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

Documenti analoghi
Dalle immagini telerilevate. alle mappe

Dallo studio del comportamento spettrale della vegetazione. che si basano sul rapporto tra le bande tipiche di assorbimento e riflessione

Telerilevamento e Modellistica Forestale

Figura 3.1: spettro elettromagnetico

Proprio il diverso comportamento di una superficie, in relazione alla luce solare che la colpisce, ne determina il colore

Telerilevamento e Modellistica Forestale

Corso di Telerilevamento Lezione 2

Elaborazione dei dati. pkt /9

Applicazioni di Telerilevamento per studi agronomici. Applicazioni

Indice della presentazione

MONITORAGGIO DELLA VEGETAZIONE TRAMITE ANALISI DI PARAMETRI BIOFISICI E PROCESSI FISIOLOGICI STIMATI DA OSSERVAZIONI REMOTE.

Misurare dallo spazio la produttività di foreste e colture agricole

Telerilevamento e Modellistica Forestale

Sistemi di telerilevamento nel monitoraggio e la gestione sostenibile dei sistemi colturali erbacei

Elaborazione dei dati

Applicazioni di Telerilevamento per studi agronomici

Applicazioni di Telerilevamento per studi agronomici

Satelliti e altre tecnologie innovative a supporto di tecniche di fertilizzazione a rateo variabile in risicoltura.

I S.I.T. aziendali. Progetto AVIGERE Applicazione della viticoltura di precisione ad alcune aziende

Introduzione al TELERILEVAMENTO. (Remote Sensing) Docente: Andrea Piemonte

Sommario. Giovanni Sylos Labini. Planetek Italia s.r.l. 1. Telerilevamento applicato al monitoraggio delle aree a rischio di incendio

Satelliti, droni e sensori prossimali: potenzialità e limiti in agricoltura di precisione

TESI DI LAUREA in TECNICHE DI RILEVAMENTO PER IL MONITORAGGIO DEL TERRITORIO M. Candidato: Lorenzo Panciroli

Tecniche di telerilevamento pixel-oriented Per l'identificazione di superfici con materiali contenenti amianto: applicazioni in Lombardia Cinzia

Tecniche di enfatizzazione

IL MONITORAGGIO COLTURALE CON SOLUZIONI GROUND SENSING PER SISTEMI INFORMATIVI AZIENDALI DI VITICOLTURA DI PRECISIONE

Multispectral and hyperspectral vision

Progetto Space4Agri Sviluppo di metodologie aerospaziali innovative di Osservazione della Terra a supporto del settore agricolo in Lombardia

Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci

Syllabus Attività Formativa

Valutazione della qualità del suolo

Stato dell arte nell uso dei sensori per la diagnostica colturale

Correzione radiometrica

Acquisizione e rappresentazione di immagini

La realtà Aumentata e virtuale in agricoltura: sfide e strumenti a sostegno di progetti innovativi Roma 25/10/2017

Ottimizzazione della fertilizzazione azotata in risaia mediante l'utilizzo di sensori di vigore

Ottimizzazione della fertilizzazione azotata in risaia mediante l'utilizzo di sensori di vigore

Dal dato remoto alle mappe di prescrizione: il rilevamento aereo e satellitare a confronto

Precision Farming: il rilevamento aereo multispettrale

(parte2) 04 Aprile 2017 S. Giacomelli SCVSA- Università di Parma-BiGeA - Università di Bologna

Prospettive per il monitoraggio colturale con i droni e imaging multi e iperspettrali

Marta Chiesi 1, Luca Angeli 2, Luca Fibbi 1, Bernardo Gozzini 2, Ramona Magno 2,Bernardo Rapi 1 e Fabio Maselli 1

MONITORAGGIO DI ANOMALIE TERMICHE AL SUOLO

Uso di dati satellitari per la caratterizzazione e il monitoraggio della siccità

fenomeno X nm Å UV - visibile legami chimici infrarosso

Aeroclub Vercelli. Utilizzo dei S.A.P.R. in agricoltura

Utilizzo di strumenti innovativi di caratterizzazione idrologica e topografica dei suoli, per la progettazione di impianti irrigui di precisione

Telerilevamento e Modellistica Forestale

Telerilevamento. Workflow. pkt Immagine georeferita. Correzione geometrica. Immagine scena. Correzione Radiometrica.

Giorgio Ragaglini ISV-Scuola Superiore Sant Anna di Pisa

Telerilevamento e Modellistica Forestale

Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci

CONCIMAZIONE A DOSE VARIABILE IN RISICOLTURA

Il progetto. SATURNO: Satelliti e altre tecnologie innovative a supporto di tecniche di fertilizzazione a rateo variabile in risicoltura

Rappresentazione in falsi colori del territorio piacentino con immagini satellitari.

APR: Possibilità di utilizzo in agricoltura

30/09/2015. Esempi di applicazioni di dati acquisiti da missioni SAPR D.Stroppiana - CNR-IREA G. Sona Politecnico Milano

Applicazioni di Telerilevamento per studi agronomici Dott. Mirco Boschetti

elaborazione di base

Mappatura di aree inondate da immagini satellitari

UTILIZZO DELL INDICE NDVI

Concimazione a dose variabile in risaia

Progetto pilota per la mappatura del tabacco tramite telerilevamento

MONITORAGGIO DEL CONTENUTO DI CLOROFILLA DELLA PIANTA DI BARBABIETOLA DA MISURE SPETTRORADIOMETRICHE DI CAMPO

PROVE DI INTEGRAZIONE DI INDICI DI VEGETAZIONE TELERILEVATI NEI SISTEMI INFORMATIVI PER IL MONITORAGGIO DELLA NUTRIZIONE AZOTATA

Identificazione di aree a rischio per WND in Tunisia. Carla Ippoliti, Stat-GIS

Impiego di droni in agricoltura: opportunità e sfide di oggi

3. RACCOLTA ED ELABORAZIONI DATI

L immagine. Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale

Applicazioni di Telerilevamento per studi agronomici

TRACCIA PER L ESERCITAZIONE SUPERVISED CLASSIFICATION

Il deperimento dei Querco-carpineti planiziali: situazione attuale e indirizzi di gestione

TOUR DELLE BUONE PRATICHE CITTA AMIANTO ZERO. Casale Monferrato 28 aprile 2017

Sistemi per la Sorveglianza ed il Monitoraggio del Territorio

Telerilevamento: una panoramica sui sistemi

Dati telerilevati University of Pavia Remote Sensing Group

METODOLOGIA PER L IDENTIFICAZIONE DI

il Centro CITIMAP: obiettivi dell attivit attività sperimentale e prospettive per la fornitura di servizi CALEGARI 1, Dante TASSI 2, Alberto CAVALLI 2

4.1 Territorio e Città

Cenni di fotogrammetria LE IMMAGINI DIGITALI

L impiego visto dall agronomo consulente e dall agromeccanico. Gian Luca Rognoni

L uso della spettrometria di campo per il monitoraggio del contenuto d azoto della pianta di riso

Consiglio Nazionale delle Ricerche. Lorenza Fiumi CNR INSEAN

L a S c u o l a C o p e r n i c u s

MODULO TELERILEVAMENTO

Potenzialità dei dati telerilevati per la mappatura dei boschi di castagno

Potenzialità del sensore WorldView-2 nella stima del Leaf Area Index (LAI) Maurizio Laterza, Antonio Novelli, Eufemia Tarantino, Andrea Gioia

Relazione scientifica su quattro quaderni di Antonio Gramsci

EARTH OBSERVATION EDUCATIONAL. telerilevamento e diagnostica elettromagnetica 1. (parte 1)

MonSTEr GOLF. Monitoraggio Satellitare dei Tappeti Erbosi dei campi da GOLF

«Gestione agronomica più efficiente con l agricoltura di precisione: esempi pratici in Italia»

L impronta ottica spettrale dei cianobatteri

2.6 - ANALISI DELLE DINAMICHE AMBIENTALI

Corso di Informatica modulo Informatica di Base 6 CFU. Immagini digitali: concetti di base

NUOVE TECNOLOGIE E MAGGIORE EFFICIENZA. L AGRICOLTORE OGGI USA I DRONI

1. La luce delle stelle

Stima del danno indotto sulla vegetazione da fenomeni naturali o indotti dall'uomo

Cenni di fotogrammetria LE IMMAGINI DIGITALI

Marco Dubbini, Michaela De Giglio.

IMAGING MULTISPETTRALE: LE PITTURE PERDUTE DEGLI ETRUSCHI, RIPORTATE ALLA LUCE

Transcript:

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

Dalla luce all immagine Filtro Detector DN Dalla visione soggettiva al numero t1 to t2 16 25 10 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

Cosa è una immagine digitale? Digital Number (DN) Pixel Dalla visione soggettiva al numero 53 69 64 38 32 65 40 I Digital numbers (DNs) tipicamente variano in range 0-255; 0-511; 0-1023, etc. Questi range derivano da potenze di 2 (num. binari): 2 8 =2; 2 9 =512; 2 10 =1024. Risoluzione 43 58 spettrale e 100 101 95 83 51 39 geometrica 105 110 96 103 89 Visualizzazione 90 76 67 61 71 ed elaborazione 94 92 Cosa vediamo vede il computer noi

92 94 71 61 67 76 90 89 103 96 110 105 39 51 83 95 101 100 58 43 40 65 32 69 38 64 53 Immagine digitale multispettrale 92 94 71 61 67 76 90 89 103 96 110 105 39 51 83 95 101 100 58 43 40 65 32 69 38 64 53 92 94 71 61 67 76 90 89 103 96 110 105 39 51 83 95 101 100 58 43 40 65 32 69 38 64 53 colonne (x) 92 94 71 61 67 76 90 89 103 96 110 105 39 51 83 95 101 100 58 43 40 65 32 69 38 64 53 92 94 71 61 67 76 90 89 103 96 110 105 39 51 83 95 101 100 58 43 40 65 32 69 38 64 53 92 94 71 61 67 76 90 89 103 96 110 105 39 51 83 95 101 100 58 43 40 65 32 69 38 64 53

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)

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.)

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

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

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

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. 1995.

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

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 0. 0.60 Stima dei biofisici NDVI_mir 0.40 0.20 0.00 0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5-0.20 y = 0.611Ln(x) + 0.267-0.40 R 2 = 0.7-0.60 LAI NDVI_mir Applicazioni

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.

Il telerilevamento: aspetti teorici e applicazioni agronomiche Indici di vegetazione: broad band Principi e peculiarità La risposta della vegetazione delle spettro 0.50 0.40 RED Andamento spettrale di una coltura Reflectance 0.30 0.20 NIR *.0.2 *.1.2 *.2.2 Indici di Vegetazione e relazione con 0.10 0.00 400 500 600 0 0 900 1000 Wavelength Un buon indice deve enfatizzare la vegetazione a discapito del resto

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

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

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

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 50190 5019060 5. 6.3 5.9 Indici di Vegetazione e relazione con 5019040 5019020 4.42 4.64 4.64 4.34 4.34 5.18 4.35 5.13 5.5 5.1 4.7 4.3 3.9 5019000 4.19 3.5 3.1 4.25 2.7 50189 4.24 2.3 1.9 1.5 5018960 14951 1495200 1495220 1495240 1495260 14952 1495300 1495320 Mappa dell indice di vegetazione da immagini MIVIS (2 luglio) Mappa della distribuzione del LAI da misure di campo (1 luglio)

Correlazione NDVI- biofisici

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

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

Correlazione biofisici