Claudia Giardino

Claudia Giardino

Email: Questo indirizzo e-mail è protetto dallo spam bot. Abilita Javascript per vederlo.

geoland2Towards an operational GMES land Monitoring Core Service

Geoland2 è un Collaborative Project (2008-2012) finanziato dall’Unione Europea nell’ambito del 7° Programma Quadro - SPACE.

Il progetto Geoland2 è coordinato da Astrium GmbH Services (Germania) e conta 51 partner provenienti da 21 nazioni europee.
Geoland2 si propone di costituire un importante passo avanti nella realizzazione del servizio GMES Land Monitoring Core (LMCS) affrontando gli aspetti locali, continentali e globali. L’architettura di geoland2 è formata da due strati: tre Core Mapping Services (CMS) e sette Core Information Services (CIS).

I CMS sono EUROLAND, BioPar (Biogeophysical Parameters) e SATChMo (Seasonal and Annual Change Monitoring). Essi sono responsabili di produrre le informazioni tematiche di base, quali mappe di copertura, dei cambiamenti e dello stato delle superfici, che sono di utilizzo generico o possono essere usate per realizzare altre analisi più approfondite.

I CIS sono un insieme di elementi tematici che si basano sui prodotti forniti dai Core Mapping Services e da altre fonti di dati (comprese le misure in-situ) per la produzione di informazioni di più alto livello per far fronte a specifiche politiche ambientali europee e ai trattati internazionali sui Cambiamenti Climatico, la sicurezza alimentare e lo sviluppo sostenibile dell'Africa. Il Core Information Services sono: Spatial Planning, Agri-Environment Monitoring, Water Monitoring, Forest Monitoring, Land Carbon, Global Crop Monitoring and Natural Resource Monitoring in Africa (NARMA).

CNR-IREA è partner di NARMA, che ha l’obiettivo di sviluppare le capacità di monitoraggio ambientale nei paesi africani fornendo informazioni derivate dai dati di Osservazione della Terra per supportare la formulazione di politiche di sviluppo sostenibile, la loro attuazione e valutazione. Il focus tematico è sulla gestione delle risorse naturali in una prospettiva stagionale e pluriennale e utilizza tipicamente le immagini a bassa risoluzione, con alta frequenza di acquisizione, ricevute dai Core Mapping Services tramite stazioni di ricezione satellitare GEONETCast, per facilitare i processi decisionali e di pianificazione a medio termine. Questo servizio NARMA è confezionato nella cosiddetta "e-station", che automatizza le fasi finali di post-processing dei dati, adattabile alle specifiche aree tematiche e geografiche da coprire, e che fornisce un ambiente di reporting web-based e multi-utente. L’attività di analisi e reporting si basa su competenze locali, al fine di assicurare analisi dei dati da parte di esperti con una profonda conoscenza della realtà locale.
Task manager di NARMA è l’unità GEM dell’IES-JRC e gli altri partner sono l’Università di Leicester (UK), GEOSAT Technology srl. (Francia) e CNR-IREA.

http://www.gmes-geoland.info/

Committente: Unione Europea, 7° Programma Quadro

Prime contractor: EADS Astrium (Germany)

Periodo di attività: 2008 - 2012

Finanziamento IREA: 165.014

Responsabile IREAPietro Alessandro Brivio

Personale coinvolto: Mirco Boschetti, Paola Carrara, Daniela Stroppiana, Francesco Nutini

geoland  Integrated GMES Project on Landcover and Vegetation

Geoland - Integrated GMES Project on Landcover and Vegetation (2004-2006) è un Progetto Integrato (FP6 SIP3-CT-2003-502871) finanziato nell’ambito del 6° Programma Quadro della Commissione Europea. 
Geoland è concepito nel contesto di GMES (Global Monitoring of Environment and Security), una iniziativa congiunta della European Commission (EC) e dell’ European Space Agency (ESA). Le attività di Geoland sono focalizzate  per supportare le seguenti priorità dell’iniziativa GMES: "Land Cover Change in Europe", "Environmental Stress in Europe", e "Global Vegetation Monitoring".
Il progetto Geoland, co-ordinato da InfoTerra GmbH (Germania) e da Medias-France (Francia), è un consorzio di 56 partner (aziende ed enti di ricerca privati e pubblici) provenienti da 15 nazioni europee (http://www.fp6.gmes-geoland.info/TEAM/all.php). L’architettura del progetto è costituita da due Core Services, da tre Osservatori Regionali e tre Osservatori Globali.

CNR-IREA (Milano) è Research Partner di uno dei tre Osservatori Globali, l’Observatory on Landcover and Forest Change (OLF). Gli altri partner di OLF sono:
* Joint Research Centre (JRC) GEM unit, Ispra (I)
* Instituto de Investigacao Cientifica Tropical (IICT), Lisbona (P)
* Universitè Catholique de Louvain (UCL), Louvain-la-Neuve (B)
* Centre for Ecology and Hydrology (CEH), Monks-Wood (UK)
* Vlaamse Instelling voor Toegepaste Onderzoek (VITO), Mol (B)
* Remote Sensing Solutions (RSS GmbH), Munchen (D)

CNR-IREA ha il ruolo di studiare lo stato dell’ambiente a scala continentale in Africa mediante l’analisi di dati da satellite. In questo ambito il contributo di CNR-IREA è la definizione di un indicatore sintetico, che integrando con tecniche fuzzy dati multi-sorgente, sia in grado di individuare situazioni di anomalia nello stato della copertura vegetale. Le mappe mensili prodotte per l’Africa nel periodo 1996-2002 mostrano le variazioni nella distribuzioni spaziale di anomalia, che regionalmente appaiono connesse con le variazioni climatiche El-Niño Southern Oscillation (ENSO).

http://www.fp6.gmes-geoland.info/index.php

http://milano.irea.cnr.it/Geoland/geoland_project.htm

Committente: Unione Europea, 6° Programma Quadro

Responsabile
Pietro Alessandro Brivio

Personale coinvolto
Mirco Boschetti, Daniela Stroppiana, Paola Carrara

Alle metodologie che da oltre un secolo permettono di studiare le acque dei laghi, negli ultimi trent’anni si sono affiancate le tecnologie satellitari che consentono di monitorare estese porzioni di territorio, al di là dei confini geo-politici e nelle zone più remote del pianeta, con osservazioni frequenti e continue nel tempo. Il nostro studio è orientato principalmente al monitoraggio dei laghi con alcune recenti esperienze in ambienti lagunari e zone costiere, che essendo aree di transizione tra terre emerse e sommerse  sono luogo di processi e fenomeni biologici, geomorfologici, chimici e fisici complessi e spesso di difficile comprensione. Le attività di ricerca mirano in particolare all’implementazione di algoritmi per la generazione di prodotti di rilevanza sia ecologica e ambientale sia gestionale, nell’ottica di fornire un contributo all’implementazione della direttiva quadro sulle acque della Commissione Europea Water Framework Directive (WFD 2000/60). Ad oggi i parametri derivabili da telerilevamento sono:

  • concentrazione di clorofilla-a (proxy del fitoplancton). Il fitoplancton, composto da micro-alghe, rappresenta la base della catena alimentare acquatica ed è un’importante variabile nella stima dei processi di produzione primaria. L’attività di ricerca riguarderà inoltre lo sviluppo di algoritmi per il riconoscimento dei pigmenti algali, quali le ficocianine presenti nei cianobatteri. Queste alghe sono infatti potenzialmente tossiche con frequenze di occorrenza in costante aumento;
  • concentrazione di solidi sospesi nelle sue componenti organiche ed inorganiche. I solidi sono un tracciante dei fenomeni di immissione ad opera di fiumi e/o tributari, di risospensione per effetto di vento, onde e correnti;
  • concentrazione di sostanze gialle (o CDOM): include sostanze organiche disciolte (acidi fulvici e umici) di origine sia "interna" (per la degradazione del fitoplancton), sia terrestre (per apporto fluviale) ed è un’importante variabile della modellistica del ciclo del carbonio;
  • coefficiente di attenuazione lungo la colonna d’acqua dell’irradianza incidente e profondità del disco di Secchi: indicatori della profondità dello strato eufotico e della trasparenza dell’acqua;
  • copertura del fondale che, se colonizzata da fanerogame, assume un interesse strategico per il ruolo ecologico che esse rivestono;
  • temperatura superficiale,funzione sia della variabili meteorologiche sia di fenomeni di fioritura algale o inquinamento termico.

Scarica la borchure sul "Telerilevamento per la qualità delle acque"

water-apl

eulakes

"European Lakes Under Environmental Stressors", è un progetto di ricerca da svilupparsi nel triennio 2010-2012 nell'ambito "Intereg IV" Central Europe Programme. Coordinato dalla Comunità del Garda, EULAKES vede coinvolti 9 partner tra agenzie per l'ambiente, centri di ricerca e università di cui 4 italiani, 2 ungheresi, 2 austriaci, 1 polacco. Oggetto di studio sono alcuni grandi laghi europei: il Garda in Italia, il Balaton in Ungheria, il Neusiedl in Austria e il Charzykowskie in Polonia. EULAKES stanzia circa tre milioni di euro per migliorare i sistemi di monitoraggio integrando le misure in situ alle osservazioni satellitari, fare simulazioni dei cambiamenti climatici volti a valutare la vulnerabilità delle acque, definire una strategia d'intervento comune di gestione.

Il progetto EULAKES è svolto in collaborazione con APPA Trento (Agenzia Provinciale per la Protezione dell’Ambiente del Trentino), la Fondazione E. Mach (Istituto di San Michele all’Adige), il CNR-IREA, l'Istituto Austriaco di Tecnologia, l’ente locale del Burgenland (dipartimento di gestione idrica), l’Università di Pannonia (Istituto di Limnologia, Scienze analitiche e ambientali), l’agenzia di coordinamento dello sviluppo del lago Balaton e l’Istituto Polacco di Meteorologia e gestione delle acque (IMGW).

http://www.eulakes.eu/
 
Committente: Unione Europea, EU Central Europe Programme

Prime contractor: Comunità Garda

Periodo di attività: 2010 -2013

Finanziamento IREA: € 73.125

Responsabile IREAClaudia Giardino

Attività: Modellistica di estrazione di parametri bio-geofisici

 

fotoI gas atmosferici, gli aerosol ed i vapori contribuiscono infatti ad assorbire, diffondere (scattering) e rifrangere la radiazione solare incidente e riflessa dalla superficie terrestre. Questo insieme di fenomeni, variabili in funzione della lunghezza d'onda, viene denominato “effetto atmosferico” e può essere di intralcio alle osservazioni con i sensori remoti, perché:
  • offusca l’immagine riducendo il contrasto tra gli oggetti osservati a terra;
  • ostacola il confronto temporale dei dati fisici di radianza in quanto contaminati dalla variabilità delle proprietà ottiche dell’atmosfera nel momento di ripresa;
  • rende difficile la derivazione della firma spettrale delle superfici osservate.
In molte applicazioni che richiedono un’interpretazione fisica dell’immagine, si rende quindi spesso necessaria un’opportuna correzione degli effetti atmosferici. I metodi di correzione degli effetti atmosferici si possono raggruppare in:
  • modelli di trasferimento radiativo;
  • metodi semplificati basati sull’immagine.
La prima categoria comprende i modelli che risolvono analiticamente le equazioni di trasferimento radiativo dell’energia elettromagnetica attraverso l’atmosfera. Per descrivere accuratamente la propagazione della radiazione, questi modelli richiedono di dati sulle proprietà ottiche dell’atmosfera. Queste informazioni possono essere reperite da misure in situ contemporanee al momento di ripresa o, nel caso di missioni operative (es. MODIS) da informazioni reperibili dall’immagine medesima. Il secondo raggruppamento include una serie di metodologie che semplificano le equazioni di propagazione della radiazione nell’atmosfera e ricavano le informazioni sulle caratteristiche dell’atmosfera direttamente dall’immagine.

Per "change detection" si intende il processo di identificazione dei cambiamenti in un oggetto o in un fenomeno, che avvengono in un particolare intervallo temporale. Presupposto fondamentale delle analisi di change detection effettuate con dati telerilevati è che un cambiamento di copertura del suolo o della superficie osservata da un sensore corrisponda a un cambiamento di risposta spettrale radiometrica, e che questo cambiamento spettrale sia sensibilmente più rilevante rispetto ai cambiamenti dovuti ad altri fattori, quali le condizioni atmosferiche al momento delle acquisizioni, o l'umidità dei suoli o ancora differenze nelle condizioni di acquisizione dei dati telerilevati.

ch-det

Change Detection e danno alluvionale: il Nord-est del Bangladesh sommerso dalle alluvioni monsoniche del 2001; a sinistra,: prima dell'alluvione; al centro: post alluvione. A destra la mappa dei cambiamenti che permette l'identificazione delle aree alluvionate e delle infrastrutture colpite.

0380
Le superfici naturali interagiscono con l’energia solare incidente riflettendo, assorbendo e, nel caso di corpi non opachi (come l’acqua e l’atmosfera), trasmettendo parte dell’energia. La componente riflessa (o retro-diffusa) è quella di maggiore interesse nelle applicazioni del telerilevamento poiché rappresenta il segnale misurato dai sensori ottici, satellitari o aviotrasportati. La riflettanza è funzione delle proprietà ottiche delle superfici e per questo vegetazione, neve, acqua, suoli etc. hanno dei valori di riflettanza lungo lo spettro ben distinti (firma spettrale). La riflettanza ha inoltre un comportamento che dipende dalla geometria di osservazione e acquisizione come comunemente descritto dalla funzione di distribuzione della riflettanza bidirezionale (BRDF).

class1La capacità di riconoscere (dare un nome) e quindi di classificare oggetti in categorie che si conformano a modelli teorici (pattern) è una delle caratteristiche principali dell’intelligenza umana.
La classificazione automatica delle immagini, cioè lo studio di metodi per il riconoscimento automatico di oggetti attraverso l’identificazione di regolarità significative in un sistema complesso e in presenza di rumore, è nota anche come “pattern recognition”. Essa implica l’estrazione di informazione tematica attraverso la determinazione delle relazioni fra le risposte spettrali delle superfici osservate da satellite e le varie classi o temi di interesse dell’utente.

class2

Per tradurre il segnale registrato dal satellite in informazione fisica di riflettanza e/o emittanza alla superficie, e provvedere quindi alla stima dei parametri bio-geofisici, si può ricorrere alla modellistica del trasferimento radiativo. Essa rappresenta l’insieme di equazioni che descrivono il propagarsi della radiazione elettromagnetica e del suo cammino ottico dal sole, attraverso l’atmosfera (che assorbe, diffonde e rifrange la radiazione) sino alla superficie (o un suo volume nel caso ad esempio di corpi d’acqua o comparti arborei) e poi, nuovamente attraverso l’atmosfera, verso il sensore. Per determinare i parametri bio-geofisici a partire dal segnale satellitare è necessario invertire il concatenamento di relazioni attraverso le quali le proprietà ottiche delle superfici (traducibili in parametri bio-geofisici) sono associate alla radianza riflessa/emessa dalla superficie, a sua volta relazionata al segnale misurato dal sensore. In funzione della complessità del modello di trasferimento radiativo, l’inversione può compiersi adottando differenti tecniche; tra le altre si ricordano i minimi quadrati, le tecniche di ottimizzazione non lineare (es. Levenberg-Marquand), le reti neurali e le Look Up Table. La modellistica del trasferimento radiativo offre grandi potenzialità perché basata su leggi fisiche indipendenti dalle caratteristiche del sensore, dalle condizioni atmosferiche. Ciononostante, essendo associato alla modellistica è affetto da tutte le problematiche legate in generale ai modelli (es., sensibilità, accuratezza radiometrica del dato immagine, ipotesi del modello di inversione e sua parametrizzazione).
mod_an
Diagramma di flusso che descrive la modellistica diretta/inversa per la stima di parametri bio-fisici nella colonna d'acqua (da Dekker et al., 2001)

Per la determinazione dei parametri bio-geofisici molti studi si basano su approcci statistici che permettono la definizione di modelli empirici o semi-empirici, così suddivisi in funzione di quanto la loro definizione/parametrizzazione sia vincolata al solo dataset utilizzato in fase di calibrazione o sia utilizzabile anche per dati affini. In entrambi casi, l’approccio è basato sullo sviluppo di relazioni statistiche tra i valori spettrali misurati dal sensore e i parametri bio-geofisici della superficie. L’analisi statistica tra dati i radiometrici e i parametri bio-geofisici può avvalersi di tecniche d’analisi univarita o multivarita, includere trasformazioni di variabili (es. logaritmi) e far riferimento a singole bande o a loro combinazioni (es. indice di vegetazione). In funzione dell’obiettivo del lavoro e della disponibilità di dati ancillari i dati satellitari da elaborare con i metodi empirici o semi-empirici possono essere corretti o meno dall’effetto atmosferico.

et_emp_s.

 

Pagina 10 di 11