Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Dalle immagini telerilevatealle mappe
•A) Fotointerpretazione delle immagini(identificazione di anomalie)
•B) Mappe della tipologia e distribuzione della categorie al suolo (Classificazioni)
• C) Mappe di parametri biofisici (Concentrazione Clorofille, contenuto
d’acqua, LAI etc.)
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Il telerilevamento: aspetti teorici e applicazioni agronomiche
si basa sulla capacità di ricondurre toni, colori e forme di un’immagine ad elementi del territorio
Processo a due stadi:
•osservazione
•interpretazione
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Dalle immagini telerilevate alle Mappe –Fotointerpretazione delle immagini:
Il telerilevamento: aspetti teorici e applicazioni agronomiche
•forma
•dimensione
Elementi da indagare:
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni •tono e colore
•tessitura e modello: “grana” di una superficie, combinazione dei vari elementi, disposizione spaziale degli oggetti
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Monitoraggio delle colture per pagamento contributi PAC e condizionalità
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Dalle immagini telerilevate alle Mappe – B 1/3
EdificatoConifere
LatifoglieAcqua
Scena reale
PORZIONE DITERRITORIO
Spazio dellemisure
IMMAGINE MULTISPETTRALE
Mondo dei significati(modelli)
MAPPATEMATICA
xyOsservazioni Classificazione
B1
BN
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.
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Dalle immagini telerilevate alle Mappe – B 2/3
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.
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Clark et al. 1995.
Mappe di uso e copertura del suolo: INFORMAZIONE SPETTRALE
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Phenorice: Un nuovo approccio basato sull’interpretazione delle peculiarità della coltura risicola sul segnale
Min
SoS
Max
EoS
Dalle immagini telerilevate alle Mappe – B 2/3
Mappe di uso e copertura del suolo: INFORMAZIONE TEMPORALE
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Un nuovo approccio per la mappatura di aree risicole Mappatura:
Superfici a riso distretto risicolo italiano anno 2006
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Da un approccio orientato al segnale ulteriori informazioni
MIN:… un test per applicazione operativa
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Da un approccio orientato al segnale ulteriori informazioni
Start of Season:… un test per applicazione operativa
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Da un approccio orientato al segnale ulteriori informazioni
Max:… un test per applicazione operativa
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Da un approccio orientato al segnale ulteriori informazioni
End of Season:… un test per applicazione operativa
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Dalle immagini telerilevate alle Mappe – C 1/3
L’analisi del comportamento spettrale della superfici ha consentito di definire procedure che permettono di produrre mappe dei parametri 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
LAI Vs NDVI_mir
y = 0.611Ln(x) + 0.267R2 = 0.786
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1.00
0.0 0.5 1.0 1.5 2.0 2.5 3.0 3.5
LAI
ND
VI_m
ir
NDVI_mir
Relazione statistica tra indici vegetazionali (NDVI) e dati di
campo (LAI)Mappa del parametro LAI
Min Max
Schema dei procedimensti del progetto DARFEM
•Mappe di parametri biofisici Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri biofisici
Applicazioni
Il telerilevamento: aspetti teorici e applicazioni agronomiche
Dalle immagini alle mappe
Foto-interpretazione
Classificazioni
Stima dei parametri 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 parametri 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
•Mappe di parametri biofisici
Dalle immagini telerilevate alle Mappe – C 2/3
C.R. modelRiflettanza e trasmittanza fogliare
Struttura della canopy (LAI, l)
L.R. modelCaratteristiche della foglia (Cab, Cw, Cm, N)
Caratteristiche geometriche del sistema sole-bersaglio-sensore
Frazione di radiazione diffusa
Firma spettrale del suolo
C.R. = Canopy Reflectance
L.R. = Leaf Reflectance
** da Jacquemoud, modificato
Riflettanza della canopy
Il telerilevamento: aspetti teorici e applicazioni agronomiche
[email protected] 0.5 1 >1.5
Error (LAI)0 1 2 3 >3.5
LAI
Example: GPR LAI (Landsat‐5, 28 June 2011)
Hybrid method: Databases generated by RTM’s (PROSAIL) and powerful retrieval algorithms (Gaussian Processes, Kernel Ridge, Neural Networks)
Lai ESTIMATION