Piano Operativo - Centro di Monitoraggio GIZC

RILIEVO DI DETTAGLIO DELLA BATIMETRIA
COSTIERA LAZIALE CON TECNOLOGIE LIDAR E
VALUTAZIONE DELLE CARATTERISTICHE FISICHE
E BIOLOGICHE IN AREE MARINE DELLA COSTA
LAZIALE DI SPECIFICO INTERESSE AMBIENTALE
Piano Operativo delle Attività
Gennaio 2009

Responsabile del Programma:
Dr. Luisa Nicoletti
Responsabile Operativo:
Dr. Andrea Taramelli
Hanno collaborato per l’ISPRA:
• Dr. Matteo Conti
• Dott.ssa Elena Pallottini
• Dott.ssa Emiliana Valentini
• Dott.ssa Monica Targusi

INDICE
PREMESSA......................................................................................................................................... 2
1. INTRODUZIONE........................................................................................................................... 3
2. FASE 1 ............................................................................................................................................. 4
2.1 Ricerca bibliografica di settore e implementazione della metodologia (FASE 1A) .............. 4
2.1.1 Obiettivi................................................................................................................................ 4
2.1.2 Metodolgia ........................................................................................................................... 4
2.1.3 Prodotti ................................................................................................................................ 6
2.2 Acquisizione e groundtruthing (FASE 1B)............................................................................... 8
2.2.1 Obiettivi................................................................................................................................ 8
2.2.2 Metodolgia ........................................................................................................................... 8
3. FASE 2 - Caratterizzazione morfologica (analisi morfometrica)............................................. 11
3.1 Obiettivi................................................................................................................................. 11
3.2 Metodologia .......................................................................................................................... 11
3.3 Prodotti ................................................................................................................................. 12
4. FASE 3 - Caratterizzazione ambientale...................................................................................... 14
4.1 Obiettivi................................................................................................................................. 14
4.2 Metodolgia ............................................................................................................................ 15
4.3 Prodotti ................................................................................................................................. 18
5. BIBLIOGRAFIA........................................................................................................................... 20
1

PREMESSA
L’ISPRA (Istituto Superiore per la Protezione e la Ricerca Ambientale), nell’ambito della
Convenzione di Ricerca per il “Rilievo di dettaglio della batimetria costiera laziale con tecnologie
lidar e valutazione delle caratteristiche fisiche e biologiche in aree marine della costa laziale di
specifico interesse ambientale” (lettera del 16-12-2008, prot. ISPRA n. 11606/08), è stato incaricato
di produrre una serie di elaborati aggiornati al 2009 relativi ad alcuni aspetti morfologici e
ambientali di due aree della fascia costiera della Regione Lazio con lo scopo di fornire elementi di
valutazione ambientale finalizzati alla gestione integrata delle zone costiere tramite l’impiego di
nuove metodiche di rilievo.
Tale obiettivo verrà perseguito mediante l’esecuzione di diverse attività articolate nelle fasi di
seguito descritte:
FASE 1
A. Ricerca bibliografica di settore e implementazione della metodologia;
B. Acquisizione e groundtruthing;
FASE 2 - Caratterizzazione morfologica (analisi morfometrica);
FASE 3 - Caratterizzazione ambientale.
Nella presente relazione viene presentato il Piano Operativo delle Attività per la realizzazione delle
attività sopra elencate.
2

1. INTRODUZIONE
I diversi campi della ricerca scientifica, allo stato attuale, necessitano di strumentazioni e
applicazioni in grado di fornire prodotti ed elaborati con elevati standard di qualità e di
rappresentare il territorio in modo realistico e accurato al fine di ottimizzarne la conoscenza e la
gestione. La fascia costiera costituisce una zona ad elevata valenza ambientale in cui diversi habitat
sono legati da interazioni complesse che ne determinano una condizione di equilibrio dinamico;
inoltre la fascia costiera è sede di insediamenti abitativi di differente estensione e di importanti
attività economiche e commerciali. La corretta caratterizzazione ambientale di aree tanto complesse
riveste un’importanza strategica ai fini di una corretta gestione e necessita di strumenti che
consentano di analizzarne le singole componenti, ma anche l’insieme.
La presente proposta di ricerca, prevede lo studio di un nuovo sistema di acquisizione ed
elaborazione di dati ambientali inerenti le aree a mare. In particolare, riguarda i settori della
modellazione e dell’elaborazione e restituzione cartografica attraverso nuove metodologie quali
l’analisi di dati telerilevati e dati ambientali pregressi utili alla caratterizzazione della fascia costiera
nell’ambito delle competenze dell’ISPRA. In particolare si propone di valutare l’applicazione di
dati telerilevati lidar e ottici iperspettrali, per stimare alcuni parametri utili a migliorare la gestione
dei dati ambientali inerenti la caratterizzazione, il recupero, il monitoraggio e la gestione delle aree
a mare. La proposta essenzialmente copre l'esigenza della gestione di dati topografici e batimetrici
e sedimentologici che garantiscono lo sviluppo e la messa in opera di una metodologia per la
gestione modellistica e cartografica. La presente ricerca si propone quindi di mettere a punto una
metodologia finalizzata a produrre una serie di elaborati aggiornati al 2009 relativi ad alcuni aspetti
morfologici e ambientali di aree della fascia costiera della regione Lazio basandosi principalmente
sull’uso esteso ed innovativo del LiDAR e di un sensore iperspettrale per un rilievo contemporaneo
ad elevata penetrazione della spiaggia sommersa ed emersa. In tale contesto, il rilievo mediante
laser scanning aviotrasportato è una tecnica di acquisizione sia topografica che batimetrica, che
permette di rilevare forme, dimensioni e posizione di un oggetto mediante la misura di un elevato
numero di punti della sua superficie per mezzo di una sequenza di impulsi laser diversamente
orientati. Le attività previste nell’ambito della ricerca saranno:
• acquisizione simultanea di dati relativi ad aree emerse e sommerse della fascia costiera;
• acquisizione di parametri morfologici, fisici e biologici finalizzati alla caratterizzazione
delle aree rilevate;
• produzione di una serie di elaborati volti alla corretta gestione del territorio e delle sue
risorse;
• sviluppo di uno strumento di gestione territoriale integrata, senza interferenze dirette
sull’ambiente, esportabile ad altre aree costiere.
Struttura del documento
Nel presente documento viene dapprima descritta la metodologia che si intende adottare per il
raggiungimento degli obiettivi prefissati (par.2.1); successivamente vengono descritte la fase di
acquisizione con volo LiDAR e sensore iperspettrale (par. 2.2) e quelle di elaborazione dei dati,
differenziando l’analisi volta alla definizione di parametri morfologici tanto della spiaggia emersa
che di quella sommersa (par. 2.3), da quella di indagine di matrici ambientali dell’area indagata
(par.2.4). Per ciascuno degli argomenti trattati vengono prefissati gli obiettivi, viene esplicitato
l’approccio metodologico e vengono brevemente descritti i prodotti che saranno ottenuti. Infine
viene indicato un cronoprogramma relativo all’attività descritta.
3

2. FASE 1
2.1 Ricerca bibliografica di settore e implementazione della metodologia (FASE 1A)
2.1.1 Obiettivi
L’importanza del rilevamento, quantificazione e monitoraggio delle caratteristiche fisiche delle aree
costiere, è stata ampiamente riconosciuta dalla comunità scientifica quale elemento chiave nello
studio degli impatti ambientali (Henderson-Sellers e Pitman, 1992). Un modo unico ed interessante
di portare avanti tali studi su scala areale, è quello di usare le osservazioni via satellite nelle bande
visibili (VIS), bande del vicino infrarosso (NIR) e bande altimetriche (LIDAR). Questi dati
presentano il grande vantaggio, rispetto ai dati classici di rilevamento, di fornire una copertura
areale quasi continua (la continuità effettiva dipende dalle proprietà della superficie riflettente), e
ottenibile a costi relativamente bassi su aree estese. Questo tipo di studi può produrre un’enorme
quantità di dati ambientali inerenti le aree a mare con una riduzione dei costi e tempi complessivi di
misura rispetto alle tecniche tradizionali (Lyllycrop et al., 1994; Krabil et al., 2000). Partendo da
una ricerca bibliografica di settore, l’obiettivo di questa fase è quello di implementare una
metodologia di elaborazione dei dati acquisiti da remoto, che fornisca un supporto reale ai sistemi di
monitoraggio ambientale, che potrebbero divenire, in seguito ai risultati ottenuti nel corso di tale
sperimentazione, aggiornabili con costi minori. I risultati e i prodotti di un tale studio saranno in
grado di fornire nuove metodologie per una caratterizzazione ambientale delle zone costiere (Irish
and White, 1998; Woolard, 1999).
La metodologia offrirà una certa flessibilità nell’utilizzo dei diversi dati, per permetterne una più
efficiente acquisizione, elaborazione e rappresentazione. La presenza di banche dati di immagini
satellitari di archivio (oltre 30 anni di immagini LANDSAT a costo zero) permetterà inoltre di
ricostruire le variazioni dell’andamento morfologico nel tempo, aiutando la comprensione dei
fenomeni.
2.1.2 Metodolgia
Per comprendere i principali processi che governano un sistema tanto complesso come la fascia
costiera, dove componenti eterogenee sono collegate da interazioni multiple, è necessaria una
grande quantità di informazioni acquisite con specifiche scale spaziali e differenti livelli di analisi.
Ad oggi, è universalmente riconosciuta dalla comunità scientifica l’importanza dell’evoluzione
delle metodologie e delle strumentazioni per il telerilevamento, che consentono di condurre studi su
scala areale in diversi contesti ambientali (Bach et al., 2007). Le tradizionali tecniche di rilevamento
e di monitoraggio non sono sempre efficaci e, quando possibili, non convenienti economicamente
(Brinkman, 2000; White and Wang, 2003).
Le indagini da remoto, ed in modo particolare la combinazione delle informazioni ottenibili
mediante sensori laser ed iperspettrali, possono fornire dati ambientali con un elevato grado di
risoluzione (Estep et al., 1994). Essi costituiscono un valido ed unico contributo alla comprensione
dell’ambiente a livello ecosistemico e paesaggistico, livelli per i quali sono richieste informazioni
relative a processi che avvengono a piccola scala cioè a livelli gerarchici inferiori. (Ustin et al,
2004).
Il LiDAR è un mezzo per la rilevazione dei parametri superficiali che ben si presta a studi per la
valutazione di fenomeni erosivi delle aree costiere (White and Wang, 2003). Il rilievo laser
scanning aviotrasportato viene generalmente eseguito mediante sensore laser a scansione bicolore
(che opera nelle lunghezze d’onda dell’infrarosso vicino, 1064 nm, e nel verde, 532 nm) con
l’obiettivo di distribuire uniformemente i punti rilevati lungo la zona indagata (alcuni sistemi
LIDAR, rilevando lungo una traccia sinusoidale, possono originare una disomogeneità nella densità
dei punti concentrandoli sui bordi della strisciata). L’apparecchiatura emette un raggio laser nelle
4

lunghezze d’onda dell’infrarosso e l’emissione di un ulteriore raggio laser nel campo del verde,
permettendo anche il rilievo dei fondali fino a profondità dipendenti dal livello di torbidità
dell’acqua.
Durante gli ultimi cinque anni di operazioni di indagine (Milli and Surace, 2006), i sensori LiDAR
specifici per l’acquisizione di dati batimetrici hanno fornito un efficace strumento per la gestione
delle aree costiere (Irish and Lillycrop, 1999; Pe’eri and Philpot, 2007). I dati grezzi ottenuti
vengono sottoposti a diversi “filtraggi”. Dapprima vengono eliminati i punti “anomali”, facilmente
riconoscibili in quanto molto più alti o molto più bassi rispetto ai punti circostanti: i primi possono
essere dovuti ad oggetti che non sono sul terreno, mentre i secondi sono dovuti a riflessioni
multiple. Eliminati questi punti, si ottiene un modello digitale della superficie (DSM) che
comprende i target di diverse risposte quali manufatti o scatter delle onde. Per ottenere il modello
digitale (DEM) batimetrico, il backscatter dell’acqua viene eliminato sfruttando i doppi echi che si
originano in corrispondenza della superficie stessa: infatti una parte del raggio riesce ad attraversare
la superficie dell’acqua e ad originare una seconda eco in corrispondenza della batimetria. Tale
metodologia permette di discriminare la batimetria alla profondità di diversi metri. Per ulteriori
dettagli sulle modalità di acquisizione e sulle elaborazioni dei DEM ottenuti si rimanda ai par. 2.2.2
e 2.3.2 rispettivamente.
Il sensore iperspettrale è basato su una potente e versatile tecnologia in grado di registrare centinaia
di ristrette bande spettrali nella porzione dello spettro elettromagnetico in cui assorbe (visibile,
infrarosso vicino e medio infrarosso). La risoluzione spettrale molto alta rende possibile la
discriminazione tra differenti oggetti sulla base della loro risposta spettrale in ciascuna delle bande e
di approfondire l’analisi fino ad una scala di estremo dettaglio.
L’approccio metodologico che viene adottato per il processing di dati iperspettrali ad elevato
standard qualitativo è la SMA (spectral mixing analysis - Smith et al., 1990; Adams et al., 1995;
Roberts et al., 1998b; Elmore et al., 2000; Small, 2004).
Ogni elemento presente nelle scene acquisite da remoto fornisce una risposta (riflettanza) diversa a
seconda della lunghezza d’onda (λ) con cui è indagato, che è funzione della natura fisica
dell’elemento stesso. Per ogni scena indagata avremo, dunque, che lo stesso elemento fisico
riflettente (endmember) fornisce una differente risposta spettrale nelle diverse bande con cui viene
rilevato; l’insieme di tali risposte costituisce la firma spettrale dell’endmember. Va inoltre
sottolineato come le immagini siano costituite da singoli pixel che, essendo la risultante di segnali
complessi provenienti da più endmember, sono unità visive miste (mixed pixel).
Partendo da tali premesse, un’immagine fornisce un segnale (riflettanza) estremamente complesso e
dovuto alla combinazione lineare delle risposte degli endmember presenti. La SMA assimila tale
segnale ad uno spazio multidimensionale con tante dimensioni quanti sono gli elementi riflettenti
che lo costituiscono. Mediante un procedimento definito Analisi delle Componenti Principali
(Boardman, 1989; Boardman and Kruse, 1994; Melelli et al., 2007, Taramelli and Melelli, 2009) è
possibile isolare la riflettanza dovuta ai singoli elementi fisici riflettenti “puri”(ad es. acqua, suolo,
vegetazione ecc.) e individuare quali siano quelli che forniscono la maggior parte delle informazioni
alla scena. Una volta definita la riflettenza di elementi puri è possibile risolvere il segnale derivante
dai mixed pixel sviluppando modelli di equazioni lineari che, risolti, forniscono la percentuale di
endmember presenti in ogni pixel o gruppo di pixel della scena. Il risultato finale è una
riclassificazione dell’immagine in cui si visualizzano, in modo continuo, le frazioni degli
endmembers sulla scena e, dunque, la disposizione spaziale di aree omogenee (Adams et al., 1986,
1993, 1995; Smith et al., 1985; Gillespie et al., 1990; Boardman, 1993; Melelli et al., 2007). Di
seguito vengono riportate le equazioni di primo grado calcolate in letteratura (Boardman, 1989;
Boardman and Kruse, 1994; Small, 2004) e che permettono di risolvere il segnale complesso
proveniente da una immagine:
5

fSe11 + fVe12 + fDe13 = r1
fSe21 + fVe22 + fDe23 = r2
fSe31 + fVe32 + fDe33 = r3
fSe41 + fVe42 + fDe43 = r4
fSe51 + fVe52 + fDe53 = r5
fSe61 + fVe62 + fDe63 = r6
in cui ri è il segnale complesso che proviene da un pixel o gruppo di pixel nelle diverse bande di
indagine, eij rappresenta il segnale degli endmember puri, rispettivamente substrato (s), vegetazione
(v), acqua (d), f sono le percentuali dei tre endmember presenti e sono le incognite rispetto a cui il
sistema di equazioni va risolto.
Sostanzialmente la Spectral Mixing Analysis, partendo dalla radiazione emessa da una data porzione
del territorio, consente di interpretare una risposta complessa mediante la scomposizione in singoli
elementi che vengono successivamente interpretati e ricondotti a determinate matrici ambientali o
elementi topografici.
Nella presente ricerca, partendo da una definizione dello stato dell’arte inerente le metodologie
sopra descritte, si intende implementare l’approccio descritto al fine di indagare alcuni aspetti
ambientali delle aree rilevate. Il dato iperspettrale, se ottenuto in condizioni meteorologiche ottimali
e con un sufficiente numero di canali, consente di analizzare la distribuzione dei diversi tipi di
sedimento (Rainey et al., 2003) e del loro contenuto idrico (relativamente alla spiaggia emersa -
Ben Dor et al., 1999), la componente fotosintetizzante (la produzione primaria o meglio i pigmenti
fotosintetici sono indubbiamente gli elementi che possono essere meglio rilevati) e alcune delle
proprietà ottiche della colonna d’acqua (torbidità e biomassa fitoplanctonica).
Questo tipo di informazioni, unitamente a valutazioni topografiche e batimetriche derivanti dal
processing delle scansioni LiDAR, consentirà di analizzare le molteplici variabili caratterizzanti gli
ambienti di fascia costiera con l’obiettivo di ottimizzarne la gestione. L’uso combinato delle due
tecnologie consente di valutare con maggior dettaglio l’informazione derivante dall’area indagata.
La tecnologia LiDAR mediante il backscatter dei target indagati consente di avere informazioni di
carattere morfologico ad un buon livello di dettaglio; tuttavia sono numerosi i fattori presenti sul
territorio che possono “disturbare” il segnale e quindi l’informazione ricevuta. L’utilizzo
contemporaneo dei dati iperspettrali permette di risolvere segnali complessi e quindi
sostanzialmente di separare l’informazione relativa alla morfologia del territorio da quella di altre
matrici ambientali o elementi del territorio. I risultati ottenuti mediante l’uso combinato dei dati da
remoto devono essere validati con dati di campo di neoacquisizione o su serie di dati già esistenti
(cartografie o, eventualmente, immagini satellitari). Una buona correlazione fra risultati ottenuti da
dati differenti per acquisizione e processing, confermerà l’affidabilità dell’approccio metodologico
adottato. Non mediante una risoluzione spaziale assoluta, ma mediante una elevata risoluzione
spettrale, dovuta all’uso combinato di diverse tecnologie, si possono ottenere informazioni
qualitativamente ottimali per una corretta interpretazione e gestione del territorio, delle componenti
fisiche di cui è composto e delle dinamiche che lo governano.
2.1.3 Prodotti
I principali prodotti di questa prima fase sono:
1. Ricerca bibliografica di settore e definizione dello stato dell’arte inerente l’utilizzo e il
processing di dati da remoto (LiDAR e iperspettrale) nella valutazione di aspetti ambientali di
aree costiere.
6

FASE
piano
operativo
1A
1B
2
3
2. Implementazione nell’ambito della gestione e monitoraggio costiero di una metodologia di
acquisizione ed elaborazione dati a bassissimo impatto ambientale, volta ad indagare aree con
elevato valore ambientale (Aree Marine Protette e siti Rete Natura 2000);
3. Sviluppo di un metodo che consenta in tempi brevi e con costi relativamente contenuti di
acquisire notevoli quantità di informazioni sulla fascia costiera, inerenti sia la parte sommersa
che emersa del territorio;
4. Individuazione di metodi di indagine esportabili a qualunque contesto analogo a quello oggetto
di questo studio.
Il cronoprogramma delle attività previste è riportato nella seguente tabella:
gen-09
feb-09
mar-09
apr-09
mag-09
giu-09
lug-09
ago-09
set-09
ott-09
nov-09
7
dic-09
gen-10
feb-10
mar-10
apr-10
mag-10
giu-10
lug-10
ago-10
set-10
ott-10
nov-10
dic-10

2.2 Acquisizione e groundtruthing (FASE 1B)
Un modo unico ed interessante di portare avanti studi di monitoraggio delle caratteristiche fisiche
della fascia costiera su scala areale, è quello di usare le osservazioni da remoto. La tradizionale
metodologia di costruzione dei modelli digitali della superficie (DSM) e del terreno (DTM) si basa
infatti sull’utilizzo di tecniche fotogrammetriche. La marcata espansione del rilievo da aeromobile
mediante scansione laser, adottata dalla prima metà degli anni Novanta, ha fatto sì che questa
tecnologia da un ruolo marginale, relegato alla pura ricerca e sperimentazione, sia diventata una
tecnica topografica che attualmente ricopre un’importante utilizzazione anche commerciale (Riley,
1995; Lillycrop et al., 1996; Irish et al., 1997). Il sistema laser a scansione batimetrico rappresenta
in questo ambito lo “state of the art” nei sistemi di rilevamento per gli studi della fascia costiera
(Gunter et al., 1996; 1998). Le tecniche tradizionali, infatti, risultano molto efficaci nelle zone
caratterizzate da aree pianeggianti che presentano pochi ostacoli (vegetazione ad alto fusto, rilievi,
ecc.), ma sono limitate nelle aree caratterizzate da una morfologia complessa come quella costiera
dove si è spesso chiamati ad intervenire, con il conseguente aumento dei tempi e dei costi di
realizzazione. Il LiDAR SHOALS (o equiparabili), invece, si è dimostrato particolarmente
efficiente proprio in ambiti di fascia costiera, dove con processi di filtraggio del dato parzialmente
automatizzati, risulta apparentemente immediato discernere tra i punti che appartengono a oggetti
superficiali e quelli che corrispondono al terreno. Tale discriminazione, in realtà, necessita lo
sviluppo di sofisticati algoritmi di filtraggio e spesso l’intervento di un operatore esperto è
determinante per ottenere un buon risultato (Sosebee, 2001; Danson, 2006).
2.2.1 Obiettivi
L’obiettivo di questa fase è quello di acquisire e valutare le misure telerilevate per produrre un
dataset DEM-LiDAR, da inserire in un Sistema Informativo Territoriale concordato con il
Committente. Sono state quindi previste le seguenti attività operative:
1. copertura dell’area di studio concordata con il Committente mediante rilievo LiDAR per una
fascia di territorio di estensione complessiva pari a circa 100 Km 2 lungo i due tratti costieri
regionali specificati al par 1.1 dell’allegato tecnico. Nel caso in cui risultino disponibili i dati
LiDAR terrestri acquisiti nel corso del 2007 da parte del MATTM, si provvederà a rilevare i
tratti di costa in modo che i dati acquisiti siano ad essi complementari;
2. acquisizione dei dati topografici e batimetrici con una sovrapposizione laterale dei voli pari
al 15% - 20% per assicurare una copertura integrale dell’area di interesse;
3. strumentazione e pianificazione del rilievo atte a garantire la risoluzione prevista per i
prodotti finali, vale a dire la realizzazione di un modello digitale di elevazione del fondo
mare con una risoluzione di 4m x 4m;
4. acquisizione di dati e misurazioni di campo volte alla valutazione e successiva validazione
del dato da remoto (saranno comunque considerati dati pregressi utili già in possesso di
ISPRA inerenti alcune matrici ambientali quali granulometria);
5. preliminare elaborazione dei dati grezzi di acquisizione finalizzata alla produzione di
formati digitali costituenti un dataset da utilizzare all’interno di un Sistema Informativo
Territoriale concordato con il Committente.
2.2.2 Metodolgia
L'utilizzo del rilievo LiDAR rappresenta una delle tecnologie di punta per la determinazione dei
criteri geometrici delle fasce costiere. La possibilità infatti di acquisire una vasta mole di dati su
larga scala, con tempistiche relativamente contenute, consente di poter procedere alla derivazione
8

speditiva delle primarie informazioni geometriche. Tuttavia, il dato LiDAR necessita, come noto, di
lunghe e laboriose fasi di post-processing. Molto spesso tali procedure di segmentazione e
successiva classificazione vertono sull'implementazione di criteri fondati sull'analisi delle differenze
geometriche dei punti laser. Altrettanto efficaci, sono le tecniche di classificazione basate
sull'integrazione del dato LiDAR con immagini multi-risoluzione. La possibilità infatti di integrare
il dato laser altimetrico con le meta-informazioni derivabili dalle ortofoto digitali che
accompagnano l'acquisizione del dato laser stesso, permette di utilizzare criteri di segmentazione
del dato fondati sull'analisi delle componenti radiometriche (I) o delle tre bande base del colore
(RGB). Nello svolgimento di questa prima fase è prevista quindi sia una acquisizione diretta del
dato che una modellazione dello stesso:
• acquisizione: vengono acquisiti in formato ascii elementi e parametri che caratterizzano il
modellato superficiale nella sua evoluzione;
• processamento: nel secondo livello di indagine vengono elaborate le relazioni funzionali e
strutturali tra i differenti dati acquisiti (raster);
• valutazione: in questa fase vengono attribuite le correlazioni con dati acquisiti in campo
contestualmente all’esecuzione del volo con LiDAR;
In particolare l’acquisizione prevede un sistema costituito da sensore laser a scansione bicolore, che
opera nelle lunghezze d’onda dell’infrarosso vicino (1064 nm) e nel verde (532 nm). Il laser
nell’infrarosso opera come un mappatore del terreno con una frequenza di 10 kHz mentre il raggio
laser verde opera con una frequenza di 1 kHz, ovvero 1000 soundings (misure di batimetria) al
secondo.
Il raggio infrarosso misura la posizione e quota della superficie del mare, mentre quello verde,
penetrando la colonna d’acqua definisce la posizione e quota del fondo per riflessione.
Dalla determinazione dei tempi di ritorno delle due riflessioni si determina il battente d’acqua e la
posizione del fondo, che viene definita in maniera assoluta e quindi non relativamente alla
superficie dell’acqua.
La posizione e l’assetto del sistema laser batimetrico è determinata mediante un sistema inerziale,
associato ad un GPS differenziale (DGPS). Questa architettura consente di ricostruire le coordinate
assolute delle misurazioni, nel sistema di riferimento terrestre WGS84. La quota di volo e di
conseguenza la fascia di larghezza (swath) coperta, dipende da diverse caratteristiche fisiche
dell’ambiente quali la torbidità dell’acqua, la sua composizione in termini di materiale organico
fluorescente e dalla densità di punti di misura (soundings).
I principali dettagli tecnici della pianificazione di volo garantiranno il raggiungimento dei livelli di
accuratezza spaziale del dato (specificati nell’Allegato Tecnico al punto 3 del par. 2.2.1).
Il vantaggio principale del sistema è la contemporanea acquisizione su vasta scala non solo della
parte immersa ma anche della transizione della linea di costa e della topografia interna. Le misure
effettuate nella parte sommersa raggiungono gli standard della classe definita di “Ordine 1” previsti
dalla normativa IHO – International Hydrographyc Organisation.
In un intervallo di tempo estremamente ridotto se confrontato a quello necessario per altre tipologie
di strumentazione e con un impatto ambientale nullo sull’area indagata saranno acquisiti una
notevole mole di dati.
In concomitanza al volo LiDAR saranno acquisiti direttamente sul campo, mediante altre
strumentazioni o procedure tutte le informazioni, misure o campioni ritenuti necessari per
correlazioni con dati acquisiti da remoto e loro successive validazioni.
9

FASE
piano
operativo
1A
1B
2
3
2.2.3 Prodotti
Le attività relative alla prima fase dello studio e gli obiettivi che la proponente Unità di ricerca si è
preposta, produrranno i seguenti dati, informazioni ed elaborati in conformità alla Direttiva
2007/2/CE del 14 marzo 2007 denominata INSPIRE ed ai suoi data specification (Sorichetta et al.,
2009):
1. Dati relativi ai GCP considerati per il multi spettrale;
2. Dati relativi ai GCP considerati per i dati LiDAR;
3. Report Calcolo RMSE sui GCP per il data fusion delle bande relative al multispettrale e per
il LiDAR;
4. Report Calcolo del CE90

3. FASE 2 - Caratterizzazione morfologica (analisi morfometrica)
Nel corso di questa fase, verranno elaborati i dati acquisiti mediante il rilievo LIDAR SHOALS (o
equiparabili) al fine di condurre un’analisi morfometrica della spiaggia sommersa, della spiaggia
emersa e delle dune costiere retrostanti. Tale analisi sarà condotta prendendo in considerazione le
relazioni esistenti tra parametri significativi del sistema spiaggia-duna.
Spiaggia sommersa, spiaggia emersa e duna costituiscono, infatti, tre distinti elementi di uno stesso
sistema, strettamente dipendenti l’uno dall’altro. Per questo motivo, è verosimile aspettarsi che i
cambiamenti che interessano la morfologia di una di queste tre componenti, abbiano un’influenza
diretta o indiretta sulle variazioni delle altre due (Psuty, 1988).
In questo contesto, l’importanza della metodologia di acquisizione LIDAR risiede nel fatto di essere
uno strumento ideale per indagare l’intera fascia costiera mediante un’acquisizione dei dati in
continuità spazio-temporale. Dal momento che i processi si riflettono a livello morfologico, l’analisi
morfometrica dei parametri più significativi è importante poiché permette di risalire a informazioni
relative allo stato del sistema e anche, se confrontate con dati pregressi, sulla dinamica del sistema
stesso (White and Wang, 2003). Tale procedura permette quindi di indagare le diverse componenti
(spiaggia sommersa, spiaggia emersa, dune) individuando ed evidenziando i meccanismi di
feedback esistenti tra di esse.
La comprensione dello stato di conservazione, delle modalità di evoluzione e della dinamica del
sistema spiaggia-duna è essenziale non solo per la protezione ma anche per una corretta gestione
della fascia costiera (Saye et alii, 2005).
3.1 Obiettivi
Il principale obiettivo di questa fase dello studio consiste nell’elaborazione dei dati LiDAR acquisiti
mediante i quali sia possibile condurre valutazioni morfometriche e ricostruire le caratteristiche
della spiaggia emersa, sommersa e delle dune costiere delle aree indagate. Le attività consisteranno
nell’individuare i limiti del sistema spiaggia/duna e la distribuzione dei depositi eolici, alla massima
risoluzione permessa dal tipo di dati, mediante l’utilizzo di differenti risposte (backscatter) dei
target indagati, utili per l’interpretazione delle forme e dei processi da cui dipendono evoluzione e
stato ambientale dell’area.
I dati ad elevata risoluzione acquisiti nel corso del rilievo LIDAR, verranno utilizzati per condurre
un’analisi morfometrica della spiaggia emersa e sommersa e delle retrostanti dune costiere.
Gli obiettivi principali di questa fase sono:
1. Definizione dell’andamento topografico e batimetrico delle aree indagate;
2. Definizione di sezioni e profili di spiaggia emersa e sommersa;
3. Definizione dell’estensione e delle caratteristiche dei depositi eolici;
4. Analisi dei dati di campo acquisiti e correlazione con i dati da remoto.
3.2 Metodologia
Dall’analisi dei dati LiDAR acquisiti è possibile ottenere dati topo-batimetrici utilizzabili per
l’individuazione di opportuni parametri morfometrici per l’analisi delle caratteristiche della fascia
costiera. Tali parametri possono essere distinti in primari, direttamente calcolati dai dati di quota
assoluta, e secondari, calcolati attraverso la combinazione di parametri primari e di altre eventuali
variabili.
La selezione dei parametri è finalizzata ad ottenere una caratterizzazione del territorio mediante
l’analisi della mutabilità spaziale di uno specifico processo geomorfologico o di particolari
11

associazioni di forme relative alla spiaggia sommersa, alla spiaggia emersa e alle dune costiere
retrostanti.
Pertanto, attraverso il riconoscimento della geometria e la disposizione spaziale delle morfologie
più significative, sarà possibile un’interpretazione delle forme e dei processi da cui dipendono
evoluzione e stato ambientale dell’area.
Tra i dataset che possono essere ottenuti e che descrivono quantitativamente l’andamento della
superficie topografica, nell’analisi morfometrica verranno utilizzati sia Digital Elevation Models
(DEM) che Digital Terrain Models (DTM) per l’estrazione di attributi topografici sia primari che
secondari (Speight, 1984, Melelli et al, 2007).
In particolare, i DEM rappresentano in forma digitale le quote della superficie rilevata (comprensivi
degli elementi morfologicamente rilevati rispetto alla superficie del terreno). Diversamente, un
DTM rappresenta in forma digitale la superficie del terreno con l’esclusione di tutti gli elementi
morfologicamente rilevati rispetto ad essa, quali ad esempio le infrastrutture, la vegetazione, ecc.
Il confronto DTM/DEM, permette infine di ricavare utili informazioni quali ad esempio quelle
relative allo spessore dello strato di vegetazione presente sulle dune costiere.
La procedura utilizzata sarà la seguente: a seguito della creazione di DTM e DEM a partire dai dati
topo-batimetrici, si procederà all’estrazione dei parametri morfometrici che verranno utilizzati nella
caratterizzazione morfologica della fascia costiera. Tale estrazione avverrà applicando due
differenti approcci metodologici: un approccio sarà quello geometrico, che sfrutta le proprietà che
alcune forme hanno di mantenere le medesime caratteristiche geometriche esprimibili in termini di
angoli (pendenza, curvatura) e rapporti dimensionali (altezza, ampiezza, profondità); l’altro
utilizzerà il segnale di backscatter, ossia i contrasti nel segnale di ampiezza di rifrazione.
A questo punto sarà possibile procedere all’analisi morfometrica dei parametri estratti.
In particolare, la metodologia applicata consentirà di individuare i limiti del sistema spiaggia/duna e
la distribuzione dei depositi eolici alla massima risoluzione permessa dal tipo di dati. L’analisi verrà
condotta a partire da modelli 3D ottenuti mediante l’interpolazione dei dati topografici e batimetrici
puntuali acquisiti nel corso del rilievo LiDAR, e riguarderà elementi morfologici appartenenti alla
spiaggia sommersa (quali ad esempio la presenza di barre sommerse), alla spiaggia emersa (quali ad
esempio linea di riva, pendenza, curvatura, volume di sedimento) e ai depositi eolici (quali ad
esempio piede e cresta della duna, volume di sedimento, pendenza, curvatura e copertura vegetale).
I dati ottenuti, potranno essere confrontati con dati derivati da rilievi pregressi ove disponibili. Tale
confronto, mediante l’individuazione delle modificazioni morfologiche intercorse nel periodo di
tempo considerato, permetterà di acquisire informazioni relative al budget sedimentario e alla
dinamica del sistema costiero.
3.3 Prodotti
La notevole quantità di dati trattata in questa fase dello studio sarà elaborata al fine di produrre dati
ed elaborati in formato compatibile per l’inserimento nel Sistema Informativo Territoriale on line
della Regione Lazio/Centro di Monitoraggio GIZC (WebGIS).
Di seguito vengono elencati e descritti i principali prodotti che saranno restituiti al termine di questa
fase dello studio, in conformità alla Direttiva 2007/2/CE del 14 marzo 2007 denominata INSPIRE
ed ai suoi data specification:
1. Carta topo-batimetrica delle aree di studio rappresentata con isolinee ad equidistanza 0.50 m
della fascia rilevata in formato *.shp e linea di riva vincolata ai capisaldi IGM;
12

FASE
piano
operativo
1A
1B
2
3
2. Carta delle caratteristiche dei depositi eolici (morfologia, estensione complessiva, estensione
delle aree vegetate; ubicazione, tipologia ed estensione delle discontinuità morfologiche);
3. Calcoli del volume di sedimento presente all’interno del sistema spiaggia-duna.
4. Carta delle tendenze evolutive del sistema spiaggia-duna a partire delle variazioni dei
volumi stimate confrontando i calcoli effettuati con dati pregressi;
5. Profili del sistema spiaggia-duna lungo sezioni ad equidistanza 100 m e confronto con dati
pregressi, ove disponibili;
6. Caratterizzazione morfologica della fascia costiera (Report finale).
Il cronoprogramma delle attività previste in questa terza fase è riportato nella seguente tabella:
gen-09
feb-09
mar-09
apr-09
mag-09
giu-09
lug-09
ago-09
set-09
ott-09
nov-09
13
dic-09
gen-10
feb-10
mar-10
apr-10
mag-10
giu-10
lug-10
ago-10
set-10
ott-10
nov-10
dic-10

4. FASE 3 - Caratterizzazione ambientale
4.1 Obiettivi
La possibilità di integrare il dato laser altimetrico con le meta-informazioni derivabili dalle ortofoto
digitali può trovare una maggior efficacia quando l'estrazione dell'informazione di radianza venga
derivata non solo da immagini pancromatiche, bensì da immagini provenienti da sensori
iperspettrali (Taramelli and Melelli, 2008b; Taramelli, 2009). Queste, a seguito
dell'implementazione di opportuni algoritmi di calibrazione (Taramelli and Melelli, 2009), necessari
ad ovviare all'instabilità del dato di riflettanza dovuta alla forte dipendenza di quest'ultimo da fattori
ambientali e geometrici, garantiscono un'ampia serie di informazioni pienamente sintetizzabili,
attraverso il concetto di "firma spettrale". Il telerilevamento si basa sul principio fisico per cui ogni
materiale risponde in maniera differente alle diverse lunghezze d'onda emesse da una sorgente
luminosa. Questa importante proprietà della materia permette, in maniera diretta, di classificare
differenti materiali, o gruppi di materiali, a partire dalla loro risposta radiometrica , investigando la
quota parte di radianza riflessa nelle singole lunghezze d'onda registrabili dallo strumento. La
capacità degli strumenti in commercio di registrare un numero sempre crescente di intervalli di
banda, consente di poter acquisire un numero elevato di meta-informazioni relative alla natura
chimico-fisica del materiale al suolo, e di poter sovrapporre e correlare queste ultime con le
informazioni di natura geometrica derivabili, ad esempio, dal rilievo laser a scansione. A differenza
delle indagini classiche in situ, volte alla determinazione puntuale di quantità e spesso caratterizzate
da tempistiche e costi elevati, la possibilità di utilizzare le informazioni derivanti da immagini
iperspettrali consente di ricavare dette informazioni su larga scala e correlarle a posteriori ad indici
riconosciuti in letteratura (Roberts et al., 1998a; Li et al., 2005; Giardino et al., 2007a; 2007b). La
riproducibilità nella derivazione di simili informazioni a partire da dati telerilevati dipende da tre
parametri principali:
• Quota di acquisizione del dato telerilevato (dimensione dei pixel a terra);
• calibrazione radiometrica del dato basata su una corretta modellizzazione del comportamento
dell'atmosfera;
• ampia differenziazione nel campionamento delle "firme spettrali" necessarie alla classificazione
delle immagini iperspettrali.
Nel corso di questa fase dello studio ci si propone di elaborare le scansioni LiDAR ed iperspettrali
attraverso l’uso della SMA (spectral mixing analysis) con lo scopo di ottenere informazioni utili ad
una caratterizzazione ambientale.
Attraverso l’integrazione di dati di natura morfologica, fisica e biologica, è possibile ottenere una
visione d’insieme della porzione di ambiente indagato e dunque una caratterizzazione delle
dinamiche del paesaggio costiero anche da un punto di vista strettamente ecologico.
Gli obiettivi principali di questa fase sono:
1. Definizione delle principali caratteristiche granulometriche e mineralogiche del sedimento;
2. Definizione della distribuzione macroscopica delle principali biocenosi bentoniche associabili
alle caratteristiche sedimentologiche delle aree di studio;
3. Definizione della distribuzione del fitoplancton;
4. Validazione dei risultati ottenuti con dati da remoto mediante serie storiche di dati o dati di
campo.
14

4.2 Metodolgia
I possibili vantaggi ottenibili dall’utilizzo combinato dei dati LiDAR ed iperspettrali per l’analisi
dei parametri superficiali, sono stati analizzati in questi ultimi anni. Il LiDAR è uno strumento in
grado di misurare il segnale elettromagnetico retrodiffuso, in modulo e fase, dalla superficie
terrestre e dagli oggetti disposti su di essa, in qualsiasi condizione di illuminazione. E’ inoltre
particolarmente sensibile alle variazioni della scena osservata. Grazie a queste caratteristiche, è un
potente mezzo per la rilevazione dei parametri superficiali (quali la “rugosità”) e ben si presta a
studi per la valutazione di fenomeni erosivi delle aree costiere. Per quanto riguarda le immagini
iperspettrali, i nuovi sensori sono certamente un utile strumento per l’individuazione e l’analisi dei
parametrici fisico-chimici del territorio. Data l’elevata sensibilità delle strumentazioni, gli elaborati
ottenuti sono un prodotto complesso derivante dai numerosi elementi presenti sulla superficie
rilevata. Sostanzialmente le immagini ottenute sono costituite da singoli pixel “misti” e ciò che
osserviamo al loro interno è il risultato della combinazione di diversi segnali spettrali dovuti ai
differenti elementi fisici presenti all’interno del pixel. Gli elaborati ottenibili saranno basati su
tecniche di spectral mixing analysis (SMA), che consentiranno di valutare alcuni dei processi fisici
e delle caratteristiche delle superfici rilevate. L’analisi riguarderà una recente metodologia per la
stima della frazione degli elementi riflettenti in accordo con la stima al 10% da foto aeree (Small,
2000; Taramelli & Melelli, 2009). La stima quantitativa di frazione è preferibile ad un’analisi basata
sui tradizionali metodi di classificazione in quanto 1) piccoli cambiamenti in densità possono essere
più facilmente individuati, 2) analisi multitemporali possono essere verificate per consistenza
interna, 3) a differenza dell’“hard classification”, la frazione stimata può essere verificata attraverso
misure al suolo e non risentire di problemi di saturazione e non-linearità tipici della stima da
classificazioni statistiche.
La strategia che verrà adottata per il raggiungimento degli obiettivi della presente ricerca è già stata
testata con ottimi esiti in precedenti progetti di ricerca (Bach et al., 2007; Taramelli and Melelli,
2008a; Pasqui et al., 2009, Taramelli, 2009), in particolare nel 2005 – 2006 la “Sino-Italian
Collaboration Program For Environmental Protection Granted Proposal” ha coinvolto Columbia
University e il Ministero dell’Ambiente nel “Project on Environmental Base Line Identification
(Beijing and Alashan Area, China) for dust storm emission using remote sensing “. Il progetto ha
consentito di effettuare nella regione cinese di Alashan una classificazione ambientale mediante
l’integrazione di dati Backscatter SAR, LANDSAT, Hyperion (iperspettrale) e dati di campo
acquisiti con spettroradiometro (vedi fig.1).
Sostanzialmente sono state individuate nella regione aree omogenee appartenenti a 4 categorie
principali: aree scure prive di riflessività (es. acqua), vegetazione, roccia e suolo. L’analisi è
completamente quantitativa potendo raffrontare dati, sia da remoto che di campo, dipendenti dalla
natura fisica dei target indagati; come si osserva nella parte inferiore della fig.1 la correlazione fra
gli spettri ottenuti con le diverse strumentazioni appare buona. In tal caso dunque l’applicazione
della SMA ha consentito di distinguere gli effetti spettrali di diverse caratteristiche
sedimentologiche, di contenuto di umidità o di diversa composizione litologica.
Nella presente ricerca si vuole condurre un’analisi analoga a quella sopra descritta, in un contesto
ambientale differente, in modo da poter testare le effettive potenzialità dell’approccio metodologico
adottato. L’uso combinato di dati da remoto (LiDAR e iperspettrale) e la validazione dei risultati
ottenuti potrebbero consentire la messa a punto di una metodologia solida e affidabile per l’indagine
di porzioni emerse e sommerse della fascia costiera che consenta di interpretare le forme, la natura
fisica e le dinamiche di ecosistema altamente complesso.
15

Fig.1 – Le prime 6 immagini rappresentano gli Spectral mixing spaces delle immagini Landsat (ottico), Hyperion
(iperspettrale) e dello spettrometro di campo (Pasqui et al., 2009). I tre grafici sottostanti evidenziano la riflettanza degli
elementi riflettenti “puri” della scena: vegetazione, superfici scure non riflettenti e due tipologie di substrato (roccia e
suolo).
La strategia proposta per la realizzazione dell’analisi ambientale prevista in questa fase delle attività
è basata sulla metodologia esplicitata al par. 2.1.2 e prevede i seguenti step:
1. applicazione delle procedure di SMA (spectral mixing analysis) per l’individuazione dei
singoli elementi riflettenti del territorio e risoluzione di segnali misti provenienti dalle
porzioni di territorio analizzate;
2. riclassificazione delle immagini sulla base degli elementi riflettenti puri che verranno
visualizzati come campi continui;
3. validazione della procedura adottata mediante dati di campo di precedenti campagne di
analisi e parzialmente integrati con dati di nuova acquisizione;
4. produzione di elaborati cartografici che individuino aree omogenee per caratteristiche
ambientali (vedi par. 2.4.3).
Relativamente alla strategia descritta, va precisato che per quanto concerne la validazione con dati
di campo, si dovrà fare ricorso a dati già in possesso di ISPRA e, parzialmente, a dati di campo
acquisiti contestualmente all’esecuzione del rilievo con sensori aviotrasportati. Si confronteranno
quindi, differenti tipologie di dati: quelli da remoto, basati sulla risposta spettrale e quindi sulla
natura fisica dei target, e quelli di campo, ottenuti con metodi di campionamento tradizionali. La
validazione che ne deriva è di tipo qualitativo, ma non quantitativo come nel caso del progetto sopra
citato. In sostanza le matrici ambientali indagate da remoto e direttamente sul campo verranno
16

confrontate e correlate in base ad una serie di attributi, ma non sulla base della loro natura fisica
intrinseca.
Fra le matrici ambientali di maggior interesse c’è quella sedimentologica; in particolare verranno
analizzati aspetti della granulometria e del contenuto di umidità del sedimento. Relativamente alla
granulometria, appare di particolare interesse la distinzione fra le principali popolazioni
granulometriche, quali sabbia, argilla e quanto risulta dimensionalmente superiore alla sabbia
(substrato/roccia). Studi di questo tipo sono già stati condotti in zone di estuario (Rainey et al,
2003); in tale contesto ambientale l’analisi di differenti scene telerilevate in ambiente sommerso ed
emerso ha consentito mediante l’applicazione di SMA di distinguere sabbia da materiale più fine
(mud) direttamente o mediante le diverse percentuali d’acqua rilevabili dal segnale emesso dal
target. Relativamente alla mineralogia del sedimento, si cercherà di rilevare variazioni di segnale
emesso dal sedimento in differenti scene analizzate; in tal caso il numero di bande di indagine del
sensore iperspettrale è determinante per ottenere una discriminazione del segnale basato sulla
diversa natura mineralogica. Il successivo confronto con dati di campo pregressi potrebbe
consentire una validazione di quanto dedotto sul dato da remoto.
Per l’indagine di aspetti biologici, il LiDAR risulta uno strumento ampiamente accettato per gli
studi sulla clorofilla e per il monitoraggio del fitoplancton (Barbini et al., 1998; Nieke et al., 1997;
Zhishen et al., 2008), dello zooplancton (Brown et al., 2002) e dei banchi di pesci (Brown et al.,
2002; Churnside et al., 2003; Carrera et al., 2006; Tenningen et al., 2006).
In generale, allo stato attuale delle conoscenze, non si hanno però ancora consolidate basi
conoscitive per l’applicazione e la conseguente risoluzione di dati biologici in acqua, si è infatti
ancora strettamente legati a procedure di validazione con dati di campo sia rilevati con approccio
tradizionale che con approccio di natura spettrometrica.
Analogamente, per quanto riguarda gli studi sui popolamenti zoobentonici, la tecnologia LiDAR è
ancora in via di sperimentazione (Brennan e Webster 2006). Nell’ambiente marino costiero il
LiDAR viene normalmente impiegato per rilevare le caratteristiche batimetriche e sedimentologiche
di un fondale (Méléder et al., 2007). La conoscenza di queste caratteristiche, dato lo stretto legame
esistente tra i popolamenti bentonici e il fondo stesso, consentirebbe di predire, con buona
approssimazione, la tipologia di popolamento presente e permetterebbe quindi la redazione di
mappe di distribuzione di probabilità di tali popolamenti (Populus et al., 2004). In questo contesto,
i diversi studi condotti, hanno comunque previsto in parallelo un campionamento in mare (Populus
et al., 2004) o hanno fatto riferimento a dati bibliografici precedentemente acquisiti per validare il
dato ottenuto da remoto. Quest’ultimo tipo di validazione è stata ad esempio effettuata da Chust et
al., 2008, che hanno studiato i popolamenti intertidali presenti in prossimità dell’estuario del fiume
Bidosoa nella baia di Biscay (nord della Spagna). Gli Autori hanno potuto testare l’efficacia della
tecnologia LiDAR per la mappatura dei popolamenti intertidali ed inoltre hanno osservato che
l’analisi integrata con sistemi di bande nel visibile e nel vicino infrarosso, è possibile addirittura
riconoscere popolamenti intertidali specifici, come ad esempio quelli a Corallina elongata o quelli
dominati dai balanidi.
Alla luce di queste ed altre conoscenze relative alle proprietà ottiche delle componenti biologiche,
ci si propone di valutare e ricostruire la probabilità di distribuzione dei popolamenti. Attraverso
l’utilizzo di una tecnica integrata basata sulle variazioni del backscatter (dato laser, simile a quelle
generate tramite l’utilizzo del multibeam e/o single beam), sulla differenziazione delle "firme
spettrali" e sui dati pregressi in possesso di ISPRA, verranno identificate aree omogenee per le
quali sarà possibile indicare i principali popolamenti bentonici.
Infine, per quanto concerne la Posidonia oceanica (Thiago et al., 2008) si intende testare il
potenziale del segnale di backscatter nell’individuazione delle aree di prateria (Fig. 2), a seguito di
validazione con rilievi di dettaglio del posidonieto resi disponibili dal Committente.
17

FASE
piano
operativo
1A
1B
2
3
Fig.2 – Individuazione di aree omogenne di Bacskcatter LiDAR in un’area marina nei pressi di Alicante – Spagna
(Fonte www.FUGRO.com).
4.3 Prodotti
• Modello della distribuzione granulometrica dei sedimenti secondo un numero di classi
granulometriche che sia di utilità per la pianificazione dei ripascimenti (formato ascii);
• eventuale modello della distribuzione delle classi mineralogiche dipendente dalle specifiche del
sensore iperspettrale in dotazione;
• analisi macroscopica delle principali biocenosi bentoniche associabili alle caratteristiche
sedimentologiche dell’area in zone di particolare interesse;
• cartografia relativa alla distribuzione dei principali habitat bentonici corredata da opportune
valutazioni sull’affidabilità del dettaglio;
• cartografia relativa alle caratteristiche fisiche e biologiche dell’area di studio (scala 1:10.000);
• redazione della relazione tecnica conclusiva sulle caratteristiche fisiche e biologiche dell’area di
studio. Il report descriverà i risultati per valutare, con esempi concreti, l’utilità dei dati satellitari
nella gestione di aree protette.
Il cronoprogramma delle attività previste è riportato nella seguente tabella:
gen-09
feb-09
mar-09
apr-09
mag-09
giu-09
lug-09
ago-09
set-09
ott-09
nov-09
18
dic-09
gen-10
feb-10
mar-10
apr-10
mag-10
giu-10
lug-10
ago-10
set-10
ott-10
nov-10
dic-10

FASE
piano
operativo
1A
1B
2
3
gen-09
feb-09
mar-09
apr-09
mag-09
CRONOPROGRAMMA COMPLESSIVO 2009/2010:
giu-09
lug-09
ago-09
set-09
ott-09
nov-09
19
dic-09
gen-10
feb-10
mar-10
apr-10
mag-10
giu-10
lug-10
ago-10
set-10
ott-10
nov-10
dic-10

5. BIBLIOGRAFIA
Adams, J.B., Sabol, D.E., Kapos, V., Filho, R.A., Roberts, D.A., Smith, M.O., and Gillespie, A.R.,
1995, Classification of multispectral images based on fractions of endmembers: Application to
land cover change in the Brazilian Amazon, Remote Sensing of Environment, 52, 137-15.
Adams, J.B., Smith, M.O., and Gillespie, A.R., 1993, Imaging Spectroscopy: Interpretation based
on spectral mixture analysis, in Remote Geochemical Analysis: Elemental and Mineralogical
Composition, edited by C.M. Pieters, and P. Englert, 145-166. Cambridge University Press, New
York.
Adams, J.B., Smith, M.O., and Johnson, P.E., 1986, Spectral mixture modeling; A new analysis of
rock and soil types at the Viking Lander 1 site, Journal of Geophysical Research, 91, 8098-8122.
Bach D., Barbour J., Macchiavello G., Martinelli M., Scalas P., Small C., Stark C., Taramelli A.,
Torriano L., Weissel J., 2007, Integration of the advanced remote sensing technologies to
investigate the dust storm areas, in A., El-Beltagy, M.C. Saxena, and T., Wang (eds) 2007,
Human and Nature – Working tighter for sustainable development of Drylands, Proceedings of
8th ICDD Conference, 25-28 February 2006, Beijing, China. ICARDA, Aleppo, Syria, 387-397.
Barbini, R., Colao, F., Fantoni, R., Micheli, C., Palucci, A., Ribezzo, S., 1998, Design and
application of a lidar fluorosensor system for remote monitoring of phytoplankton. ICES
Journal of Marine Science, 55, 793–802.
Ben-Dor, E., Irons, J.R. and Epema, G.F., 1999, Soil reflectance. In: (3rd ed.), Rencz, A.N., Editor,
1999, Remote Sensing for the Earth Sciences, Manual of Remote Sensing, 3, 111–188.
Boardman, J. W. Automating spectral unmixing of AVIRIS data using convex geometry concepts,
1993, In R. O. Green (Ed.), Fourth Airborne Visible/Infrared Imaging Spectrometer (AVIRIS)
airborne geoscience workshop Pasadena, CA: Jet Propulsion Laboratory, 11 –14.
Boardman, J.W., 1989, Inversion of Imaging Spectrometry Data Using Singular Value
Decomposition. Proceedings of the the 12th Canadian Symposium on Remote Sensing, 2069-
2072.
Boardman, J.W., and F.A. Kruse, 1994, Automated spectral analysis: a geologic example using
AVIRIS data, north Grapevine mountains, Nevada, in Tenth Thematic Conference on Geologic
Remote Sensing, pp. I407-I418, Environmental Research Institute of Michigan, Ann Arbor, MI.
Brennan, R., Webster, T.L., 2006, Object-oriented land cover classification of LIDAR-derived
surfaces. Canadian Journal of Remote Sensing 32, 162-172.Brinkman, R. F., 2000, May/June,
LIDAR and photogrammetric mapping. The Military Engineer, 56 – 57. Hanover, PA: The
Sheridan Press.
Brown, E.D., Churnside, J. H., Collins, R.L., Veenstra, T., Wilson, J. J., Abnett, K., 2002, Remote
sensing of capelin and other biological features in the North Pacific using lidar and video
technology. ICES Journal of Marine Science, 59, 1120–1130.
Carrera, P., Churnside, J. H., Boyra G., Marques V., Scalabrin C., Uriarte A., 2006, Comparison of
airborne lidar with echosounders: a case study in the coastal Atlantic waters of southern
Europe. ICES Journal of Marine Science, 63, 1736-1750.
Churnside, J. H., Demer, D.A., Mahmoudi, B., 2003, A comparison of lidar and echosounder
measurements of fish schools in the Gulf of Mexico. ICES Journal of Marine Science, 60,
147–154.
20

Chust, G., Galparsoro, I., Borja, A., Franco, J., Uriarte, A., 2008, Coastal and estuarine habitat
mapping, using LIDAR height and intensity and multi-spectral imagery. Estuarine, Coastal and
Shelf Science 78, 633-643.
Danson, E., 2006, Understanding LiDAR bathymetry for Shallow Waters and Coastal Mapping,
Shaping the Change, XXIII FIG Congress, Munich, Germany, October 8-13.
Elmore, A. J., Mustard, J. F., Manning, S. J., Lobell, D. B., 2000, Quantifying vegetation change in
semiarid environments: Precision and accuracy of spectral mixture analysis and the normalized
difference vegetation index, Remote Sensing of Environment, 73, 87– 102.
Estep L. L., Lillycrop W. J., Parson L. E., 1994, Sensor Fusion for Hydrographic Mapping
Applications, Proceedings, U.S. Army Corps of Engineers Training Symposium, Surveying and
Mapping, Remote Sensing/GIS, New Orleans, 1-7.
Giardino, C., Bartoli, M., Candiani, G., Bresciani, M., Pellegrini, L., 2007a, Recent changes in
macrophyte colonisation patterns: an imaging spectrometry-based evaluation of southern Lake
Garda (northern Italy), Journal of Applied Remote Sensing, 1, 011509, 1-17.
Giardino, C., Brando, V. E., Dekker, A. G., Strömbeck, N. and Candiani, G., 2007b, Assessment of
water quality in Lake Garda (Italy) using Hyperion, Rem. Sens.Environ. 109, 183-195.
Gillespie, A. R., Smith, M. O., Adams, J. B., Willis, S. C. , Fischer, A. F. III, Sabol, D. E., 1990,
Interpretation of residual images: Spectral mixture analysis of AVIRIS images, Owens Valley,
California. Proceedings of the 2nd Airborne Visible/Infrared Imaging Spectrometer (AVIRIS)
Workshop, Pasadena, CA, NASA Jet Propulsion Laboratory.
Guenther, G. Thomas, R.W.L., and Larocque, P.E., 1996, Design Considerations for Achieving
High Accuracy with the SHOALS Bathymetric Lidar System, SPIE Selected Papers, Laser
Remote Sensing of Natural Waters: From Theory to Practice, edited by Victor I. Feigles and
Yurij I. Kopilevich, St. Petersburg, Russia, 2694, 54-71.
Guenther, G.C., Brooks, M.W., and Larocque, P.E., 1998, New Capabilities of the "SHOALS"
Airborne Lidar Bathymeter, Proceedings, Fifth International Conference on Remote Sensing for
Marine and Coastal Environments, Environmental Research Institute of Michigan, Oct 5-7, San
Diego, CA, 147-55.
Henderson-Sellers, A., and Pitman, A.J., 1992, Land-surface schemes for future climate models:
specification, aggregation and heterogeneity, Journal of Geophysical Research, 97, 2678-2696.
INSPIRE, 2005, INfrastructure for SPatial InfoRmation in Europe. http://inspire.jrc.ec.europa.eu/.
Ultimo accesso: agosto 2008.
Irish, J. L., Lillycrop, W.J., 1999, Scanning laser mapping of the coastal zone: the SHOALS system,
ISPRS Journal of Photogrammetry & Remote Sensing 54,123–129.
Irish, J.L., Lillycrop, W.J., Parson, L.E., 1997, Accuracy of Sand Volumes as a Function of Survey
Density, Proceedings, 25th International Conference on Coastal Engineering, September 2-6,
Orlando, FL, III, 3736-3749.
Irish, J.L., White, T.E., 1998, Coastal engineering applications of high-resolution lidar bathymetry,
Coastal Engineering, 35, 47–71.
Krabill, W., Wright, C., Swift, R., Frederick, E., Manizade, S., Yungel, J., Martin, C., Sonntag, J.,
Duffy, M., & Brock, J., 2000, Airborne laser mapping of Assateague National Seashore Beach.
Photogrammetric Engineering and Remote Sensing, 66(1), 65–71
21

Li, L., Ustin, S.L., Lay, M., 2005, Application of multiple endmember spectral mixture analysis
(MESMA) to AVIRIS imagery for coastal salt marsh mapping: a case study in China Camp, CA,
USA, International Journal of Remote Sensing, 26 (23), 5193–5207.
Lillycrop, W.J., Parson, L.E., and Irish, J.L., 1996, Development and Operation of the SHOALS
Airborne Lidar Hydrographic Survey System, SPIE Selected Papers, Laser Remote Sensing of
Natural Waters: From Theory to Practice, edited by Victor I. Feigles and Yuriji. Kopilevich, St.
Petersburg, Russia, 2694, 26-37.
Lillycrop, W.J., Parson, L.E., Estep, L.L., LaRoque, P.E., Guenther, G.C., Reed, M.D., Truitt., C.L.,
1994, Field test results of the US army corps of engineers airborne lidar hydrographic survey
system. Proc. US Army Corps of Engineers 1994 Training Symposium. US Army Topographic
Engineering Center, Alexandria, VA, pp. SM2A1-SM2A6.
Liu, Z.S., Ma, S., Wang X., Li Z., 2008, Field Detection of Chlorophyll-a Concentration in the Sea
Surface Layer by an Airborne Oceanographic Lidar. J. Ocean Univ. Chin. (Oceanic and
Coastal Sea Research), 7(1), 108-112.
Méléder, V., Populus,, J., Rollet C., 2007, Mapping seabed substrata using Lidar remote sensing.
Mapping European Seabed Habitats (MESCH), IFREMER January 2007.
Melelli L., Taramelli, A., Alberto W., 2007, Analisi combinata di dati ottici e radar per la stima
della suscettibilita` da deformazioni Gravitative profonde di versante della Regione Piemonte,
Rendiconti della Società Geologica Italiana, 4, 35–42.
Milli M., Surace L., 2006, Tecniche innovative e tradizionali a confronto nella realizzazione di
rilievi batimetrici costieri: un caso di studio, Bollettino della SIFET, n. 2.
Nieke, B., Vincent W.F., Therriault, J.C., Legendre, L., Berthon, J.F., Condal, A., 1997, Use of a
ship-borne laser flourosensor for remote sensing of chlorophyll a in a coastal environment.
Remote sensing of environment, 60, 140-152.
Pasqui M., Taramelli A., Small C., Bottai L., Busillo C., Calastrini F., Gualtieri G., Guarnieri, F.,
Barbour, J., Bach, D., 2009, Dust sandstorm dynamics analysis in Northern China by means of
advanced remote sensing analysis and atmospheric emission-dispersion modeling. In review,
Earth Surface Processes and Landforms.
Pe’eri, S., Philpot, W., 2007, Increasing the Existence of Very Shallow-Water LIDAR
measurements Using the Red-Channel Waveforms, IEEE Transactions on Geoscience and
Remote Sensing, 45(5), 1217-1223.
Populus, J., Laurentin, A., Rollet, C., Vasquez, M., Guillaumont, B., Bonnot-Courtois, C., 2004,
Surveying coastal zone topography with airborne remote sensing for benthos mapping.
EARSeL eProceedings 3(1), 105-117.
Psuty N. P., 1988, Sediment budget and dune/beach interaction. Journal of Coastal Research, SI 3,
1-4.
Rainey M.P., Tyler A.N., Gilvear D.J, Bryant R.G, McDonald P., 2003, Mapping intertidal
estuarine sediment grain size distributions through airborne remote sensing, Remote Sensing of
Environment, 86, 480-490.
Riley, J.L., 1995, Evaluating SHOALS Bathymetry Using NOAA Hydrographic Survey Data:
Proceedings 24th Joint Meeting of UNIR Sea Bottom Surveys Panel, November 13-17, Tokyo,
Japan.
22

Roberts, D.A., G. Batista, J. Pereira, E. Waller, and B. Nelson, 1998a, Change Identification using
Multitemporal Spectral Mixture Analysis: Applications in Eastern Amazonia, in Remote
Sensing Change Detection: Environmental Monitoring Applications and Methods, edited by C.
Elvidge, and R. Lunetta, pp. 137-161, Ann Arbor Press, Ann Arbor.
Roberts, D.A., M. Gardner, R. church, S. Ustin, G. Scheer, and R.O. Green, 1998b, Mapping
chapparal in the Santa Monica mountains using multiple endmember spectral mixture models,
Remote Sensing of Environment, 65, 267 - 179.
Saye S. E., Van Der Wal D., Pye K., Blott S.J., 2005, Beach-dune morphological relationships and
erosion/accretion: An investigation at five sites in England and Wales using LIDAR data.
Geomorphology, 72, 128-155.
Small C., 2004, The Landsat ETM+ spectral mixing space, Remote Sensing of Environment, 93, 1-
17.
Small, C., 2000, Quantitative discrimination of vegetation characteristics from Linear Spectral
Unmixing of Landsat TM imagery, Remote Sensing of Environment.
Smith, M. O., Johnson, P. E., and Adams, J. B., 1985, Quantitative determination of mineral types
and abundances from reflectance spectra using principal component analysis, J. Geophys. Res.,
90, 792-804.
Smith, M.O., S.L. Ustin, J.B. Adams, and A.R. Gillespie, 1990, Vegetation in deserts: I. A regional
measure of abundance from multispectral images, Remote Sensing of Environment, 31, 1-26.
Sorichetta, A., Taramelli A., Santini M., 2009, Algorithm to calculate equal-area on a latitudelongitude
(geographic) regular grid, In review, International Journal of GIS.
Sosebee, C. R., 2001, Improvement of the land/water discrimination algorithm for the US Army
Corps of Engineers scanning hydrographic operational airborne LIDAR, M.S. thesis, Cornell
Univ., Ithaca, NY.
Speight J.G., 1984, The role of topography in controlling throughflow generation: a discussion.
Earth Surf. Process and Landf., 5, 187-191.
Taramelli A., Melelli L., 2008a, Detecting alluvial fans using quantitative roughness
characterization and fuzzy logic analysis, Lectures Notes in Computer Sciences, 5072, 1-15.
Taramelli A., Melelli L., 2008b, Detecting alluvial fans using quantitative roughness
characterization and fuzzy logic analysis using the SRTM data, in press, International Journal
of Computer Science and Software Technology, Invited Paper.
Taramelli, A., 2009, Detecting Landforms Using Quantitative Radar Roughness Characterization
and Spectral Mixing Analysis, Environmental geocomputation for sustainable development,
Series: Studies in Computational Intelligence, Springer-Verlag, Invited paper.
Taramelli, A., Melelli L., 2009, Map of deep seated gravitational slope deformations susceptibility
in central Italy derived from SRTM DEM and spectral mixing analysis of the Landsat ETM+
data, International Journal of Remote Sensing, 30, 2, 357–387.
Tenningen, E., Churnside J. H., Slotte, A., Wilson J.J., 2006, Lidar target-strength measurements on
Northeast Atlantic mackerel Scomber scombrus). ICES Journal of Marine Science, 63, 677-682
Thiago, S. F. Silva, Maychira, P. F. Costa, John, M. Melack, Evlyn, M. L.M. Novo, 2008, Remote
sensing of aquatic vegetation: theory and applications. Environmental Monitoring and
assessment, 140 (1-3), 131-145.
23

Ustin, S. L., Roberts, D. A., Gamon, j. A., Asner, G. P., Green, R. O., 2004, Using imaging
spectroscopy to study ecosystem processes and properties, Bioscience, 54, 523-534.
White S.A., and Wang, Y., 2003, Utilizing DEMs derived from LIDAR data to analyze
morphologic change in the North Carolina coastline, Remote Sensing of Environment, 85, 39-
47.
Woolard, J. W., 1999, Volumetric change of coastal dunes using airborne LIDAR, Cape Hatteras
National Seashore, North Carolina. Masters thesis, Dept. of Geography, East Carolina
University. 109 pp.
24