Integrazione dati in ambiente Gis per la mappatura delle coperture in cementoamianto nell area di via Tiburtina (Roma). Lorenza Fiumi, Carlo Meoni, Stefano Tocci CNR, Istituto sull Inquinamento Atmosferico c/o INSEAN - CNR, Via di Vallerano 139, 00128, Roma Abstract A seguito delle ultime disposizioni della L. 23/3/2001 n. 93 e del D. M. 18/3/2003 n. 101, la Regione Lazio ha avviato il progetto per la realizzazione della mappatura delle coperture in cemento-amianto (c-a), in collaborazione con l Istituto sull Inquinamento Atmosferico del CNR. A questo proposito è stato previsto l uso di strumenti innovativi come il telerilevamento da aereo con dato MIVIS. Sono stati acquisiti complessivamente 1.052 km 2, corrispondenti ad una superficie coperta (strisciate mosaicate) di 794km 2, pari al 4,6 % del territorio della Regione Lazio. Il lavoro presenta l attività svolta, in particolare quella relativa alla elaborazione dei dati sull area di Via Tiburtina. Attraverso l integrazione tra dati MIVIS (Multispectral Infrared Visibile Imaging Spectrometer), Istat e CTR (Carta Tecnica Regionale) sono state realizzate mappe che descrivono la realtà territoriale in modo accurato, riducendo così i tempi di lavoro. La mappatura delle coperture in c-a ottenuta dall elaborazione dei dati MIVIS contribuirà a: identificare specifiche aree ad alta potenzialità di esposizione da fibre, sia attuale che futura; realizzare mappe di rischio in grado di evidenziare la presenza di superfici, nonché fornire un sistema di supporto al monitoraggio ambientale. Le mappe di rischio inoltre permetteranno di individuare, quantificare e dare priorità agli investimenti economici ed evidenziare problemi legati alla bonifica e smaltimento dell amianto. Il progetto Grazie alle notevoli caratteristiche di resistenza meccanica e al loro basso costo, le coperture in cemento-amianto (c-a) sono state largamente impiegate, sia in edifici industriali che civili, e sono attualmente diffuse su tutto il territorio nazionale. Le lastre, sottoposte all effetto dell erosione eolica e delle piogge acide, con il passare del tempo si deteriorano, la matrice cementizia si corrode e tende a rilasciare in atmosfera una notevole quantità di fibre di amianto, potenzialmente dannose per la salute umana. Si stima che in Italia vi siano circa 2,5 miliardi di metri quadri di coperture in c-a in opera, pari a circa 32 milioni di tonnellate (Fiumi et al. 2004). Attualmente in Italia, il monitoraggio di superfici coperte da c-a è sostanzialmente basato sul rilevamento diretto, normalmente realizzato dal personale esperto delle Aziende Sanitarie Locali (ASL) ed ARPA (Agenzia Regionale Protezione dell Ambiente). La localizzazione dei siti contaminati, secondo tale approccio, comporta tuttavia una serie di difficoltà logistiche, con conseguenti ripercussioni economiche, soprattutto quando l indagine interessa superfici territoriali estese (Fiumi et al. 2004). A seguito delle ultime disposizioni della L. 23/3/2001 n. 93 e del D. M. 18/3/2003 n. 101, la Regione Lazio, tramite il Centro Regionale Amianto della Azienda USL di Viterbo, ha avviato il progetto per la realizzazione della mappatura delle coperture in c-a, in collaborazione con l Istituto sull Inquinamento Atmosferico del CNR (Consiglio Nazionale delle Ricerche). A questo proposito è stato previsto l uso di strumenti innovativi come il telerilevamento da aereo con dato MIVIS (Multispectral Infrared Visibile Imaging Spectrometer). Nel presente contributo viene brevemente descritta la metodologia di realizzazione di una mappatura di coperture in c-a su un area di studio corrispondente alla Via Tiburtina (Roma). 1
Ambito del lavoro, software impiegati, stato di avanzamento Il progetto nasce dall attività di ricerca dell Istituto sull Inquinamento Atmosferico, sulla base dell esperienza accumulata dal gruppo di ricerca sulla tematica della classificazione di superfici in c-a (Fiumi et al. 2004). A seguito alla convenzione sottoscritta tra L Istituto Inquinamento Atmosferico del CNR ed il Centro Regionale Amianto (CRA), si è provveduto alla realizzazione di una mappatura di coperture in c-a su aree campione della Regione Lazio caratterizzate da una rilevante presenza di questo materiale. Per la realizzazione del progetto sono stati acquisiti dati per una superficie complessiva di 1.052 km², pari al 4,6 % del territorio della Regione Lazio. Le riprese tramite sensore MIVIS sono state effettuate ad una quota di 1.500 metri, corrispondente ad un pixel di 3x3m. E stato previsto l utilizzo di Sistemi Gis, affinché i siti individuati siano ubicati su base cartografica. Tramite Gis, le mappe caratterizzanti le coperture in c-a sono state valutate in termini di accuratezza ed integrate con altri dati. A tal fine, i software utilizzati sono stati: - Exelis Envi vers. 4.7 - ESRI ArcGis 10 La sperimentazione di tale metodologia nell area di studio di Tiburtina è attualmente in corso d opera, ed è prevista una integrazione con dati forniti dalla Asl locale relativi ai piani di bonifica, al fine valutare il processo di dismissione delle coperture in c-a. A questo proposito, saranno utilizzati due voli MIVIS acquisiti in periodi diversi, integrati a dati cartografici e dati ISTAT. Procedura di classificazione delle coperture Il MIVIS è un sensore iperspettrale in grado di registrare la radiazione elettromagnetica proveniente dalla superficie della terra in 102 canali di ripresa, distribuiti nelle regioni spettrali del visibile, dell infrarosso vicino e medio e dell infrarosso termico. L elevata risoluzione, sia spaziale (pixel di 3x3 metri) che spettrale, permette di distinguere con notevole accuratezza i diversi tipi di superfici in c-a presenti nelle aree analizzate. Per ulteriori dettagli cfr. Bianchi et al. (1996). Le riprese sono state effettuate il 5 settembre 2010 ad una quota di 1500 metri. I dati acquisti sono stati pre-elaborati presso il CISIG di Parma, al fine di effettuare delle analisi quantitative accurate e riproducibili. A tal proposito sono stati definiti, ed adottati da tempo, protocolli per una serie di procedure che costituiscono la fase di pre-elaborazione, quali la calibrazione radiometrica, ottenuta secondo relazioni analitiche, e le correzioni atmosferiche, basate esclusivamente su modelli di trasferimento radiativi (MODTRAN e 6S). La pre-elaborazione ed analisi dei dati iperspettrali MIVIS comprende: - la calibrazione radiometrica; - l eliminazione di eventuali rumori sistematici introdotti accidentalmente nei dati; - correzioni geometriche. I dati MIVIS acquisiti sono stati georeferenziati nel sistema cartografico di riferimento standard, il WGS84 UTM 33N, usando : - I dati registrati a bordo dal sistema GPS/inerziale Applanix. - Un Modello digitale del terreno. Il software di georeferenziazione utilizzato, chiamato PARGE (Parametric Geocoding), ricostruisce la geometria di scansione di ogni pixel. Per ulteriori dettagli cfr. Manual Dedalus Enterprise (2006). L identificazione delle coperture in c-a è stata realizzata mediante procedura Image Based, identificando alcune superfici campione (training sets) (ITT, 2008). Tali aree campione sono state successivamente utilizzate per determinare il comportamento spettrale medio del c-a (Heiden et al.2001; Boardman et al. 1994). La classificazione è stata infine realizzata utilizzando l algoritmo di classificazione S.A.M. (Spectral Angle Mapper), in grado di restituire una rapida mappatura delle similarità di spettri di immagine con spettri di riferimento, assegnando quindi alla classe c-a soltanto i pixel che presentavano una firma spettrale simile alla firma media individuata sul training set. Per ulteriori dettagli cfr. Yuhas (1992). 2
Le mappe tematiche prodotte dalla classificazione sono state sottoposte ad una rigorosa valutazione statistica di accuratezza, tramite l analisi della matrice di errore (riportante le coincidenze tra le classi, errori di commission e omission), nonché tramite le indagini in campo (Story et al., 1986). I risultati ottenuti dalle elaborazioni hanno confermato la validità della metodologia, e le indagini in campo hanno dimostrato una buona corrispondenza tra la mappa prodotta e la realtà. Si è tuttavia evidenziata una generale confusione con alcuni tipi di copertura caratterizzati da firma spettrale simile (es. bitume, asfalto), nonché una sottostima dei pixel riconosciuti dalla classificazione come c-a, con pochi pixel su una copertura più ampia. Integrazione dati ed elaborazioni in ArcGis Considerando i limiti dovuti agli errori di sottostima sopracitati, si è reso necessario innanzitutto procedere con ulteriori analisi spaziali in ambiente Gis. La classificazione ottenuta da ENVI (ITT, 2008) è stata importata ed elaborata in ArcGis 10, (ArcGis, 2010) procedendo ad una serie di analisi spaziali di seguito elencate: - Vettorializzazione dei dati di classificazione tramite il tool di conversione (Conversion/Raster to polygon), il quale converte i dati raster in formato shapefile vettoriale, in modo da poter selezionare le coperture in c-a utilizzandone i relativi campi (come ad esempio, l area di ogni copertura) per eseguire funzioni specifiche. - Alla precedente tecnica di conversione segue necessariamente l uso dello strumento del Gis Dissolve (Data Managment/Generalization), tramite il quale sono stati aggregati tra loro i vari poligoni, in modo da costituire le singole coperture in c-a. Questo strumento infatti è in grado di associare entità diverse, aggregandole secondo uno specifico attributo, risolvendo il problema legato alla grande frammentazione dei poligoni creati in seguito alla trasformazione in vettoriale. - Come semplificazione automatica dei poligoni, per evitare l effetto a gradini, è stata applicata la tecnica basata sull uso dell algoritmo Minimum Bounding Geometry. (Data Managment/features). Tale tecnica crea una nuova feature class composta dai poligoni convessi contenenti tutti i punti delle funzioni di imput, minimizzandone la superficie (opzione di geometria: convex hull). L algoritmo è stato successivamente soggetto a una verifica dei risultati ottenuti nelle aree di Tiburtina sulle quali sono state condotte le indagini in campo, tramite un confronto puntuale per ciascun fabbricato censito, tra il risultato ottenuto dalla classificazione e l algoritmo in questione, utilizzando come verità a terra la CTR (Carta Tecnica Regionale) vettoriale. Dal confronto tra la superficie di ciascun poligono ottenuto dalla classificazione e quelle ottenute tramite il Minimum Bounding è stato calcolato il numero dei casi che più si avvicinano alla CTR come verità al suolo. Di seguito si evidenzia come l applicazione dell algoritmo abbia prodotto dei poligoni che si avvicinano maggiormente alla realtà, nel 75,5% dei casi (Tabella 1). Tabella 1: Confronto tra elaborazioni ( MB = Area CTR - Area Minimum Bounding Class = Area CTR - Area Classificazione ) Numero casi % casi MB < Class 38 77,5 MB > Class 11 22,5 Totale 49 100 3
Tabella 2: Confronto tra elaborazioni ( MB = Area CTR - Area Minimum Bounding, Class = Area CTR - Area Classificazione ) N Casi ( MB > N Casi ( MB < N Tot. Casi % Casi ( MB > % Casi ( MB < Tiburtina 32 103 135 23,7 76,3 Osservando le quantità di c-a rilevate a seconda della tecnica utilizzata (Tabella 2), si nota come la tecnica del Minimum Bounding sia la più rappresentativa della realtà, poiché in grado di delineare i reali limiti delle coperture rimediando agli errori di sottostima (Fig.1) Fig. 1: Confronto tra classificazione SAM (a sinistra) e classificazione tramite Minimum Bounding (a destra). L immagine di fondo è stata estrapolata dal database cartografico di ArcGis online, Bing Maps Aerial ad alta risoluzione. Applicando un intersezione spaziale tra i dati di classificazione e l edificato vettoriale estratto dalla CTR (Analysis tool/overlay/intersect, Spatial Join), tramite Join Table, è stato possibile ottenere il dato che tematizza le coperture su CTR (visivamente la copertura va a svilupparsi sull intero poligono dell edificio). Tale applicazione ha tuttavia evidenziato una sovrastima delle superfici caratterizzate: il confronto tra l elaborazione MIVIS e la CTR ha permesso di verificare che su 15 delle 64 indagini in campo effettuate (pari al 23,4 %), il poligono della CTR non corrispondeva alla realtà (è stato accertato che si trattava di più coperture tipologicamente diverse anche nell utilizzo dei materiali). In fig.1 viene ben illustrata la problematica, riportando anche la quantità di c-a considerata nell intersezione con l edificato: in questo caso si osserva 4
una importante sovrastima, dovuta al fatto che ogni edificio contenente una superficie, anche piccola, è preso in considerazione e considerato nella sua intera estensione. Fig. 2: Confronto tra classificazione tramite Minimum Bounding (a sinistra) e classificazione tramite intersezione con la CTR (a destra). L immagine di fondo è stata estrapolata dal database cartografico di ArcGis online, Bing Maps Aerial ad alta risoluzione. Nonostante l errore di sovrastima, questa tecnica risulta tuttavia importante, poiché in grado di valutare la quantità totale di edifici coinvolti, nonché una massima quantità di c-a potenzialmente presente (Tabella 3). Tabella 3 Confronto tra tecniche di elaborazione (Quantità di c-a complessiva nell area di studio, in m²) Elaborazioni coperture in c-a m² Classificazione Sam 120.878 Minimum Bounding 151.465 Intersezione Edificato 460.643 - Infine, per lo studio dell evoluzione del territorio della via Tiburtina attualmente in corso, stiamo integrando le mappe sulle coperture in c-a con i dati Istat relativi ai Censimenti Generali della Popolazione e dell Industria e Servizi, ad un livello di dettaglio territoriale fine (area e microarea). L obiettivo è quello di individuare sul territorio indici riferiti a sezione di censimento caratterizzanti la presenza di c-a, attraverso operazioni di intersezione dati in ArcGis. Conclusioni Il lavoro presentato, oltre a mostrare la validità della metodologia di integrazione dati proposta, dimostra le ottime potenzialità del dato MIVIS nell identificazione e mappatura delle coperture in c- a, poiché in grado di realizzare rapidamente mappe di notevole precisione, riducendo drasticamente i tempi di lavoro. Fondamentale però è risultato l uso di ArcGis 10 per l elaborazione 5
ed integrazione dei dati, poiché ha fornito gli strumenti necessari all identificazione delle coperture potenzialmente più rischiose per la popolazione, consentendo di pianificare le operazioni di bonifica. Bibliografia ArcGis Resource Center, Minimum Bounding Geometry (Data Management), http://help.arcgis.com/en/arcgisdesktop/10.0/help/index.html#//00170000003q000000.htm Bianchi R., Cavalli R.M., Fiumi L., Marino C.M., Pignatti S., Pizzaferri G. (1994-1995) - CNR LARA Project airborne hyperspectral campaigns. Proceedings of Eleventh Thematic Conference and Workshops Applied Geologic Remote Sensing, Las Vegas, Nevada USA, 1996, pp. 301-310. Boardman J.W., Kruse F.A. (1994) - Automed spectral analysis: a geologiacal axample using AVIRIS data, North Grapevine Mountains, Nevada. Proceedings of Tenth Thematic Conference on Geologic Remote Sensing, San Antonio Texas USA, Vol. I. pp.407-418. Daedalus Enterprise - AA5000 MIVIS Operator Manual, volume 6. ITT Visual Information Solutions, ENVI - Environment for Visualizing Images, Version 4.4.[Online] Available at: http:// www.ittvis.com/envi/ Story M., Congalton R.G. (1986) Accuracy assessment: a user s prospective. Photogrammetric Engineering and Remote Sensing, 52 pp 397-399. Kruse F.A., A.B.Lefkoff,, J.B.Boardman, et al (1993) - The Spectral Image Processing System (SIPS) Interactive Visualization and Analysis of Imaging spectrometer data. Remote Sensing of Environmental v.44 p.145-163. Heiden, U., S.Roessner, K.Segl, et al. (2001) - Analysis of spectral signatures of urban surfaces for their area-wide identification using hyperspectral HyMap data. Proceedings of IEEE-ISPRS Joint Workshop on Remote Sensing and Data Fusion over Urban Areas. Rome, Italy, November 8-9, 2001; pp. 173 177. Fiumi L., L.Camilucci, A.Campopiano, et al. (2004) - Indagine conoscitiva su alcuni fabbricati con coperture in cemento-amianto in località Magliana Roma. Monografico 2004 di Prevenzione Oggi, ISBN 88-89415-01-0, Ed. Global Madia System Press. Yuhas R.H., A.F.H. Goetz, and J.W.Boardman (1992) - Descrimination among semiarid landscape endmembers using THE Spectral Angle Mapper (SAM) algorithm. Summaries of the Third Annual JPL Airborne Geoscienze Workshop, 1 june, Pasadena, CA, Jet Propulsion Laboratory, 147-149. Riferimenti autori ed Ente di appartenenza CNR Istituto sull Inquinamento Atmosferico: www.iia.cnr.it Lorenza Fiumi: fiumi@iia.cnr.it Carlo Meoni: meoni@iia.cnr.it Stefano Tocci: stefano.tocci85@gmail.com 6