto tra tecniche di classificazioni pixel e object oriented per l individuazione delle aperture e verifica dei risultati mediante punti rilevati a terra con presenza di alberi morti. In particolare il lavoro si pone due obiettivi specifici: 1) selezionare l approccio più funzionale tra i sistemi di classificazione in uso per l identificazione e delineazione semi-automatica delle aperture nel bosco; 4

3 2) analizzare i parametri morfologici e spettrali degli oggetti classificati per discriminare le aperture della copertura arborea correlate alla presenza di singoli individui o gruppi di alberi morti in piedi. Area di studio e dati utilizzati Lo studio è stato condotto su un area protetta di circa 600 ha, nota con il nome di Bosco delle Sorti della Partecipanza, in prossimità dell abitato di Trino Vercellese, raro esempio della foresta planiziale che un tempo ricopriva quasi tutta la Pianura Padana (Fig. 1). Morfologicamente, l area occupa un rilievo collinare (direzione est-ovest) di contenute proporzioni che si staglia nella pianura tra i fiumi Po, Dora Baltea, e Sesia, articolato in una serie di superfici terrazzate più o meno antiche. La foresta è principalmente caratterizzata da specie che si annoverano nell associazione Querco-carpinetum con forte intrusione di robinia e locale presenza di nuclei di Quercia rossa ed alneto [Camerano et al., 2004]. Figura 1 - Immagine Ikonos del Bosco della Partecipanza. Nel riquadro bianco è indicata la zona 1 in Loc. Ramezzana. 5

4 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos La conservazione di questa piccola porzione di territorio boscato, circondato completamente da superfici agricole coltivate a riso, è dovuta esclusivamente ad un sistema di gestione forestale che viene tramandato fin dall epoca medievale. Negli ultimi anni si sono intensificati e resi particolarmente evidenti i fenomeni di moria a carico delle farnie in particolare (Fig. 2), ma anche del carpino bianco e della robinia [De Ferrari et al., 2007]. Figura 2 Esempio di apertura con alberi morti in piedi. Tale fenomeno è particolarmente evidente in alcuni settori del bosco come quello meridionale di Loc. Ramezzana (zona 1 in Fig. 1), in presenza di condizioni edafiche locali particolarmente sfavorevoli. Le parcelle della zona 1 sono state interessate, nel corso del 6

5 biennio , da interventi di taglio dello strato ceduo svolto rilasciando allievi di specie autoctone. Talora questo intervento si è svolto in abbinamento o in mosaico con un taglio a scelta colturale nello strato stesso o nelle aree a fustaia. I dati utilizzati per lo svolgimento del lavoro sono: 1) immagine Ikonos del 14 luglio 2007 acquisita in modalità multispettrale (4 m/ pixel) e in modalità PAN (1 m/pixel); 2) dati forestali prodotti dall IPLA nell ambito del Piano di gestione che comprendono una cartografia delle principali tipologie forestali presenti nell area di studio; 3) database di punti geografici acquisiti a terra mediante rilievo GPS e associati a rilievi di alberi morti (querce e robinie), di radure derivate da taglio ceduo e di aperture naturali della copertura arborea. I rilevi sono stati condotti nel periodo maggio-settembre Metodi Il lavoro ha previsto tre fasi di trattamento dell immagine: una fase di elaborazione preliminare, l applicazione di diverse tecniche di classificazione ed il calcolo di alcuni indici di forma sugli oggetti classificati come aperture. In seguito i dati raster e vettoriali ottenuti dalle elaborazioni e relativi alla zona 1 sono stati messi a confronto con quelli puntuali rilevati in campo. L immagine Ikonos è stata sottoposta ad una procedura di ortoproiezione effettuata applicando il modello dei Rational Polynomial Coefficients (RPC), utilizzando 11 punti di appoggio (Ground Control Point GCP) omogeneamente distribuiti sull immagine sia per le bande multispettrali sia per la banda pancromatica,. L accuratezza posizionale è stata verificata su 10 punti di controllo indipendenti ottenendo un errore residuo (RMSE) intorno ai 2 metri. Il Modello Digitale del Terreno utilizzato per l ortoproiezione è stato elaborato con una cella di 50 metri a partire dai dati raster della Carta Tecnica Regionale del Piemonte. Si è proceduto quindi ad effettuare la fusione delle bande multispettrali con la banda pancromatica applicando una tecnica pan-sharpening mediante il metodo di trasformazione HSV (Hue, Saturation, Value), che permette di mantenere le informazioni spettrali delle bande originali [Ehlers et al., 2010]; come già rilevato da alcuni autori [Giuliarelli et al., 2007] la procedura di fusione con dati di maggiore risoluzione spaziale si dimostra utile soprattutto ai fini della successiva segmentazione in quanto incrementa la precisione di identificazione degli oggetti rispetto al medesimo processo basato solo su dati multispettrali [Lewinski, 2006]. L applicazione delle procedure di classificazione è stata preceduta da elaborazioni volte a mettere in evidenza le caratteristiche della copertura forestale, con particolare riferimento al contrasto spettrale tra le aree di vegetazione sana rispetto a quelle con presenza di specie arboree deperienti e/o morte. In particolare sono state prodotte alcune bande derivate da filtri tessiturali (kernel 3x3 pixels), applicati sulla banda 4 e basati sulla frequenza di occorrenza di primo ordine [Anys et al., 1994; Brivio et al., 2006], ed indici di vegetazione come NDVI (Normalized Difference Vegetation Index) e rapporto semplice tra bande (Infrarosso/Rosso, Rosso/Verde) [Rouse et al., 1973]. Tali bande sono state quindi utilizzate nella fase di elaborazione che ha previsto l utilizzo di tecniche di classificazione per pixel e per oggetti. 7

6 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos Classificazione per pixel La classificazione per pixel, utilizzando l algoritmo Maximum Likelihood, è stata applicata a tutta l immagine al fine di produrre una carta dei principali tipi forestali e delle aperture dovute a moria. Inizialmente sulla base del Piano Forestale sono state identificate sull immagine le aree campioni (ROI: Region Of Interest) di quattro principali tipi forestali riconducibili alle classi querco-carpineto, popolamenti a prevalenza di robinia (robinieti), popolamenti a prevalenza di quercia rossa e aperture nella canopy. Successivamente in base ai risultati del test di separabilità spettrale di Jeffries-Matusita [Richards e Jia, 1999] si è deciso di analizzare solo le classi che presentavano valori del test superiori a 1,7 (Tab. 1), ossia la classe querco-carpineto, robinieto e aperture. Le aree a prevalenza di quercia rossa sono state incluse nel robinieto in quanto i valori del test hanno evidenziato una bassa separabilità spettrale. Tabella 1 - Risultati del test di separabilità spettrale applicato ai tipi forestali considerati. Popolamenti con quercia rossa Robinieti Quercocarpineto Aperture Popolamenti con 1,450 1,659 1,997 quercia rossa Robinieti 1,450 1,795 1,993 Querco-carpineto 1,659 1,795 1,850 Aperture 1,997 1,993 1,850 L analisi delle firme spettrali (Tab. 2) nelle quattro bande multispettrali ha messo in evidenza che le classi considerate si differenziano prevalentemente nella banda del NIR (banda 4) e nell indice NDVI. Tabella 2 Media e deviazione standard delle aree campioni nelle 4 bande spettrali e nell indice NDVI utilizzate per la classificazione. Querco-carpineto Robinieti Aperture Banda 1 Banda 2 Banda 3 Banda 4 NDVI 254,83 (±20,2) 255,72 (±22,4) 235,45 (±12,8) 247,84 (±1,5) 31,5) 253,81 (±4,9) 34,9) 210,50 (±19,6) 148,69 (±1,8) 31,8) 150,02 (±5,1) 35,1) 111,86 (±20,2) 637,89 (±85,1) 804,81 (±94,) 435,00 (±56,8) 0,62 (±0,04) 0,68 (±0,04) 0,59 (±0,05) I valori di tale indice in particolare sono molto più elevati per i robinieti e il bosco quercocarpineto (con valori medi rispettivamente pari a 0,69 e 0,62), mentre per la aperture dovute a moria il valore medio di NDVI rilevato è pari a 0,59 per la compresenza di pixel scuri (ombra) e chiari (chiome di alberi all interno). La verifica dell accuratezza della classificazione relativa alle classi forestali (querco-carpineto e robinieto) e alle aperture è stata condotta mediante il calcolo della matrice di errore e del coefficiente K [Congalton, 1991], utilizzando le aree campione come verità a terra. Il grado di accuratezza totale è risultato pari al 96,3% mentre il valore di coefficiente K è 0,88. 8

7 Ai poligoni classificati come aperture presenti nella zona 1 è stata applicata una procedura di trasformazione raster to vector ed esportati nel sistema informativo per effettuare il confronto con i poligoni classificati mediante la procedura object-oriented. Classificazione object oriented Le procedure di segmentazione multi-risoluzione e classificazione fuzzy, implementato nel software Definiens Developer, sono state applicate alla porzione dell immagine (1040x649 pixel, 48 ha) corrispondente alla zona 1, particolarmente soggetta al fenomeno di moria. La fase di segmentazione [Baatz e Schäpe, 2000] parte dalla definizione di un fattore di scala che permette di calibrare la grandezza dei poligoni che si vengono a creare in relazione alla scala di analisi ed al diverso peso che si vuole assegnare ai fattori di forma e di colore (spettrali). Il parametro morfologico si scompone a sua volta in due fattori, uno relativo al grado di arrotondamento (Smoothness) e l altro alla compattezza dei poligoni (Compactness). Il livello finale di segmentazione ritenuto adeguato agli scopi della ricerca è stato ottenuto applicando un fattore di scala pari a 25 con rapporti color/shape e smoothness/compactness rispettivamente pari a 0,7/0,3 e 0,5/0,5. Gli elementi così delineati sono stati quindi classificati in base ad una serie di specifiche funzioni di appartenenza costruite mediante apposizione di soglie (Tab. 3) ai valori medi delle bande originarie, alla luminosità (media dei valori di tutte le bande per ogni pixel) e all NDVI. Tabella 3 - Valori soglia utilizzati per le regole di classificazione degli oggetti. Luminosità Media Banda 1 Media Banda 2 Media Banda 3 Media Banda 4 NDVI Querco-carpineto Robinieti Aperture ,5-0,69 Indici di forma A ciascun poligono classificato come apertura sono stati associati, oltre all indice spettrale NDVI, l area, espressa come numero di pixel che compongono il poligono ed alcuni indici di forma quali shape index, rapporto lunghezza/ ampiezza e compattezza. Lo shape index è calcolato secondo l equazione [1]: SI P = 61@ 4 A dove P e A sono rispettivamente il perimetro e l area di un oggetto. E un valore che va da 1 a infinito e permette di quantificare la dimensione frattale dell oggetto. I valori dell indice rapporto lunghezza/ ampiezza, il cui calcolo si basa sugli autovalori della matrice di covarianza come riportato in Baatz e Schäpe [2000], sono compresi tra 0 e infinito, in cui oggetti con valori prossimi a 1 tendono ad una forma quadrata, mentre quelli 9

8 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos con valori prossimi a 0 tendono ad avere forme fortemente allungate. L indice di compattezza (Comp) si calcola come prodotto della lunghezza (L) e dell ampiezza (W), diviso per il numero dei pixel (N P ) che compongono l oggetto secondo l equazione [2]: Comp L $ W = 6 NP I valori sono compresi tra 0 e infinito e più l oggetto è compatto, più i valori sono bassi. L analisi dei dati relativi all indice di compattezza e al rapporto tra lunghezza/ampiezza non verrà riportata in quanto ha messo in evidenza risultati del tutto analoghi a quanto già evidenziato e discusso per l indice di forma. Rilievi in campo Tra la primavera e l estate 2008 sono stati realizzati 87 rilievi in campo con GPS in Loc. Ramezzana (zona 1) secondo uno schema di campionamento causale, al fine di localizzare aree con singoli individui o gruppi di piante morte o fortemente deperienti da confrontare con quelle derivate dalla classificazione dell immagine Ikonos. I punti rilevati con il ricevitore GPS Mobile Mapper (Thales) sono stati acquisiti in buone condizioni di ricezione (almeno 6 satelliti visibili) e sono stati sottoposti a procedure di correzione differenziale per eliminare alcuni effetti di distorsione legati alla presenza della copertura arborea o a fenomeni di rifrazione in atmosfera. I rilievi sono stati classificati in tre gruppi: aperture con presenza di querce morte (54), di robinie morte (20) e prive di piante morte (13). Le successive analisi sono state condotte utilizzando il campione di 74 aperture con piante morte senza distinguere quelle caratterizzate da querce o da robinie, in quanto il campione non risultava essere statisticamente significativo (Fig. 3). Figura 3 Distribuzione dei punti campioni rilevati a terra delle aperture con alberi morti in piedi nella zona 1. 10

9 Creazione di un sistema informativo E stato quindi creato un sistema informativo comprendente oltre alle immagini raster, i rilievi puntuali acquisiti con GPS e gli strati vettoriali relativi ai poligoni classificati come aperture con entrambi i metodi; i poligoni presi in considerazione sono solo quelli che ricadono in Loc. Ramezzana (zona 1). Ad ogni poligono è stata associata quindi una tabella contenente i valori di NDVI e degli indici di forma. Inoltre per confrontare i punti di rilievo con i poligoni classificati è stato costruito un buffer di 4 metri intorno a ciascun punto per tenere conto dell errore posizionale residuo legato sia al rilievo GPS sia all ortorettificazione dell immagine satellitare. Analisi dei dati Il confronto tra i risultati delle metodologie di classificazione è stato condotto analizzando le statistiche descrittive (mediana, moda, frequenza di moda, deviazione standard e minimo e massimo) dei parametri di area, indice spettrale (NDVI) e di forma (shape index) relativi sia a tutti i poligoni classificati come aperture (campione A), sia ad un sottocampione costituito da poligoni estratti dall incrocio dei dati a terra con le immagini classificate (campione B). Questi valori statistici permettono di individuare alcuni elementi distintivi quali forma e risposta spettrale delle aperture classificate e di individuare intervalli di valori specifici che possano caratterizzare le aperture associate alla presenza di alberi morti. Inoltre i parametri considerati (area, shape index, e NDVI), calcolati per il campione A e B, sono stati analizzati mediante il test di varianza ANOVA one-way per valutare le differenze significative tra le medie riscontrate nelle due diverse procedure di classificazione. I valori relativi all area, allo shape index e NDVI sono le variabili dipendenti, mentre la variabile indipendente o fattore è rappresentato dal metodo di classificazione. Infine sono stati analizzati i valori statistici relativi ai poligoni associati a radure senza piante morte estratti dalla classificazione per oggetti in base ai rilievi a terra e confrontati con i valori dei poligoni associati alla presenza di piante morte per verificare se i parametri analizzati possano essere caratterizzanti della presenza di morie nel bosco. Risultati La Tabella 4 riassume il numero di poligoni identificati come aperture nella classificazione per pixel e in quella per oggetti (campione A) e il numero di poligoni derivati dall incrocio delle immagini con i dati a terra associati alla presenza di alberi morti in piedi (campione B) nella zona 1 interessata al fenomeno della moria. Tabella 4 - Confronto tra il numero di poligoni classificati come aperture (campione A) e il numero di poligoni associati ai rilievi con presenza di alberi morti (campione B) in entrambe le classificazioni. Numero poligoni Per pixel Metodo di classificazione Per oggetti Campione A Campione B Dall analisi della Tabella 3 emerge innanzitutto che il numero di poligoni classificati con il classificatore per pixel è circa il doppio rispetto a quello ottenuto con l approccio per 11

10 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos oggetti (rispettivamente 1152 e 552 poligoni), anche se le aree classificate coprono superfici molto simili nelle due metodologie. Infatti su una superficie totale di 48 ha, circa 5 ha sono stati classificati come aperture con il metodo per pixel, mentre circa 6 ha con il metodo per oggetti (rispettivamente il 10% e il 12% della superficie boscata analizzata). Il numero relativo al campione B, al contrario, evidenzia che su 74 rilievi associati alle piante morte, 64 sono stati identificati come tali nella classificazione per oggetti, mentre 58 sono quelli riconosciuti nella classificazione per pixel, per una superficie rispettivamente pari a 0,88 ha e 0,67 ha. In Tabella 5 sono riportati le statistiche descrittive relativi ai poligoni del campione A dei valori di area, indice di forma (shape index) e indice spettrale (NDVI), suddivisi per metodi di classificazione. Tabella 5 - Confronto delle statistiche descrittive tra i metodi di classificazione per il campione A. Classificazione per pixel (campione A) Variabili Mediana Moda Frequenza di moda Minimo Massimo Deviazione standard Area (m 2 ) ,7 Shape index 1,3 1, ,9 0,4 NDVI 0,7 Multipla 0,5 0,8 0,04 Classificazione per oggetti (campione A) Variabili Mediana Moda Frequenza di moda Minimo Massimo Deviazione standard Area (m 2 ) 87, ,1 Shape index 1,7 1, ,6 0,5 NDVI 0,6 0,7 5 0,5 0,7 0,02 L elevato numero di poligoni individuati con il metodo per pixel si deve ad una elevata frammentazione dell immagine classificata con presenza di aree di piccole dimensioni. Infatti analizzando i valori statistici relativi all area per il campione A (Tab. 5) emergono risultati molto diversi tra i due approcci metodologici. L area dei poligoni derivati dalla classificazione per pixel sono caratterizzati da un intervallo di valori minimo e massimo molto ampio e da un basso valore di moda (circa 2 m 2 ), mentre l area dei poligoni individuati con il metodo per oggetti è caratterizzata da un intervallo molto più ristretto ed una moda molto più elevata, con valori pari a 80 m 2. Inoltre la deviazione standard di questi è molto più bassa rispetto a quella calcolata per i poligoni ottenuti dal metodo per pixel. Analizzando l indice di forma (shape index in Tab. 5), i poligoni del campione A classificati con metodo per pixel presentano valori massimi più elevati di quelli ottenuti con il metodo per oggetti, indicando che sono stati classificati poligoni con forme più complesse, ma la maggiore frequenza di moda è posizionata su valori dell indice più bassi rispetto ai poligoni individuati dal metodo per oggetti. L indice NDVI non mostra valori evidenti 12

11 particolarmente diversi nelle due metodologie. I diversi valori evidenziati per area, indice di forma e spettrale sono comunque risultati significativamente differenti in base all analisi della varianza ANOVA (Tab. 6). Tabella 6 Risultati dell analisi della varianza ANOVA one-way sul campione A. Sono riportati i valori statistici del test di Fisher e il livello di significatività (P < 0,05). Fattore Area Shape index NDVI Metodi di classificazione F 1,1702 = 279,42 P < 0,05 F 1,1702 = 337,96 P < 0,05 F 1,1702 = 106,44 P < 0,05 In Tabella 7, sono riportate le statistiche descrittive dei poligoni relativi al campione B. Esaminando i valori delle aree si può notare che le differenze rilevate per i poligoni del campione A tra le due metodologie sono molto meno evidenti e i valori relativi al minimo e massimo tendono a convergere. Si nota inoltre che il valore di moda è molto alto per entrambe le classificazioni, pur mantenendosi più elevato per i poligoni derivati dal metodo object rispetto a quelli derivati dal metodo per pixel. Valori della moda così elevati per il campione B indicano che generalmente le aperture associate agli individui morti hanno dimensioni maggiori rispetto alle radure derivate da altre cause. Come si può osservare nella Tabella 7 anche i valori statistici relativi all indice di forma (shape index) e per l indice spettrale NDVI per i poligoni del campione B tendono a presentare intervalli molto simili nelle due classificazioni. Tabella 7 - Confronto delle statistiche descrittive per il campione B tra i metodi di classificazione. Classificazione per pixel (campione B) Variabili Mediana Moda Frequenza di moda Minimo Massimo Deviazione standard Area (m 2 ) ,4 Shape index 1,6 2, ,5 0,5 NDVI 0,6 0,6 3 0,6 0,7 0,03 Classificazione per oggetti (campione B) Variabili Mediana Moda Frequenza di moda Minimo Massimo Deviazione standard Area (m 2 ) 111, ,3 Shape index 1,8 1,9 3 1,2 3,5 0,6 NDVI 0,6 0,6 3 0,6 0,7 0,03 Nel caso dell indice di forma (Tab. 7) i valori massimi dell indice sono assolutamente uguali per entrambe le classificazioni e il valore di moda è in entrambi i casi più elevato rispetto a quello ottenuto per il campione A. Per quanto riguarda l indice NDVI i poligoni del campione B ottenuti applicando le due metodologie risultano avere parametri statistici 13

12 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos molto simili. I dati derivati dal test ANOVA confermano l assenza di differenze significative tra i valori degli indici tra le due classificazioni come riportato nella Tabella 8. Tabella 8 Risultati dell analisi della varianza ANOVA one-way sul campione B. Sono riportati i valori statistici del test di Fisher e il livello di significatività (P < 0,05). Fattore Area Shape index NDVI Metodi di classificazione F 1,120 = 1,3164 ns F 1,120 = 5,3475 ns F 1,120 = 1,2934 ns In Tabella 9 sono riportati infine i parametri statistici relativi ai poligoni associati alle radure prive di piante morte ed estratti dalla classificazione per oggetti. Confrontando i dati con quelli riportati in Tabella 7 per il campione B, è possibile notare che gli intervalli di minimo e massimo registrati per ogni parametro in esame presentano valori molto simili ad eccezione dell area il cui valore massimo tende ad essere superiore rispetto a quello dei poligoni associati alla moria degli alberi (campione B). Tabella 9 - Statistiche descrittive dei poligoni associati ad aperture senza piante morte estratti dalla classificazione per oggetti. Classificazione per oggetti Variabili Mediana Moda Frequenza di moda Minimo Massimo Deviazione standard Area ,8 Shape index 2.1 N/D 1,4 3,01 0,46 NDVI 0,64 N/D 0,58 0,67 0,02 Il confronto statistico tra le aperture correlate alla presenza di alberi morti o fortemente deperienti con radure legate alla normale gestione del bosco mette quindi in evidenza che le due tipologie non sono distinguibili solamente in base ai parametri statistici di forma ed alle caratteristiche spettrali. Discussione e conclusioni Il presente studio si poneva i seguenti obiettivi fondamentali: 1) definire l approccio metodologico più adatto per l identificazione e delineazione semi-automatica delle aperture nel bosco; 2) identificare eventuali parametri morfologici o spettrali in base al quale discriminare le discontinuità della copertura arborea correlate alla presenza di singoli individui o gruppi di alberi morti e/o fortemente deperienti. Per quanto riguarda il primo aspetto si è rilevato che l approccio per oggetti fornisce risultati migliori poiché elimina l effetto sale e pepe legato alla classificazione di gruppi di pixel molto piccoli (singole ombre di chiome di alberi molto grandi o altre piccole discontinuità nella copertura non associabili alla morte di esemplari di quercia) che compare tipicamente 14

13 nel caso della classificazione per pixel. E da rilevare come l approccio Maximum Likelihood risente anche della minor discriminabilità della classe aperture legata al suo possibile comportamento bimodale con presenza di ombre e chiome di alberi deperienti all interno delle aree campione selezionate. I poligoni derivanti dalla classificazione per oggetti sono meno numerosi e più compatti, come dimostrato dalla presenza di valori dell indice di forma (shape index) significativamente maggiori. Inoltre è stato possibile associare ai punti rilevati con presenza di alberi morti un numero maggiore di poligoni nel caso dell approccio per oggetti (64/74) che in quello per pixel (58/74). L analisi dei valori degli indici di forma e dell indice spettrale dei poligoni associati a gruppi di alberi morti ha messo quindi in evidenza la possibilità di individuare intervalli di valori utili per un riconoscimento semi-automatico delle aperture nella copertura arborea. Con riferimento al punto 2 invece, in base al campione di rilievi ad oggi disponibile, non sono state registrate differenze significative di NDVI o di indici di forma tra aperture correlabili alla presenza di piante morte o fortemente deperienti ed altre discontinuità della copertura arborea venutesi a creare per cause più o meno direttamente correlabili ai passati interventi gestionali. L impossibilità di individuare radure con presenza di alberi morti o deperienti in base ai soli parametri morfologici o spettrali si deve probabilmente ad una serie di aspetti ecologici e vegetazionali che interagiscono nel fenomeno. Tra questi il fatto che l abbassamento della riflettanza legato alla morte o al deperimento di chiome di individui adulti di quercia o robinia è spesso compensato dalla fortissima ripresa, all interno della radura stessa, di specie arbustive del sottobosco (nocciolo, rovo ecc.) innescata dalle nuove condizioni di illuminazione. I dati raccolti indicano anche che i fenomeni di deperimento tendono a svilupparsi preferenzialmente a carico delle piante localizzate nelle zone del bosco che hanno subito uno stress maggiore in seguito all intervento antropico e cioè quelle in prossimità o in corrispondenza delle aperture che si sono venute a creare in seguito al taglio. A questo proposito si fa rilevare come nella prima fase di svolgimento del progetto sono stati prevalentemente descritti e confrontati due approcci metodologici utilizzando una singola immagine satellitare; in seguito è previsto l avvio di un programma di monitoraggio della mortalità delle querce nel tempo mediante l utilizzo di set di dati multitemporali che consentiranno eventualmente di caratterizzare in base alla loro evoluzione le zone del bosco soggette ad incipienti fenomeni di moria. Si considera anche per il proseguimento della ricerca la possibile applicazione della metodologia su immagini di stagioni differenti che consentano quindi di sfruttare il ciclo fenologico nelle fasi di più netta differenziazione tra chiome arboree e terreno sottostante. Bibliografia Anys H., Bannari A., He D.C., Morin D. (1994) - Texture Analysis for the Mapping of Urban Areas Using Airborne MEIS-I1 Images. Proceedings of the First International Airborne Remote Sensing Conference and Exhibition [Ill), September, Strasbourg, France: Baatz M., Schäpe A. (2000) - Multiresolution segmentation - an optimization approach for high quality multi-scale image segmentation. In Angewandte Geographische Informationsverarbeitung. Wichmann-Verlag, Heidelberg:

14 Grignetti et al. Individuazione di morie di alberi attraverso immagini Ikonos Brivio P.A., Lechi G., Zilioli E. (2006) Principi e metodi di Telerilevamento. Città Studi Edizioni, Novara, pp Camerano P., Gottero F., Terzuolo P., Varese P. (2004) - Tipi forestali del Piemonte. Regione Piemonte, Bluedizioni, Torino. Chirici G., Corona P., Travaglini D. (2003) - Sperimentazione di tecniche di classificazione object-oriented di immagini Quickbird a fini forestali. L Italia Forestale e Montana, 4: Clark D.B., Read J.M., Clark M.L., Murillo Cruz A., Fallas Dotti M., Clark D.A. (2004) - Application of 1-m and 4-m resolution satellite data to ecological studies of tropical rain forests. Ecological Applications, 14: Congalton R.G. (1991) - A review of assessing the accuracy of classifications of remotely sensed data. Remote Sensing of Environment, 7: De Ferrari F., Licini F., Lione G., Gonthier P., Nicolotti G., Ebone A., Terzuolo P. (2007) - Il deperimento dei querco-carpineti della pianura piemontese. Quaderni della Regione Piemonte Agricoltura N htm. Ehlers M., Klonus S., Astrand P.J., Rosso P. (2010) - Multi-sensor image fusion for pansharpening in remote sensing. International Journal of Image and Data Fusion, 1: Giuliarelli D., Corona P., Lamonaca A. (2007) - Sperimentazione di tecniche object oriented per la classificazione di uso/copertura del suolo Corine Land Cover da immagini satellitari a media risoluzione. Forest@, 4 (3): [online] Guo Q., Kelly M., Gong P., Liu D. (2007) - An object-based classification approach in mapping tree mortality using high spatial resolution imagery. GIScience & Remote Sensing, 444: Kelly, M., Shaari, D., Guo, Q. H., Liu D. S. (2004) - A comparison of standard and hybrid classifier methods for mapping hardwood mortality in areas affected by sudden oak death. Photogrammetric Engineering & Remote Sensing, 70: Muchoney D.M., Haack B. N. (1994) - Change detection for monitoring forest defoliation. Photogrammetric Engineering and Remote Sensing, 60: Lamonaca A. (2006) - Utilizzo di immagini QUICKBIRD per il monitoraggio annuale della superficie forestale. L Italia Forestale e Montana, 2: Leckie D.G., Gougeon F.A., Walsworth N., Paradine D. (2003) - Stand delineation and composition estimation using semi-automated individual tree crown analysis. Remote Sensing of Environment, 85: Lewinski S. (2006) - Applying fused multispectral and panchromatic data of Landsat ETM+ to object oriented classification. Proceedings of the 26th EARSeL Symposium, New Developments and Challenges in Remote Sensing, May 29-June 2, 2006, Warsaw, Poland. Meentemeyer R.K., Rank N.E., Shoemaker D.A., Oneal C.B., Wickland A.C., Frangioso K.M., Rizzo D.M. (2008) - Impact of sudden oak death on tree mortality in the Big Sur ecoregion of California. Biological Invasions, 10: Osborne C.P., Mitchell P.L., Sheehy J.E., Woodward F.I. (2000) - Modelling the recent impacts of atmospheric CO 2 and climate change on Mediterranean vegetation. Global Change Biology, 6:

15 Read J. M., Clark D.B., Venticinque E.M., Moreira M.P. (2003) - Application of merged 1-m and 4-m resolution satellite data to research and management in tropical forests. Journal of Applied Ecology, 40: Richards J.A., Jia X. (1999) - Remote Sensing Digital Image Analysis. Springer, Berlin, pp Rouse J.W., Haas R.H., Schell J.A., Deering D.W. (1973) - Monitoring vegetation systems in the great plains with ERTS. Proceedings of Third ERTS Symposium, NASA SP-351, I: Royle D.D., Lathrop R.G. (1997) - Monitoring hemlock forest health in New Jersey using Landsat TM data and change detection techniques. Forest Science, 43 : Ricevuto il 7/09/2009, accettato il 26/11/