Piano Operativo - Centro di Monitoraggio GIZC
Piano Operativo - Centro di Monitoraggio GIZC
Piano Operativo - Centro di Monitoraggio GIZC
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
RILIEVO DI DETTAGLIO DELLA BATIMETRIA<br />
COSTIERA LAZIALE CON TECNOLOGIE LIDAR E<br />
VALUTAZIONE DELLE CARATTERISTICHE FISICHE<br />
E BIOLOGICHE IN AREE MARINE DELLA COSTA<br />
LAZIALE DI SPECIFICO INTERESSE AMBIENTALE<br />
<strong>Piano</strong> <strong>Operativo</strong> delle Attività<br />
Gennaio 2009
Responsabile del Programma:<br />
Dr. Luisa Nicoletti<br />
Responsabile <strong>Operativo</strong>:<br />
Dr. Andrea Taramelli<br />
Hanno collaborato per l’ISPRA:<br />
• Dr. Matteo Conti<br />
• Dott.ssa Elena Pallottini<br />
• Dott.ssa Emiliana Valentini<br />
• Dott.ssa Monica Targusi
INDICE<br />
PREMESSA......................................................................................................................................... 2<br />
1. INTRODUZIONE........................................................................................................................... 3<br />
2. FASE 1 ............................................................................................................................................. 4<br />
2.1 Ricerca bibliografica <strong>di</strong> settore e implementazione della metodologia (FASE 1A) .............. 4<br />
2.1.1 Obiettivi................................................................................................................................ 4<br />
2.1.2 Metodolgia ........................................................................................................................... 4<br />
2.1.3 Prodotti ................................................................................................................................ 6<br />
2.2 Acquisizione e groundtruthing (FASE 1B)............................................................................... 8<br />
2.2.1 Obiettivi................................................................................................................................ 8<br />
2.2.2 Metodolgia ........................................................................................................................... 8<br />
3. FASE 2 - Caratterizzazione morfologica (analisi morfometrica)............................................. 11<br />
3.1 Obiettivi................................................................................................................................. 11<br />
3.2 Metodologia .......................................................................................................................... 11<br />
3.3 Prodotti ................................................................................................................................. 12<br />
4. FASE 3 - Caratterizzazione ambientale...................................................................................... 14<br />
4.1 Obiettivi................................................................................................................................. 14<br />
4.2 Metodolgia ............................................................................................................................ 15<br />
4.3 Prodotti ................................................................................................................................. 18<br />
5. BIBLIOGRAFIA........................................................................................................................... 20<br />
1
PREMESSA<br />
L’ISPRA (Istituto Superiore per la Protezione e la Ricerca Ambientale), nell’ambito della<br />
Convenzione <strong>di</strong> Ricerca per il “Rilievo <strong>di</strong> dettaglio della batimetria costiera laziale con tecnologie<br />
lidar e valutazione delle caratteristiche fisiche e biologiche in aree marine della costa laziale <strong>di</strong><br />
specifico interesse ambientale” (lettera del 16-12-2008, prot. ISPRA n. 11606/08), è stato incaricato<br />
<strong>di</strong> produrre una serie <strong>di</strong> elaborati aggiornati al 2009 relativi ad alcuni aspetti morfologici e<br />
ambientali <strong>di</strong> due aree della fascia costiera della Regione Lazio con lo scopo <strong>di</strong> fornire elementi <strong>di</strong><br />
valutazione ambientale finalizzati alla gestione integrata delle zone costiere tramite l’impiego <strong>di</strong><br />
nuove meto<strong>di</strong>che <strong>di</strong> rilievo.<br />
Tale obiettivo verrà perseguito me<strong>di</strong>ante l’esecuzione <strong>di</strong> <strong>di</strong>verse attività articolate nelle fasi <strong>di</strong><br />
seguito descritte:<br />
FASE 1<br />
A. Ricerca bibliografica <strong>di</strong> settore e implementazione della metodologia;<br />
B. Acquisizione e groundtruthing;<br />
FASE 2 - Caratterizzazione morfologica (analisi morfometrica);<br />
FASE 3 - Caratterizzazione ambientale.<br />
Nella presente relazione viene presentato il <strong>Piano</strong> <strong>Operativo</strong> delle Attività per la realizzazione delle<br />
attività sopra elencate.<br />
2
1. INTRODUZIONE<br />
I <strong>di</strong>versi campi della ricerca scientifica, allo stato attuale, necessitano <strong>di</strong> strumentazioni e<br />
applicazioni in grado <strong>di</strong> fornire prodotti ed elaborati con elevati standard <strong>di</strong> qualità e <strong>di</strong><br />
rappresentare il territorio in modo realistico e accurato al fine <strong>di</strong> ottimizzarne la conoscenza e la<br />
gestione. La fascia costiera costituisce una zona ad elevata valenza ambientale in cui <strong>di</strong>versi habitat<br />
sono legati da interazioni complesse che ne determinano una con<strong>di</strong>zione <strong>di</strong> equilibrio <strong>di</strong>namico;<br />
inoltre la fascia costiera è sede <strong>di</strong> inse<strong>di</strong>amenti abitativi <strong>di</strong> <strong>di</strong>fferente estensione e <strong>di</strong> importanti<br />
attività economiche e commerciali. La corretta caratterizzazione ambientale <strong>di</strong> aree tanto complesse<br />
riveste un’importanza strategica ai fini <strong>di</strong> una corretta gestione e necessita <strong>di</strong> strumenti che<br />
consentano <strong>di</strong> analizzarne le singole componenti, ma anche l’insieme.<br />
La presente proposta <strong>di</strong> ricerca, prevede lo stu<strong>di</strong>o <strong>di</strong> un nuovo sistema <strong>di</strong> acquisizione ed<br />
elaborazione <strong>di</strong> dati ambientali inerenti le aree a mare. In particolare, riguarda i settori della<br />
modellazione e dell’elaborazione e restituzione cartografica attraverso nuove metodologie quali<br />
l’analisi <strong>di</strong> dati telerilevati e dati ambientali pregressi utili alla caratterizzazione della fascia costiera<br />
nell’ambito delle competenze dell’ISPRA. In particolare si propone <strong>di</strong> valutare l’applicazione <strong>di</strong><br />
dati telerilevati lidar e ottici iperspettrali, per stimare alcuni parametri utili a migliorare la gestione<br />
dei dati ambientali inerenti la caratterizzazione, il recupero, il monitoraggio e la gestione delle aree<br />
a mare. La proposta essenzialmente copre l'esigenza della gestione <strong>di</strong> dati topografici e batimetrici<br />
e se<strong>di</strong>mentologici che garantiscono lo sviluppo e la messa in opera <strong>di</strong> una metodologia per la<br />
gestione modellistica e cartografica. La presente ricerca si propone quin<strong>di</strong> <strong>di</strong> mettere a punto una<br />
metodologia finalizzata a produrre una serie <strong>di</strong> elaborati aggiornati al 2009 relativi ad alcuni aspetti<br />
morfologici e ambientali <strong>di</strong> aree della fascia costiera della regione Lazio basandosi principalmente<br />
sull’uso esteso ed innovativo del LiDAR e <strong>di</strong> un sensore iperspettrale per un rilievo contemporaneo<br />
ad elevata penetrazione della spiaggia sommersa ed emersa. In tale contesto, il rilievo me<strong>di</strong>ante<br />
laser scanning aviotrasportato è una tecnica <strong>di</strong> acquisizione sia topografica che batimetrica, che<br />
permette <strong>di</strong> rilevare forme, <strong>di</strong>mensioni e posizione <strong>di</strong> un oggetto me<strong>di</strong>ante la misura <strong>di</strong> un elevato<br />
numero <strong>di</strong> punti della sua superficie per mezzo <strong>di</strong> una sequenza <strong>di</strong> impulsi laser <strong>di</strong>versamente<br />
orientati. Le attività previste nell’ambito della ricerca saranno:<br />
• acquisizione simultanea <strong>di</strong> dati relativi ad aree emerse e sommerse della fascia costiera;<br />
• acquisizione <strong>di</strong> parametri morfologici, fisici e biologici finalizzati alla caratterizzazione<br />
delle aree rilevate;<br />
• produzione <strong>di</strong> una serie <strong>di</strong> elaborati volti alla corretta gestione del territorio e delle sue<br />
risorse;<br />
• sviluppo <strong>di</strong> uno strumento <strong>di</strong> gestione territoriale integrata, senza interferenze <strong>di</strong>rette<br />
sull’ambiente, esportabile ad altre aree costiere.<br />
Struttura del documento<br />
Nel presente documento viene dapprima descritta la metodologia che si intende adottare per il<br />
raggiungimento degli obiettivi prefissati (par.2.1); successivamente vengono descritte la fase <strong>di</strong><br />
acquisizione con volo LiDAR e sensore iperspettrale (par. 2.2) e quelle <strong>di</strong> elaborazione dei dati,<br />
<strong>di</strong>fferenziando l’analisi volta alla definizione <strong>di</strong> parametri morfologici tanto della spiaggia emersa<br />
che <strong>di</strong> quella sommersa (par. 2.3), da quella <strong>di</strong> indagine <strong>di</strong> matrici ambientali dell’area indagata<br />
(par.2.4). Per ciascuno degli argomenti trattati vengono prefissati gli obiettivi, viene esplicitato<br />
l’approccio metodologico e vengono brevemente descritti i prodotti che saranno ottenuti. Infine<br />
viene in<strong>di</strong>cato un cronoprogramma relativo all’attività descritta.<br />
3
2. FASE 1<br />
2.1 Ricerca bibliografica <strong>di</strong> settore e implementazione della metodologia (FASE 1A)<br />
2.1.1 Obiettivi<br />
L’importanza del rilevamento, quantificazione e monitoraggio delle caratteristiche fisiche delle aree<br />
costiere, è stata ampiamente riconosciuta dalla comunità scientifica quale elemento chiave nello<br />
stu<strong>di</strong>o degli impatti ambientali (Henderson-Sellers e Pitman, 1992). Un modo unico ed interessante<br />
<strong>di</strong> portare avanti tali stu<strong>di</strong> su scala areale, è quello <strong>di</strong> usare le osservazioni via satellite nelle bande<br />
visibili (VIS), bande del vicino infrarosso (NIR) e bande altimetriche (LIDAR). Questi dati<br />
presentano il grande vantaggio, rispetto ai dati classici <strong>di</strong> rilevamento, <strong>di</strong> fornire una copertura<br />
areale quasi continua (la continuità effettiva <strong>di</strong>pende dalle proprietà della superficie riflettente), e<br />
ottenibile a costi relativamente bassi su aree estese. Questo tipo <strong>di</strong> stu<strong>di</strong> può produrre un’enorme<br />
quantità <strong>di</strong> dati ambientali inerenti le aree a mare con una riduzione dei costi e tempi complessivi <strong>di</strong><br />
misura rispetto alle tecniche tra<strong>di</strong>zionali (Lyllycrop et al., 1994; Krabil et al., 2000). Partendo da<br />
una ricerca bibliografica <strong>di</strong> settore, l’obiettivo <strong>di</strong> questa fase è quello <strong>di</strong> implementare una<br />
metodologia <strong>di</strong> elaborazione dei dati acquisiti da remoto, che fornisca un supporto reale ai sistemi <strong>di</strong><br />
monitoraggio ambientale, che potrebbero <strong>di</strong>venire, in seguito ai risultati ottenuti nel corso <strong>di</strong> tale<br />
sperimentazione, aggiornabili con costi minori. I risultati e i prodotti <strong>di</strong> un tale stu<strong>di</strong>o saranno in<br />
grado <strong>di</strong> fornire nuove metodologie per una caratterizzazione ambientale delle zone costiere (Irish<br />
and White, 1998; Woolard, 1999).<br />
La metodologia offrirà una certa flessibilità nell’utilizzo dei <strong>di</strong>versi dati, per permetterne una più<br />
efficiente acquisizione, elaborazione e rappresentazione. La presenza <strong>di</strong> banche dati <strong>di</strong> immagini<br />
satellitari <strong>di</strong> archivio (oltre 30 anni <strong>di</strong> immagini LANDSAT a costo zero) permetterà inoltre <strong>di</strong><br />
ricostruire le variazioni dell’andamento morfologico nel tempo, aiutando la comprensione dei<br />
fenomeni.<br />
2.1.2 Metodolgia<br />
Per comprendere i principali processi che governano un sistema tanto complesso come la fascia<br />
costiera, dove componenti eterogenee sono collegate da interazioni multiple, è necessaria una<br />
grande quantità <strong>di</strong> informazioni acquisite con specifiche scale spaziali e <strong>di</strong>fferenti livelli <strong>di</strong> analisi.<br />
Ad oggi, è universalmente riconosciuta dalla comunità scientifica l’importanza dell’evoluzione<br />
delle metodologie e delle strumentazioni per il telerilevamento, che consentono <strong>di</strong> condurre stu<strong>di</strong> su<br />
scala areale in <strong>di</strong>versi contesti ambientali (Bach et al., 2007). Le tra<strong>di</strong>zionali tecniche <strong>di</strong> rilevamento<br />
e <strong>di</strong> monitoraggio non sono sempre efficaci e, quando possibili, non convenienti economicamente<br />
(Brinkman, 2000; White and Wang, 2003).<br />
Le indagini da remoto, ed in modo particolare la combinazione delle informazioni ottenibili<br />
me<strong>di</strong>ante sensori laser ed iperspettrali, possono fornire dati ambientali con un elevato grado <strong>di</strong><br />
risoluzione (Estep et al., 1994). Essi costituiscono un valido ed unico contributo alla comprensione<br />
dell’ambiente a livello ecosistemico e paesaggistico, livelli per i quali sono richieste informazioni<br />
relative a processi che avvengono a piccola scala cioè a livelli gerarchici inferiori. (Ustin et al,<br />
2004).<br />
Il LiDAR è un mezzo per la rilevazione dei parametri superficiali che ben si presta a stu<strong>di</strong> per la<br />
valutazione <strong>di</strong> fenomeni erosivi delle aree costiere (White and Wang, 2003). Il rilievo laser<br />
scanning aviotrasportato viene generalmente eseguito me<strong>di</strong>ante sensore laser a scansione bicolore<br />
(che opera nelle lunghezze d’onda dell’infrarosso vicino, 1064 nm, e nel verde, 532 nm) con<br />
l’obiettivo <strong>di</strong> <strong>di</strong>stribuire uniformemente i punti rilevati lungo la zona indagata (alcuni sistemi<br />
LIDAR, rilevando lungo una traccia sinusoidale, possono originare una <strong>di</strong>somogeneità nella densità<br />
dei punti concentrandoli sui bor<strong>di</strong> della strisciata). L’apparecchiatura emette un raggio laser nelle<br />
4
lunghezze d’onda dell’infrarosso e l’emissione <strong>di</strong> un ulteriore raggio laser nel campo del verde,<br />
permettendo anche il rilievo dei fondali fino a profon<strong>di</strong>tà <strong>di</strong>pendenti dal livello <strong>di</strong> torbi<strong>di</strong>tà<br />
dell’acqua.<br />
Durante gli ultimi cinque anni <strong>di</strong> operazioni <strong>di</strong> indagine (Milli and Surace, 2006), i sensori LiDAR<br />
specifici per l’acquisizione <strong>di</strong> dati batimetrici hanno fornito un efficace strumento per la gestione<br />
delle aree costiere (Irish and Lillycrop, 1999; Pe’eri and Philpot, 2007). I dati grezzi ottenuti<br />
vengono sottoposti a <strong>di</strong>versi “filtraggi”. Dapprima vengono eliminati i punti “anomali”, facilmente<br />
riconoscibili in quanto molto più alti o molto più bassi rispetto ai punti circostanti: i primi possono<br />
essere dovuti ad oggetti che non sono sul terreno, mentre i secon<strong>di</strong> sono dovuti a riflessioni<br />
multiple. Eliminati questi punti, si ottiene un modello <strong>di</strong>gitale della superficie (DSM) che<br />
comprende i target <strong>di</strong> <strong>di</strong>verse risposte quali manufatti o scatter delle onde. Per ottenere il modello<br />
<strong>di</strong>gitale (DEM) batimetrico, il backscatter dell’acqua viene eliminato sfruttando i doppi echi che si<br />
originano in corrispondenza della superficie stessa: infatti una parte del raggio riesce ad attraversare<br />
la superficie dell’acqua e ad originare una seconda eco in corrispondenza della batimetria. Tale<br />
metodologia permette <strong>di</strong> <strong>di</strong>scriminare la batimetria alla profon<strong>di</strong>tà <strong>di</strong> <strong>di</strong>versi metri. Per ulteriori<br />
dettagli sulle modalità <strong>di</strong> acquisizione e sulle elaborazioni dei DEM ottenuti si rimanda ai par. 2.2.2<br />
e 2.3.2 rispettivamente.<br />
Il sensore iperspettrale è basato su una potente e versatile tecnologia in grado <strong>di</strong> registrare centinaia<br />
<strong>di</strong> ristrette bande spettrali nella porzione dello spettro elettromagnetico in cui assorbe (visibile,<br />
infrarosso vicino e me<strong>di</strong>o infrarosso). La risoluzione spettrale molto alta rende possibile la<br />
<strong>di</strong>scriminazione tra <strong>di</strong>fferenti oggetti sulla base della loro risposta spettrale in ciascuna delle bande e<br />
<strong>di</strong> approfon<strong>di</strong>re l’analisi fino ad una scala <strong>di</strong> estremo dettaglio.<br />
L’approccio metodologico che viene adottato per il processing <strong>di</strong> dati iperspettrali ad elevato<br />
standard qualitativo è la SMA (spectral mixing analysis - Smith et al., 1990; Adams et al., 1995;<br />
Roberts et al., 1998b; Elmore et al., 2000; Small, 2004).<br />
Ogni elemento presente nelle scene acquisite da remoto fornisce una risposta (riflettanza) <strong>di</strong>versa a<br />
seconda della lunghezza d’onda (λ) con cui è indagato, che è funzione della natura fisica<br />
dell’elemento stesso. Per ogni scena indagata avremo, dunque, che lo stesso elemento fisico<br />
riflettente (endmember) fornisce una <strong>di</strong>fferente risposta spettrale nelle <strong>di</strong>verse bande con cui viene<br />
rilevato; l’insieme <strong>di</strong> tali risposte costituisce la firma spettrale dell’endmember. Va inoltre<br />
sottolineato come le immagini siano costituite da singoli pixel che, essendo la risultante <strong>di</strong> segnali<br />
complessi provenienti da più endmember, sono unità visive miste (mixed pixel).<br />
Partendo da tali premesse, un’immagine fornisce un segnale (riflettanza) estremamente complesso e<br />
dovuto alla combinazione lineare delle risposte degli endmember presenti. La SMA assimila tale<br />
segnale ad uno spazio multi<strong>di</strong>mensionale con tante <strong>di</strong>mensioni quanti sono gli elementi riflettenti<br />
che lo costituiscono. Me<strong>di</strong>ante un proce<strong>di</strong>mento definito Analisi delle Componenti Principali<br />
(Boardman, 1989; Boardman and Kruse, 1994; Melelli et al., 2007, Taramelli and Melelli, 2009) è<br />
possibile isolare la riflettanza dovuta ai singoli elementi fisici riflettenti “puri”(ad es. acqua, suolo,<br />
vegetazione ecc.) e in<strong>di</strong>viduare quali siano quelli che forniscono la maggior parte delle informazioni<br />
alla scena. Una volta definita la riflettenza <strong>di</strong> elementi puri è possibile risolvere il segnale derivante<br />
dai mixed pixel sviluppando modelli <strong>di</strong> equazioni lineari che, risolti, forniscono la percentuale <strong>di</strong><br />
endmember presenti in ogni pixel o gruppo <strong>di</strong> pixel della scena. Il risultato finale è una<br />
riclassificazione dell’immagine in cui si visualizzano, in modo continuo, le frazioni degli<br />
endmembers sulla scena e, dunque, la <strong>di</strong>sposizione spaziale <strong>di</strong> aree omogenee (Adams et al., 1986,<br />
1993, 1995; Smith et al., 1985; Gillespie et al., 1990; Boardman, 1993; Melelli et al., 2007). Di<br />
seguito vengono riportate le equazioni <strong>di</strong> primo grado calcolate in letteratura (Boardman, 1989;<br />
Boardman and Kruse, 1994; Small, 2004) e che permettono <strong>di</strong> risolvere il segnale complesso<br />
proveniente da una immagine:<br />
5
fSe11 + fVe12 + fDe13 = r1<br />
fSe21 + fVe22 + fDe23 = r2<br />
fSe31 + fVe32 + fDe33 = r3<br />
fSe41 + fVe42 + fDe43 = r4<br />
fSe51 + fVe52 + fDe53 = r5<br />
fSe61 + fVe62 + fDe63 = r6<br />
in cui ri è il segnale complesso che proviene da un pixel o gruppo <strong>di</strong> pixel nelle <strong>di</strong>verse bande <strong>di</strong><br />
indagine, eij rappresenta il segnale degli endmember puri, rispettivamente substrato (s), vegetazione<br />
(v), acqua (d), f sono le percentuali dei tre endmember presenti e sono le incognite rispetto a cui il<br />
sistema <strong>di</strong> equazioni va risolto.<br />
Sostanzialmente la Spectral Mixing Analysis, partendo dalla ra<strong>di</strong>azione emessa da una data porzione<br />
del territorio, consente <strong>di</strong> interpretare una risposta complessa me<strong>di</strong>ante la scomposizione in singoli<br />
elementi che vengono successivamente interpretati e ricondotti a determinate matrici ambientali o<br />
elementi topografici.<br />
Nella presente ricerca, partendo da una definizione dello stato dell’arte inerente le metodologie<br />
sopra descritte, si intende implementare l’approccio descritto al fine <strong>di</strong> indagare alcuni aspetti<br />
ambientali delle aree rilevate. Il dato iperspettrale, se ottenuto in con<strong>di</strong>zioni meteorologiche ottimali<br />
e con un sufficiente numero <strong>di</strong> canali, consente <strong>di</strong> analizzare la <strong>di</strong>stribuzione dei <strong>di</strong>versi tipi <strong>di</strong><br />
se<strong>di</strong>mento (Rainey et al., 2003) e del loro contenuto idrico (relativamente alla spiaggia emersa -<br />
Ben Dor et al., 1999), la componente fotosintetizzante (la produzione primaria o meglio i pigmenti<br />
fotosintetici sono indubbiamente gli elementi che possono essere meglio rilevati) e alcune delle<br />
proprietà ottiche della colonna d’acqua (torbi<strong>di</strong>tà e biomassa fitoplanctonica).<br />
Questo tipo <strong>di</strong> informazioni, unitamente a valutazioni topografiche e batimetriche derivanti dal<br />
processing delle scansioni LiDAR, consentirà <strong>di</strong> analizzare le molteplici variabili caratterizzanti gli<br />
ambienti <strong>di</strong> fascia costiera con l’obiettivo <strong>di</strong> ottimizzarne la gestione. L’uso combinato delle due<br />
tecnologie consente <strong>di</strong> valutare con maggior dettaglio l’informazione derivante dall’area indagata.<br />
La tecnologia LiDAR me<strong>di</strong>ante il backscatter dei target indagati consente <strong>di</strong> avere informazioni <strong>di</strong><br />
carattere morfologico ad un buon livello <strong>di</strong> dettaglio; tuttavia sono numerosi i fattori presenti sul<br />
territorio che possono “<strong>di</strong>sturbare” il segnale e quin<strong>di</strong> l’informazione ricevuta. L’utilizzo<br />
contemporaneo dei dati iperspettrali permette <strong>di</strong> risolvere segnali complessi e quin<strong>di</strong><br />
sostanzialmente <strong>di</strong> separare l’informazione relativa alla morfologia del territorio da quella <strong>di</strong> altre<br />
matrici ambientali o elementi del territorio. I risultati ottenuti me<strong>di</strong>ante l’uso combinato dei dati da<br />
remoto devono essere validati con dati <strong>di</strong> campo <strong>di</strong> neoacquisizione o su serie <strong>di</strong> dati già esistenti<br />
(cartografie o, eventualmente, immagini satellitari). Una buona correlazione fra risultati ottenuti da<br />
dati <strong>di</strong>fferenti per acquisizione e processing, confermerà l’affidabilità dell’approccio metodologico<br />
adottato. Non me<strong>di</strong>ante una risoluzione spaziale assoluta, ma me<strong>di</strong>ante una elevata risoluzione<br />
spettrale, dovuta all’uso combinato <strong>di</strong> <strong>di</strong>verse tecnologie, si possono ottenere informazioni<br />
qualitativamente ottimali per una corretta interpretazione e gestione del territorio, delle componenti<br />
fisiche <strong>di</strong> cui è composto e delle <strong>di</strong>namiche che lo governano.<br />
2.1.3 Prodotti<br />
I principali prodotti <strong>di</strong> questa prima fase sono:<br />
1. Ricerca bibliografica <strong>di</strong> settore e definizione dello stato dell’arte inerente l’utilizzo e il<br />
processing <strong>di</strong> dati da remoto (LiDAR e iperspettrale) nella valutazione <strong>di</strong> aspetti ambientali <strong>di</strong><br />
aree costiere.<br />
6
FASE<br />
piano<br />
operativo<br />
1A<br />
1B<br />
2<br />
3<br />
2. Implementazione nell’ambito della gestione e monitoraggio costiero <strong>di</strong> una metodologia <strong>di</strong><br />
acquisizione ed elaborazione dati a bassissimo impatto ambientale, volta ad indagare aree con<br />
elevato valore ambientale (Aree Marine Protette e siti Rete Natura 2000);<br />
3. Sviluppo <strong>di</strong> un metodo che consenta in tempi brevi e con costi relativamente contenuti <strong>di</strong><br />
acquisire notevoli quantità <strong>di</strong> informazioni sulla fascia costiera, inerenti sia la parte sommersa<br />
che emersa del territorio;<br />
4. In<strong>di</strong>viduazione <strong>di</strong> meto<strong>di</strong> <strong>di</strong> indagine esportabili a qualunque contesto analogo a quello oggetto<br />
<strong>di</strong> questo stu<strong>di</strong>o.<br />
Il cronoprogramma delle attività previste è riportato nella seguente tabella:<br />
gen-09<br />
feb-09<br />
mar-09<br />
apr-09<br />
mag-09<br />
giu-09<br />
lug-09<br />
ago-09<br />
set-09<br />
ott-09<br />
nov-09<br />
7<br />
<strong>di</strong>c-09<br />
gen-10<br />
feb-10<br />
mar-10<br />
apr-10<br />
mag-10<br />
giu-10<br />
lug-10<br />
ago-10<br />
set-10<br />
ott-10<br />
nov-10<br />
<strong>di</strong>c-10
2.2 Acquisizione e groundtruthing (FASE 1B)<br />
Un modo unico ed interessante <strong>di</strong> portare avanti stu<strong>di</strong> <strong>di</strong> monitoraggio delle caratteristiche fisiche<br />
della fascia costiera su scala areale, è quello <strong>di</strong> usare le osservazioni da remoto. La tra<strong>di</strong>zionale<br />
metodologia <strong>di</strong> costruzione dei modelli <strong>di</strong>gitali della superficie (DSM) e del terreno (DTM) si basa<br />
infatti sull’utilizzo <strong>di</strong> tecniche fotogrammetriche. La marcata espansione del rilievo da aeromobile<br />
me<strong>di</strong>ante scansione laser, adottata dalla prima metà degli anni Novanta, ha fatto sì che questa<br />
tecnologia da un ruolo marginale, relegato alla pura ricerca e sperimentazione, sia <strong>di</strong>ventata una<br />
tecnica topografica che attualmente ricopre un’importante utilizzazione anche commerciale (Riley,<br />
1995; Lillycrop et al., 1996; Irish et al., 1997). Il sistema laser a scansione batimetrico rappresenta<br />
in questo ambito lo “state of the art” nei sistemi <strong>di</strong> rilevamento per gli stu<strong>di</strong> della fascia costiera<br />
(Gunter et al., 1996; 1998). Le tecniche tra<strong>di</strong>zionali, infatti, risultano molto efficaci nelle zone<br />
caratterizzate da aree pianeggianti che presentano pochi ostacoli (vegetazione ad alto fusto, rilievi,<br />
ecc.), ma sono limitate nelle aree caratterizzate da una morfologia complessa come quella costiera<br />
dove si è spesso chiamati ad intervenire, con il conseguente aumento dei tempi e dei costi <strong>di</strong><br />
realizzazione. Il LiDAR SHOALS (o equiparabili), invece, si è <strong>di</strong>mostrato particolarmente<br />
efficiente proprio in ambiti <strong>di</strong> fascia costiera, dove con processi <strong>di</strong> filtraggio del dato parzialmente<br />
automatizzati, risulta apparentemente imme<strong>di</strong>ato <strong>di</strong>scernere tra i punti che appartengono a oggetti<br />
superficiali e quelli che corrispondono al terreno. Tale <strong>di</strong>scriminazione, in realtà, necessita lo<br />
sviluppo <strong>di</strong> sofisticati algoritmi <strong>di</strong> filtraggio e spesso l’intervento <strong>di</strong> un operatore esperto è<br />
determinante per ottenere un buon risultato (Sosebee, 2001; Danson, 2006).<br />
2.2.1 Obiettivi<br />
L’obiettivo <strong>di</strong> questa fase è quello <strong>di</strong> acquisire e valutare le misure telerilevate per produrre un<br />
dataset DEM-LiDAR, da inserire in un Sistema Informativo Territoriale concordato con il<br />
Committente. Sono state quin<strong>di</strong> previste le seguenti attività operative:<br />
1. copertura dell’area <strong>di</strong> stu<strong>di</strong>o concordata con il Committente me<strong>di</strong>ante rilievo LiDAR per una<br />
fascia <strong>di</strong> territorio <strong>di</strong> estensione complessiva pari a circa 100 Km 2 lungo i due tratti costieri<br />
regionali specificati al par 1.1 dell’allegato tecnico. Nel caso in cui risultino <strong>di</strong>sponibili i dati<br />
LiDAR terrestri acquisiti nel corso del 2007 da parte del MATTM, si provvederà a rilevare i<br />
tratti <strong>di</strong> costa in modo che i dati acquisiti siano ad essi complementari;<br />
2. acquisizione dei dati topografici e batimetrici con una sovrapposizione laterale dei voli pari<br />
al 15% - 20% per assicurare una copertura integrale dell’area <strong>di</strong> interesse;<br />
3. strumentazione e pianificazione del rilievo atte a garantire la risoluzione prevista per i<br />
prodotti finali, vale a <strong>di</strong>re la realizzazione <strong>di</strong> un modello <strong>di</strong>gitale <strong>di</strong> elevazione del fondo<br />
mare con una risoluzione <strong>di</strong> 4m x 4m;<br />
4. acquisizione <strong>di</strong> dati e misurazioni <strong>di</strong> campo volte alla valutazione e successiva validazione<br />
del dato da remoto (saranno comunque considerati dati pregressi utili già in possesso <strong>di</strong><br />
ISPRA inerenti alcune matrici ambientali quali granulometria);<br />
5. preliminare elaborazione dei dati grezzi <strong>di</strong> acquisizione finalizzata alla produzione <strong>di</strong><br />
formati <strong>di</strong>gitali costituenti un dataset da utilizzare all’interno <strong>di</strong> un Sistema Informativo<br />
Territoriale concordato con il Committente.<br />
2.2.2 Metodolgia<br />
L'utilizzo del rilievo LiDAR rappresenta una delle tecnologie <strong>di</strong> punta per la determinazione dei<br />
criteri geometrici delle fasce costiere. La possibilità infatti <strong>di</strong> acquisire una vasta mole <strong>di</strong> dati su<br />
larga scala, con tempistiche relativamente contenute, consente <strong>di</strong> poter procedere alla derivazione<br />
8
spe<strong>di</strong>tiva delle primarie informazioni geometriche. Tuttavia, il dato LiDAR necessita, come noto, <strong>di</strong><br />
lunghe e laboriose fasi <strong>di</strong> post-processing. Molto spesso tali procedure <strong>di</strong> segmentazione e<br />
successiva classificazione vertono sull'implementazione <strong>di</strong> criteri fondati sull'analisi delle <strong>di</strong>fferenze<br />
geometriche dei punti laser. Altrettanto efficaci, sono le tecniche <strong>di</strong> classificazione basate<br />
sull'integrazione del dato LiDAR con immagini multi-risoluzione. La possibilità infatti <strong>di</strong> integrare<br />
il dato laser altimetrico con le meta-informazioni derivabili dalle ortofoto <strong>di</strong>gitali che<br />
accompagnano l'acquisizione del dato laser stesso, permette <strong>di</strong> utilizzare criteri <strong>di</strong> segmentazione<br />
del dato fondati sull'analisi delle componenti ra<strong>di</strong>ometriche (I) o delle tre bande base del colore<br />
(RGB). Nello svolgimento <strong>di</strong> questa prima fase è prevista quin<strong>di</strong> sia una acquisizione <strong>di</strong>retta del<br />
dato che una modellazione dello stesso:<br />
• acquisizione: vengono acquisiti in formato ascii elementi e parametri che caratterizzano il<br />
modellato superficiale nella sua evoluzione;<br />
• processamento: nel secondo livello <strong>di</strong> indagine vengono elaborate le relazioni funzionali e<br />
strutturali tra i <strong>di</strong>fferenti dati acquisiti (raster);<br />
• valutazione: in questa fase vengono attribuite le correlazioni con dati acquisiti in campo<br />
contestualmente all’esecuzione del volo con LiDAR;<br />
In particolare l’acquisizione prevede un sistema costituito da sensore laser a scansione bicolore, che<br />
opera nelle lunghezze d’onda dell’infrarosso vicino (1064 nm) e nel verde (532 nm). Il laser<br />
nell’infrarosso opera come un mappatore del terreno con una frequenza <strong>di</strong> 10 kHz mentre il raggio<br />
laser verde opera con una frequenza <strong>di</strong> 1 kHz, ovvero 1000 soun<strong>di</strong>ngs (misure <strong>di</strong> batimetria) al<br />
secondo.<br />
Il raggio infrarosso misura la posizione e quota della superficie del mare, mentre quello verde,<br />
penetrando la colonna d’acqua definisce la posizione e quota del fondo per riflessione.<br />
Dalla determinazione dei tempi <strong>di</strong> ritorno delle due riflessioni si determina il battente d’acqua e la<br />
posizione del fondo, che viene definita in maniera assoluta e quin<strong>di</strong> non relativamente alla<br />
superficie dell’acqua.<br />
La posizione e l’assetto del sistema laser batimetrico è determinata me<strong>di</strong>ante un sistema inerziale,<br />
associato ad un GPS <strong>di</strong>fferenziale (DGPS). Questa architettura consente <strong>di</strong> ricostruire le coor<strong>di</strong>nate<br />
assolute delle misurazioni, nel sistema <strong>di</strong> riferimento terrestre WGS84. La quota <strong>di</strong> volo e <strong>di</strong><br />
conseguenza la fascia <strong>di</strong> larghezza (swath) coperta, <strong>di</strong>pende da <strong>di</strong>verse caratteristiche fisiche<br />
dell’ambiente quali la torbi<strong>di</strong>tà dell’acqua, la sua composizione in termini <strong>di</strong> materiale organico<br />
fluorescente e dalla densità <strong>di</strong> punti <strong>di</strong> misura (soun<strong>di</strong>ngs).<br />
I principali dettagli tecnici della pianificazione <strong>di</strong> volo garantiranno il raggiungimento dei livelli <strong>di</strong><br />
accuratezza spaziale del dato (specificati nell’Allegato Tecnico al punto 3 del par. 2.2.1).<br />
Il vantaggio principale del sistema è la contemporanea acquisizione su vasta scala non solo della<br />
parte immersa ma anche della transizione della linea <strong>di</strong> costa e della topografia interna. Le misure<br />
effettuate nella parte sommersa raggiungono gli standard della classe definita <strong>di</strong> “Or<strong>di</strong>ne 1” previsti<br />
dalla normativa IHO – International Hydrographyc Organisation.<br />
In un intervallo <strong>di</strong> tempo estremamente ridotto se confrontato a quello necessario per altre tipologie<br />
<strong>di</strong> strumentazione e con un impatto ambientale nullo sull’area indagata saranno acquisiti una<br />
notevole mole <strong>di</strong> dati.<br />
In concomitanza al volo LiDAR saranno acquisiti <strong>di</strong>rettamente sul campo, me<strong>di</strong>ante altre<br />
strumentazioni o procedure tutte le informazioni, misure o campioni ritenuti necessari per<br />
correlazioni con dati acquisiti da remoto e loro successive validazioni.<br />
9
FASE<br />
piano<br />
operativo<br />
1A<br />
1B<br />
2<br />
3<br />
2.2.3 Prodotti<br />
Le attività relative alla prima fase dello stu<strong>di</strong>o e gli obiettivi che la proponente Unità <strong>di</strong> ricerca si è<br />
preposta, produrranno i seguenti dati, informazioni ed elaborati in conformità alla Direttiva<br />
2007/2/CE del 14 marzo 2007 denominata INSPIRE ed ai suoi data specification (Sorichetta et al.,<br />
2009):<br />
1. Dati relativi ai GCP considerati per il multi spettrale;<br />
2. Dati relativi ai GCP considerati per i dati LiDAR;<br />
3. Report Calcolo RMSE sui GCP per il data fusion delle bande relative al multispettrale e per<br />
il LiDAR;<br />
4. Report Calcolo del CE90
3. FASE 2 - Caratterizzazione morfologica (analisi morfometrica)<br />
Nel corso <strong>di</strong> questa fase, verranno elaborati i dati acquisiti me<strong>di</strong>ante il rilievo LIDAR SHOALS (o<br />
equiparabili) al fine <strong>di</strong> condurre un’analisi morfometrica della spiaggia sommersa, della spiaggia<br />
emersa e delle dune costiere retrostanti. Tale analisi sarà condotta prendendo in considerazione le<br />
relazioni esistenti tra parametri significativi del sistema spiaggia-duna.<br />
Spiaggia sommersa, spiaggia emersa e duna costituiscono, infatti, tre <strong>di</strong>stinti elementi <strong>di</strong> uno stesso<br />
sistema, strettamente <strong>di</strong>pendenti l’uno dall’altro. Per questo motivo, è verosimile aspettarsi che i<br />
cambiamenti che interessano la morfologia <strong>di</strong> una <strong>di</strong> queste tre componenti, abbiano un’influenza<br />
<strong>di</strong>retta o in<strong>di</strong>retta sulle variazioni delle altre due (Psuty, 1988).<br />
In questo contesto, l’importanza della metodologia <strong>di</strong> acquisizione LIDAR risiede nel fatto <strong>di</strong> essere<br />
uno strumento ideale per indagare l’intera fascia costiera me<strong>di</strong>ante un’acquisizione dei dati in<br />
continuità spazio-temporale. Dal momento che i processi si riflettono a livello morfologico, l’analisi<br />
morfometrica dei parametri più significativi è importante poiché permette <strong>di</strong> risalire a informazioni<br />
relative allo stato del sistema e anche, se confrontate con dati pregressi, sulla <strong>di</strong>namica del sistema<br />
stesso (White and Wang, 2003). Tale procedura permette quin<strong>di</strong> <strong>di</strong> indagare le <strong>di</strong>verse componenti<br />
(spiaggia sommersa, spiaggia emersa, dune) in<strong>di</strong>viduando ed evidenziando i meccanismi <strong>di</strong><br />
feedback esistenti tra <strong>di</strong> esse.<br />
La comprensione dello stato <strong>di</strong> conservazione, delle modalità <strong>di</strong> evoluzione e della <strong>di</strong>namica del<br />
sistema spiaggia-duna è essenziale non solo per la protezione ma anche per una corretta gestione<br />
della fascia costiera (Saye et alii, 2005).<br />
3.1 Obiettivi<br />
Il principale obiettivo <strong>di</strong> questa fase dello stu<strong>di</strong>o consiste nell’elaborazione dei dati LiDAR acquisiti<br />
me<strong>di</strong>ante i quali sia possibile condurre valutazioni morfometriche e ricostruire le caratteristiche<br />
della spiaggia emersa, sommersa e delle dune costiere delle aree indagate. Le attività consisteranno<br />
nell’in<strong>di</strong>viduare i limiti del sistema spiaggia/duna e la <strong>di</strong>stribuzione dei depositi eolici, alla massima<br />
risoluzione permessa dal tipo <strong>di</strong> dati, me<strong>di</strong>ante l’utilizzo <strong>di</strong> <strong>di</strong>fferenti risposte (backscatter) dei<br />
target indagati, utili per l’interpretazione delle forme e dei processi da cui <strong>di</strong>pendono evoluzione e<br />
stato ambientale dell’area.<br />
I dati ad elevata risoluzione acquisiti nel corso del rilievo LIDAR, verranno utilizzati per condurre<br />
un’analisi morfometrica della spiaggia emersa e sommersa e delle retrostanti dune costiere.<br />
Gli obiettivi principali <strong>di</strong> questa fase sono:<br />
1. Definizione dell’andamento topografico e batimetrico delle aree indagate;<br />
2. Definizione <strong>di</strong> sezioni e profili <strong>di</strong> spiaggia emersa e sommersa;<br />
3. Definizione dell’estensione e delle caratteristiche dei depositi eolici;<br />
4. Analisi dei dati <strong>di</strong> campo acquisiti e correlazione con i dati da remoto.<br />
3.2 Metodologia<br />
Dall’analisi dei dati LiDAR acquisiti è possibile ottenere dati topo-batimetrici utilizzabili per<br />
l’in<strong>di</strong>viduazione <strong>di</strong> opportuni parametri morfometrici per l’analisi delle caratteristiche della fascia<br />
costiera. Tali parametri possono essere <strong>di</strong>stinti in primari, <strong>di</strong>rettamente calcolati dai dati <strong>di</strong> quota<br />
assoluta, e secondari, calcolati attraverso la combinazione <strong>di</strong> parametri primari e <strong>di</strong> altre eventuali<br />
variabili.<br />
La selezione dei parametri è finalizzata ad ottenere una caratterizzazione del territorio me<strong>di</strong>ante<br />
l’analisi della mutabilità spaziale <strong>di</strong> uno specifico processo geomorfologico o <strong>di</strong> particolari<br />
11
associazioni <strong>di</strong> forme relative alla spiaggia sommersa, alla spiaggia emersa e alle dune costiere<br />
retrostanti.<br />
Pertanto, attraverso il riconoscimento della geometria e la <strong>di</strong>sposizione spaziale delle morfologie<br />
più significative, sarà possibile un’interpretazione delle forme e dei processi da cui <strong>di</strong>pendono<br />
evoluzione e stato ambientale dell’area.<br />
Tra i dataset che possono essere ottenuti e che descrivono quantitativamente l’andamento della<br />
superficie topografica, nell’analisi morfometrica verranno utilizzati sia Digital Elevation Models<br />
(DEM) che Digital Terrain Models (DTM) per l’estrazione <strong>di</strong> attributi topografici sia primari che<br />
secondari (Speight, 1984, Melelli et al, 2007).<br />
In particolare, i DEM rappresentano in forma <strong>di</strong>gitale le quote della superficie rilevata (comprensivi<br />
degli elementi morfologicamente rilevati rispetto alla superficie del terreno). Diversamente, un<br />
DTM rappresenta in forma <strong>di</strong>gitale la superficie del terreno con l’esclusione <strong>di</strong> tutti gli elementi<br />
morfologicamente rilevati rispetto ad essa, quali ad esempio le infrastrutture, la vegetazione, ecc.<br />
Il confronto DTM/DEM, permette infine <strong>di</strong> ricavare utili informazioni quali ad esempio quelle<br />
relative allo spessore dello strato <strong>di</strong> vegetazione presente sulle dune costiere.<br />
La procedura utilizzata sarà la seguente: a seguito della creazione <strong>di</strong> DTM e DEM a partire dai dati<br />
topo-batimetrici, si procederà all’estrazione dei parametri morfometrici che verranno utilizzati nella<br />
caratterizzazione morfologica della fascia costiera. Tale estrazione avverrà applicando due<br />
<strong>di</strong>fferenti approcci metodologici: un approccio sarà quello geometrico, che sfrutta le proprietà che<br />
alcune forme hanno <strong>di</strong> mantenere le medesime caratteristiche geometriche esprimibili in termini <strong>di</strong><br />
angoli (pendenza, curvatura) e rapporti <strong>di</strong>mensionali (altezza, ampiezza, profon<strong>di</strong>tà); l’altro<br />
utilizzerà il segnale <strong>di</strong> backscatter, ossia i contrasti nel segnale <strong>di</strong> ampiezza <strong>di</strong> rifrazione.<br />
A questo punto sarà possibile procedere all’analisi morfometrica dei parametri estratti.<br />
In particolare, la metodologia applicata consentirà <strong>di</strong> in<strong>di</strong>viduare i limiti del sistema spiaggia/duna e<br />
la <strong>di</strong>stribuzione dei depositi eolici alla massima risoluzione permessa dal tipo <strong>di</strong> dati. L’analisi verrà<br />
condotta a partire da modelli 3D ottenuti me<strong>di</strong>ante l’interpolazione dei dati topografici e batimetrici<br />
puntuali acquisiti nel corso del rilievo LiDAR, e riguarderà elementi morfologici appartenenti alla<br />
spiaggia sommersa (quali ad esempio la presenza <strong>di</strong> barre sommerse), alla spiaggia emersa (quali ad<br />
esempio linea <strong>di</strong> riva, pendenza, curvatura, volume <strong>di</strong> se<strong>di</strong>mento) e ai depositi eolici (quali ad<br />
esempio piede e cresta della duna, volume <strong>di</strong> se<strong>di</strong>mento, pendenza, curvatura e copertura vegetale).<br />
I dati ottenuti, potranno essere confrontati con dati derivati da rilievi pregressi ove <strong>di</strong>sponibili. Tale<br />
confronto, me<strong>di</strong>ante l’in<strong>di</strong>viduazione delle mo<strong>di</strong>ficazioni morfologiche intercorse nel periodo <strong>di</strong><br />
tempo considerato, permetterà <strong>di</strong> acquisire informazioni relative al budget se<strong>di</strong>mentario e alla<br />
<strong>di</strong>namica del sistema costiero.<br />
3.3 Prodotti<br />
La notevole quantità <strong>di</strong> dati trattata in questa fase dello stu<strong>di</strong>o sarà elaborata al fine <strong>di</strong> produrre dati<br />
ed elaborati in formato compatibile per l’inserimento nel Sistema Informativo Territoriale on line<br />
della Regione Lazio/<strong>Centro</strong> <strong>di</strong> <strong>Monitoraggio</strong> <strong>GIZC</strong> (WebGIS).<br />
Di seguito vengono elencati e descritti i principali prodotti che saranno restituiti al termine <strong>di</strong> questa<br />
fase dello stu<strong>di</strong>o, in conformità alla Direttiva 2007/2/CE del 14 marzo 2007 denominata INSPIRE<br />
ed ai suoi data specification:<br />
1. Carta topo-batimetrica delle aree <strong>di</strong> stu<strong>di</strong>o rappresentata con isolinee ad equi<strong>di</strong>stanza 0.50 m<br />
della fascia rilevata in formato *.shp e linea <strong>di</strong> riva vincolata ai capisal<strong>di</strong> IGM;<br />
12
FASE<br />
piano<br />
operativo<br />
1A<br />
1B<br />
2<br />
3<br />
2. Carta delle caratteristiche dei depositi eolici (morfologia, estensione complessiva, estensione<br />
delle aree vegetate; ubicazione, tipologia ed estensione delle <strong>di</strong>scontinuità morfologiche);<br />
3. Calcoli del volume <strong>di</strong> se<strong>di</strong>mento presente all’interno del sistema spiaggia-duna.<br />
4. Carta delle tendenze evolutive del sistema spiaggia-duna a partire delle variazioni dei<br />
volumi stimate confrontando i calcoli effettuati con dati pregressi;<br />
5. Profili del sistema spiaggia-duna lungo sezioni ad equi<strong>di</strong>stanza 100 m e confronto con dati<br />
pregressi, ove <strong>di</strong>sponibili;<br />
6. Caratterizzazione morfologica della fascia costiera (Report finale).<br />
Il cronoprogramma delle attività previste in questa terza fase è riportato nella seguente tabella:<br />
gen-09<br />
feb-09<br />
mar-09<br />
apr-09<br />
mag-09<br />
giu-09<br />
lug-09<br />
ago-09<br />
set-09<br />
ott-09<br />
nov-09<br />
13<br />
<strong>di</strong>c-09<br />
gen-10<br />
feb-10<br />
mar-10<br />
apr-10<br />
mag-10<br />
giu-10<br />
lug-10<br />
ago-10<br />
set-10<br />
ott-10<br />
nov-10<br />
<strong>di</strong>c-10
4. FASE 3 - Caratterizzazione ambientale<br />
4.1 Obiettivi<br />
La possibilità <strong>di</strong> integrare il dato laser altimetrico con le meta-informazioni derivabili dalle ortofoto<br />
<strong>di</strong>gitali può trovare una maggior efficacia quando l'estrazione dell'informazione <strong>di</strong> ra<strong>di</strong>anza venga<br />
derivata non solo da immagini pancromatiche, bensì da immagini provenienti da sensori<br />
iperspettrali (Taramelli and Melelli, 2008b; Taramelli, 2009). Queste, a seguito<br />
dell'implementazione <strong>di</strong> opportuni algoritmi <strong>di</strong> calibrazione (Taramelli and Melelli, 2009), necessari<br />
ad ovviare all'instabilità del dato <strong>di</strong> riflettanza dovuta alla forte <strong>di</strong>pendenza <strong>di</strong> quest'ultimo da fattori<br />
ambientali e geometrici, garantiscono un'ampia serie <strong>di</strong> informazioni pienamente sintetizzabili,<br />
attraverso il concetto <strong>di</strong> "firma spettrale". Il telerilevamento si basa sul principio fisico per cui ogni<br />
materiale risponde in maniera <strong>di</strong>fferente alle <strong>di</strong>verse lunghezze d'onda emesse da una sorgente<br />
luminosa. Questa importante proprietà della materia permette, in maniera <strong>di</strong>retta, <strong>di</strong> classificare<br />
<strong>di</strong>fferenti materiali, o gruppi <strong>di</strong> materiali, a partire dalla loro risposta ra<strong>di</strong>ometrica , investigando la<br />
quota parte <strong>di</strong> ra<strong>di</strong>anza riflessa nelle singole lunghezze d'onda registrabili dallo strumento. La<br />
capacità degli strumenti in commercio <strong>di</strong> registrare un numero sempre crescente <strong>di</strong> intervalli <strong>di</strong><br />
banda, consente <strong>di</strong> poter acquisire un numero elevato <strong>di</strong> meta-informazioni relative alla natura<br />
chimico-fisica del materiale al suolo, e <strong>di</strong> poter sovrapporre e correlare queste ultime con le<br />
informazioni <strong>di</strong> natura geometrica derivabili, ad esempio, dal rilievo laser a scansione. A <strong>di</strong>fferenza<br />
delle indagini classiche in situ, volte alla determinazione puntuale <strong>di</strong> quantità e spesso caratterizzate<br />
da tempistiche e costi elevati, la possibilità <strong>di</strong> utilizzare le informazioni derivanti da immagini<br />
iperspettrali consente <strong>di</strong> ricavare dette informazioni su larga scala e correlarle a posteriori ad in<strong>di</strong>ci<br />
riconosciuti in letteratura (Roberts et al., 1998a; Li et al., 2005; Giar<strong>di</strong>no et al., 2007a; 2007b). La<br />
riproducibilità nella derivazione <strong>di</strong> simili informazioni a partire da dati telerilevati <strong>di</strong>pende da tre<br />
parametri principali:<br />
• Quota <strong>di</strong> acquisizione del dato telerilevato (<strong>di</strong>mensione dei pixel a terra);<br />
• calibrazione ra<strong>di</strong>ometrica del dato basata su una corretta modellizzazione del comportamento<br />
dell'atmosfera;<br />
• ampia <strong>di</strong>fferenziazione nel campionamento delle "firme spettrali" necessarie alla classificazione<br />
delle immagini iperspettrali.<br />
Nel corso <strong>di</strong> questa fase dello stu<strong>di</strong>o ci si propone <strong>di</strong> elaborare le scansioni LiDAR ed iperspettrali<br />
attraverso l’uso della SMA (spectral mixing analysis) con lo scopo <strong>di</strong> ottenere informazioni utili ad<br />
una caratterizzazione ambientale.<br />
Attraverso l’integrazione <strong>di</strong> dati <strong>di</strong> natura morfologica, fisica e biologica, è possibile ottenere una<br />
visione d’insieme della porzione <strong>di</strong> ambiente indagato e dunque una caratterizzazione delle<br />
<strong>di</strong>namiche del paesaggio costiero anche da un punto <strong>di</strong> vista strettamente ecologico.<br />
Gli obiettivi principali <strong>di</strong> questa fase sono:<br />
1. Definizione delle principali caratteristiche granulometriche e mineralogiche del se<strong>di</strong>mento;<br />
2. Definizione della <strong>di</strong>stribuzione macroscopica delle principali biocenosi bentoniche associabili<br />
alle caratteristiche se<strong>di</strong>mentologiche delle aree <strong>di</strong> stu<strong>di</strong>o;<br />
3. Definizione della <strong>di</strong>stribuzione del fitoplancton;<br />
4. Validazione dei risultati ottenuti con dati da remoto me<strong>di</strong>ante serie storiche <strong>di</strong> dati o dati <strong>di</strong><br />
campo.<br />
14
4.2 Metodolgia<br />
I possibili vantaggi ottenibili dall’utilizzo combinato dei dati LiDAR ed iperspettrali per l’analisi<br />
dei parametri superficiali, sono stati analizzati in questi ultimi anni. Il LiDAR è uno strumento in<br />
grado <strong>di</strong> misurare il segnale elettromagnetico retro<strong>di</strong>ffuso, in modulo e fase, dalla superficie<br />
terrestre e dagli oggetti <strong>di</strong>sposti su <strong>di</strong> essa, in qualsiasi con<strong>di</strong>zione <strong>di</strong> illuminazione. E’ inoltre<br />
particolarmente sensibile alle variazioni della scena osservata. Grazie a queste caratteristiche, è un<br />
potente mezzo per la rilevazione dei parametri superficiali (quali la “rugosità”) e ben si presta a<br />
stu<strong>di</strong> per la valutazione <strong>di</strong> fenomeni erosivi delle aree costiere. Per quanto riguarda le immagini<br />
iperspettrali, i nuovi sensori sono certamente un utile strumento per l’in<strong>di</strong>viduazione e l’analisi dei<br />
parametrici fisico-chimici del territorio. Data l’elevata sensibilità delle strumentazioni, gli elaborati<br />
ottenuti sono un prodotto complesso derivante dai numerosi elementi presenti sulla superficie<br />
rilevata. Sostanzialmente le immagini ottenute sono costituite da singoli pixel “misti” e ciò che<br />
osserviamo al loro interno è il risultato della combinazione <strong>di</strong> <strong>di</strong>versi segnali spettrali dovuti ai<br />
<strong>di</strong>fferenti elementi fisici presenti all’interno del pixel. Gli elaborati ottenibili saranno basati su<br />
tecniche <strong>di</strong> spectral mixing analysis (SMA), che consentiranno <strong>di</strong> valutare alcuni dei processi fisici<br />
e delle caratteristiche delle superfici rilevate. L’analisi riguarderà una recente metodologia per la<br />
stima della frazione degli elementi riflettenti in accordo con la stima al 10% da foto aeree (Small,<br />
2000; Taramelli & Melelli, 2009). La stima quantitativa <strong>di</strong> frazione è preferibile ad un’analisi basata<br />
sui tra<strong>di</strong>zionali meto<strong>di</strong> <strong>di</strong> classificazione in quanto 1) piccoli cambiamenti in densità possono essere<br />
più facilmente in<strong>di</strong>viduati, 2) analisi multitemporali possono essere verificate per consistenza<br />
interna, 3) a <strong>di</strong>fferenza dell’“hard classification”, la frazione stimata può essere verificata attraverso<br />
misure al suolo e non risentire <strong>di</strong> problemi <strong>di</strong> saturazione e non-linearità tipici della stima da<br />
classificazioni statistiche.<br />
La strategia che verrà adottata per il raggiungimento degli obiettivi della presente ricerca è già stata<br />
testata con ottimi esiti in precedenti progetti <strong>di</strong> ricerca (Bach et al., 2007; Taramelli and Melelli,<br />
2008a; Pasqui et al., 2009, Taramelli, 2009), in particolare nel 2005 – 2006 la “Sino-Italian<br />
Collaboration Program For Environmental Protection Granted Proposal” ha coinvolto Columbia<br />
University e il Ministero dell’Ambiente nel “Project on Environmental Base Line Identification<br />
(Beijing and Alashan Area, China) for dust storm emission using remote sensing “. Il progetto ha<br />
consentito <strong>di</strong> effettuare nella regione cinese <strong>di</strong> Alashan una classificazione ambientale me<strong>di</strong>ante<br />
l’integrazione <strong>di</strong> dati Backscatter SAR, LANDSAT, Hyperion (iperspettrale) e dati <strong>di</strong> campo<br />
acquisiti con spettrora<strong>di</strong>ometro (ve<strong>di</strong> fig.1).<br />
Sostanzialmente sono state in<strong>di</strong>viduate nella regione aree omogenee appartenenti a 4 categorie<br />
principali: aree scure prive <strong>di</strong> riflessività (es. acqua), vegetazione, roccia e suolo. L’analisi è<br />
completamente quantitativa potendo raffrontare dati, sia da remoto che <strong>di</strong> campo, <strong>di</strong>pendenti dalla<br />
natura fisica dei target indagati; come si osserva nella parte inferiore della fig.1 la correlazione fra<br />
gli spettri ottenuti con le <strong>di</strong>verse strumentazioni appare buona. In tal caso dunque l’applicazione<br />
della SMA ha consentito <strong>di</strong> <strong>di</strong>stinguere gli effetti spettrali <strong>di</strong> <strong>di</strong>verse caratteristiche<br />
se<strong>di</strong>mentologiche, <strong>di</strong> contenuto <strong>di</strong> umi<strong>di</strong>tà o <strong>di</strong> <strong>di</strong>versa composizione litologica.<br />
Nella presente ricerca si vuole condurre un’analisi analoga a quella sopra descritta, in un contesto<br />
ambientale <strong>di</strong>fferente, in modo da poter testare le effettive potenzialità dell’approccio metodologico<br />
adottato. L’uso combinato <strong>di</strong> dati da remoto (LiDAR e iperspettrale) e la validazione dei risultati<br />
ottenuti potrebbero consentire la messa a punto <strong>di</strong> una metodologia solida e affidabile per l’indagine<br />
<strong>di</strong> porzioni emerse e sommerse della fascia costiera che consenta <strong>di</strong> interpretare le forme, la natura<br />
fisica e le <strong>di</strong>namiche <strong>di</strong> ecosistema altamente complesso.<br />
15
Fig.1 – Le prime 6 immagini rappresentano gli Spectral mixing spaces delle immagini Landsat (ottico), Hyperion<br />
(iperspettrale) e dello spettrometro <strong>di</strong> campo (Pasqui et al., 2009). I tre grafici sottostanti evidenziano la riflettanza degli<br />
elementi riflettenti “puri” della scena: vegetazione, superfici scure non riflettenti e due tipologie <strong>di</strong> substrato (roccia e<br />
suolo).<br />
La strategia proposta per la realizzazione dell’analisi ambientale prevista in questa fase delle attività<br />
è basata sulla metodologia esplicitata al par. 2.1.2 e prevede i seguenti step:<br />
1. applicazione delle procedure <strong>di</strong> SMA (spectral mixing analysis) per l’in<strong>di</strong>viduazione dei<br />
singoli elementi riflettenti del territorio e risoluzione <strong>di</strong> segnali misti provenienti dalle<br />
porzioni <strong>di</strong> territorio analizzate;<br />
2. riclassificazione delle immagini sulla base degli elementi riflettenti puri che verranno<br />
visualizzati come campi continui;<br />
3. validazione della procedura adottata me<strong>di</strong>ante dati <strong>di</strong> campo <strong>di</strong> precedenti campagne <strong>di</strong><br />
analisi e parzialmente integrati con dati <strong>di</strong> nuova acquisizione;<br />
4. produzione <strong>di</strong> elaborati cartografici che in<strong>di</strong>viduino aree omogenee per caratteristiche<br />
ambientali (ve<strong>di</strong> par. 2.4.3).<br />
Relativamente alla strategia descritta, va precisato che per quanto concerne la validazione con dati<br />
<strong>di</strong> campo, si dovrà fare ricorso a dati già in possesso <strong>di</strong> ISPRA e, parzialmente, a dati <strong>di</strong> campo<br />
acquisiti contestualmente all’esecuzione del rilievo con sensori aviotrasportati. Si confronteranno<br />
quin<strong>di</strong>, <strong>di</strong>fferenti tipologie <strong>di</strong> dati: quelli da remoto, basati sulla risposta spettrale e quin<strong>di</strong> sulla<br />
natura fisica dei target, e quelli <strong>di</strong> campo, ottenuti con meto<strong>di</strong> <strong>di</strong> campionamento tra<strong>di</strong>zionali. La<br />
validazione che ne deriva è <strong>di</strong> tipo qualitativo, ma non quantitativo come nel caso del progetto sopra<br />
citato. In sostanza le matrici ambientali indagate da remoto e <strong>di</strong>rettamente sul campo verranno<br />
16
confrontate e correlate in base ad una serie <strong>di</strong> attributi, ma non sulla base della loro natura fisica<br />
intrinseca.<br />
Fra le matrici ambientali <strong>di</strong> maggior interesse c’è quella se<strong>di</strong>mentologica; in particolare verranno<br />
analizzati aspetti della granulometria e del contenuto <strong>di</strong> umi<strong>di</strong>tà del se<strong>di</strong>mento. Relativamente alla<br />
granulometria, appare <strong>di</strong> particolare interesse la <strong>di</strong>stinzione fra le principali popolazioni<br />
granulometriche, quali sabbia, argilla e quanto risulta <strong>di</strong>mensionalmente superiore alla sabbia<br />
(substrato/roccia). Stu<strong>di</strong> <strong>di</strong> questo tipo sono già stati condotti in zone <strong>di</strong> estuario (Rainey et al,<br />
2003); in tale contesto ambientale l’analisi <strong>di</strong> <strong>di</strong>fferenti scene telerilevate in ambiente sommerso ed<br />
emerso ha consentito me<strong>di</strong>ante l’applicazione <strong>di</strong> SMA <strong>di</strong> <strong>di</strong>stinguere sabbia da materiale più fine<br />
(mud) <strong>di</strong>rettamente o me<strong>di</strong>ante le <strong>di</strong>verse percentuali d’acqua rilevabili dal segnale emesso dal<br />
target. Relativamente alla mineralogia del se<strong>di</strong>mento, si cercherà <strong>di</strong> rilevare variazioni <strong>di</strong> segnale<br />
emesso dal se<strong>di</strong>mento in <strong>di</strong>fferenti scene analizzate; in tal caso il numero <strong>di</strong> bande <strong>di</strong> indagine del<br />
sensore iperspettrale è determinante per ottenere una <strong>di</strong>scriminazione del segnale basato sulla<br />
<strong>di</strong>versa natura mineralogica. Il successivo confronto con dati <strong>di</strong> campo pregressi potrebbe<br />
consentire una validazione <strong>di</strong> quanto dedotto sul dato da remoto.<br />
Per l’indagine <strong>di</strong> aspetti biologici, il LiDAR risulta uno strumento ampiamente accettato per gli<br />
stu<strong>di</strong> sulla clorofilla e per il monitoraggio del fitoplancton (Barbini et al., 1998; Nieke et al., 1997;<br />
Zhishen et al., 2008), dello zooplancton (Brown et al., 2002) e dei banchi <strong>di</strong> pesci (Brown et al.,<br />
2002; Churnside et al., 2003; Carrera et al., 2006; Tenningen et al., 2006).<br />
In generale, allo stato attuale delle conoscenze, non si hanno però ancora consolidate basi<br />
conoscitive per l’applicazione e la conseguente risoluzione <strong>di</strong> dati biologici in acqua, si è infatti<br />
ancora strettamente legati a procedure <strong>di</strong> validazione con dati <strong>di</strong> campo sia rilevati con approccio<br />
tra<strong>di</strong>zionale che con approccio <strong>di</strong> natura spettrometrica.<br />
Analogamente, per quanto riguarda gli stu<strong>di</strong> sui popolamenti zoobentonici, la tecnologia LiDAR è<br />
ancora in via <strong>di</strong> sperimentazione (Brennan e Webster 2006). Nell’ambiente marino costiero il<br />
LiDAR viene normalmente impiegato per rilevare le caratteristiche batimetriche e se<strong>di</strong>mentologiche<br />
<strong>di</strong> un fondale (Méléder et al., 2007). La conoscenza <strong>di</strong> queste caratteristiche, dato lo stretto legame<br />
esistente tra i popolamenti bentonici e il fondo stesso, consentirebbe <strong>di</strong> pre<strong>di</strong>re, con buona<br />
approssimazione, la tipologia <strong>di</strong> popolamento presente e permetterebbe quin<strong>di</strong> la redazione <strong>di</strong><br />
mappe <strong>di</strong> <strong>di</strong>stribuzione <strong>di</strong> probabilità <strong>di</strong> tali popolamenti (Populus et al., 2004). In questo contesto,<br />
i <strong>di</strong>versi stu<strong>di</strong> condotti, hanno comunque previsto in parallelo un campionamento in mare (Populus<br />
et al., 2004) o hanno fatto riferimento a dati bibliografici precedentemente acquisiti per validare il<br />
dato ottenuto da remoto. Quest’ultimo tipo <strong>di</strong> validazione è stata ad esempio effettuata da Chust et<br />
al., 2008, che hanno stu<strong>di</strong>ato i popolamenti intertidali presenti in prossimità dell’estuario del fiume<br />
Bidosoa nella baia <strong>di</strong> Biscay (nord della Spagna). Gli Autori hanno potuto testare l’efficacia della<br />
tecnologia LiDAR per la mappatura dei popolamenti intertidali ed inoltre hanno osservato che<br />
l’analisi integrata con sistemi <strong>di</strong> bande nel visibile e nel vicino infrarosso, è possibile ad<strong>di</strong>rittura<br />
riconoscere popolamenti intertidali specifici, come ad esempio quelli a Corallina elongata o quelli<br />
dominati dai balani<strong>di</strong>.<br />
Alla luce <strong>di</strong> queste ed altre conoscenze relative alle proprietà ottiche delle componenti biologiche,<br />
ci si propone <strong>di</strong> valutare e ricostruire la probabilità <strong>di</strong> <strong>di</strong>stribuzione dei popolamenti. Attraverso<br />
l’utilizzo <strong>di</strong> una tecnica integrata basata sulle variazioni del backscatter (dato laser, simile a quelle<br />
generate tramite l’utilizzo del multibeam e/o single beam), sulla <strong>di</strong>fferenziazione delle "firme<br />
spettrali" e sui dati pregressi in possesso <strong>di</strong> ISPRA, verranno identificate aree omogenee per le<br />
quali sarà possibile in<strong>di</strong>care i principali popolamenti bentonici.<br />
Infine, per quanto concerne la Posidonia oceanica (Thiago et al., 2008) si intende testare il<br />
potenziale del segnale <strong>di</strong> backscatter nell’in<strong>di</strong>viduazione delle aree <strong>di</strong> prateria (Fig. 2), a seguito <strong>di</strong><br />
validazione con rilievi <strong>di</strong> dettaglio del posidonieto resi <strong>di</strong>sponibili dal Committente.<br />
17
FASE<br />
piano<br />
operativo<br />
1A<br />
1B<br />
2<br />
3<br />
Fig.2 – In<strong>di</strong>viduazione <strong>di</strong> aree omogenne <strong>di</strong> Bacskcatter LiDAR in un’area marina nei pressi <strong>di</strong> Alicante – Spagna<br />
(Fonte www.FUGRO.com).<br />
4.3 Prodotti<br />
• Modello della <strong>di</strong>stribuzione granulometrica dei se<strong>di</strong>menti secondo un numero <strong>di</strong> classi<br />
granulometriche che sia <strong>di</strong> utilità per la pianificazione dei ripascimenti (formato ascii);<br />
• eventuale modello della <strong>di</strong>stribuzione delle classi mineralogiche <strong>di</strong>pendente dalle specifiche del<br />
sensore iperspettrale in dotazione;<br />
• analisi macroscopica delle principali biocenosi bentoniche associabili alle caratteristiche<br />
se<strong>di</strong>mentologiche dell’area in zone <strong>di</strong> particolare interesse;<br />
• cartografia relativa alla <strong>di</strong>stribuzione dei principali habitat bentonici corredata da opportune<br />
valutazioni sull’affidabilità del dettaglio;<br />
• cartografia relativa alle caratteristiche fisiche e biologiche dell’area <strong>di</strong> stu<strong>di</strong>o (scala 1:10.000);<br />
• redazione della relazione tecnica conclusiva sulle caratteristiche fisiche e biologiche dell’area <strong>di</strong><br />
stu<strong>di</strong>o. Il report descriverà i risultati per valutare, con esempi concreti, l’utilità dei dati satellitari<br />
nella gestione <strong>di</strong> aree protette.<br />
Il cronoprogramma delle attività previste è riportato nella seguente tabella:<br />
gen-09<br />
feb-09<br />
mar-09<br />
apr-09<br />
mag-09<br />
giu-09<br />
lug-09<br />
ago-09<br />
set-09<br />
ott-09<br />
nov-09<br />
18<br />
<strong>di</strong>c-09<br />
gen-10<br />
feb-10<br />
mar-10<br />
apr-10<br />
mag-10<br />
giu-10<br />
lug-10<br />
ago-10<br />
set-10<br />
ott-10<br />
nov-10<br />
<strong>di</strong>c-10
FASE<br />
piano<br />
operativo<br />
1A<br />
1B<br />
2<br />
3<br />
gen-09<br />
feb-09<br />
mar-09<br />
apr-09<br />
mag-09<br />
CRONOPROGRAMMA COMPLESSIVO 2009/2010:<br />
giu-09<br />
lug-09<br />
ago-09<br />
set-09<br />
ott-09<br />
nov-09<br />
19<br />
<strong>di</strong>c-09<br />
gen-10<br />
feb-10<br />
mar-10<br />
apr-10<br />
mag-10<br />
giu-10<br />
lug-10<br />
ago-10<br />
set-10<br />
ott-10<br />
nov-10<br />
<strong>di</strong>c-10
5. BIBLIOGRAFIA<br />
Adams, J.B., Sabol, D.E., Kapos, V., Filho, R.A., Roberts, D.A., Smith, M.O., and Gillespie, A.R.,<br />
1995, Classification of multispectral images based on fractions of endmembers: Application to<br />
land cover change in the Brazilian Amazon, Remote Sensing of Environment, 52, 137-15.<br />
Adams, J.B., Smith, M.O., and Gillespie, A.R., 1993, Imaging Spectroscopy: Interpretation based<br />
on spectral mixture analysis, in Remote Geochemical Analysis: Elemental and Mineralogical<br />
Composition, e<strong>di</strong>ted by C.M. Pieters, and P. Englert, 145-166. Cambridge University Press, New<br />
York.<br />
Adams, J.B., Smith, M.O., and Johnson, P.E., 1986, Spectral mixture modeling; A new analysis of<br />
rock and soil types at the Viking Lander 1 site, Journal of Geophysical Research, 91, 8098-8122.<br />
Bach D., Barbour J., Macchiavello G., Martinelli M., Scalas P., Small C., Stark C., Taramelli A.,<br />
Torriano L., Weissel J., 2007, Integration of the advanced remote sensing technologies to<br />
investigate the dust storm areas, in A., El-Beltagy, M.C. Saxena, and T., Wang (eds) 2007,<br />
Human and Nature – Working tighter for sustainable development of Drylands, Procee<strong>di</strong>ngs of<br />
8th ICDD Conference, 25-28 February 2006, Beijing, China. ICARDA, Aleppo, Syria, 387-397.<br />
Barbini, R., Colao, F., Fantoni, R., Micheli, C., Palucci, A., Ribezzo, S., 1998, Design and<br />
application of a lidar fluorosensor system for remote monitoring of phytoplankton. ICES<br />
Journal of Marine Science, 55, 793–802.<br />
Ben-Dor, E., Irons, J.R. and Epema, G.F., 1999, Soil reflectance. In: (3rd ed.), Rencz, A.N., E<strong>di</strong>tor,<br />
1999, Remote Sensing for the Earth Sciences, Manual of Remote Sensing, 3, 111–188.<br />
Boardman, J. W. Automating spectral unmixing of AVIRIS data using convex geometry concepts,<br />
1993, In R. O. Green (Ed.), Fourth Airborne Visible/Infrared Imaging Spectrometer (AVIRIS)<br />
airborne geoscience workshop Pasadena, CA: Jet Propulsion Laboratory, 11 –14.<br />
Boardman, J.W., 1989, Inversion of Imaging Spectrometry Data Using Singular Value<br />
Decomposition. Procee<strong>di</strong>ngs of the the 12th Cana<strong>di</strong>an Symposium on Remote Sensing, 2069-<br />
2072.<br />
Boardman, J.W., and F.A. Kruse, 1994, Automated spectral analysis: a geologic example using<br />
AVIRIS data, north Grapevine mountains, Nevada, in Tenth Thematic Conference on Geologic<br />
Remote Sensing, pp. I407-I418, Environmental Research Institute of Michigan, Ann Arbor, MI.<br />
Brennan, R., Webster, T.L., 2006, Object-oriented land cover classification of LIDAR-derived<br />
surfaces. Cana<strong>di</strong>an Journal of Remote Sensing 32, 162-172.Brinkman, R. F., 2000, May/June,<br />
LIDAR and photogrammetric mapping. The Military Engineer, 56 – 57. Hanover, PA: The<br />
Sheridan Press.<br />
Brown, E.D., Churnside, J. H., Collins, R.L., Veenstra, T., Wilson, J. J., Abnett, K., 2002, Remote<br />
sensing of capelin and other biological features in the North Pacific using lidar and video<br />
technology. ICES Journal of Marine Science, 59, 1120–1130.<br />
Carrera, P., Churnside, J. H., Boyra G., Marques V., Scalabrin C., Uriarte A., 2006, Comparison of<br />
airborne lidar with echosounders: a case study in the coastal Atlantic waters of southern<br />
Europe. ICES Journal of Marine Science, 63, 1736-1750.<br />
Churnside, J. H., Demer, D.A., Mahmou<strong>di</strong>, B., 2003, A comparison of lidar and echosounder<br />
measurements of fish schools in the Gulf of Mexico. ICES Journal of Marine Science, 60,<br />
147–154.<br />
20
Chust, G., Galparsoro, I., Borja, A., Franco, J., Uriarte, A., 2008, Coastal and estuarine habitat<br />
mapping, using LIDAR height and intensity and multi-spectral imagery. Estuarine, Coastal and<br />
Shelf Science 78, 633-643.<br />
Danson, E., 2006, Understan<strong>di</strong>ng LiDAR bathymetry for Shallow Waters and Coastal Mapping,<br />
Shaping the Change, XXIII FIG Congress, Munich, Germany, October 8-13.<br />
Elmore, A. J., Mustard, J. F., Manning, S. J., Lobell, D. B., 2000, Quantifying vegetation change in<br />
semiarid environments: Precision and accuracy of spectral mixture analysis and the normalized<br />
<strong>di</strong>fference vegetation index, Remote Sensing of Environment, 73, 87– 102.<br />
Estep L. L., Lillycrop W. J., Parson L. E., 1994, Sensor Fusion for Hydrographic Mapping<br />
Applications, Procee<strong>di</strong>ngs, U.S. Army Corps of Engineers Training Symposium, Surveying and<br />
Mapping, Remote Sensing/GIS, New Orleans, 1-7.<br />
Giar<strong>di</strong>no, C., Bartoli, M., Can<strong>di</strong>ani, G., Bresciani, M., Pellegrini, L., 2007a, Recent changes in<br />
macrophyte colonisation patterns: an imaging spectrometry-based evaluation of southern Lake<br />
Garda (northern Italy), Journal of Applied Remote Sensing, 1, 011509, 1-17.<br />
Giar<strong>di</strong>no, C., Brando, V. E., Dekker, A. G., Strömbeck, N. and Can<strong>di</strong>ani, G., 2007b, Assessment of<br />
water quality in Lake Garda (Italy) using Hyperion, Rem. Sens.Environ. 109, 183-195.<br />
Gillespie, A. R., Smith, M. O., Adams, J. B., Willis, S. C. , Fischer, A. F. III, Sabol, D. E., 1990,<br />
Interpretation of residual images: Spectral mixture analysis of AVIRIS images, Owens Valley,<br />
California. Procee<strong>di</strong>ngs of the 2nd Airborne Visible/Infrared Imaging Spectrometer (AVIRIS)<br />
Workshop, Pasadena, CA, NASA Jet Propulsion Laboratory.<br />
Guenther, G. Thomas, R.W.L., and Larocque, P.E., 1996, Design Considerations for Achieving<br />
High Accuracy with the SHOALS Bathymetric Lidar System, SPIE Selected Papers, Laser<br />
Remote Sensing of Natural Waters: From Theory to Practice, e<strong>di</strong>ted by Victor I. Feigles and<br />
Yurij I. Kopilevich, St. Petersburg, Russia, 2694, 54-71.<br />
Guenther, G.C., Brooks, M.W., and Larocque, P.E., 1998, New Capabilities of the "SHOALS"<br />
Airborne Lidar Bathymeter, Procee<strong>di</strong>ngs, Fifth International Conference on Remote Sensing for<br />
Marine and Coastal Environments, Environmental Research Institute of Michigan, Oct 5-7, San<br />
Diego, CA, 147-55.<br />
Henderson-Sellers, A., and Pitman, A.J., 1992, Land-surface schemes for future climate models:<br />
specification, aggregation and heterogeneity, Journal of Geophysical Research, 97, 2678-2696.<br />
INSPIRE, 2005, INfrastructure for SPatial InfoRmation in Europe. http://inspire.jrc.ec.europa.eu/.<br />
Ultimo accesso: agosto 2008.<br />
Irish, J. L., Lillycrop, W.J., 1999, Scanning laser mapping of the coastal zone: the SHOALS system,<br />
ISPRS Journal of Photogrammetry & Remote Sensing 54,123–129.<br />
Irish, J.L., Lillycrop, W.J., Parson, L.E., 1997, Accuracy of Sand Volumes as a Function of Survey<br />
Density, Procee<strong>di</strong>ngs, 25th International Conference on Coastal Engineering, September 2-6,<br />
Orlando, FL, III, 3736-3749.<br />
Irish, J.L., White, T.E., 1998, Coastal engineering applications of high-resolution lidar bathymetry,<br />
Coastal Engineering, 35, 47–71.<br />
Krabill, W., Wright, C., Swift, R., Frederick, E., Manizade, S., Yungel, J., Martin, C., Sonntag, J.,<br />
Duffy, M., & Brock, J., 2000, Airborne laser mapping of Assateague National Seashore Beach.<br />
Photogrammetric Engineering and Remote Sensing, 66(1), 65–71<br />
21
Li, L., Ustin, S.L., Lay, M., 2005, Application of multiple endmember spectral mixture analysis<br />
(MESMA) to AVIRIS imagery for coastal salt marsh mapping: a case study in China Camp, CA,<br />
USA, International Journal of Remote Sensing, 26 (23), 5193–5207.<br />
Lillycrop, W.J., Parson, L.E., and Irish, J.L., 1996, Development and Operation of the SHOALS<br />
Airborne Lidar Hydrographic Survey System, SPIE Selected Papers, Laser Remote Sensing of<br />
Natural Waters: From Theory to Practice, e<strong>di</strong>ted by Victor I. Feigles and Yuriji. Kopilevich, St.<br />
Petersburg, Russia, 2694, 26-37.<br />
Lillycrop, W.J., Parson, L.E., Estep, L.L., LaRoque, P.E., Guenther, G.C., Reed, M.D., Truitt., C.L.,<br />
1994, Field test results of the US army corps of engineers airborne lidar hydrographic survey<br />
system. Proc. US Army Corps of Engineers 1994 Training Symposium. US Army Topographic<br />
Engineering Center, Alexandria, VA, pp. SM2A1-SM2A6.<br />
Liu, Z.S., Ma, S., Wang X., Li Z., 2008, Field Detection of Chlorophyll-a Concentration in the Sea<br />
Surface Layer by an Airborne Oceanographic Lidar. J. Ocean Univ. Chin. (Oceanic and<br />
Coastal Sea Research), 7(1), 108-112.<br />
Méléder, V., Populus,, J., Rollet C., 2007, Mapping seabed substrata using Lidar remote sensing.<br />
Mapping European Seabed Habitats (MESCH), IFREMER January 2007.<br />
Melelli L., Taramelli, A., Alberto W., 2007, Analisi combinata <strong>di</strong> dati ottici e radar per la stima<br />
della suscettibilita` da deformazioni Gravitative profonde <strong>di</strong> versante della Regione Piemonte,<br />
Ren<strong>di</strong>conti della Società Geologica Italiana, 4, 35–42.<br />
Milli M., Surace L., 2006, Tecniche innovative e tra<strong>di</strong>zionali a confronto nella realizzazione <strong>di</strong><br />
rilievi batimetrici costieri: un caso <strong>di</strong> stu<strong>di</strong>o, Bollettino della SIFET, n. 2.<br />
Nieke, B., Vincent W.F., Therriault, J.C., Legendre, L., Berthon, J.F., Condal, A., 1997, Use of a<br />
ship-borne laser flourosensor for remote sensing of chlorophyll a in a coastal environment.<br />
Remote sensing of environment, 60, 140-152.<br />
Pasqui M., Taramelli A., Small C., Bottai L., Busillo C., Calastrini F., Gualtieri G., Guarnieri, F.,<br />
Barbour, J., Bach, D., 2009, Dust sandstorm dynamics analysis in Northern China by means of<br />
advanced remote sensing analysis and atmospheric emission-<strong>di</strong>spersion modeling. In review,<br />
Earth Surface Processes and Landforms.<br />
Pe’eri, S., Philpot, W., 2007, Increasing the Existence of Very Shallow-Water LIDAR<br />
measurements Using the Red-Channel Waveforms, IEEE Transactions on Geoscience and<br />
Remote Sensing, 45(5), 1217-1223.<br />
Populus, J., Laurentin, A., Rollet, C., Vasquez, M., Guillaumont, B., Bonnot-Courtois, C., 2004,<br />
Surveying coastal zone topography with airborne remote sensing for benthos mapping.<br />
EARSeL eProcee<strong>di</strong>ngs 3(1), 105-117.<br />
Psuty N. P., 1988, Se<strong>di</strong>ment budget and dune/beach interaction. Journal of Coastal Research, SI 3,<br />
1-4.<br />
Rainey M.P., Tyler A.N., Gilvear D.J, Bryant R.G, McDonald P., 2003, Mapping intertidal<br />
estuarine se<strong>di</strong>ment grain size <strong>di</strong>stributions through airborne remote sensing, Remote Sensing of<br />
Environment, 86, 480-490.<br />
Riley, J.L., 1995, Evaluating SHOALS Bathymetry Using NOAA Hydrographic Survey Data:<br />
Procee<strong>di</strong>ngs 24th Joint Meeting of UNIR Sea Bottom Surveys Panel, November 13-17, Tokyo,<br />
Japan.<br />
22
Roberts, D.A., G. Batista, J. Pereira, E. Waller, and B. Nelson, 1998a, Change Identification using<br />
Multitemporal Spectral Mixture Analysis: Applications in Eastern Amazonia, in Remote<br />
Sensing Change Detection: Environmental Monitoring Applications and Methods, e<strong>di</strong>ted by C.<br />
Elvidge, and R. Lunetta, pp. 137-161, Ann Arbor Press, Ann Arbor.<br />
Roberts, D.A., M. Gardner, R. church, S. Ustin, G. Scheer, and R.O. Green, 1998b, Mapping<br />
chapparal in the Santa Monica mountains using multiple endmember spectral mixture models,<br />
Remote Sensing of Environment, 65, 267 - 179.<br />
Saye S. E., Van Der Wal D., Pye K., Blott S.J., 2005, Beach-dune morphological relationships and<br />
erosion/accretion: An investigation at five sites in England and Wales using LIDAR data.<br />
Geomorphology, 72, 128-155.<br />
Small C., 2004, The Landsat ETM+ spectral mixing space, Remote Sensing of Environment, 93, 1-<br />
17.<br />
Small, C., 2000, Quantitative <strong>di</strong>scrimination of vegetation characteristics from Linear Spectral<br />
Unmixing of Landsat TM imagery, Remote Sensing of Environment.<br />
Smith, M. O., Johnson, P. E., and Adams, J. B., 1985, Quantitative determination of mineral types<br />
and abundances from reflectance spectra using principal component analysis, J. Geophys. Res.,<br />
90, 792-804.<br />
Smith, M.O., S.L. Ustin, J.B. Adams, and A.R. Gillespie, 1990, Vegetation in deserts: I. A regional<br />
measure of abundance from multispectral images, Remote Sensing of Environment, 31, 1-26.<br />
Sorichetta, A., Taramelli A., Santini M., 2009, Algorithm to calculate equal-area on a latitudelongitude<br />
(geographic) regular grid, In review, International Journal of GIS.<br />
Sosebee, C. R., 2001, Improvement of the land/water <strong>di</strong>scrimination algorithm for the US Army<br />
Corps of Engineers scanning hydrographic operational airborne LIDAR, M.S. thesis, Cornell<br />
Univ., Ithaca, NY.<br />
Speight J.G., 1984, The role of topography in controlling throughflow generation: a <strong>di</strong>scussion.<br />
Earth Surf. Process and Landf., 5, 187-191.<br />
Taramelli A., Melelli L., 2008a, Detecting alluvial fans using quantitative roughness<br />
characterization and fuzzy logic analysis, Lectures Notes in Computer Sciences, 5072, 1-15.<br />
Taramelli A., Melelli L., 2008b, Detecting alluvial fans using quantitative roughness<br />
characterization and fuzzy logic analysis using the SRTM data, in press, International Journal<br />
of Computer Science and Software Technology, Invited Paper.<br />
Taramelli, A., 2009, Detecting Landforms Using Quantitative Radar Roughness Characterization<br />
and Spectral Mixing Analysis, Environmental geocomputation for sustainable development,<br />
Series: Stu<strong>di</strong>es in Computational Intelligence, Springer-Verlag, Invited paper.<br />
Taramelli, A., Melelli L., 2009, Map of deep seated gravitational slope deformations susceptibility<br />
in central Italy derived from SRTM DEM and spectral mixing analysis of the Landsat ETM+<br />
data, International Journal of Remote Sensing, 30, 2, 357–387.<br />
Tenningen, E., Churnside J. H., Slotte, A., Wilson J.J., 2006, Lidar target-strength measurements on<br />
Northeast Atlantic mackerel Scomber scombrus). ICES Journal of Marine Science, 63, 677-682<br />
Thiago, S. F. Silva, Maychira, P. F. Costa, John, M. Melack, Evlyn, M. L.M. Novo, 2008, Remote<br />
sensing of aquatic vegetation: theory and applications. Environmental Monitoring and<br />
assessment, 140 (1-3), 131-145.<br />
23
Ustin, S. L., Roberts, D. A., Gamon, j. A., Asner, G. P., Green, R. O., 2004, Using imaging<br />
spectroscopy to study ecosystem processes and properties, Bioscience, 54, 523-534.<br />
White S.A., and Wang, Y., 2003, Utilizing DEMs derived from LIDAR data to analyze<br />
morphologic change in the North Carolina coastline, Remote Sensing of Environment, 85, 39-<br />
47.<br />
Woolard, J. W., 1999, Volumetric change of coastal dunes using airborne LIDAR, Cape Hatteras<br />
National Seashore, North Carolina. Masters thesis, Dept. of Geography, East Carolina<br />
University. 109 pp.<br />
24