1 Metodologie innovative per la conoscenza del

Metodologie innovative per la conoscenza del territorio. Contributi
dell’osservazione aerospaziale.
Ing. Antonio Bruno Della Rocca
Italia –ENEA
Responsabile dell’Unità osservazione della Terra e sistemi informativi territoriali
Sessione - Telerilevamento e reti di monitoraggio ambientale.
Tema - Scienza e tecnologia.
SOMMARIO
Tra le numerose tecnologie che si sono affermate nel corso degli ultimi anni per
l’acquisizione/misurazione dei molteplici parametri fisici che caratterizzano il territorio,
quelle connesse con l’osservazione aerospaziale della superficie terrestre hanno vissuto
lo sviluppo più straordinario e, inoltre, mantengono prospettive di crescita ancora più
significative e promettenti. Una evoluzione così vigorosa è dovuta a un insieme di
fattori concomitanti quali, ad esempio, la messa in opera di sensori e piattaforme per
riprese sempre più dettagliate e frequenti, il costante incremento delle prestazioni dei
computer necessari per elaborare le immagini acquisite nonché la possibilità di ricorrere
simultaneamente a più strumenti di misura di parametri territoriali, molto diversificati
tra loro ma che si integrano a vicenda ampliando la conoscenza del territorio. Tuttavia
un fattore fondamentale per completare il quadro di crescita delle tecnologie di
osservazione aerospaziale, soprattutto sul versante della loro efficace applicazione
operativa da parte di una vasta platea di utilizzatori finali, categoria che include per
antonomasia il complesso delle Agenzie Ambientali, risiede tuttora nell’attività di
progettazione ed implementazione di metodi elaborativi (di dati e immagini) che siano
adeguati alle esigenze applicative espresse di volta in volta. Tale attività ha un elevato
contenuto di ricerca e sviluppo tecnologico e richiede inoltre una fattiva interazione tra
lo sviluppatore dei metodi e il beneficiario finale, in modo da predisporre strumenti e
soluzioni informatiche veramente efficaci. Nella presentazione saranno descritti alcuni
esempi di contributi alla conoscenza del territorio ottenuti tramite differenti tecnologie
di osservazione aerospaziale e la loro integrazione con ulteriori strumenti
tecnologicamente innovativi quali i Sistemi Informativi Territoriali e i GPS. Tutti gli
esempi sono stati realizzati presso il laboratorio EDI (ENEA Digital Imagery) del
Centro ENEA della Casaccia e, descrivendoli, saranno evidenziati i principali aspetti
tecnico-scintifici affrontati nel mettere a punto i nuovi metodi elaborativi. Il primo
riguarda le tecniche numeriche implementate per l’estrazione automatica della
geometria 3D degli edifici in area urbana partendo da rilevamenti aerei stereoscopici.
Nel secondo esempio gli stessi sistemi di rilevamento aerofotogrammetrici sono stati
invece utilizzati per estrarre informazioni utili alla stima quantitativa del traffico
veicolare nella struttura viaria urbana. Nell’ultimo esempio, infine, rilevamenti
satellitari molto dettagliati (QuickBird) sono stati impiegati per ottenere informazioni
aggiornate su alcuni aspetti dell’uso del suolo da utilizzare come elemento di
pianificazione territoriale mirata alla individuazione di cavità subsuperficiali quali
gallerie e/o depositi.
1
1. Introduzione.
Il territorio in senso lato è frutto della complessa combinazione di molteplici elementi,
alcuni di natura propriamente fisica/materiale quali ad esempio, l’orografia, i corpi
idrici, le strutture viarie, il tessuto urbano e l’atmosfera stessa; altri, non meno
importanti, di tipo immateriale quali sono ad esempio tutti gli aspetti amministrativi di
pertinenza territoriale.
La base essenziale della nostra conoscenza del territorio risiede quindi nella piena
cognizione dello stato fisico dei suoi singoli elementi, nonché nella capacità di saper
valutare gli effetti reciproci delle loro varie interazioni.
A sua volta la situazione istantanea del generico elemento viene sempre espressa da una
serie più o meno numerosa di appropriati parametri fisici quali ad esempio, posizioni e
dimensioni geografiche, valori di temperatura nonché di concentrazione di sostanze in
aria.
Ognuno di tali parametri infine può essere misurato nella sua entità, o per lo meno se ne
può stimare la misura in un determinato momento, mediante strumenti e tecniche
adeguate. Tanto più ricco e accurato è l’insieme delle misurazioni (quantitative)
condotte sui parametri di ciascuno e di tutti gli elementi, tanto più completo e affidabile
risulta il quadro di conoscenza acquisito di ogni realtà territoriale.
Strumenti e metodi efficaci e tecnologicamente nuovi per effettuare tali misurazioni se
ne sono affermati molti negli ultimi anni. Basta ricordare, fra tutti, i moderni apparati di
localizzazione geografica basati su GPS nonché i sofisticati sistemi di misura di entità
chimico/fisiche dell’atmosfera. Nell’ampio scenario di apparecchiature oggi disponibili
anche le Tecniche di Osservazione Aerospaziali (TOA) offrono un fattivo contributo
alla conoscenza del territorio poiché captano segnali di natura elettromagnetica riflessi
e/o emessi dalla superficie terrestre i quali, a loro volta, sono riconducibili (in modo più
o meno diretto) a stime di misure di parametri fisici descrittivi dello stato di moltissimi
elementi costitutivi del territorio. Un immediato esempio in tal senso è costituito dalla
temperatura superficiale (parametro fisico) del mare (elemento del territorio) così come
viene usualmente misurata e fornita dai sensori elettromagnetici posti sui satelliti
meteorologici. Un ulteriore esempio, sia pure meno esplicito e diretto, consiste nella
stima della quantità di ettari (parametro fisico) ricoperti da boschi (l’elemento del
territorio è la sua copertura forestale) in una regione che sia stata osservata dai sensori
digitali posti a bordo di una piattaforma orbitante spaziale.
Quest’ultimo caso offre anche l’opportunità di sottolineare come l’azione di convertire
in misure di parametri fisici i segnali captati dallo spazio non è sempre facile e richiede
capacità e metodi di calcolo a volte complessi e, ancor più di frequente, non disponibili
ma da sviluppare caso per caso. Spesso accade che la vera novità ed efficacia delle TAO
risiedano proprio nei metodi elaborativi dei dati con esse acquisiti, piuttosto che nel
sistema di acquisizione in se stesso come nel caso, ad esempio, dell’aerofotogrammetria
digitale.
Partendo proprio da quest’ultime tecniche, nei paragrafi successivi saranno brevemente
illustrati tre esempi di applicazione delle TOA sottolineando i rispettivi contributi alle
esigenze di conoscenza del territorio. Tutte le applicazioni sono state realizzate presso il
laboratorio EDI (ENEA Digital Imagery) del Centro ENEA della Casaccia e,
descrivendole, saranno evidenziati i principali aspetti tecnico-scintifici affrontati nel
mettere a punto i nuovi metodi elaborativi. Il primo esempio riguarda le tecniche
numeriche implementate per l’estrazione automatica della geometria 3D degli edifici in
area urbana partendo da rilevamenti aerei stereoscopici. Nel secondo gli stessi sistemi di
2
rilevamento aerofotogrammetrici sono stati invece utilizzati per estrarre informazioni
utili alla stima quantitativa del traffico veicolare nella struttura viaria urbana.
Nell’ultimo esempio, infine, rilevamenti satellitari molto dettagliati (QuickBird) sono
stati impiegati per ottenere informazioni aggiornate su alcuni aspetti dell’uso del suolo
da utilizzare come elemento di pianificazione territoriale mirata alla individuazione di
cavità subsuperficiali quali gallerie e/o depositi.
3
2. Ricostruzione dei modelli 3D degli edifici in aree urbane.
Avere a disposizione in formato digitale i parametri geografici necessari per descrivere
a scala catastale la geometria 3D dei singoli edifici (lunghezza e altezza delle loro
facciate) costituisce una sentita esigenza da parte di numerosi pianificatori delle aree
urbane e per molti tipi di applicazioni differenti. Gli usuali sistemi di
aerofotogrammetria stereoscopica sono in grado di soddisfare egregiamente tale
esigenza, ma richiedono ancora un notevole e faticoso impegno di fotointerpretazione e
misurazione da parte di specialisti, sia pure assistiti da computer in grado e misura
variabile. L’obiettivo di automatizzare il più possibile la suddetta fase di
interpretazione, affidandola sempre più ai computer e riducendo l’intervento
dell’operatore umano, è stato affrontato nel contesto del Progetto TRIDENT (Threedimensional Restitution via Internet of Digital Elevation Networks in Towns) finanziato
dal V P.Q. dell’UE con la partecipazione di qualificati operatori italiani (Datamat S.p.a.,
Consorzio Ulisse, SRD-ISP, S.r.l., ENEA, JRC Ispra), spagnoli (Università di Madrid,
Comune di Madrid) e finlandesi (ELISA Communications). Ulteriori obiettivi del
Progetto consistevano nel rendere anche fotorealistica la ricostruzione ottenuta delle
facciate degli edifici nonché di rendere accessibile e navigabile via internet l’intero
modello virtuale 3D del tessuto urbano così realizzato, in modo da poterlo utilizzare on
line per differenti tipi di applicazioni.
2.1 Metodologia di elaborazione.
Naturalmente il conseguimento del primo obiettivo citato nel paragrafo precedente ha
goduto più degli altri del contributo delle TOA, ed in particolare di riprese aeree
stereoscopiche, soprattutto sul versante dei dati prodotti dalle metodologie di
elaborazione dei fotogrammi aerei che sono state appositamente progettate ed
implementate. L’intera procedura elaborativa si è articolata nella sequenza di passi/fasi
di lavoro riportata nello schema a blocchi di Fig. 1.
Fig. 1 - Diagramma schematico dell’intera procedura di calcolo sviluppata
4
Stimare in maniera automatica la misura delle dimensioni geometriche delle facciate
degli edifici, a partire da coppie stereo di aerofotogrammi, risulta particolarmente
problematico nelle aree urbane, anche a causa dei fenomeni di occlusione prospettica tra
edifici limitrofi. Queste problematiche sono state affrontate e risolte in modo
soddisfacente nelle fasi a) e b) della Fig. 1, tramite la progettazione e la messa in atto di
specifiche “strategie” di stereo-correlazione automatica su due aree test: una all’interno
del Comune di Roma ed una all’interno del Comune di Madrid. In particolare, sono stati
prodotti in modo automatico due differenti DEM (Digital Elevation Model): uno
relativo al suolo supposto privo di edifici ed uno relativo al suolo ivi inclusi gli edifici.
A questo DEM è stato, quindi, sottratto il corrispondente modello del suolo. Tale
operazione ha condotto ad ottenere un accurato modello 3D degli edifici contenente i
valori di altezza di ciascun manufatto rispetto all’andamento locale del suolo (ossia
l’altezza netta degli edifici rispetto al piano stradale), come illustrato in Fig. 2.
Fig. 2 - Area test di Roma: Modelli 3D sovrapposti delle altezze de gli edifici e della
quota del suolo
La cartografia utilizzata come riferimento planimetrico vettoriale, era costituita dalle
carte tecniche dei comuni di Roma e di Madrid alla scala 1:2000; questa è stata preelaborata in modo da definire tre elementi, gerarchicamente dipendenti, su cui è stata
innestata l’intera struttura logica del database georiferito: edifici, corpi di fabbrica,
facciate. A queste informazioni vettoriali si sono aggiunte quelle relative al grafo
stradale. In particolare, nella fase e) della Fig. 1 sono state effettuate una serie di
operazioni mirate all’integrazione ed alla sovrapposizione dei differenti livelli
informativi: cartografia di base, altezza edifici (rispetto al suolo) e andamento del suolo
proveniente dal DEM; mappe catastali e grafo stradale sono state utilizzate per
l’inserimento di informazioni accessorie (codici catastali, toponomastica, ecc).
Nella fase d) della Fig. 1, l’insieme delle informazioni georiferite collezionate sono state
quindi esportate in un DataBase utilizzato – a sua volta – come base per la creazione di
un modello 3D in formato VRML (Virtual Reality Mark-up Language) con
caratteristiche di fruibilità in rete (fase e) della Fig. 1). Il VRML costituisce uno degli
strumenti più appropriati per la rappresentazione grafica 3D in rete dei dati ottenuti
mediante le operazioni GIS.
Nel processo di creazione del Modello in formato VRML dell’area test di Roma è stata,
inoltre, elaborata e testata una procedura per l’arricchimento fotorealistico. Essa
5
prevede: la ripresa fotografica da terra delle facciate degli edifici, il post processing di
rettifica delle foto acquisite per permetterne il successivo drappeggio sulle facciate dei
singoli corpi di fabbrica e l’inserimento automatico delle immagini rettificate
all’interno del modello virtuale 3D.
Fig. 3 - Il modello 3D dell’area test di Roma in formato VRML (a) ed esempi di
restituzione visiva delle cortine di Piazza Tuscolo (b) e Via Britannia (c) e (d)
2.2 Risultati conseguiti.
In sintesi si può asserire che il punto centrale dei risultati conseguiti è costituito
certamente dal DB georiferito realizzato per ciascuna delle aree test. In esso infatti sono
stati memorizzati un gran numero di dati, immagini ed elementi cartografici vettoriali
provenienti dalle varie fasi di lavoro e che - nel loro complesso – permettono di formare
la ricostruzione 3D e fotorealistica della rete di edifici dislocati nelle rispettive aree test.
A titolo d’esempio nella Fig. 3 sono riportati alcuni esempi di “fermo immagine”
raccolti percorrendo virtualmente un ipotetico itinerario nell’area test di Roma.
Il geo-database costituisce quindi un importante strumento innovativo per la conoscenza
del territorio e per le attività di gestione dello stesso, come testimonia il fatto che
nell’ambito del Progetto TRIDENT è stato utilizzato per applicazioni di monitoraggio
urbano (stima e controllo delle volumetrie degli edifici), nonché di pianificazione
urbana (gestione del piano regolatore, valutazione di impatto ambientale, ecc.).
Vale la pena sottolineare ancora una volta il contributo essenziale e tecnologicamente
innovativo che hanno dato le TOA, dal momento che hanno permesso di ottenere la
descrizione numerica dell’ossatura volumetrica di ciascun edificio limitando
enormemente l’intervento dell’operatore umano e riducendo i relativi costi ed i tempi.
Inoltre tale contributo rende operativamente molto più praticabili future applicazioni in
settori quali l’e-government, l’e-commerce, servizi turistici, studi di impatto ambientale
ecc.
6
3. Stima della quantità di autoveicoli presenti nel sistema viario di una città.
In questo caso l’elemento territoriale su cui acquisire conoscenza è costituito dalla
distribuzione geografica dei veicoli che, in un determinato istante (o per lo meno in un
breve lasso di tempo), sostano o si muovono sul sistema viario (totale o parziale) di una
città. Il parametro essenziale che caratterizza questo elemento costitutivo del territorio è
dato dalla posizione geografica (espressa con la coppia di coordinate latitudine e
longitudine) che ciascun veicolo assume in quell’istante. Infatti, una volta che sia stata
stabilita la rete stradale cittadina (o una sua porzione) di interesse, conoscere tale
parametro significa saper collocare ogni veicolo nel contesto delle unità viarie
elementari in cui la rete stradale stessa, a sua volta, può essere ripartita e, quindi, saper
valutare la quantità istantanea di veicoli che occupano ciascuna unità viaria. Sul piano
applicativo è evidente che tali quantità (o quanto meno una loro stima il più accurata
possibile) sono un elemento di conoscenza molto utile per la pianificazione territoriale,
soprattutto per gli aspetti connessi alla gestione del traffico veicolare urbano. Ad
esempio, input di questo tipo possono essere inseriti nei modelli numerici di
simulazione generale dell’intensità di traffico su un’intera area cittadina.
In questo quadro generale si è fatto ricorso alle TOA, ed in particolare ai rilevamenti
aerofotogrammetrici, quale strumento innovativo e fortemente sperimentale per ottenere
la misura della posizione/localizzazione geografica degli autoveicoli nell’ambito di
un’area campione della città di Brindisi.
3.1 Metodologia di elaborazione.
Per conseguire gli obiettivi suddetti, è stato pianificato ed effettuato un volo
aerofotogrammetrico stereoscopico coprendo la gran parte del territorio comunale.
Inoltre sono state utilizzate misurazioni di localizzazione GPS (punti di controllo a
terra) e la cartografia a scala 1:2000 del territorio comunale di Brindisi.
Fig. 4 - Ripartizione della rete stradale urbana in incroci (ciano) e tratti viari (blu)
costituiti da corsie e linee di mezzeria.
7
La fase iniziale di lavoro si è articolata su due filoni distinti e simultanei. Il primo
riguardava l’elaborazioni necessarie per la georeferenziazione dei fotogrammi e per la
produzione delle relative ortofoto, al fine di conferire direttamente alle riprese aeree
proprietà di riferimento geografico e cartografico.
Il secondo filone, è consistito in una serie di elaborazioni della suddetta cartografia che
hanno permesso di frazionare l’intera rete stradale urbana in unità viarie elementari
denominate, rispettivamente, incroci e tratti viari, quest’ultimi a loro volta costituiti da
corsie e linee di mezzeria.
In Fig. 4 è illustrata tale suddivisione così come è stata effettuata e memorizzata in un
geo-database appositamente strutturato.
La seconda fase di lavoro è stata completamente dedicata allo sviluppo di metodi di
elaborazione delle ortofoto precedentemente prodotte. Innanzitutto, ciascuna di
quest’ultime è stata “mascherata” in tutte le strutture urbane (edifici, cortili, ecc.)
diverse dalle unità viarie prefissate. La mascheratura è evidenziata nella Fig. 5-a con la
campitura in verde. In tal modo, il successivo processo di riconoscimento automatico
dei singoli autoveicoli è stato condotto solo sulla sede stradale della predefinita rete
viaria di interesse.
Questo processo è stato attuato mediante un algoritmo di classificazione basato sui
rapidi cambiamenti (gradienti) di tono di grigio fra i pixel dei veicoli con quelli della
pavimentazione stradale circostante. E’ accaduto frequentemente che un singolo
autoveicolo apparisse “scomposto” in più areole separate (generalmente corrispondenti
al tettuccio, al cofano ed al bagagliaio), rendendo così necessaria la successiva
applicazione di una procedura di “ricostruzione” degli autoveicoli fondata sui parametri
morfologici e di contiguità geometrica delle areole.
Individuato e ricostruito il veicolo, ne è stata stimata la posizione geografica del
centroide ed è stata generata una tabella contenente il numero identificativo e le
rispettive coordinate metriche (X, Y) (esempio riportato nella Fig. 5-b). Naturalmente
anche questa tabella è stata collegata al contesto cartografico del geo-database,
venendone a formare un vero e proprio strato informativo.
3.2 Risultati conseguiti.
Gli algoritmi e le procedure implementati per l’elaborazione dei rilevamenti aerei hanno
permesso nel loro insieme di arrivare alla individuazione degli autoveicoli e alla stima
della loro posizione geografica. Conoscenze propedeutiche, a loro volta, alla loro
collocazione nelle unità viarie nonché al conteggio delle quantità di veicoli che
insistono su ciascuna unità. Le informazioni prodotte dagli algoritmi, pertanto,
costituiscono i risultati applicativi delle TOA, la cui efficacia/efficienza può essere
valutata considerando che il margine di errore nel riconoscimento automatico è risultato
del 20-30% dei veicoli realmente presenti nelle ortofoto; ciò dipende da numerosi fattori
quali, ad esempio, la qualità radiometrica delle ortofoto, la colorazione dei veicoli, la
presenza di alberature lungo le strade, ecc. Mentre, l’errore posizionale geografico del
centroide del veicolo è risultato mediamente minore delle dimensioni del veicolo stesso.
Il contributo di conoscenza territoriale ascrivibile alle TOA a seguito di tali risultati va
considerato certamente soddisfacente, anche perché suscettibile di significativi margini
di miglioramento sia sul piano del perfezionamento dei metodi di elaborazione, sia e
soprattutto sul piano della possibilità di effettuare riprese aeree più rispondenti alle
esigenze, ivi inclusi ad esempio i rilevamenti a colori.
8
(a)
(b)
Fig. 5– (a) Particolare di un’ortofoto
mascherata (campitura verde)
dell’area test. I punti rossi indicano i
centroidi degli autoveicoli
individuati.
(b) Tabella di coordinate dei singoli
veicoli individuati.
(c) Loro collocazione nelle rispettive
unità viarie.
(c)
Un altro importante risultato della attività descritte nel paragrafo precedente è costituito
dal geo-database e dalle funzionalità operative di cui è stato dotato. Esso infatti è stato
concepito e strutturato sia come “contenitore” di tutti i dati e le informazioni ottenute
con le fasi di lavoro descritte precedentemente, sia come strumento informatico per la
loro utilizzazione al fine di rispondere globalmente alle esigenze applicative di partenza.
In particolare, esso mette a frutto il contributo informativo ricavato dalle TOA e le
complementa con ulteriori informazioni rendendo possibile:
?? effettuare il conteggio automatico dei veicoli per ogni corsia o incrocio;
?? aggiornare le singole tabelle, collegate tra loro, in caso di modifiche allo
scenario urbano;
9
?? visualizzare qualsiasi ulteriore informazione relativa alle caratteristiche della
rete viaria (lunghezza, area, perimetro);
?? ricavare la densità veicolare in uno specifico tratto viario; ad esempio,
conteggiare quanti veicoli sono impegnati nell’attraversamento di un
determinato incrocio;
?? calcolare il grado di infrastrutturizzazione (rapporto tra area totale della sede
stradale e area d’analisi).
Tale risultato merita attenzione di per se in quanto costituisce esso stesso uno strumento
di lavoro innovativo in grado di accrescere la capacità di conoscenza e indagine
territoriale.
10
4. Delimitazione di piccoli agglomerati urbani.
Nell’ultimo decennio molti agglomerati urbani hanno vissuto notevoli cambiamenti
territoriali che, tra l’altro, hanno condotto ad un cospicuo aumento della rispettiva
estensione superficiale e ad una sua significativa variazione morfologica. Tali
trasformazioni, inoltre, sono state così rapide che in molti casi non hanno avuto ancora
pieno riscontro nelle cartografie regionali, ivi incluse quelle di grande dettaglio.
Nella generalità dei casi l’impronta planimetrica di un agglomerato urbano può essere
ben diversa dall’area racchiusa dai suoi confini amministrativi e risulta piuttosto
formata dalla effettiva distribuzione sul territorio di edifici e strutture urbane in senso
lato. Nel loro insieme quest’ultime sono circoscrivibili all’interno di un poligono che
delimita l’impronta stessa (Perimetro dell’edificato). Conoscere l’andamento
cartografico aggiornato di tale perimetro costituisce un presupposto di informazione
indispensabile per numerose e diversificate esigenze operative di pianificazione e
programmazione territoriale. E’ importante quindi disporre e/o mettere a punto nuovi
sistemi tecnologici con cui poter ricavare le informazioni suddette in modo efficace,
rapido, accurato e più economico rispetto agli usuali strumenti.
Il raggiungimento di questo obiettivo tecnico-scientifico è stato affrontato attraverso
l’acquisizione e l’elaborazione di un’immagine ad alta risoluzione geometrica ripresa
nello scorso mese di giugno dal satellite QuickBird in un’area al confine tra Puglia a
Molise.
4.1 Metodologia di elaborazione.
Al contrario degli esempi illustrati nei precedenti paragrafi in questo caso le attività di
sviluppo delle metodologie sono tuttora in corso, pertanto, è plausibile che i metodi
elaborativi e i risultati descritti di seguito possano subire dei cambiamenti più o meno
significativi. Tuttavia i passi fondamentali finora condotti si possono così riepilogare.
Innanzitutto, basandosi su un DEM derivato da un mosaico di fogli della Carta Tecnica
Regionale a scala 1:5000 dell’intera scena osservata dal satellite, sono state
ortorettificate sia le 4 immagini della ripresa multispettrale (ognuna con pixel a terra
aventi lato di 2.52 m) sia l’immagine pancromatica (con pixel a terra aventi lato di 0.61
m). Successivamente tutte le immagini sono state sottoposte ad un processo di fusione
multirisoluzione ottenendone una nuova con tre bande sintetiche ricampionate con una
dimensione del pixel a terra pari a 0.61 m. Su tale immagine è stata definita un’area
campione (riquadro verde della Fig.6 b)) su cui è stata effettuata la seconda fase di
lavoro. Essa ha avuto più propriamente i caratteri dello sviluppo di nuove metodologie
di elaborazione ed è stata attuata a valle della progettazione di un impianto elaborativo
costituito, a sua volta, da una successione di passi elementari, così come riassunto di
seguito.
Seguendo l’approccio supervised la suddetta area campione è stata classificata avendo
preventivamente selezionato le training area e le firme spettrali relative a numerose
categorie di copertura al suolo, tra le quali la classe degli edifici e quella (distinta) delle
zone d’ombra da essi stessi generate.
Il risultato del processo di classificazione è stato quindi trasposto dalla sua forma raster
a quella vettoriale identificando e definendo contestualmente il poligono di ciascuno
degli oggetti al suolo classificati come probabili edifici. I poligoni sono stati sottoposti
ad una procedura di successive scremature basate, nell’ordine, sulla rispettiva
estensione areale (area troppo piccola o troppo grande), sulla loro forma geometrica
(troppo allungati, troppo frastagliati, ecc) nonché sulla loro contiguità con poligoni di
11
zone d’ombra. Al termine della scrematura i poligoni rimanenti sono stati reputati
edifici reali con un alto grado di confidenza.
A questo punto, la posizione geografica degli edifici ottenuti unitamente alla loro
rispettiva estensione areale sono state utilizzate per stimare la distribuzione territoriale
della densità di edificato (intesa come metri quadrati di edifici per ogni metro quadrato
di territorio). Tale densità è stata infine sottoposta ad un procedimento di sogliatura dei
suoi valori, al fine di generare uno o più poligoni che delimitano l’estensione delle aree
urbanizzate.
4.2 Risultati conseguiti.
I risultati conseguiti sono illustrati nella Fig.6. Nella parte b) è visualizzata in colori veri
l’intera scena ripresa dal satellite QuickBird che ha un lato di ca. 16km. Il riquadro
verde vi delimita l’area campione in cui è stata condotta l’applicazione. La parte a)
invece è un ingrandimento della sola area test e riporta in nero l’impronta planimetrica
stimata per l’aggregato urbano in essa presente.
Fig. 6 – L’intera scena QuckBird (b) e l’area campione oggetto dello studio (a).
Pur essendo provvisori e parziali tali risultati appaiono significativi e incoraggianti nelle
prospettive. Nel loro insieme essi costituiscono un’ulteriore testimonianza dell’efficace
contributo che le TOA, ed in particolare le riprese satellitari ad alta risoluzione, possono
fornire alle svariate esigenze di conoscenza del territorio. Tuttavia non vanno trascurati
né l’impegno economico per l’acquisizione delle immagini né quello relativo alle
necessarie risorse di calcolo e di competenze specialistiche.
12

Download Report