Dalle immagini telerilevate. alle mappe

Транскрипт

1 telerilevate A) delle immagini (identificazione di anomalie) B) Mappe della tipologia e distribuzione della categorie al suolo () C) Mappe di (Concentrazione Clorofille, contenuto d acqua, LAI etc.)

2 telerilevate alle Mappe delle immagini: si basa sulla capacità di ricondurre toni, colori e forme di un immagine ad elementi del territorio Processo a due stadi: osservazione interpretazione

3 Elementi da indagare: forma dimensione tono e colore tessitura e modello: grana di una superficie, combinazione dei vari elementi, disposizione spaziale degli oggetti

4 Monitoraggio delle colture per pagamento contributi PAC e condizionalità

5 telerilevate alle Mappe B 1/3 Classificazione delle immagini 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) Osservazioni y x Classificazione Acqua Latifoglie B N Conifere Edificato PORZIONE DI TERRITORIO B 1 IMMAGINE MULTISPETTRALE MAPPA TEMATICA

6 telerilevate alle Mappe B 2/3 Mappe di uso e copertura del suolo: INFORMAZIONE SPETTRALE Attraverso l analisi automatica dei dati () identificare nell immagine i differenti elementi e le diverse categorie al suolo in funzione della differente risposta spettrale producendo mappe. Clark et al

7 Il telerilevamento: aspetti teorici e applicazioni agronomiche telerilevate alle Mappe B 2/3 Mappe di uso e copertura del suolo: INFORMAZIONE TEMPORALE Min SoS Max EoS Phenorice: Un nuovo approccio basato sull interpretazione delle peculiarità della coltura risicola sul segnale

8 Mappatura: Un nuovo approccio per la mappatura di aree risicole Il telerilevamento: aspetti teorici e applicazioni agronomiche Superfici a riso distretto risicolo italiano anno 2006

9 Da un approccio orientato al segnale ulteriori informazioni un test per applicazione operativa MIN:

10 Da un approccio orientato al segnale ulteriori informazioni un test per applicazione operativa Start of Season:

11 Da un approccio orientato al segnale ulteriori informazioni un test per applicazione operativa Max:

12 Da un approccio orientato al segnale ulteriori informazioni un test per applicazione operativa End of Season:

13 telerilevate alle Mappe C 1/3 Mappe di 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) Immagine iperspettrale Relazione statistica tra indici vegetazionali (NDVI) e dati di campo (LAI) LAI Vs NDVI_mir Min Mappa del parametro LAI Max 0.60 NDVI_mir NDVI_mir y = 0.611Ln(x) R 2 = LAI Schema dei procedimensti del progetto DARFEM

14 telerilevate alle Mappe C 2/3 Mappe di 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 Riflettanza della canopy C.R. model Riflettanza e trasmittanza fogliare L.R. model Caratteristiche della foglia (C ab, C w, C m, N) Caratteristiche geometriche del sistema sole-bersaglio-sensore Frazione di radiazione diffusa Firma spettrale del suolo Struttura della canopy (LAI, l ) C.R. = Canopy Reflectance L.R. = Leaf Reflectance ** da Jacquemoud, modificato

15 Lai ESTIMATION Hybrid method: Databases generated by RTM s (PROSAIL) and powerful retrieval algorithms (Gaussian Processes, Kernel Ridge, Neural Networks) Example: GPR LAI (Landsat 5, 28 June 2011) >3.5 LAI >1.5 Error (LAI) 15