22.06.2021 Views

GEOmedia_2_2021

THE ITALIAN MAGAZINE ON GEOMATICS

THE ITALIAN MAGAZINE ON GEOMATICS

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Rivista bimestrale - anno XXV - Numero - 2/2021 - Sped. in abb. postale 70% - Filiale di Roma

TERRITORIO CARTOGRAFIA

GIS

CATASTO

3D

INFORMAZIONE GEOGRAFICA

FOTOGRAMMETRIA

URBANISTICA

EDILIZIA

GNSS

BIM

RILIEVO TOPOGRAFIA

CAD

REMOTE SENSING SPAZIO

WEBGIS

UAV

SMART CITY

AMBIENTE

NETWORKS

LiDAR

BENI CULTURALI

LBS

Mar/Apr 2021 anno XXV N°2

Geolocalizzare

i Numeri civici

CENSIRE AREE A PASCOLO

CON INTELLIGENZA

ARTIFICIALE E ORTOFOTO

UNA GRANDE MAPPA PER

UNA PICCOLA ISOLA

GNSS E DRONI AEREI:

UN CONNUBIO VINCENTE


Droni e Vertiport

Il Commercial UAV Expo Europe, che si tiene normalmente ad Amsterdam, è stato posticipato

al gennaio 2022 a causa del COVID-19. E’ un evento che normalmente si tiene in Dicembre

e attira molti visitatori anche per il periodo pre-natalizio particolarmente interessante ad

Amsterdam, oltre che essere collocato insieme alla Amsterdam Drone Week (ADW) e all'EASA

High Level Conference.

Un elemento interessante in questa Expo sarà la conferenza di alto livello dell'EASA (European

Union Aviation Safety Agency), che avrà come tema principale quello della Mobilità Aerea

Urbana, con il motto "UAM Becoming a Reality". Si parlerà infatti di governance multilivello dei

cieli urbani e dei punti di atterraggio verticali, i vertiport.

Fantasia dei fans degli UAV? Sicuramente no, se si pensa che tutto ciò è stato già pubblicamente

annunciato dall’amministratore della NASA James Bridenstine, che nel mentre ricordava

al pubblico che la prima "A" della NASA sta per "aeronautica", evidenziava come e perché

l'amministrazione da lui diretta non si rivolge solo agli obiettivi spaziali, ma anche all'aviazione,

sia con equipaggio che senza equipaggio.

"Gli UAV e la mobilità aerea urbana (UAM) sono il futuro, ma prima di raggiungere quel futuro

dobbiamo lavorare sodo per perfezionare i sistemi di gestione del traffico aereo e risolvere i problemi

di infrastruttura e certificazione", ha detto Bridenstine alla folla che ha partecipato all’ultimo

Commercial UAV Expo America, poco tempo fa.

Ha anche spiegato in dettaglio come la NASA stia lavorando con l'industria dei droni e il

mondo accademico per sviluppare aerodinamica e prestazioni, ma anche per rilevare ed evitare

ostacoli con sistemi DAA (Detect and Avoid Systems for Unmanned Aircraft ) basati su nuova

tecnologia radar.

Si apre con questo un interessante mercato per la geomatica e in particolare per il rilievo e la

determinazione di ostacoli con informazioni simili a quelle che vengono inserite oggi nelle

attuali Carte Ostacoli aeroportuali, mantenute e aggiornate dalle istituzioni dedicate delle

singole nazioni con metodi e standard armonizzati ai vari livelli competenza.

Tutti gli elementi che concorrono consentiranno l'integrazione del nostro attuale controllo

del traffico aereo con un sistema di gestione del traffico senza pilota che rappresenta oggi una

delle più grandi sfide della NASA, un’agenzia spaziale che comincia a dirigere i suoi budget

anche su progetti come questo, molto terrestre. Bridenstine ha previsto l’operatività della UAM

per il 2028 in contemporanea alla previsione di ritorno degli Americani sulla Luna, ma il suo

Presidente lo ha obbligato a stringere i tempi per la Luna al 2024.

Per il momento ci limitiamo ad osservare che le necessità del controllo aereo dei droni a

guida automatica, contribuiranno alla crescita del settore geomatico non solo come un

avanzamento degli strumenti di ripresa aerea per consentire semplici ma ridotte applicazioni

fotogrammetriche, ma sarà elemento portante per la creazione di modelli digitali della realtà

che ci circonda. Uno dei trend più forti del momento, di cui parlano spesso i gestori delle

Smart City, che promuovono le Digital Twin per la realizzazione di piattaforme di controllo e

simulazione di eventi, mentre ovviamente nella navigazione aerea la conoscenza digitale della

realtà in cui ci si cala o viene conosciuta prima (3DCity) o si rileva al momento. L’importante,

per evitare l’ostacolo, è necessario che le due posizioni Drone-Ostacolo siano reciprocamente

ben conosciute ed accurate anche in relazione al tempo, come richiede la prassi della ricerca nel

PNT (Positioning, Navigation and Timing).

Buona lettura,

Renzo Carlucci


FOCUS

iN questo

Numero...

focus

report

iNtervista

iNtelliGeNza artificiale

e ortofoto per il

ceNsimeNto e la GestioNe

delle aree pascolabili iN

ambieNte alpiNo

DI LUCA BERGAMASCO, FRANCESCA

BOVOLO, MARCO CRISTOFORETTI,

ANDREA GOBBI, DANIELE LEO, PIETRO

MOLFETTA, RICCARDO PASI,

PAOLA ROGANI

6

LE RUBRICHE

24 IMMAGINE ESA

38 MERCATO

42 AUGMENTED REALITY

46 AGENDA

14

iNtervista a valerio

zuNiNo della studio

sit srl

A CURA DI RENZO CARLUCCI

Nell'immagine di copertina

osserviamo l'area metropolitana

di Roma: i puntini rossi indicano

la copertura del rilevamento

dei numeri civici nel territorio

comunale.

GNss e droNi aerei:

uN coNNubio viNceNte

per applicazioNi di

telerilevameNto,

sorveGliaNza,

sicurezza e loGistica

DI MARCO LISI, ALBERTO

MENNELLA, MARCO NISI

18

geomediaonline.it

4 GEOmedia n°2-2021

GEOmedia, bimestrale, è la prima rivista italiana di geomatica.

Da più di 20 anni pubblica argomenti collegati alle tecnologie dei

processi di acquisizione, analisi e interpretazione dei dati,

in particolare strumentali, relativi alla superficie terrestre.

In questo settore GEOmedia affronta temi culturali e tecnologici

per l’operatività degli addetti ai settori dei sistemi informativi

geografici e del catasto, della fotogrammetria e cartografia,

della geodesia e topografia, del telerilevamento aereo e

spaziale, con un approccio tecnico-scientifico e divulgativo.


INSERZIONISTI

26

uNa GraNde mappa

per uNa piccola

isola: il rilevameNto

delle isole faroe

DI ELOISE MITCHELL

Codevintec 45

Datronix 37

Epsilon 39

ESRI 48

Geomax 41

GIS3W 22

Gter 36

Planetek Italia 47

Stonex 29

NoN solo dal cielo.

“the WiNeGrover”

DI EDUARDO DE FRANCESCO

30

StrumentiTopografici 2

TechnologyforAll 45

Teorema 46

ESA - Space Coast, Florida

(17 aprile 2021)

Cape Canaveral è un promontorio

ed una città nella contea

di Brevard, nella Florida

centro-orientale. Andando da

est verso ovest il promontorio

è separato dalla terraferma

dal fiume Banana, dall’isola

di Merritt e dal fiume India.

34

il droNe a supporto

della piaNificazioNe

deGli scavi Nella cava di

sabbia della “moNtaGNa

biaNca” iN poloNia

DI TOPCON POSITIONING GROUP

L’area è parte della regione

nota come Space Coast

ed ospita il Kennedy Space

Center, che include l’infrastruttura

di atterraggio dello

Space Shuttle, un centro per

i visitatori, la Cape Canaveral

Air Force Station ed un edificio

per l’assemblamento dei

veicoli spaziali in costruzione.

La piattaforma di lancio

Complex 39A, visibile lungo

la costa, è quella dove il razzo

Saturno V che trasportava

l’Apollo 11 - con a bordo Neil

Armstrong, Michael Collins

ed Edwin ‘Buzz’ Aldrin - iniziò

il suo viaggio verso la

Luna nel 1969.

Crediti:

ESA - Image of the week.

Traduzione: Gianluca Pititto

una pubblicazione

Science & Technology Communication

GEOmedia, la prima rivista italiana di geomatica.

ISSN 1128-8132

Reg. Trib. di Roma N° 243/2003 del 14.05.03

Direttore

RENZO CARLUCCI, direttore@rivistageomedia.it

Comitato editoriale

Vyron Antoniou, Fabrizio Bernardini, Mario Caporale,

Roberto Capua, Luigi Colombo, Mattia Crespi, Luigi Di

Prinzio, Michele Dussi, Michele Fasolo, Marco Lisi, Flavio

Lupia, Luigi Mundula, Beniamino Murgante, Aldo Riggio,

Mauro Salvemini, Attilio Selvini, Donato Tufillaro

Direttore Responsabile

FULVIO BERNARDINI, fbernardini@rivistageomedia.it

Redazione

VALERIO CARLUCCI, GIANLUCA PITITTO,

redazione@rivistageomedia.it

Diffusione e Amministrazione

TATIANA IASILLO, diffusione@rivistageomedia.it

Progetto grafico e impaginazione

DANIELE CARLUCCI, dcarlucci@rivistageomedia.it

Editore

MediaGEO soc. coop.

Via Palestro, 95 00185 Roma

Tel. 06.64871209 - Fax. 06.62209510

info@rivistageomedia.it

Stampa: System Graphics Srl

Via di Torre Santa Anastasia 61 00134 Roma

Condizioni di abbonamento

La quota annuale di abbonamento alla rivista Science è di € & 45,00. Technology Communication

Il prezzo di ciascun fascicolo compreso nell’abbonamento è di € 9,00. Il prezzo di

ciascun fascicolo arretrato è di € 12,00. I prezzi indicati si intendono Iva inclusa.

L’editore, al fine di garantire la continuità del servizio, in mancanza di esplicita

revoca, da comunicarsi in forma scritta entro il trimestre seguente alla scadenza

dell’abbonamento, si riserva di inviare il periodico anche per il periodo successivo.

La disdetta non è comunque valida se l’abbonato non è in regola con i pagamenti.

Il rifiuto o la restituzione dei fascicoli della Rivista non costituiscono disdetta

dell’abbonamento a nessun effetto. I fascicoli non pervenuti possono essere

richiesti dall’abbonato non oltre 20 giorni dopo la ricezione del numero successivo.

Gli articoli firmati impegnano solo la responsabilità dell’autore. È vietata la

riproduzione anche parziale del contenuto di questo numero della Rivista in

qualsiasi forma e con qualsiasi procedimento elettronico o meccanico, ivi inclusi i

sistemi di archiviazione e prelievo dati, senza il consenso scritto dell’editore.

Rivista fondata da Domenico Santarsiero.

Numero chiuso in redazione il 30 maggio 2021.


FOCUS

Intelligenza artificiale e ortofoto per

il censimento e la gestione delle

aree pascolabili in ambiente alpino

di Luca Bergamasco, Francesca Bovolo, Marco Cristoforetti, Andrea Gobbi, Daniele Leo,

Pietro Molfetta, Riccardo Pasi, Paola Rogani

Viene presentato un sistema

automatico per il censimento di

aree pascolabili basato sull’uso

di ortofoto e dell’intelligenza

artificiale. Il sistema migliora le

capacità di cura, preservazione

e valorizzazione del territorio

montano, è stato validato con

successo sul territorio della

Provincia Autonoma di Trento

(PAT) ed è esportabile ad altri

ambienti alpini.

Fig. 1 - Griglia delle ortofoto AGEA 2017.

La superficie dei pascoli

alpini trentini ammonta

ad almeno 50 mila ettari,

di cui oltre il 90% di proprietà

pubblica (comunale o frazionale):

per questo territorio è

particolarmente importante

preservare i sistemi zootecnici

e garantire una gestione

sostenibile e multifunzionale,

che consideri aspetti ecologici,

ambientali, paesaggistici,

storico-culturali ed economici.

Se un tempo il problema era il

sovraccarico dei pascoli, negli

ultimi decenni si è fatto sempre

più evidente il problema del

sottocarico, con il conseguente

degrado delle superfici pascolive.

Per coordinare le previsioni

della pianificazione forestale,

tra il 2015 ed il 2018, la Giunta

della Provincia Autonoma di

Trento (PAT) ha approvato lo

Schedario provinciale dei pascoli

– che con le unità di pascolo

(UPAS) identifica le zone

ammissibili al pascolamento

all’interno di ciascuna proprietà

assestata. Insieme al sistema

dei procedimenti amministrativi

per le richieste di aiuti o

agevolazioni legate alla Politica

Agricola Comunitaria (PAC),

questo permette di semplificare

i procedimenti e di gestire

correttamente gli interventi a

sostegno del mantenimento di

pascoli e malghe.

Lo Schedario provinciale dei

pascoli, che è stato integrato

all’interno del Sistema Informativo

Agricolo Provinciale

(SIAP), si compone di tre basi

di dati georeferenziate:

1. il Catasto dei pascoli: individua

– in armonia con la

pianificazione forestale – le

aree potenzialmente pascolabili

(UPAS);

2. il Catasto delle malghe:

individua e classifica le malghe

intese come edifici funzionalmente

legati ad una o

più UPAS;

3. il Catasto delle superfici

pascolabili: quantifica all’interno

di ciascuna UPAS

la consistenza delle superfici

pascolabili secondo la

classificazione – basata sul

criterio della tara – stabilita

dall’Agenzia per le Erogazioni

in Agricoltura (AGEA)

per le superfici eleggibili ai

fini delle domande di aiuto.

6 GEOmedia n°2-2021


FOCUS

Quest’ultimo strato informativo

è stato prodotto manualmente

dai tecnici di APPAG (Agenzia

Provinciale per i Pagamenti in

Agricoltura) mediante fotointerpretazione

dell’ortofoto AGEA

2017. Il processo di censimento

per fotointerpretazione si è rivelato

soggetto ad errori dovuti

alla soggettività degli operatori,

in particolare per quelle classi di

tara intermedie la cui assegnazione

risulta più aleatoria e per

le quali soltanto il controllo in

campo tramite sopralluogo può

considerarsi dirimente.

Al fine di limitare la necessità di

sopralluoghi, ridurre i costi ed i

tempi di gestione – nonché dei

futuri aggiornamenti previsti a

cadenza triennale – del Catasto

delle superfici pascolabili, si è

sviluppato un sistema per il censimento

automatico dei compendi

malghivi del Trentino.

L’iniziativa ha previsto lo studio

e la messa a punto di nuovi strumenti

di intelligenza artificiale

(Artificial Intelligence - AI) che

classifichino automaticamente

le aree pascolabili e non in zone

prevalentemente alpine quali

quelle del Trentino. Le mappe

tematiche sono accessibili tramite

un plugin QGis (QGis.org

2021) che offre la possibilità di

interrogare e rielaborare la mappa

di classificazione rimuovendo

eventuali artefatti, filtrando

aree troppo impervie, lisciando

i contorni dei poligoni ottenuti

e modificando i criteri di eleggibilità.

Di seguito sono descritti la definizione

dei requisiti e la creazione

del dataset, l’allenamento e la

validazione del sistema di AI, la

classificazione delle superfici pascolabili

all’interno delle UPAS

e la realizzazione degli strumenti

di Data Science e geoinformatica;

e sono documentati i risultati

di classificazione e il funzionamento

del plugin QGis.

Fig. 2 - UPAS del Trentino in verde. L’ambito 2 (nord-est) e le aree in rosso sono rimosse

dall’addestramento del sistema in quanto considerate poco attendibili dai fotointerpreti.

Formulazione del problema

di classificazione delle aree

a pascolo e dati

Ai fini delle domande di aiuto

legate alla PAC, le aree adibite a

pascolo si distinguono sulla base

della loro percentuale di tara (il

contenuto non erbaceo e quindi

di fatto non pascolabile). Tanto

più la percentuale di tara è bassa,

tanto più è pregiato il pascolo.

Distinguere classi di pascolo

per la sola percentuale di tara

tramite un algoritmo automatico

di elaborazione immagini

telerilevate è molto complesso

poiché tali classi hanno una

risposta spettrale molto simile.

Ci si è quindi focalizzati sulle

sole aree all’interno delle UPAS;

la classificazione dei suoli in

esse contenuta, frutto della fotointerpretazione

dei tecnici di

APPAG, è stata utilizzata come

riferimento per l’allenamento

e la validazione del sistema (ad

eccezione delle aree dell’ambito

2 e di quelle in rosso in Fig. 2,

la cui fotointerpretazione è stata

ritenuta meno affidabile dai

tecnici di APPAG). Nelle aree

identificate esistono 14 classi:

alcune non sono significative

rispetto al problema considerato

(es., corsi d’acqua, manufatti)

e sono state quindi mascherate

ed escluse; le restanti classi sono

state analizzate più approfonditamente

e aggregate in funzione

del significato semantico, della

similarità spettrale, spaziale e

temporale. Il censimento dei

pascoli è quindi definito come

segue [i numeri tra parentesi

indicano i codici attribuiti da

AGEA alle classi di superfici

eleggibili e non:

Prato permanente tara 0

(638): tara dallo 0 al 5%;

Prato permanente tara 20

(659): tara dal 5 al 20%;

Prato permanente tara 50

(654): tara dal 20 al 50%

Bosco (650/656): definita

come accorpamento di Bosco

(650) e tara 70 (656);

Aree non pascolabili

(770/780): definita come accorpamento

di Aree non coltivabili

(770) e Tare (780).

Nel Catasto delle superfici pascolabili

la proporzione relativa

GEOmedia n°2-2021 7


FOCUS

delle cinque classi ottenuta sulla

base della fotointerpretazione è

leggermente sbilanciata:

Tara 0: 12.87% (6706 ha),

Tara 20: 16.22% (84.50 ha),

Tara 50: 25.51% (13291 ha),

Bosco: 27.80% (14485 ha), e

Non pascolabile: 17.60%

(9168 ha).

Il sistema di AI per il censimento

si avvale: i) delle ortofoto

AGEA 2017 (canali spettrali

RGB) acquisite nell’autunno

2017 con 20 cm di risoluzione

spaziale (riportati qui alla risoluzione

spaziale di 1 m), ii) del

canale del Vicino-Infrarosso

(NIR) che fornisce informazioni

sulla presenza di vegetazione, e

iii) della mappa delle pendenze

ricavata dal Modello Digitale

del Terreno (DTM). Per l’addestramento

sono escluse le aree

con una pendenza tra i 50° e i

90°. Indipendentemente dalla

tara, esse non sono eleggibili

come pascolabili poiché la pendenza

ne impedisce l’accesso

e/o la fruizione e sono quindi

equiparate alla classe “Non

pascolabile”. I dati disponibili

sono organizzati in 470 tile (secondo

l’organizzazione originale

dell’ortofoto - Fig. 1).

Il problema è altamente complesso

poiché presenta:

classi molto simili (tutte associate

alla presenza di erba);

limitata informazione

spettrale (solo quattro canali

spettrali) in relazione

alla tipologia di classi e in

funzione della data di acquisizione

(la classe erba nei

canali spettrali e nella data –

autunno – di acquisizione è

poco marcata);

l’assenza di informazione

multitemporale (l’andamento

temporale della firma

spettrale delle aree adibite a

pascolo è diverso da quelle

non eleggibili e ne faciliterebbe

l’identificazione);

l’elevata risoluzione geometrica.

Il sistema basato su AI per

l’identificazione dei pascoli

Uno dei più recenti sistemi di

AI è il Deep Learning (DL).

Qui proponiamo l’uso di DL

per la segmentazione di immagini

formulato in funzione della

complessità del problema e produciamo

una mappa che associa

a ciascun pixel una classe.

Il modello si basa su una Residual

Neural Network (ResNet)

(He 2016) ovvero una Convolutional

Neural Network

(CNN) (LeCun 1995) caratterizzata

da collegamenti che uniscono

gli output di due diversi

layer convoluzionali. Questo

collegamento facilita l’allenamento

del modello, che impara

solo la differenza d’informazione

tra gli output di due layer

connessi riducendo la quantità

d’informazione da imparare e

il numero di patch per l’allenamento.

L’insieme dei layer convoluzionali

che sono collegati

dallo stesso shortcut è chiamato

blocco residuale. Qui sono usati

63 layer convoluzionali suddivisi

in 20 blocchi residuali,

ognuno composto da 3 layer

convoluzionali, con dimensioni

del filtro convoluzionale pari

a 1x1, 3x3, e 1x1 e seguito da

un layer di normalizzazione e

da una funzione di attivazione.

Il modello può essere diviso in

due parti principali: compressione

(40 layer convoluzionali),

Fig. 3 - Grafico della ResNet a 50 layer.

8 GEOmedia n°2-2021


FOCUS

Fig. 4 - Schema a blocchi dell’allenamento della rete e del processo di classificazione.

sta della classe rappresentata

limitando così l’influenza

della soggettività della fotointerpretazione

nelle zone

di transizione da una classe

all’altra.

Le patch sono leggermente sovrapposte

e hanno una dimensione

di 128x128 pixel selezionata

per massimizzare il numero

di patch per tile. Il modello così

addestrato può essere utilizzato

per censire le aree pascolabili del

Trentino (Fig. 4).

Settaggio sperimentale

e risultati

Il modello è stato allenato per

un massimo di 200 epoche (si

definisce epoca l’utilizzo di tutte

le patch contenute nel dataset

per l’allenamento del modello),

utilizzando 65.179 patch di

allenamento. All’inizio di ogni

epoca le patch di allenamento

sono mescolate e incrementate

secondo un paradigma di

augmentation: le patch sono

specchiate da destra a sinistra

e/o dall’alto in basso, e possono

essere ruotate di 90, 180, 270

gradi in modo aleatorio. L’informazione

di allenamento continua

così a cambiare riducendo

l’overfitting. Le patch sono

suddivise in gruppi di 80, per

stabilizzare il processo secondo

pratiche note (Ruder 2016). Il

modello è ottimizzato utilizzando

ADAM, un algoritmo allo

stato dell’arte, con learning rate

e decompressione (23 layer)

(Fig. 3). In fase di compressione

la rete dimezza le dimensioni

dell’input e incrementa il numero

di feature estratte ad ogni

passo e la ResNet impara feature

molto complesse. In fase di

decompressione, le feature vengono

aggregate per ottenerne di

nuove e più complesse, e le loro

dimensioni vengono incrementate

fino a ricostruire le dimensioni

delle immagini in input.

Il risultato di questa operazione

viene classificato dal layer finale

della rete.

Durante la fase di training, il

modello di DL impara a classificare

le patch di allenamento

minimizzando l’errore di classificazione

tra la predizione e la

classe reale nel dataset di allenamento

e validazione. Quest’ultimo

è costituito da un insieme

di patch quali unità base per

l’allenamento e la validazione.

Tra tutte le patch disponibili è

stato selezionato un sottoinsieme

rappresentativo che include

patch:

provenienti dalle sole UPAS

la cui classificazione per

fotointerpretazione è considerata

affidabile (Fig. 2).

contenenti una delle classi

definite sopra.

posizionate ai bordi delle

UPAS per garantire una

maggior continuità dell’informazione

spaziale.

omogenee dal punto di vipari

a 0.0001 (Kingma 2014).

Per classificare tutta la superficie

delle UPAS della Provincia

Autonoma di Trento, l’ortofoto

è suddivisa in patch di dimensione

leggermente maggiore

rispetto a quelle usate per l’allenamento

(192x192 pixel) per

analizzare un’area più ampia

più velocemente e ottenere una

classificazione più coerente dal

punto di vista spaziale. Per ogni

patch sistema (Fig. 4) assegna

un’etichetta ad ogni pixel e le

mappe di classificazione ottenute

per ciascuna patch sono

aggregate in una mappa di tutte

le UPAS.

Risultati

Di seguito si riportano l’analisi

qualitativa e quantitativa delle

mappe di classificazione prodotte

dal sistema di AI per le UPAS

usando come riferimento la

fotointerpretazione. Come per

il dataset d’allenamento anche

per quello di validazione sono

rimosse le UPAS appartenenti

all’ambito 2 (Fig. 2) e le aree

considerate poco affidabili (in

rosso - Fig. 2). Inoltre, è stata

pesata l’affidabilità delle etichette

assegnate alle zone di confine

tra una classe di tara e l’altra

(in particolare tra tara 20 e 50)

dove le classi sono molto simili

e predomina la soggettività del

fotointerprete. In tali situazioni

le matrici di confusione risultano

meno significative in termini

GEOmedia n°2-2021 9


FOCUS

Classificato

Tara 0 Tara 20 Tara 50 Bosco Non pasc. PA

Fotointerpretato Tara 0 54.70 5.10 3.76 2.61 0.89 81.57%

Tara 20 9.91 44.02 16.69 6.41 7.48 52.09%

Tara 50 4.49 12.73 76.83 20.23 18.63 57.8%

Bosco 2.13 2.40 16.37 117.26 6.70 80.85%

Non pasc. 1.04 4.26 7.05M 9.50 69.83 76.16%

UA 75.69% 64.25% 63.66% 75.16% 67.44% OA = 69.6%

Tab. 1 - Matrice di confusione totale su UPAS (in Milioni di pixel).

di valori assoluti e l’analisi dei

risultati è supportata da considerazioni

qualitative. Tale attività

può essere svolta da tecnici

esperti con l’ausilio del plugin

descritto nel seguito.

L’analisi quantitativa è stata sviluppata:

i) a livello di PAT e per

tile; ii) considerando la mappa

a cinque classi prodotta dal sistema

di AI e studiandola a tre

scale di dettaglio:

scala a 5 classi (Tara 0, 20,

50, Bosco, Non Pascolabile)

quella nativa prodotta dal

sistema di AI. Analizza le

prestazioni nel risolvere il

problema del censimento

nella sua maggior complessità.

scala a 3 classi (Tara 0, 20,

50). Analizza la capacità

del sistema rispetto alle sole

classi eleggibili.

scala a 2 classi per le classi

raggruppate in eleggibili

(Tara 0, 20, 50) e non

eleggibili (Bosco, Non

Pascolabile). È quella con

minor dettaglio e analizza le

prestazioni rispetto alle due

classi semantiche di maggior

rilevanza e criticità.

Le tre scale consentono di

analizzare il comportamento

del sistema in funzione della

Fig. 5 - Istogrammi delle accuratezze della classificazione per tile valutata sulla scala a 5 classi (a), 2

classi (b), e 3 classi (c).

tipologia di errore e dalla loro

rilevanza. Inoltre, sono analizzate

nel dettaglio due aree del

Trentino selezionate da APPAG

per la loro complessità e rilevanza:

i) malga Cioca (a nordovest

di Trento, tra Pinzolo e

Madonna di Campiglio) e ii)

un’area nei pressi di passo Vezzena

(a sud-est di Trento, vicino

a Levico-Terme). I risultati sono

analizzati quantitativamente

considerando l’accuratezza totale

(Overall Accuracy - OA),

l’accuratezza dell’utente (User

Accuracy - UA), e l’accuratezza

del produttore (Producer Accuracy

- PA).

Analisi quantitativa

Il sistema proposto raggiunge

una buona accuratezza totale

(OA) di circa il 70% rispetto

alla fotointerpretazione. Si può

osservare (Tab. 1) che la classificazione

produce ottimi risultati

nell’identificazione delle classi

di Tara 0, Bosco e non pascolabile,

con, rispettivamente, una

PA del 81.57%, del 80.57%,

e del 76.16% e una UA del

75.69%, del 75.16%, del

67.44%. Come atteso, le classi

Tara 20 e Tara 50 sono meno

accurate delle altre in quanto la

differenza tra Tara 20-Tara 50 e

tra Tara 50-Bosco è complessa

da modellare. Ciò è confermato

nella matrice di confusione

dove si osservano errori tendenzialmente

concentrati tra Tara

20, Tara 50, e Bosco.

10 GEOmedia n°2-2021


FOCUS

OA scala a 5 classi 66.53%

OA scala a 3 classi 74.12%

OA scala a 2 classi 81.78%

Estensione totale UPAS 823.25 ha

Tab. 2 - (a) OA sulle 5, 3, 2 classi. (b) Confronto tra le estensioni in ettari

delle classi nel fotointerpretato e nella mappa prodotta dal sistema di AI –

area della malga Cioca.

a)

Tara 0 Tara 20 Tara 50 Non eleggibile

Foto-interpretato 247.01 ha 102.18 ha 105.43 ha 368,64 ha

Classificato 254.1 ha 53.15 ha 139.94 ha 376.06 ha

b)

Ciò conferma che la

maggior parte degli

errori di classificazione

avvengono tra classi

molto simili tra di loro e

complesse da distinguere.

Allo stesso tempo, gli

errori tra queste classi

sono meno critici ai fini

dell’applicazione. L’accuratezza

tra le sole classi

eleggibili è molto buona,

circa il 77%.

Fig. 6 - Fotointerpretato (a sinistra) e classificazione prodotta dal sistema AI – area della malga

Cioca (tile 059021w, 059022w, 059023w, 059024w, 059061w).

La Fig. 5 mostra gli istogrammi

delle accuratezze per tile (ogni

barra specifica quante tile hanno

raggiunto il livello di accuratezza

indicato sull’asse delle

ascisse). L’accuratezza media di

classificazione rispetto al fotointerpretato

a 5 classi (Fig. 5.a) è

di circa il 70% con una variabilità

di circa il 10%. La scala a 2

classi mostra un’accuratezza media

molto superiore, circa l’83%

(Fig. 5.b). Ovvero focalizzando

sulle classi di maggior rilevanza

e criticità (eleggibile e non), il

sistema ha elevate performance.

Analisi qualitativa e

quantitativa di aree selezionate

Per l’analisi di dettaglio

della zona di malga Cioca

e della zona immediatamente

a sud del passo

Vezzena, si confrontano

le mappe di classificazione

prodotte in automatico

dal sistema proposto

con quelle ottenute per fotointerpretazione.

Entrambe sono

rappresentate su uno sfondo

realizzato con l'ortofoto a colori

naturali (RGB).

Nella zona di Malga Cioca

l’accuratezza è elevata, in

OA scala a 5 classi 74.57%

OA scala a 3 classi 77.24%

OA scala a 2 classi 87.54%

Estensione totale UPAS 500.77 ha

a)

Tara 0 Tara 20 Tara 50 Non eleggibile

Foto-interpretato 189.33 ha 63.24 ha 59.59 ha 188.61 ha

Classificato 219.21 ha 13.03 ha 87.99 ha 180.54 ha

b)

Tab. 3 - (a) OA 5, 3, 2 classi. (b) Confronto tra le estensioni in ettari delle

varie classi del fotointerpretato e sistema AI - area a sud del passo Vezzena

GEOmedia n°2-2021 11


FOCUS

su quella delle pendenze),

applicare algoritmi di smoothing

per lisciare i contorni

dei poligoni relativi alle aree

pascolabili,

personalizzare i criteri di eleggibilità

tramite parametri di

prossimità (distanza da strade

o da altre aree eleggibili).

Fig. 7 - Foto-interpretato (a sinistra) e mappa di classificazione prodotta dal sistema AI (a destra) -

area a sud presso passo Vezzena (tile 081042w, 082012w, 082013w, 082014w, 081081w, 082054w).

Con Bosco

particolare alla scala 2 classi è

pari OA=81.78% (Tab. 2). Le

estensioni delle classi stimate

dal classificatore sono in linea

con le superfici identificate per

fotointerpretazione. Ciò è particolarmente

vero per Tara 0 e

non eleggibile, mentre Tara 20

viene sottostimata per lo più a

vantaggio della Tara 50. Ovvero

la sottostima si manifesta come

errore poco critico. Il sistema

proposto classifica in modo soddisfacente

anche dettagli molto

piccoli (es., in Fig. 6, le piste da

sci che durante il periodo estivo

vengono usate come pascoli e

sono estremamente piccole e

sottili).

Nella zona a sud del passo Vezzena

i risultati sono in linea con

la fotointerpretazione (Fig. 7).

Il sistema discrimina accuratamente

classi eleggibili e non

(OA=87.54%), mentre la Tara

20 viene sottostimata a favore

di Tara 0 e 50.

Plug in

A corredo del modello AI è stato

sviluppato un Plugin python

per sistema operativo Linux e

Windows che utilizza librerie

per l’elaborazione di dati geografici

quali rasterstats, geopandas,

rtree, rasterio, fiona e gdal.

Esso permette di rielaborare le

mappe ottenute dal modello

congiuntamente ad altri layer

informativi per identificare i

poligoni eleggibili in base a

criteri definiti da esperti e parametrizzati

nell’interfaccia del

plugin. È possibile:

selezionare un’area da analizzare

tramite bounding box

(BB), estensione attuale o poligono

presente nel progetto

corrente di QGis,

personalizzare la maschera di

pendenza per escludere zone

impervie,

applicare dei filtri di sieve per

rimuovere artefatti (sia sulla

mappa di classificazione che

Risoluzione

1m 4m 20m

Con enriching 1026 s 703 s 813 s

Senza enriching 707 s 385 s 372 s

Con enriching 1277 s 830 s 918 s

Senza enriching 864 s 463 s 489 s

Tab. 4 - Tempi di computazione del plugin utilizzando diverse configurazioni.

Le operazioni descritte si avvalgono

di layer informativi:

la distanza dalle strade/sentieri

e malghe, la mappa delle pendenze

e i poligoni di strade e

laghi. Per una zona selezionata

il plugin produce una mappa

poligonale (Fig. 8 a destra) e per

ogni poligono le variabili riportate

in Fig. 8 (in basso a destra).

I tempi di esecuzione ed eventuali

messaggi vengono mostrati

nel box presente nella parte

inferiore dell’interfaccia (Fig. 8

a sinistra). È previsto un sistema

di caricamento/salvataggio

delle impostazioni per facilitare

la riproducibilità dei risultati e

tracciare gli esperimenti.

In Tab. 4 sono riportati i tempi

di esecuzione per un’area di

circa 60km² con il sistema di

coordinate di riferimento EPSG

25832 considerando 4 risoluzioni

(1, 4 e 20 metri) nel caso

di presenza/assenza della classe

bosco (650) e utilizzando o

meno le operazioni di enriching

(per riportare la percentuale

delle varie classi nei poligoni a

seguito delle operazioni di sieve,

non indispensabili per la definizione

della eleggibilità).

Si nota che i tempi si riducono

molto passando da 1 a 4 m

di risoluzione. La riduzione è

meno significativa passando da

4 a 20 m perché la parte computazionalmente

più pesante è

a valle della generazione dei poligoni

(che non dipende troppo

dalla risoluzione se applica un

sieve importante sulla mappa di

classificazione). I tempi aumentano

di circa il 12% se si separa

12 GEOmedia n°2-2021


FOCUS

Fig. 8 - Interfaccia del plugin (sinistra), raster generato dal modello AI (in alto a destra) e

poligonale generata dal plugin con le informazioni associate ai poligoni (in basso a destra).

la parte boschiva dalla classe 770

(dipende quindi dalla mappa di

classificazione utilizzata inizialmente).

Conclusioni e sviluppi futuri

È stato sviluppato un sistema

automatico basato su intelligenza

artificiale e concetti di deep

learning per il censimento delle

aree a pascolo in zone alpine

secondo il criterio della tara,

come previsto da AGEA per la

determinazione della superficie

eleggibile netta da ammettere a

contributo; il sistema interagisce

con un plug-in GIS per l’accesso

e l’elaborazione dei dati. I risultati

ottenuti costituiscono un

utile riferimento oggettivo per i

tecnici della PAT sia per validare

il lavoro di fotointerpretazione

svolto all’interno delle UPAS,

sia per ottenere una prima classificazione

speditiva di tutte le

aree potenzialmente pascolabili

(anche fuori UPAS). Infine –

posto che le prossime ortofoto

AGEA (2020, 2023, etc.) non si

discostino troppo da quella del

2017 per caratteristiche spettrali

e geometriche – il sistema potrà

costituire un utile supporto

anche per l’aggiornamento periodico

dell’eleggibilità dei suoli

dello Schedario dei pascoli. Il

sistema può essere impiegato in

aree alpine con caratteristiche

assimilabili a quella qui considerata,

prevedendo eventualmente

minimi adattamenti (tuning

dell’addestramento).

Il sistema si dimostra preciso,

con accuratezze medie tra il

70% e l’83% a seconda della

complessità del problema e

picchi a seconda della tile al di

sopra del 90%. Nel caso più

complesso a 5 classi, dove la

somiglianza semantica e il grado

di frammentazione delle classi

sono elevati, si osserva una tendenza

alla sottostima della classe

Tara 20 a favore della Tara 50.

Le mappe sono consultabili tramite

un sistema di Data science

che elabora dinamicamente le

mappe di classificazione. È possibile

personalizzare il processo

di generazione dei poligoni

della classificazione automatica,

permettendo l’adattamento

della classificazione alle diverse

caratteristiche fisiche, geomorfologiche,

di accessibilità, etc. dei

diversi contesti territoriali.

Come sviluppo futuro si prevede

di introdurre l’informazione

temporale impiegando ortofoto

acquisite in diverse stagioni

(se disponibili) o di immagini

satellitari (es. le immagini della

missione ESA - European Space

Agency Sentinel-2). È inoltre

possibile estendere il sistema

sviluppato e arricchire il plugin

per la generazione e gestione di

prodotti per altri ambiti quali

l’agricoltura, le foreste.

BIBLIOGRAFIA

He, K., Zhang, X., Ren, S. and Sun, J., 2016.

Deep residual learning for image recognition.

In Proceedings of the IEEE conference on

computer vision and pattern recognition, pp.

770-778.

Le Cun, Y. and Bengio, Y., 1995. Convolutional

networks for images, speech, and time

series. The handbook of brain theory and

neural networks, 3361(10), p.1995.

Ruder, S., 2016. An overview of gradient descent

optimization algorithms. arXiv preprint

arXiv:1609.04747.

Kingma, D.P. and Ba, J., 2014. Adam: A

method for stochastic optimization. arXiv

preprint arXiv:1412.6980.

QGIS.org, 2021. QGIS Geographic Information

System. QGIS Association. http://www.

qgis.org

PAROLE CHIAVE

Intelligenza Artificiale; Sistemi Informativi;

Ortofoto; Pascoli; Gestione

Montana

ABSTRACT

Mountain areas include precious environments

like pastures that require preservation

strategies by the appointed authorities. Here

we present a system that processes orthophotos

acquired by Agenzia per le Erogazioni in

Agricoltura using Artificial Intelligence to reduce

the time and costs of human inspection

in pasture management activities. The system

is trained to automatically classify multiple

kinds of pasture and no-pasture areas. A user

interface allows to query and refine the pasture

maps. The map can be updated as new

orthophotos come in. The system achieves

good performance in the Provincia Autonoma

di Trento (PAT), but it is suitable for similar

mountain areas as well.

AUTORE

Luca Bergamasco

lbergamasco@fbk.eu

Fondazione Bruno Kessler – www.fbk.eu

Università degli Studi di Trento – www.

unitn.it

Francesca Bovolo

bovolo@fbk.eu

Marco Cristoforetti

mcristofo@fbk.eu

Andrea Gobbi

agobbi@fbk.eu

Fondazione Bruno Kessler – www.fbk.eu

Daniele Leo

daniele.leo@provincia.tn.it

Pietro Molfetta

pietro.molfetta@provincia.tn.it

Riccardo Pasi

riccardo.pasi@provincia.tn.it

Paola Rogani

paola.rogani@provincia.tn.it

Provincia Autonoma di Trento, APPAG -

http://www.appag.provincia.tn.it/

GEOmedia n°2-2021 13


INTERVISTA

Intervista a

Valerio Zunino

della Studio SIT Srl

a cura di Renzo Carlucci

Tempo fa nessuno avrebbe pensato che il

“numero civico” sarebbe potuto diventare nel

tempo un importante oggetto geografico, tale

da generare oggi una attività di rilevamento

non trascurabile.

L’evoluzione dell’utilizzo commerciale

e industriale della posizione del numero

civico cominciò a prendere forma agli inizi

degli anni 90 quando in America e in Europa

rispettivamente apparvero due piccole realtà,

Navteq e Teleatlas, quest'ultima in particolare

veniva finanziata nell’ambito dei progetti di

ricerca europei Eureka (EU 145 – Teleatlas,

electronic publishing of cartographic and

geographic daabases, Belgium, Netherlands),

e diede inizio alla costruzione del database

dei grafi stradali Teleatlas, una realtà che

avrebbe dato il via ad una continua evoluzione

fino alla acquisizione (2008) da parte della

attuale TomTom, un brand il cui nome è

diventato l’acronimo per eccellenza del

navigatore stradale.

Il numero civico

prestandosi ad essere

un elemento

distintivo “stabile” e

identificativo della posizione

di un punto di

interesse di qualsia-si

tipo sul territorio, è il

fulcro oggi di una serie

di sistemi informativi

che basano su di

esso importantissime

attività che vanno dalla

semplice consegna

di merci alla liceità di

un allaccio di fornitura

energetica, al punto

tale che in certe municipalità

non si procede

a dare nuove utenze se

non si ha contezza del

civico certificato.

E la certificazione

della toponomastica

e del civico diventa

elemento importante

della nostra economia

sempre più sensibile

al valore dell'informazione

geolocalizzata in

un numero esponenzialmente

crescente di

ambiti e servizi

Ma come vengono

acquisite oggi tali

posizioni? Nei primi

grafi Teleatlas si trovava

un valore del civico

all’inizio e alla fine del

grafo determinandolo

dalla semplice distribuzione

media della

quantità di civici sulla

lunghezza del grafo.

Ciò portava una approssimazione

anche

di qualche decina di

metri e forse bastava

anche, ma oggi si sta

arrivando ad approssimazioni

sempre

migliori e molti di noi

avranno notato l’incremento

di precisione

nel tempo dei navigatori

stradali.

A questo proposito

abbiamo incontrato

recentemente nella

nostra Redazione

14 GEOmedia n°2-2021


INTERVISTA

Valerio Zunino CEO

della Studio SIT srl,

una società che da

più di 30 anni opera

nel settore dell’informazione

geografica e

che recentemente ha

avuto una importante

crescita nel settore

della geolocalizzazione

dei numeri civici.

Abbiamo chiesto al

nostro ospite quale è

la situazione italiana

in questo settore e

quale futuro si stia

prospettando per gli

operatori del settore.

Intervista al CEO

di StudioSIT

GEOmedia: La sua società

vanta una riconosciuta

posizione predominante

nel settore della

geolocalizzazione

dei numeri civici,

ma quale è la situazione

di riferimento

del suo mercato?

Valerio Zunino:

STUDIO SIT srl è

attualmente partner

di riferimento delle

principali major internazionali

del segmento

di mercato

che fino a qualche

anno fa veniva agevolmente

battezzato

“della navigazione

per auto”.

Le attività da noi


‟Tempo fa nessuno

avrebbe pensato che

il “numero civico”

sarebbe potuto

diventare un importante

oggetto geografico

realizzate, anche a

beneficio di questi

grandi gruppi si svolgono

in buona parte

nell'ambito del rilevamento

e mappatura

della numerazione

civica dell’intero

territorio nazionale,

compito in relazione

al quale riteniamo di

posizionarci in uno

scenario all'interno

del quale accuratezza

geografica, completezza

e aggiornamento

del dato siano

elementi cruciali,

ma nonostante ciò

piuttosto difficili da

riscontrare altrove.

G: Nell’ambito della

espansione in atto

della vostra attività

in Italia quale futuro

intravedete?

VZ: In questi ultimi

anni la nostra attività,

inizialmente focalizzata

sui numerosi

aspetti dell’informazione

e dei sistemi

geografici, è andata

sempre più specializzandosi

su pochi

livelli informativi e

paradossalmente, in

questa concentrazione,

sono aumentate

le commesse: mentre

le tipologie di attività

diminuivano, il

numero dei clienti è

andato aumentando.

G: Quali sono i

clienti a cui dedicate

attualmente la vostra

produzione?

VZ: I nostri principali

clienti sono oggi

le grandi multinazio-

GEOmedia n°2-2021 15


INTERVISTA

nali che affrontano,

con esclusività di

attenzioni o meno, la

grande offerta dell'automatizzazione

della

guida, rivolta oggi

naturalmente non più

soltanto all'automobilista,

ma ad una serie

di soggetti, ivi compresi

turisti e pedoni

affezionati o coinvolti

dall'ampliamento

delle funzionalità dei

propri smartphones,

che propongono una

concreta facilitazione

dei loro viaggi e

trasporti, per le varie

necessità esistenziali e

professionali.

G: E' possibile quantificare

i territori di

cui disponete di dati

toponomastici civici

georiferiti con accuratezza?

VZ: In pratica possiamo

affermare di aver

acquisito la posizione

geografica di quasi

tutto il territorio

italiano, tranne una

residua porzione di

comuni montani. La

percentuale di copertura

raggiunge oggi

il 96% della popolazione

ed il 92% dei

numeri civici, la cui

numerosità complessiva

da noi stimata

si attesta intorno ai

23,5 milioni, al netto

dei duplicati e delle

incongruenze riscontrate

sul campo.

G: Sarebbe interessante

conoscere con

che tipo di concorrenza

vi dovete confrontare,

chi sono

eventualmente i vostri

competitors.

VZ: Come ho riferito

poc'anzi, ad oggi nel

nostro segmento tutto

è diventato sempre

I puntini rossi indicano la copertura del rilevamento nel centro storico di Roma

più funzione diretta

del grado di qualità

geografica, completezza

ed aggiornamento

realizzato sul

dato prodotto; di

conseguenza in linea

di massima i nostri

concorrenti sono in

prevalenza gli stessi

nostri clienti, in

competizione dei

quali difficilmente

riteniamo di volerci

schierare a meno che

la richiesta che ci

pervenga sia disallineata

dalle applicazioni

standard.

G: È necessario procedere

ad un aggiornamento

costante di

questi dati?

VZ: Assolutamente

si, è oggi senza dubbio

l'elemento più

rilevante. Facendo

riferimento alla sola

città metropolitana di

Interessante e curiosa è

anche la diffusione dei vari

toponimi sul territorio

nazionale, dove i primi

quindici, nell'ordine, sono

i seguenti:

ROMA

GIUSEPPE GARIBALDI

GUGLIELMO MARCONI

GIUSEPPE MAZZINI

GIACOMO MATTEOTTI

DANTE ALIGHIERI

UMBERTO I

VITTORIO VENETO

ANTONIO GRAMSCI

GIUSEPPE VERDI

CESARE BATTISTI

TRIESTE

VITTORIO EMANUELE

ALDO MORO

ALESSANDRO MANZONI

Roma, disponiamo ad

esempio del supporto

di quattro professionisti

in pianta stabile

che aggiornano costantemente

i nostri

dati. Chiaramente

maggiore è il grado

di urbanizzazione,

maggiore sarà la frequenza

di updating

richiesta da qualsiasi

tipologia di cliente,

ma con riferimento

alle grandi città e ad

una popolazione costituita

da quasi 10

milioni di abitanti,

abbiamo attiva una

procedura di aggiornamento

costante del

nostro dato geografico

toponomastico

civico. In alcuni rari

ma significativi casi,

utilizziamo e normalizziamo

la mappatura

messa a disposizione

16 GEOmedia n°2-2021


INTERVISTA

in Open Data da

alcune realtà locali ,

le quali hanno realizzato

una procedura

corrente e collaudata

- per conseguenza divenuta

affidabile - di

questo livello informativo;

si distinguono

fra queste la provincia

autonoma di

Bolzano, alcuni tra i

principali comuni capoluogo

di provincia

delle regioni Veneto,

Emilia Romagna,

Lombardia e Toscana,

nonché altre città

come Cagliari,

Alessandria, Asti,

Trieste, Macerata,

Pesaro, Terni, e me

ne dimentico sicuramente

qualcuna,

scusandomi. In linea

generale però, il rilascio

in Open Data

non è affatto sinonimo

di qualità, specie

nel nostro ambito di

lavoro, ma quando

lo diventa come nei

casi suesposti, quasi

sempre lo fa grazie

alla sopravvenuta

presa di coscienza di

quelle amministrazioni

zelanti che hanno

compreso l'importanza

della numerazione

civica georiferita e del

relativo dinamismo.

G: Quale è l’accuracy

standard che potete

offrire? E la toponomastica

risponde?

VZ: A Roma e a

Milano centro offriamo

1-2 metri di

accuratezza della posizione

del civico, misurati

sulla proiezione

dell'apertura (ingresso

residenziale o esercizio

commerciale) in

corrispondenza del

fronte bordo marciapiede.

Altrove e

su tutto il territorio

nazionale, compreso

l'extraurbano, garantiamo

un'accuracy indicativa

di 2-3 metri.

Sui toponimi siamo

costantemente

allineati all'ufficialità

dello stradario

comunale. Le amministrazioni

oggi

devono inviare dati

corretti all’Anagrafe

Nazionale dei Numeri

Civici delle Strade

Urbane (ANNCSU)

e la problematica

più importante è la

denominazione toponomastica,

la normalizzazione

del nome.

Anche in relazione

a questo, la nostra

esperienza ci ha portato

a constatare che

il Paese è diviso in 3

macroaree, con un

Sud che spesso non

procede ad una numerazione

analitica

di tutti gli ingressi

delle abitazioni e

della attività commerciali

e dove sovente

non è stata assegnata

alcuna numerazione

civica alle abitazioni

insistenti nelle contrade,

un'area centrale

della penisola dove si

assiste alla presenza

di una numerazione

di variabile qualità e

quantità, ed un Nord

dove a latere di una

copertura (anche di

targhette) invidiabile,

si incontrano numerazioni

chilometriche

o suddivise per destinazione

d'uso, come

nei casi di Genova,

Firenze e Savona, ove

il civico rosso fa riferimento

ai negozi,

quello nero alle entrate

residenziali.

G: Sicuramente avrete

una serie di aneddoti

da raccontare in merito

alle attività di rilevamento

sul campo.

Ce ne può raccontare

uno?

VZ: I nostri collaboratori,

circa cinquanta

distribuiti sull'intero

territorio italiano, ce

ne descrivono molti.

Uno dei tanti: qualche

tempo fa, nell'immediato

entroterra

di Salerno, un nostro

professionista nel

chiedere la numerazione

civica di un'area

caratterizzata da una

ventina di edifici ubicati

sul versante in

favore di visuale della

collina retrostante, si

è sentito rispondere:

“Qui è tutto 6”!

G: Jack Dangermond

e Esri stanno guardando

alla Scienza del

Dove (The Science of

Where) come qualcosa

che va ben oltre

il mondo dei GIS di

una volta, lei come

vede il futuro dell’informazione

geografica?

VZ: Noi ci stiamo attrezzando

verso l’analisi

del “dentro” (The

Science of Inside),

quella informazione

geografica che ad

esempio comincia a

guidare l’automobilista

nei parcheggi. Ma

stiamo guardando anche

all’Osservazione

della Terra in modo

particolare per individuare

i cambiamenti

dell’urbanizzazione.

Abbiamo a questo

scopo acquistato da

AirBus / Planetek numerose

aree di change

detection edilizio, in

modo da disporre rapidamente

di uno dei

tre segnali più importanti

di cambiamento

sul territorio, capace

di generare nuova toponomastica

e nuovi

numeri civici.

PAROLE CHIAVE

studiosit, geolocalizzazione,

numeri civici, toponomastica,

navigatori per auto, geopositioning,

accuracy, tomtom

ABSTRACT

Interview with Valerio Zunino,

CEO of Studio Sit srl,

a company operating in the

geographic information field

since more than 30 years. Recently

experiencing a significant

growth in the geolocation of

streets numbers.

AUTORE

a cura di Renzo Carlucci

redazione@rivistageomedia.it

GEOmedia n°2-2021 17


REPORT

GNSS e droni aerei:

un connubio vincente

per applicazioni di

telerilevamento,

sorveglianza,

sicurezza e logistica

di Marco Lisi, Alberto Mennella, Marco Nisi

Fig. 1 - Il concetto di sistema del progetto Easy-PV.

Le applicazioni tecnologicamente

più avanzate e

ad alto valore aggiunto

(cioè in grado di fornire servizi

che soddisfano esigenze fondamentali

degli utenti) derivano

dall’integrazione sinergica fra

quattro grandi “motori” tecnologici:

1) il telerilevamento, cioè la capacità

di raccogliere informazioni

attraverso sensori sempre

più sofisticati sulla realtà

che ci circonda, estendendo

i nostri cinque sensi e potenziandone

la capacità. Questa

tecnologia, limitata in passato

ai satelliti ed alle prospezioni

aeree, si è oggi potentemente

estesa attraverso i sensori

miniaturizzati (IoT e “smart

dust”) ed i droni aerei;

2) la referenziazione geografica

e temporale, per lo più

basata sui sistemi GNSS

(“Global Navigation Satellite

Systems”), cioè la capacità di

associare le informazioni fornite

dai sensori ad un luogo

ed un tempo specifici, ad un

preciso “qui ed ora”;

3) le telecomunicazioni, soprattutto

quelle “wireless”, perché

ubique, cioè in grado di raccogliere

dati da sensori ovunque

posizionati, sulla terra e

nello spazio, e di diffondere

poi, dopo un adeguato processamento

dei dati grezzi, informazioni

e conoscenza agli

utenti finali, quelli per i quali

applicazioni e servizi sono

concepiti;

4) i centri di processamento

dei dati, basati su potenti

capacità di calcolo e sempre

più su agenti “intelligenti”

(Intelligenza Artificiale,

“Machine learning”, “Deep

Learning”), che elaborano

l’enorme, spesso non strutturata,

mole di dati raccolti per

derivarne informazione e conoscenza,

che l’utente medio

(agricoltore, architetto, operatore

della logistica o marinaio

che sia) sia in grado di usare a

proprio vantaggio.

In particolare, negli ultimi anni

si è fatta sempre più evidente

la sinergia fra la tecnologia di

localizzazione basata sui satelliti

(GPS, Galileo) e quella dei

droni aerei o UAV (“Unmanned

Aerial Vehicles”).

Il ruolo dei droni aerei nelle

applicazioni di telerilevamento,

sorveglianza, sicurezza e

logistica

Si definisce come drone aereo

(in inglese UAV, “Unmanned

Aerial Vehicle”) un aeromobile

senza pilota a bordo. Si possono

a questo punto dare due casi:

che il velivolo sia pilotato da

un essere umano da remoto (ed

in questo caso si parla più correttamente

di RPA, “Remotely

Piloted Aircraft”), ovvero che sia

in grado di volare con un grado

più o meno alto di autonomia.

Il secondo caso, quello cioè

della guida autonoma, è particolarmente

importante in quelle

applicazioni nelle quali il drone

opera al di là della visuale ottica

del pilota (in inglese “Beyond

Visual Line of Sight”, BVLOS).

Per gli UAV che operano in

BVLOS, piattaforme di navigazione

che integrino un ricevito-

18 GEOmedia n°2-2021


REPORT

re GNSS sono essenziali perché

in quasi tutte le applicazioni si

richiede una georeferenziazione

molto accurata delle immagini;

inoltre il drone, non direttamente

visibile dal suo operatore,

ha bisogno di un’elevata capacità

in termini di posizionamento

e navigazione, così da mantenere

la propria traiettoria, anche

in aree abitate, mantenendosi a

distanza di sicurezza da eventuali

ostacoli ed evitando collisioni.

Nelle operazioni BVLOS è ovviamente

anche necessario un

sistema di telecomunicazione

“wireless” (eventualmente basato

su network sia terrestri che

satellitari) molto affidabile e ad

alto “data rate”.

Sviluppati originariamente per

applicazioni militari, gli UAV

si stanno espandendo rapidamente

ad un’ampia gamma di

applicazioni civili, tanto che

oggigiorno il numero di UAV

civili è di gran lunga maggiore

di quelli militari. Tra le applicazioni

civili tipiche degli UAV ci

sono:

• Sorveglianza;

• Rilevamento topografico;

• Monitoraggio dell’ambiente;

• Disastri naturali ed emergenze;

Fig. 2 - architettura di sistema del progetto AMPERE

• Trasporto di prodotti o pacchi

postali;

• Fotografia aerea;

• Agricoltura;

• Raccolta di dati (IoT);

• Manutenzione di infrastrutture

distribuite

I droni in applicazioni di manutenzione

e logistica: i progetti

Easy-PV e AMPERE

Un primo esempio di applicazione

dei droni aerei e della

georeferenziazione tramite

GNSS è quello del progetto

Easy-PV, finanziato dalla GSA

(ora “European Union Space

Programs Agency”, EUSPA)

nell’ambito del programma

della Commissione Europea

Horizon 2020 e già positivamente

conclusosi.

Il problema al quale Easy-PV

si rivolge è quello della manutenzione

di grandi installazioni

per la produzione di energia fotovoltaica,

nelle quali i pannelli

fotovoltaici, esposti all’aperto ed

alle escursioni termiche, sono

soggetti a degradazioni o rotture

Fig. 3 - Il drone “tethered” del progetto SARA.

Fig. 4 - architettura del sistema SARA.

GEOmedia n°2-2021 19


REPORT

Fig. 5 - Drone “tethered” per le riprese aeree di eventi sportivi.

dei loro elementi, difficili da

individuare.

La soluzione proposta da Easy-

PV (figura 1) si basa su un sistema

automatico per acquisire,

geo-referenziare e processare

immagini ottiche e termiche

raccolte da un drone (più precisamente

un RPA) mentre sorvola

il campo fotovoltaico.

Il progetto AMPERE, sempre

finanziato da EUSPA in

Horizon 2020, applica un approccio

simile a quello di Easy-

Fig. 6 - Architettura di sistema del progetto PASSport.

PV (drone dotato di fotocamere

nel visibile e nell’infrarosso,

nonché di radar ottico 3D in

tecnologia LIDAR) per affrontare

il problema della mappatura

e quello della prevenzione di

potenziali guasti nelle reti aeree

per la distribuzione dell’energia

elettrica (figura 2). Questo progetto,

tuttora in corso, prevede

una sperimentazione sul campo

nella Repubblica Dominicana,

attraverso l’università UNPHU

di Santo Domingo.

Gli UAV nelle applicazioni di

sorveglianza aerea: il progetto

SARA

Sono molto numerosi i casi nei

quali si richiede la sorveglianza

continua, diurna e notturna, di

una certa area, attraverso sensori

nei campi visibile ed infrarosso.

Le circostanze possono essere le

più varie: dalla protezione di un

perimetro da intrusioni dall’esterno

alla supervisione di operazioni

complesse, per esempio

di logistica, ovvero alla gestione

coordinata dei soccorsi in caso

di emergenze (per esempio,

salvataggi in mare) e disastri

naturali (incendi, inondazioni,

terremoti).

I droni aerei forniscono soluzioni

molto efficienti ed efficaci,

nonché molto meno costose

di altri mezzi, per esempio gli

elicotteri.

Partendo dalla specifica esigenza

di supportare le operazioni

di salvataggio (“Search and

Rescue”, SAR) in mare, particolarmente

durante le ore notturne,

è stata sviluppata la tecnologia

dei droni “tethered”, cioè

alimentati e comandati tramite

un cavo elettrico fino ad altezze

di cento e più metri attraverso

il progetto Horizon 2020 denominato

SARA (“Search And

Rescue Aid”) (figura 3).

SARA è un sistema semi-automatizzato

composto da un drone

“vincolato” e dal suo hangar,

collegato saldamente all’imbarcazione

grazie ad un cavo molto

resistente rivestito in kevlar, che

viene utilizzato sia per l’alimentazione

che per la trasmissione

dati (figura 4).

Il principale vantaggio rispetto

ad altri droni presenti sul mercato

è la possibilità di dispiegare

in pochissimo tempo un

“Traliccio Virtuale” fino a 100

metri sulla superficie dell’imbarcazione.

Inoltre il sistema

SARA abilita le operazioni di

volo in condizioni di scarsa

20 GEOmedia n°2-2021


REPORT

visibilità grazie all’avanzato uso

del posizionamento satellitare

e quelle di avvistamento grazie

all’impiego di un payload con

camere ottiche e termiche (ad

infrarossi).

Pur se originariamente sviluppato

per applicazioni marittime,

il concetto del drone “tethered”

può essere ovviamente esteso a

molte altre situazioni, generalmente

ogni qual volta sia necessaria

la sorveglianza di una certa

area da grande altezza e su tempi

relativamente lunghi (come,

ad esempio, le riprese aeree di

avvenimenti sportivi, figura 5).

Fig. 7 - Droni sottomarini a guida autonoma (Università di Firenze).

Sicurezza e gestione delle

infrastrutture di trasporto

e logistiche: il progetto

PASSport

Nei mesi passati la pandemia da

Covid-19 ha messo in evidenza

l’importanza strategica per l’economia

delle infrastrutture di

trasporto e di logistica, specialmente

in periodi di crisi.

Le varie tipologie di trasporto

condividono esigenze in larga

parte comuni: la sicurezza in

senso lato, sia intesa come protezioni

da azioni malevoli di

varia origine, sia come prevenzione

di incidenti che possano

mettere a rischio la vita delle

persone ed i beni trasportati.

Vale qui la pena di ricordare

che molto spesso tali incidenti

portano, se non alla perdita di

vite umane, a gravi conseguenze

sull’ecosistema (a causa, per

esempio, di sversamenti sulla

terra o in mare di sostanze chimiche

nocive).

Il progetto PASSport, anch’esso

finanziato dalla Commissione

Europea nell’ambito del programma

Horizon 2020 ed

ancora in corso, propone un

sistema integrato di droni aerei

e sottomarini, tutti assistiti dai

più recenti servizi offerti dal sistema

GNSS europeo, Galileo,

per dare pratica implementazione

alle stringenti direttive

europee in tema di sicurezza dei

trasporti marittimi e dei complessi

portuali (figura 6).

Il sistema di sorveglianza e

controllo PASSport è destinato

alle infrastrutture complesse

in senso lato, quindi anche

ad aeroporti, linee ferroviarie,

grandi complessi autostradali.

Fondamentale nella sua filosofia

è l’integrazione e fusione

di dati provenienti da svariate

tipologie di sensori, non esclusi

quelli provenienti da satelliti

di osservazione della Terra

(Copernicus). La quantità dei

dati ingestiti e la complessità

delle azioni di controllo da

Fig. 8 - Il parco archeologico di Paestum e Velia.

prendere tempestivamente

(quindi in modo spesso autonomo)

richiederanno un utilizzo

massivo di tecnologie avanzate

di processamento, quali

“Artificial Intelligence” (AI) e

“Deep Learning”.

Integrazione di satelliti, droni

e sensori “in situ” per la salvaguardia

del patrimonio artistico:

il progetto VESTA

ll progetto VESTA

(Acronimo di Valorizzazione E

Salvaguardia del paTrimonio

culturAle attraverso l’utilizzo

di tecnologie innovative) si

propone di offrire servizi atti

a migliorare la salvaguardia e

GEOmedia n°2-2021 21


REPORT

la conservazione preventive e

programmate del patrimonio

culturale.

Sebbene il parco archeologico

di Paestum e Velia sia stato

scelto come sito pilota (figura

8), il progetto ha come principali

oggetti tutti quei beni

culturali che sono strategici, da

preservare e valorizzare, beni

ritenuti estremamente fragili ed

a rischio di deterioramento con

ricadute in termini di perdita

della memoria del patrimonio

storico-artistico nonché di perdite

economiche per l’industria

del turismo.

A tale scopo, utilizza nuovi

strumenti di conservazione

preventiva e pianificata al fine

di assicurare valutazioni e monitoraggi

efficaci e sistematici

sui siti.

Il sistema VESTA è un ottimo

esempio d’integrazione di varie

tecnologie di “sensing” con il

posizionamento accurato offerto

dalla tecnologia GNSS.

In termini di sensori, il sistema

prevede l’integrazione di dati

provenienti da quattro tipologie

di sensori, parte remoti e parte

“in situ” (figura 9):

1. Satelliti (“Syntethic Aperture

Radar” ed ottici, per esempio

COSMO-Skymed ed i

vari Copernicus), usati per

Fig. 9 - In senso orario, dall’alto: satelliti, droni, GPR ed ERT

l’individuazione su vasta

scala di criticità, naturali e

antropiche, che coinvolgono

i beni culturali e il loro

intorno;

2. Droni, dotati di sensoristica

ottica multispettrale, termica

e radar. Sono usati per

analisi di dettaglio di suolo e

strutture murarie;

3. GPR (“Ground Penetrating

Radar”), ad alta e a bassa

frequenza, sono usati per

ispezioni, rispettivamente,

delle strutture murarie e del

sottosuolo;

4. ERT (“Electrical Resistivity

Tomography”), sensoristica

usata per l'investigazione del

sottosuolo.

PAROLE CHIAVE

GNSS; Galileo; droni; UAV; RPA; mapping; sorveglianza;

SARA; PASSport; AMPERE; VESTA; EUSPA

ABSTRACT

GNSS and Unmanned Aerial Systems (UASs) are a

winning synergy in many applications: remote sensing,

security, mapping, surveillance, and logistics.

AUTORE

Dott. ing. Marco Lisi

ingmarcolisi@gmail.com

Independent Consultant

Aerospace & Defense

Ing. Alberto Mennella

alberto.mennella@topview.it

Topview srl co-founder and Innovation Manager

Ing. Marco Nisi

marco.nisi@grupposistematica.it

TheSaraProject Srl, CEO

22 GEOmedia n°2-2021


MERCATO

24 GEOmedia n°2-2021


MERCATO

Earth from Space,

baia di Laizhou (25 aprile 2021)

La missione Copernicus Sentinel-2 ci porta sulle acque

macchiate dai sedimenti della baia di Laizhou, che si trova lungo

le rive meridionali del Mar di Bohai, sulla costa orientale della Cina continentale.

La baia è la più piccola delle tre più importanti baie del Mar di Bohai

e prende il nome dalla città di Laizhou, visibile ad est. Grandi quantità di sedimenti

trasportate dal fiume Giallo - visibile alla sinistra dell’immagine - alterano il colore delle

acque facendole apparire di colore turchese. In questa immagine il sedimento può essere osservato

all’interno delle acque anche lontano dalla costa. Il fiume Giallo è il secondo fiume della

Cina in termini di lunghezza, percorre oltre 5400 km ed è superato solo dal fiume Yangtze. Il fiume

nasce sulle montagne di Bayan Har nella Cina occidentale e scorre attraverso nove province prima di

sfociare nella baia di Laizhou. Il suo bacino di drenaggio è il terzo più grande della nazione, con un’area

di circa 750 000 kmq. Si stima che il fiume trasporti annualmente 1.6 miliardi di tonnellate di limo, la

maggior parte del quale viene riversato in mare. A causa di questo elevato carico di limo il fiume giallo

deposita terreno a tratti ed in definitiva viene alzato il livello del letto del fiume. Rilevanti depositi di sedimento

hanno innalzato il letto del fiume di diversi metri rispetto al terreno circostante, causando in alcune

circostanze dannose alluvioni. Sulle rive meridionali della baia di Laizhou, nella parte bassa dell’immagine,

sono visibili campi allagati e si tratta molto probabilmente di allevamenti ittici artificiali. La città di Dongying

si può osservare sulla sinistra dell’immagine: è sede del secondo più vasto giacimento petrolifero

della Cina. Questa immagine è stata acquisita il 26 febbraio 2020 ed è stata processata in modo da

includere il canale dell’infrarosso vicino, che fa apparire la vegetazione di color rosso brillante. La

vegetazione lussureggiante può essere distinta dai campi di colore marrone, in cui la raccolta non

è stata ancora effettuata o la crescita non è ancora completa. Copernicus Sentinel-2 è una

missione a due satelliti. Ciascun satellite trasporta una camera da ripresa ad alta risoluzione

che riprende immagini della Terra in 13 differenti bande spettrali. La missione è

primariamente utilizzata per monitorare i cambiamenti nell’uso del suolo e lo

stato di salute della vegetazione.

Crediti: ESA - Image of the week

Traduzione: Gianluca Pititto

GEOmedia n°2-2021 25


REPORT

Una grande mappa per una

piccola isola: il rilevamento

delle isole Faroe

di Eloise Mitchell

Le isole Faroe sono una serie di

isole a 300 chilometri a nord-ovest

della Scozia. Le Faroe fanno parte

della Danimarca e lavorano con le

autorità danesi. Hanno un clima

subpolare e una popolazione di

52.000 persone. Poiché le isole

sono sviluppate e cambiano

con nuovi edifici e agricoltura,

le autorità hanno bisogno di

mappe aggiornate delle isole. La

Umhvørvisstovan usa Pix4Dmatic

per la mappatura su larga scala

del territorio per mantenere le

registrazioni recenti. Hanno

raccolto oltre 2.000 immagini per

rilevare 2,3 chilometri quadrati.

È stato un progetto di rilievo di

successo con un ortomosaico ad

accesso aperto come risultato.

Le autorità locali hanno

usato i droni per superare

le sfide dettate dal

maltempo e dagli improvvisi

cambiamenti meteorologici per

il rilevamento dell'uso del suolo

e la mappatura delle coste

nelle isole Faroe.

Con una popolazione globale

di 7,8 miliardi di persone, e

il 55% di esse che vive in aree

urbane, il mondo si sta rapidamente

spostando dall'essere

principalmente in zone rurali

alle città edificate. Questo sta

accadendo ovunque - da paesi

enormi come la Cina, alle più

piccole nazioni insulari, come

le isole Faroe.

Le isole Faroe, nel nord-ovest

dell'Oceano Atlantico, hanno

solo 52.967 abitanti distribuiti

su 18 isole - e più pecore

che persone! Ci sono 120 aree

urbane sparse su queste isole.

Mappare e tracciare lo sviluppo

urbano è la chiave per aiutare

a registrare l'uso del suolo nel

territorio, così come i cambiamenti

della vicina linea costiera

che è frequente nei territori

insulari.

L'Agenzia per l'ambiente delle

Faroe, o Umhvørvisstovan, si

occupa della mappatura e del

monitoraggio dei cambiamenti

nelle isole, compresa la mappatura

della linea costiera. Queste

mappe sono usate per la pianificazione

del territorio e per

il registro catastale nazionale.

Tuttavia, essendo nel mezzo

dell'Atlantico, la mappatura

aerea delle isole è rara e difficile.

Dal 2017, Umhvørvisstovan

ha raccolto 117.130 immagini

al ritmo di circa 30.000 all'anno.

Ci sono solo 6 dipendenti

per svolgere tutte le responsabilità

di un'agenzia governativa.

Tre lavorano a terra con

il rilevamento e la mappatura,

mentre altri tre lavorano alle

carte nautiche per le navi e i

traghetti.

Nel 2015, Umhvørvisstovan

ha scelto di lavorare con i

droni invece che con gli aerei.

Quando i dipendenti hanno

iniziato a usare i droni per la

mappatura, hanno studiato i

punti di forza della fotogrammetria

di questi nuovi strumenti.

Parte del fascino è che

le mappe potevano generare

ortofoto con meno sforzo e

fatica rispetto alla fotogrammetria

basata su aerei. Per quanto

riguarda la scelta del giusto software

di mappatura per droni,

con un progetto su larga scala,

26 GEOmedia n°2-2021


REPORT

Dettagli del progetto

Località: Svínoy, Isole Faroe,

Danimarca

Utente: Agenzia per l'ambiente

delle Faroe

Area indagata: 2,341 chilometri

quadrati (578 acri)

Software: "Pix4Dmatic

Esri ArcGIS"

Hardware: ""eBee X RTK

Macchina fotografica Aeria X""

Hardware di elaborazione:

Intel (R) Xeon CPU E5-1650

v4 Immagini totali: 1,997

Tempo di elaborazione:

10 ore e 30 minuti

GSD: 3,12 cm (1,2 pollici)

Fig. 1 - Le isole Faroe sono caratterizzate da terre bellissime ma scarsamente popolate (Crediti: Jógvan Horn).

la potenza e la velocità di

Pix4Dmatic è stata scelta in

quanto perfettamente adatta

a produrre una mappa accurata

e di larga scala delle Isole

Faroe.

Perché la mappatura con il

drone è la scelta migliore

Svínoy è una piccola isola,

con solo 31 abitanti. Tuttavia,

l'ultima volta che l'isola è stata

mappata è stato nel 2009.

Era da tempo che si attendeva

un'indagine aggiornata.

Diverse sfide significative

sono presenti con la mappatura

aerea di luoghi remoti.

Le isole hanno un terreno

montuoso con forti venti. Il

tempo nelle isole Faroe è notoriamente

imprevedibile. Gli

aerei fanno fatica a penetrare

la copertura nuvolosa e i rischi

di volare sotto le nuvole

con un terreno così aspro

rendono molto difficile volare

in sicurezza per la mappatura

aerea.

Il vantaggio dei droni è già

chiaro: possono essere impiegati

con meno preavviso

e pianificazione di un aereo,

e sfruttare brevi intervalli di

tempo con meteo favorevole.

Inoltre, i droni volano sotto

le nuvole, il che è un vantaggio

in quanto la loro visibilità

non è impedita dalla copertura

nuvolosa, e i continui

cieli grigi causano una luce

costante e diffusa che non

cambia drasticamente, il che

è ideale per la raccolta di dati

di fotogrammetria. Tuttavia, i

droni ad ala fissa a volte hanno

difficoltà operative a causa

del terreno irregolare che rende

difficile trovare luoghi appropriati

per decollare e atterrare.

Rilievo del terreno su un'isola

remota

Quando il pilota dell'agenzia

dell'ambiente ha volato, la

missione di raccolta dati è stata

separata in 3 voli che hanno

raccolto un totale di 1.997 immagini.

Questa attenta pianifi-

Fig. 2 - Gli output di Pix4Dmatic sono chiari e dettagliati (Crediti: Umhvørvisstovan).

GEOmedia n°2-2021 27


REPORT

cazione del volo può far risparmiare

ai piloti molto tempo

quando volano su siti grandi o

complicati. Fortunatamente,

quel giorno il vento era leggero.

Ci sono state alcune turbolenze

e difficoltà dovute alla

conformazione del terreno, anche

se fortunatamente l'isola di

Svínoy ha alcuni spazi piatti da

cui l'eBee X ha potuto decollare

e atterrare in sicurezza.

I dati sono stati poi elaborati in

Pix4Dmatic, impiegando poco

più di dieci ore per analizzare

l'intero set di dati. La mappa

finale è stata poi modificata e

annotata per aggiungere dettagli

importanti, tra cui:

• Linee costiere

• Abitazioni (compresi i

nomi delle strade e gli indirizzi)

• Pascoli e appezzamenti

agricoli

Questa mappa è fornita come

una risorsa ad accesso aperto e

gratuito che chiunque può scaricare,

anche se è in danese. Le

mappe aperte sono una risorsa

utile, che permette a tutti di

capire meglio la situazione del

territorio.

Vantaggi del rilievo

a distanza

Questa transizione per avere

registri aggiornati è molto preziosa

per il governo. Sebbene

sia scaricabile gratuitamente

per il pubblico, offre una visione

del progresso e dello

sviluppo delle isole Faroe,

anche nelle isole più piccole.

La varietà dei risultati di

Pix4Dmatic significa anche che

Umhvørvisstovan può usarli

per la mappatura o la pianificazione

di ulteriori sviluppi.

Pix4Dmatic è ancora più facile

da usare di Pix4Dmapper

e il tempo di elaborazione è

stato più veloce. Quindi, se il

tempo è un fattore importante

nei vostri progetti, è possibile

accelerarne la consegna

utilizzando Pix4Dmatic. -

Andreas Arnbjerg è pilota per

Umhvørvisstovan.

Lavorando con i droni

e la fotogrammetria,

Umhvørvisstovan può risparmiare

i costi dell'uso degli aerei

per raccogliere i dati, oltre ad

essere più flessibile in base alle

condizioni meteorologiche,

in quanto non ha bisogno di

utilizzare un volo più impegnativo.

Gli UAV tagliano i costi

delle ore trascorse sul campo e

la potenza di elaborazione di

Pix4Dmatic rende risultati incredibilmente

dettagliati di cui

beneficiano sia le autorità che i

membri della comunità.

Pix4D attualmente fornisce

Pix4Dmapper, Pix4Dfields e

Pix4Dcloud in italiano.

PAROLE CHIAVE

Mappe; mappatura aerea; droni;

fotogrammetria; ortofoto;

software; dati

ABSTRACT

The Faroe Islands are a series of islands

300 kilometers North-West

of Scotland. The Faroes are part of

Denmark and work with the Danish

authorities. They have a subpolar

climate, and a population of 52,000

people. As the islands are developed

and change with new buildings and

agriculture, the authorities need

up-to-date maps of the islands. The

Umhvørvisstovan use Pix4Dmatic

for large scale mapping on of the

land to maintain recent records.

They gathered over 2,000 images to

survey 2.3 square kilometers. It was

a successful surveying project with

an open-access orthomosaic as an

output.

AUTORE

Eloise Mitchell

eloise.mitchell@pix4d.com

Fig. 3 - Una vista completa dell'isola di Svínoy renderizzata in Pix4Dmatic (Image credit: Umhvørvisstovan).

28 GEOmedia n°2-2021


REPORT

Sede in Italia

Più di 100 distributori nel mondo

Una linea di prodotti Made in Italy

Dove siamo Chiamaci Contattaci

Seguici sui Social

Viale dell’Industria 53

20037, Paderno Dugnano (MI)

Tel. +39 02 78619201

www.stonex.it

info@stonex.it - italia@stonex.it

GEOmedia n°2-2021 29


REPORT

Non solo dal cielo.

di Eduardo de Francesco

“The Winegrover”

Fig. 1 - Il Rover nel 2018 (Agrivision).

In questo articolo introduciamo a livello

teorico e generico un approccio in cui,

sfruttando la collaborazione di un drone

aereo e del nostro drone, si possono

aggiungere alle mappe aeree layer

che contengono informazioni rilevabili

soltanto da terra. In questo contesto il

Rover che proponiamo potrebbe essere

utilizzato come carrier di sensori di

diversa natura (georadar, nasi elettronici,

camere multispettrali, ecc…) che

potrebbe registrare informazioni a terra

e legarle alle immagini aeree. Il rover che

proponiamo, avendo capacità anfibie

potrebbe essere utilizzato anche per

rilevazioni in zone umide, fiumi, laghi e in

mare aperto. Chiunque sviluppi tecnologie

di rilevamento e sensori di qualsiasi natura

potrebbe utilizzare la nostra piattaforma

come carrier teleguidato per mappare le

informazioni di interesse in specifiche aree.

L'

agricoltura di precisione

è significativamente

influenzata dall’uso dei

droni aerei e dalla loro capacità

di interpretare lo stato della vegetazione.

Le tecniche di analisi

sono adeguatamente mature,

derivando dall’algoritmica sviluppata

per le analisi da satellite,

modelli poi modificati ed adattati

per una visione ripresa da

una quota molto più bassa. Sono

significativamente cresciute le

capacità dei sensori e dei sistemi

di posizionamento, ma nella

sostanza, tuttavia, gli algoritmi

che sono alla base degli indici

vegetativi, sono rimasti legati alla

capacità di interpretare la visione

dall'alto.

Il progetto Agridrone Vision

conclusosi con successo a fine

2019, basato su un veicolo

terrestre di nuova generazione

(Rover), ha avuto tra i suoi principali

obiettivi il tema dell’osservazione

in orizzontale (vista

corrispondente al tradizionale

punto di vista dell’agricoltore)

la cui algoritmica non risulta al

momento trattata in modo così

esaustivo come quella verticale

da drone.

Va infatti considerato che ogni

pianta non è soltanto un puntino

dall'alto, ma ha un suo sviluppo

verticale derivato dallo stato del

terreno, dalla vegetazione alla

base della pianta, dalla parte bassa

del tronco, dalla parte bassa

della chioma, da quella media e

da quella alta.

Ogni parte contribuisce in modo

diverso alla salute della pianta

e l'osservazione delle differenti

parti può permettere un’analisi

più completa ed arrivare a sintesi

difficilmente realizzabili con la

sola osservazione dall'alto.

Va inoltre considerato che mentre

dall'alto è possibile effettuare

solo osservazioni diurne, perché

è necessaria un’illuminazione

che non può essere altro che

quella solare (assunzione vera se

si escludono infrarosso termico e

dati radar), dal basso si può fare

anche una osservazione notturna

andando ad esaminare caratteristiche

che sono vere od osservabili

solo in assenza di radiazione

solare (ad esempio la bioluminescenza).

In alcuni casi l'osservazione aerea

non è per altro effettuabile

come nel caso di uve a tendone,

nel sotto chioma boschivo, nelle

serre, ed in generale in tutti quei

casi in cui la chioma della pianta

copre il terreno.

30 GEOmedia n°2-2021


REPORT

Funzionamento

Il funzionamento del Rover è

basato su un principio molto

semplice.

Due grandi ruote contengono

al proprio interno dei pendoli,

che ruotano intorno ad un'asse

centrale. Spostando il pendolo

si sposta il baricentro della ruota

che di conseguenza si muove per

recuperare il nuovo equilibrio.

Elemento centrale è il pendolo

che è allo stesso tempo elemento

motore e carico utile del veicolo.

Nel pendolo sono contenuti i

motori che provvedono a farlo

ruotare rispetto alla ruota e le

batterie che alimentano i motori.

In questo senso, elementi tipicamente

negativi dei veicoli quali

il peso del motore, della trasmissione

e delle batterie, diventano

elementi positivi perché contribuiscono

alla spinta.

Le dimensioni delle ruote sono

tali da permettere il galleggiamento

dell'intero insieme e

quindi il nuovo veicolo può operare

sia su terreno che in acqua,

senza cambiare assetto. Inoltre,

caratteristica fondamentale,

può operare su qualsiasi tipo di

superficie mista intermedia: acquitrino,

neve, fango, offrendo

quindi una capacità di movimentazione

in ambienti difficili

normalmente vietati ai veicoli,

se non estremamente specializzati.

Il Rover non ha necessità di

cambiare assetto o di essere dotato

di particolari dispositivi per

operare in tali ambienti.

Le proporzioni dell'intero veicolo

sono scalabili in funzione

dell'ambiente previsto, ciò senza

variarne il principio di funzionamento.

L'attuale versione, ottimizzata

per operare all'interno

delle vigne, ha una ruota da 120

cm di diametro ed una larghezza

di 130 cm.

Carichi utili

Il Rover ha la possibilità di portare

carichi utili quali sensori o

merci in tre aree:

1. Nel corpo centrale tra le due

ruote

2. Lateralmente alle due ruote

3. Nei pendoli all’interno delle

ruote

La soluzione migliore è la terza

(nei pendoli) poiché in questo

caso il carico contribuisce alla

spinta e quindi al movimento.

È da considerare che le grandi

ruote sono realizzate in polimero

e pertanto operano come una

sorta di “Radome” per tutti i

sensori e gli apparati basati sulla

radiofrequenza proteggendoli

al contempo dalle aggressioni

ambientali esterne (chimiche,

biologiche, termiche).

La prima e la seconda ipotesi si

usano tipicamente nei casi in cui

Fig. 2 - Elementi principali del Rover.

il sensore è di tipo visuale o si è

in presenza di un attuatore.

Le aree interne possono operare

anche come contenitori per

la raccolta di materiali esterni

come, ad esempio, macchie di

petrolio in mare derivanti da

perdite di petroliere o da disastri

ecologici.

Caratteristica anfibia

Le due grandi ruote, che forniscono

la spinta di galleggiamento,

sono dotate di lame

di plastica o pseudopinne che

permettono una propulsione e

quindi il movimento in acqua.

Le ruote si muovono indipendentemente

permettendo quindi

di far ruotare il Rover e dirigere

la spinta dove richiesto. Questa

caratteristica è fondamentale per

orientare il Rover in direzione

Fig. 3 - Il Rover con carico utile laterale.

GEOmedia n°2-2021 31


REPORT

Fig. 4 - Il Rover con carico utile centrale.

Fig. 6 - La fusione dei dati (Orizzontale/Verticale).

opposta allo scarroccio (ossia al

vettore combinato composto dal

vento e dalle correnti) e permettergli

di mantenere il punto in

acqua con la precisione ottenuta

dal sistema di geolocalizzazione

(tipicamente il GPS stesso).

Le ruote proteggono gli apparati

interni dall’ambiente marino.

Principali caratteristiche

• Caratteristiche anfibie senza

cambiare assetto

• Basso impatto al suolo: le

grandi ruote garantiscono

un largo appoggio su terreni

molli o cedevoli, il fattore galleggiamento

interviene negli

ambienti acquitrinosi riducendo

l’impatto sul materiale

biologico sottostante.

• Capacità di antiribaltamento

derivante dal bassissimo baricentro

• Ecologico perché basato su

propulsione elettrica

Fig. 5 - Il Rover nel 2020 (Winegrover).

• Ecologico in quanto non sversa:

tutto è contenuto all’interno

• Elevata autonomia dovuta al

bassissimo consumo energetico

richiesto per spostarsi

• Elevatissima mobilità: può

ruotare su se stesso sia su terra

che in acqua

• All terrain: due grandi ruote,

entrambe motrici e sterzanti

combinate con il basso impatto

al suolo gli permettono di

affrontare terreni complessi

• Ognitempo: non risente di

fenomeni meteorologici quali

pioggia, grandine, nebbia o

neve. Data la leggerezza e la

dimensione è però più sensibile

al vento di altri veicoli.

• Protegge i suoi sensori ponendoli

all’interno delle ruote

• Sostenibile, bassa manutenzione

• Economico rispetto a veicoli

con caratteristiche equivalenti

Il Rover è coperto da tre brevetti

di una società del gruppo, e per

la sola componente agricola è

oggi battezzato “Winegrover”

(the Wine Green Rover) parafrasando

la parola inglese

Winegrover che significa “coltivatore

di vino” o vignaiolo in

italiano.

Il nome è anche il titolo di un

progetto europeo LIFE2020 in

atto per la sperimentazione del

veicolo in campo agricolo.

Droni aerei e droni terrestri

I droni aerei ed il Rover terrestre

condividono molti aspetti tecnologici.

Entrambi hanno la necessità

di navigare usando il GPS

e quindi la georeferenziazione è

un tema comune ad entrambi.

Nel caso dei Rover terrestri la

georeferenziazione ha probabilmente

più challenging in

quanto il Rover si deve muovere

in ambienti più ristretti quale

ad esempio il filare di una vigna

dove l'errore di pochi decimetri

può comportare l'impatto del

Rover sulle piante. L’affidabilità

dell'informazione GPS è pertanto

centrale nelle applicazioni dei

robot terrestri.

Riprendendo il tema “non solo

dal cielo”, sfruttando la collaborazione

di un drone aereo e di

rover, si possono aggiungere alle

mappe aeree dei layer tematici

che contengono informazioni

rilevabili soltanto da terra.

Una opportuna algoritmica per

coordinare i due sistemi di geolocalizzazione

(Drone e Rover)

minimizzando gli errori è in fase

di sviluppo in collaborazione

con l’Università di Roma 3.

Alcuni dei possibili layer sono:

1. Visione RGB orizzontale

2. Visione NIR orizzontale

3. Infrarosso termico orizzontale

4. Visione notturna su specifici

spettri di illuminazione

32 GEOmedia n°2-2021


REPORT

5. Stimolazione in notturna di

bioluminescenza

6. Layer chimico

a. Analisi di campioni delle

piante

b. Analisi di campioni del suolo

c. Analisi delle componenti

gassose

7. Layer Fisico

a. Pendenza del terreno e sue

variazioni nel tempo

b. Consistenza del terreno

c. Rilevazioni delle temperature

puntuali

8. Layer elettrico

a. Conducibilità

b. Reattanza alle varie frequenze

9. Analisi stratificata del terreno

a. Georadar

b. Carotaggio

c. Echosounding

10. Analisi campi magnetici

a. Microdevianze degli headings

b. Presenza di sostanze ferromagnetiche

nel suolo

c. Ritrovamento mine o ordigni

bellici

11. Ambienti fluviali e palustri

a. Analisi chimica e delle temperature

b. Analisi degli inquinanti

12. Ambienti costieri

a. Acquacoltura, analisi dei patogeni

b. Acquacoltura analisi dei nutrienti

13. Etc…

È facile intuire che il rover può

affrontare ed essere l’elemento

abilitante per la ricerca su vari

temi dei quali e’ fatto accenno

nella figura sottostante.

Una volta acquisite le nuove

informazioni si pone il problema

della loro integrazione (data

fusion), in una tematica che può

essere analizzata in una visione

di “Big data” al crescere del numero

di layer di cui tener conto,

delle dimensioni dell’area da

classificare e del periodo temporale

di analisi.

Si realizza una matrice multidimensionale

e si pone la

Fig. 7 - La capacità anfibia.

necessità di individuare nuovi

indici sintetici. Il numero di

dati potenzialmente raccolti dal

Rover è elevatissimo, questi dati

strutturati per layer, si possono

assumere a valori di terabyte.

Risulta evidente che questi dati

non sono trasferibili in tempo reale

dal Rover a unità di processo

poste a terra in quanto il sistema

di comunicazioni non sostiene

e non può sostenere il flusso di

dati che sarebbe richiesto per trasferire

continuamente i dati dai

sensori ad un'area attrezzata per

il calcolo. Anche le promesse del

5G non sono sufficienti a sostenere

questo tipo di comunicazione

che in ogni caso risulterebbe

estremamente onerosa da un

punto di vista economico. Non

è quindi possibile effettuare questo

calcolo a distanza ed occorre

sintetizzare sul posto e quindi sul

Rover stesso le informazioni tramite

opportuni algoritmi.

A questa sfida il Rover, differentemente

da un drone aereo, può

rispondere con la sua capacità

fisica di disporre di spazio, di

capacità di carico e di potenza

elettrica per ospitare e sostenere

la capacità di calcolo necessaria,

caratteristica che gli permette di

affrontare il calcolo “in situ” realizzando

un'analisi in realtime e

non solo “ex post”.

Questa funzione è fondamentale

poiché, parafrasando il

linguaggio del mondo medico,

permette di potere far coincidere

il momento della diagnosi con

quello di una potenziale terapia.

La terapia almeno in campo agricolo,

sfrutta ancora una volta la

capacità del Rover di trasportare

risorse (tipicamente chimica allo

stato liquido) capaci di realizzare

una prima pronta risposta alla

causa del danno che spesso è un

agente patogeno.

Questa capacità oggi potrebbe

essere anche una risposta ad

eventuali nuove pandemie, realizzando

una nuova strategia

di sanificazione delle aree, soprattutto

quelle critiche come

ospedali, impianti sportivi, aree

di aggregazione.

Questa è la sfida e l’opportunità

che il nuovo Rover pone nella

sua ottica “non solo dal cielo”.

PAROLE CHIAVE

Agricoltura di precisione; droni; geo

ABSTRACT

We present an approach in which, by exploiting the collaboration

of an aerial drone and our autonomous amphibious Rover,

data layers containing information detectable only from the

ground can be added to the aerial maps detected by an aerial

drone. In this context, the Rover could be used as a carrier of

sensors of different nature (georadar, electronic noses, multispectral

cameras, etc ...) which could record information on the

ground and link them to aerial images. The rover, having amphibious

capabilities, could also be used for surveys in wetlands,

rivers, lakes and in the open sea. Anyone who develops sensing

technologies and sensors could use this platform as a remotecontrolled

carrier to collect and map information of amphibious

or unsafe (chemical, biological, termal, nuclear, even social ….)

areas. We call it the Horizontal/Vertical data integration.

AUTORE

Eduardo De Francesco

e.defrancesco@setelgroup.it

Setel group

GEOmedia n°2-2021 33


REPORT

Il drone a supporto della pianificazione

degli scavi nella cava di sabbia della

“Montagna Bianca” in Polonia

di Topcon Positioning Group

La fotogrammetria da drone, la

soluzione scelta per il rilievo di

un’importante cava di sabbia in

Polonia che fornisce un prodotto

siliceo di altissima qualità, ha

garantito risultati di elevata

precisione e affidabilità e un

notevole risparmio dei tempi,

in uno scenario che, data la

mutevole geometria, poneva sfide

impegnative da affrontare.

TKSM Biala Góra, conosciuta

anche come

la “cava di sabbia della

montagna bianca”, è il più

grande fornitore di sabbia

d’Europa. Situata a Biala Góra,

una località nel cuore della

Polonia a circa 100 km a sud di

Varsavia, è famosa per la qua-

lità della sua sabbia, impiegata

per diversi scopi importanti,

come la produzione di vetro.

La cava è di proprietà di

Quarzwerke Group, un noto

produttore di minerali grezzi.

Questa azienda a conduzione

familiare vanta la combinazione

di materie prime di alta qualità

Fig. 1 - La White Mountain Sand Mine è il più grande fornitore europeo di sabbia di alta qualità.

con tecnologie di lavorazione

moderne ed efficienti, al fine

di garantire risultati precisi

nel modo più sostenibile possibile.

Ispezione accurata

Poiché una cava è in costante

cambiamento ed evoluzione,

l’ispezione accurata delle

scorte è fondamentale. È

per questo che Quarzwerke

Group ha deciso di esplorare

nuovi orizzonti della tecnologia.

Grazie al drone Intel

Falcon 8+ di Topcon per

l’ispezione delle scorte della

cava, l’azienda è in grado di

raccogliere dati precisi ed efficienti

in tempo reale, che a

loro volta consentono di programmare

gli scavi in modo

adeguato.

La vasta gamma di prodotti

provenienti dalla cava include

la sabbia silicea, che viene

sottoposta a un lungo processo

meccanico per un’ampia

serie di applicazioni. Queste

34 GEOmedia n°2-2021


REPORT

Elaborazione efficiente

dei dati

La chiave per il successo del

flusso di lavoro topografico

è rappresentata da Bentley

ContextCapture. Questo software

è in grado di produrre

rapidamente anche i modelli

3D più impegnativi delle condizioni

esistenti per progetti

infrastrutturali di tutti i tipi,

derivati da semplici fotografie

o nuvole di punti. Senza dover

ricorrere ad attrezzature costose

e specializzate, è possibile creare

rapidamente e utilizzare mesh

3D di elevato dettaglio di rapsabbie

silicee raffinate e

di alta qualità di TKSM

Biala Góra vengono fornite

principalmente all’industria

chimica, del vetro, della

fonderia e della chimica delle

costruzioni. L’eccezionale

qualità della materia prima

assicura l’utilizzabilità universale

del prodotto finale,

ma per ottenere questo

risultato di alta qualità i volumi

devono essere misurati

con precisione al millimetro.

Ispezionare una cava così

grande non è un’impresa

facile, così nel giugno 2019

l’appaltatore indipendente

Paweł Grad, che esegue rilievi

della cava dal 2013, ha

deciso di avvalersi dell’aiuto

di Topcon.

Paweł ha dichiarato:

“L’ispezione della cava è

un lavoro estremamente

impegnativo, complesso

e dispendioso in termini

di tempo e spesso siamo

soggetti a enormi vincoli

temporali, dal momento

che di solito abbiamo solo

pochi giorni a disposizione

prima di presentare i dati

a Quarzwerke Group. Il

proprietario è impegnato

attivamente nell’ispezione

della cava e siamo alla continua

ricerca di soluzioni

per ottimizzare il processo

e renderlo il più efficiente

possibile. Per questo investire

nel Falcon 8+ è stata una

decisione comune”.

Piotr Matyjasek, manager

di Topcon Positioning

Poland, ha commentato: “Il

drone Falcon 8+ fornisce

immagini precise ad alta

risoluzione in spazi ristretti

e ambienti difficili, il che lo

rende lo strumento ideale

per eseguire calcoli volumetrici

e ispezioni fotografiche

della cava.”

Fig. 2 - Utilizzando il drone Intel Falcon 8+ di Topcon per ispezionare le scorte nella cava, i cavatori

sono ora in grado di raccogliere dati accurati ed efficienti in tempo reale.

Massima sicurezza

Falcon 8+ è dotato dei migliori

sensori del settore, di smorzamento

attivo delle vibrazioni e

di un camera mount stabilizzato

automaticamente per prestazioni

affidabili su qualsiasi terreno.

Il sistema aereo a pilotaggio

remoto (SAPR) ad ala rotante è

inoltre in grado di acquisire immagini

da tutte le prospettive,

fornendo al contempo la flessibilità

necessaria per un decollo

immediato e un atterraggio

morbido.

Paweł ha aggiunto: “La sicurezza

era una grande priorità per

noi, dal momento che la cava è

molto vicina a una base militare

dove opera l’aeronautica polacca.

Ci sono spesso elicotteri

che vanno avanti e indietro, per

questo abbandonare le tecniche

di rilevamento tradizionali in

favore di una soluzione APR

rappresentava una prospettiva

poco praticabile per noi, ma il

team tecnico di Topcon è stato

di grandissimo supporto. Ha

reso questa transizione davvero

facile, offrendoci formazione su

ogni aspetto, dalla piattaforma

al software, dal flusso di lavoro

alle normative: ora siamo in

possesso di una licenza di pilota

APR.

“Dall’ottenimento dei dati fotografici

iniziali alla presentazione

delle informazioni topografiche

all’investitore, l’intero processo

è ora semplice ed efficiente.

Questa soluzione ha completamente

rivoluzionato il nostro

flusso di lavoro. Inoltre, Falcon

8+ è molto facile da utilizzare

ed è caratterizzato da bassa rumorosità

ed emissioni ridotte,

per questo il nostro impatto

sull’ambiente circostante è minimo”.

GEOmedia n°2-2021 35


TELERILEVAMENTO

REPORT

Paweł conclude: “La combinazione

della tecnologia Topcon

e del costante supporto del

team hanno completamente

cambiato la nostra modalità di

esecuzione dei rilievi topografici:

il flusso di lavoro ora è più

efficiente e i risultati più precisi.

Continueremo a utilizzare

queste soluzioni nella cava e nei

progetti in tutta Europa per gli

anni a venire”.

Per maggiori informazioni su

Topcon, visitare la pagina web

www.topconpositioning.com/it.

Fig. 3 - Il Falcon 8+ è dotato di sensori di prima classe, smorzamento attivo delle vibrazioni e camera

mount stabilizzato automaticamente per prestazioni solide su qualsiasi terreno.

PAROLE CHIAVE

droni; apr; survey; photogrammetry; accuracy

presentazione della realtà, fornendo

così un contesto preciso

del mondo reale di supporto

alla progettazione, alla costruzione

e alle decisioni operative,

per tutta la durata del progetto.

Ciò comporta numerosi benefici

per Quarzwerke Group e

per l’appaltatore. L’elaborazione

ibrida in ContextCapture consente

la creazione di modelli

mesh della cava immediatamente

utilizzabili in fase di

progettazione, che combinano

il meglio di entrambi i mondi,

con la versatilità e la praticità

della fotografia ad alta risoluzione

integrate, dove necessario,

dall’ulteriore precisione delle

nuvole di punti risultanti dalla

scansione laser.

Nel complesso, Falcon 8+ e

Bentley ContextCapture hanno

consentito di ridurre il tempo

di acquisizione e di elaborazione

dei dati provenienti dalla

cava. L’intero processo è ora

almeno due volte più rapido,

mentre la precisione e la qualità

dei dati sono notevolmente

superiori grazie alla capacità

dell’apparecchiatura di misurare

milioni di punti di un singolo

oggetto.

ABSTRACT

The challenge of measuring with constant accuracy,

a changing and constantly evolving natural

scenario, such as a sand mine can be. Quarzwerke

Group, the company that owns the quarry,

however, has clear ideas in this regard: rely on a

partner, not only serious and reliable, but also

technologically advanced, who immediately sees

in drone photogrammetry the fastest, most effective,

but above all high precision, and with the

support of TPI, Topcon's Polish dealer for more

than 30 years, the new inspection techniques

of the sand mine, famous for the quality of the

supplied product, have guaranteed the mutual

satisfaction of client and contractor.

AUTORE

Topcon Positioning Group

tpi-info@topcon.com

MONITORAGGIO 3D

GIS E WEBGIS

www.gter.it info@gter.it

36 GEOmedia n°2-2021

GNSS

FORMAZIONE

RICERCA E INNOVAZIONE


REPORT

GEOmedia n°2-2021 37


MERCATO

RILASCIATA IN OPEN DATA LA CARTA

NAZIONALE DEGLI AGGREGATI

STRUTTURALI

E’ stata rilasciata da Protezione Civile un carta digitale

di livello nazionale a grande dettaglio realizzata prevalentemente

a partire dalla classe dell’edificato dei database

geotopografici regionali, integrando in alcuni casi con

la mappa Catastale, ripartita poi sulla base dei confini

delle unità amministrative ISTAT aggiornati al 2021. Il

grande lavoro effettuato nell’ambito del Dipartimento,

che ha voluto così colmare le lacune di conoscenza del

territorio che tanto gravemente hanno influito negli

ultimi terremoti, è stato condotto con l’evidente intenzione

di porre fine al problema della eterogeneità dei

dati provenienti dalle Regioni italiane, che hanno agito

anche in questo settore di rilevanza nazionale, in piena

autonomia.

Così partendo dai dati di origine relativi all’edificato,

eterogenei per le loro provenienze e modalità di realizzazione

- anche dal punto di vista temporale -, il prodotto

finale derivato ritrova quella necessaria armonizzazione

a livello nazionale delle informazioni e dei contenuti generati.

Un importante lavoro, purtroppo stimolato da eventi

catastrofici, che ha portato a dimostrare l’importanza

della disponibilità in formati standard e armonizzati non

solo tra Regioni Italiane ma verso l’intera Europa.

L’opera di armonizzazione compiuta ci riporta a pensare

a quale debba essere il futuro della realizzazione e aggiornamento

della cartografia, nella speranza che per tutte le

Regioni si provveda a legiferare in armonia con direttive

dello Stato inserite nel quadro europeo.

L’occasione dimostra ancora la necessità di una

Istituzione preposta alla uniformazione dei dati cartografici

italiani, visto che le varie strutture create dopo

l’abolizione della Commissione preposta, non hanno

prodotto la necessaria standardizzazione, che molto

avrebbe facilitato questa nuova Carta Nazionale.

Dobbiamo comunque essere lieti del fatto che il dataset

verrà rilasciato con licenza Open CC-BY 4.05 per il

libero riutilizzo di tutti gli interessati e si integrerà con

le analoghe cartografie già realizzate a livello locale a seguito

dei più importanti sismi occorsi a partire da quello

che colpì la provincia de L’Aquila nel 2009.

Il dataset costituirà una base cartografica comune sulla

quale far convergere tutte le informazioni relative al danneggiamento

del patrimonio edilizio generatosi a causa

di un sisma o di altri eventi calamitosi, e alle relative

attività di ricognizione anche svolte dal CNVVF, nonché

ai conseguenti interventi da parte dei sindaci.

E’ compreso l’edificato (chiese e palazzi) di interesse

culturale, soggetti a tutela da parte del Ministero della

Cultura. Esso potrà rappresentare altresì la base dati

di riferimento per la gestione dell’intero percorso della

ricostruzione, nonché uno strumento molto importante

per la pianificazione di emergenza a partire dal

livello comunale, comprese analisi di scenario con relative

raccolte dati speditive di vulnerabilità, analisi della

Condizione Limite per l’Emergenza e la pianificazione

di settore di protezione civile (ad es. per la salvaguardia

dei Beni Culturali).

E' presente un quadro riepilogativo della cartografia ove

per ciascuna regione è riportata la tipologia di fonte del

dato cartografico con il relativo aggiornamento e sistema

di riferimento.

Per cartografia, nel caso dei database geotopografici si

intende lo strato “Immobili e antropizzazioni” e le classi

“Edifici”, “Edifici minori” e “Manufatti industriali”. Per

ciascuna classe sono stati selezionati i poligoni afferenti

alle tipologie e destinazione d’uso compatibili con le attività

di rilievo del danno e verifica dell’agibilità.

Come si osserva, in talune regioni, in tutto o in parte del

territorio, è stato necessario utilizzare il dato cartografico

dei fabbricati catastali fornito dall’Agenzia delle Entrate.

E’ incredibile notare in quale stato di eterogeneità ci si

trovi anche e specialmente per il problema relativo alle

date di aggiornamento ed ai sistemi di riferimento geografici

utilizzati. Oltre tutto in diversi casi i dati non

erano resi disponibili e liberamente scaricabili ed è stato

necessario procedere con delle richieste formali.

I dati acquisiti dalle regioni e province autonome sono

stati elaborati in forma automatica per provincia con

una procedura automatizzata per la generazione degli aggregati

strutturali in formato shapefile per ciascuno dei

comuni ISTAT 2021 della medesima provincia.

I dati elaborati finali ottenuti sono stati sottoposti ad

una analisi di qualità a tappeto.

Più in generale, l’auspicio è che la base dati cartografica

in aggregati/unità strutturali possa diventare il riferimento

anche per altre tipologie di rischio ed attività

connesse.

Infine non possiamo che apprezzare l’enorme lavoro

svolto dal gruppo che lo ha realizzato, sotto il coordinamento

di Pierluigi Cara, per cercare di dare finalmente

una svolta alla necessaria uniformità del dato cartografico

del paese, che se ancora non si ritiene indispensabile per

la gestione urbanistica e infrastrutturale (considerata la

disattenzione generale delle Regioni in proposito), venga

almeno realizzato per la prevenzione e la protezione per

evitare i danni e i dissesti sia naturali che antropici.

http://www.geoforall.it/ky388

38 GEOmedia n°2-2021


MERCATO

PRIME IMMAGINI DETTAGLIATE

DAL SATELLITE PLÉIADES NEO 3

Airbus ha rilasciato una prima raccolta di immagini a

una risoluzione nativa di 30 cm dal satellite Pléiades

Neo 3, lanciato di recente. Le acquisizioni di successo

e la consegna di queste prime immagini sono l'inizio

di una nuova era per le applicazioni geospaziali sia

commerciali che governative che richiedono un alto

livello di precisione e la capacità di vedere i dettagli più

fini. Le immagini di Pléiades Neo 3, che coprono una

varietà di località globali e presentano diversi angoli di

acquisizione, forniscono un livello di dettaglio impressionante.

Queste immagini già molto nitide sono state acquisite

prima del completamento delle calibrazioni radiometriche

e del sistema e la qualità continuerà a migliorare

nei prossimi mesi. Le immagini di Pléiades Neo 3 dovrebbero

diventare disponibili in commercio nel terzo

trimestre del 2021, una volta completate queste fasi di

calibrazione.

Con la piena capacità del satellite disponibile per uso

commerciale, le immagini di Pléiades Neo 3 ad altissima

risoluzione e geometricamente coerenti forniranno

agli analisti un alto livello di dettaglio, inclusa una

maggiore visibilità di piccoli oggetti, come veicoli e

segnaletica orizzontale. Questo livello di rilevamento,

riconoscimento e identificazione degli oggetti fornisce

più verità di base per gli analisti di immagini e migliora

l'affidabilità delle capacità di apprendimento

automatico. La nuova costellazione fornirà anche una

maggiore precisione di geolocalizzazione e informazioni

sulla banda spettrale più profonde, consentendo di

ricavare più informazioni per varie applicazioni.

La costellazione delle Pléiades Neo sarà composta da

quattro satelliti identici e molto agili, che offriranno

compiti reattivi e rivisitazione intraday di qualsiasi

punto della Terra. Completamente finanziato, progettato,

prodotto, posseduto e gestito da Airbus, ogni

satellite aggiungerà mezzo milione di km² al giorno a

una risoluzione nativa di 30 cm.

La prossima pietra miliare del programma Pléiades

Neo è il lancio di Pléiades Neo 4, che è già sul sito di

lancio a Kourou, nella Guyana francese, ed è previsto

nell'estate del 2021, seguito dal lancio di Pléiades Neo

5 e 6, nel 2022.

http://www.geoforall.it/ky3ha

C’è vita nel nostro mondo.

Trasformazione e pubblicazione di dati

territoriali in conformità a INSPIRE

Assistenza su Hight Value Datasets,

APIs, Location Intelligence, Data Spaces

INSPIRE Helpdesk

We support all INSPIRE implementers

EsinItaiaS

Viale della oncordia,

endicino S

el e a

infoepsilonitaliait

www.epsilon-italia.it

www.inspire-helpdesk.eu

GEOmedia n°2-2021 39


MERCATO

CUBERT ULTRIS X20: LA

NUOVA CAMERA IPERSPET-

TRALE UV-VIS-NIR DA

DRONE!

3D TARGET presenta la pluripremiata

camera iperspettrale Cubert ULTRIS

X20, con tecnologia light field global

shutter: con una lunghezza d'onda

compresa tra i tra i 350 e i 1000 nm,

che consente di coprire i campi UV

VIS NIR! Aumentano le bande spettrali,

portate a 164 e aumenta la risoluzione

spaziale, con un'immagine

nativa di 410 x 410 pixel. Nonostante

le importanti innovazioni, il peso resta

inferiore ai 350 grammi, consentendo

così alla camera ULTRIS X 20 di rimanere

la soluzione ideale per qualsiasi

applicazione, dal laboratorio al rilievo

con UAV.

ULTRIS X20 supporta completamente

per Class Mira, un software per l’elaborazione

delle immagini iperspettrali

ed è completamente compatibile con

il software di controllo della fotocamera

Cubert Utils.

Per soddisfare anche i requisiti di ambiti

industriali, è stato creato uno speciale

alloggiamento robusto e con protezione

IP, così come è disponibile un

case impermeabile IP 68, utilizzabile

sott'acqua fino a una profondità di 10

m.

La camera ULTRIS X20 può essere facilmente

collegata a un comune drone,

con un payload inferiore a 2 kg. Il tempo

per preparare e calibrare la camera

sul campo è inferiore ai 15 min. Al

termine del volo, serviranno meno di 5

minuti per trasferire i dati sul proprio

pc, senza necessità di ulteriori elaborazioni.

3D Target srl è importatore unico in

Italia per il marchio Cubert. Visitate

la nostra pagina dedicata per maggiori

dettagli: ultrisx20.3dtarget.it

Per maggiori informazioni scrivere

a info@3dtarget.it o telefonare a

+39 02 00614452.

CHC NAV I73, L’UNICO

GNSS RTK TASCABILE.

UN CONCENTRATO DI

PURA TECNOLOGIA.

L’attitudine di alcuni produttori

è spesso rivolta verso progressi

della tecnologia fini a se stessi:

si creano bisogni poco significativi

ma di tendenza come la

competizione sul numero di

canali, la rincorsa all’illusione

della maggior precisione della

quinta cifra decimale e simili

velleità tecnologiche con poco

riguardo al reale benessere degli

utenti ed all’efficienza del lavoro.

Con l’introduzione di i73

GNSS RTK IMU l’attenzione

è stata spostata sull’innovazione

verso l’utente, per offrirgli risultati

migliori e ottenibili con

meno fatica.

Tutto concentrato in 730 grammi!

Allo stesso tempo il software

Landstar 7 è diventato ancora

più intuitivo e semplice da utilizzare

nonostante le numerose

funzionalità che sono state aggiunte

nelle ultime versioni.

Un sistema GNSS RTK con un

avanzatissimo ricevitore multifrequenza

dotato di un numero

più che sufficiente di canali

(624), batteria integrata per 15

ore di lavoro, radio UHF per

l’utilizzo dove non è presente

una rete GPS;

Con IMU integrata, che compensa

fino a 45° di inclinazione

della palina ed elimina l’impossibilità

di misurare punti

inaccessibili o pericolosi da raggiungere,

lasciando al topografo

la necessaria concentrazione

sul rilievo e riducendo il tempo

per le misurazioni dei punti ed

il picchettamento anche oltre

il 30%; con un potente cuore

multifrequenza di i73 che garantisce

il tracciamento ottimale

di tutti i segnali GNSS disponibili

anche in ambienti difficili,

consentendo di effettuare rilievi

GNSS in qualunque condizione,

in quanto è sempre garantito

il tracciamento di un numero

eccezionalmente alto di satelliti.

Dopo una giornata di lavoro

ringrazierete i73 per non avervi

affaticato con un pesante fardello:

il corpo in lega di magnesio

rende l’i73 il più leggero della

sua classe, oltre il 40% in meno

rispetto a qualunque altro ricevitore

GNSS (solo 0,73 kg inclusa

la batteria).

GNSS SURVEYING, IL TUO

MODO DI LAVORARE

Distribuito da DATRONIX

Srls – Lissone (MB)

www.datronix.it

info@datronix.it

40 GEOmedia n°2-2021


MERCATO

TERREMOTI E MARE-

MOTI. COME CONO-

SCERLI E RIDURRE I

RISCHI

Dal 4 giugno, il libro Terremoti

e Maremoti. Come conoscerli e

ridurre i rischi, edito dall’Istituto

Nazionale di Geofisica e

Vulcanologia (INGV), è disponibile

sul sito web dell’INGV

e sul blog INGVterremoti.

Completamente rinnovato nei

contenuti e nella grafica, il testo

ha visto la sua prima edizione

nel 2008. Oggi, i ricercatori

dell’INGV hanno voluto riprogettare

il messaggio divulgativo

inserendo informazioni originali,

frutto dell’elaborazione scientifica

sui terremoti e sui maremoti

di quest’ultimo decennio.

Terremoti e Maremoti. Come

conoscerli e ridurre i rischi, infatti,

è un viaggio alla scoperta di

questi fenomeni naturali affascinanti

e, allo stesso tempo, temibili,

allo scopo di capire insieme

i processi che li determinano e

soffermandosi sulle costanti attività

di sorveglianza sismica e

di monitoraggio del livello del

mare.

• Perché e dove avvengono i

terremoti e i maremoti?

• Come si misurano?

• Quali sono stati quelli più

forti in Italia e nel mondo?

• Qual è la pericolosità del

nostro territorio e delle nostre

coste?

• Come possiamo difenderci?

Queste le domande cui tutti

coloro che hanno vissuto direttamente

o indirettamente un

evento sismico si sono posti almeno

una volta.

A quarant’anni dal terremoto

dell’Irpinia del 23 novembre

1980, questo volume, nella

sua veste aggiornata e arricchita,

vuole proporre risposte ai

lettori e portare un contributo

nel percorso di consapevolezza

dei rischi del territorio in cui

viviamo, per la necessaria cultura

della prevenzione che deve

infondersi in ogni cittadino, anche

e soprattutto partendo dalle

nuove generazioni.

Il libro è composto di due parti.

Nella prima parte, sono descritti

i terremoti che hanno

interessato il nostro territorio

negli ultimi 20 anni evidenziando

gli strumenti di comunicazione

creati dal gruppo

INGVterremoti a partire dal

2010 e volti a informare capillarmente

il pubblico sulla sismicità

in corso, in tempo reale. La

seconda parte descrive il fenomeno

dei maremoti affrontando

la loro pericolosità per le coste

italiane e nel Mediterraneo,

con un focus sul Centro Allerta

Tsunami dell’INGV che, operativo

dal 2017, svolge il costante

servizio di monitoraggio dei terremoti

nel Mar Mediterraneo,

del livello del mare e di allerta

tsunami.

Il libro, interamente curato

nei contenuti e nella grafica

dall’INGV, rientra nella nuova

attività dell’Istituto come editore

di opere divulgative.

Terremoti e Maremoti. Come

conoscerli e ridurre i rischi è

sfogliabile e anche scaricabile

sul sito dell’INGV nelle pagine

Educational (INGV.it->

Comunicazione e Divulgazione

->Educational) e sul blog

INGVterremoti.

Nella sua versione cartacea verrà

distribuito alle scuole nelle prossime

occasioni di visita presso le

sedi dell’Istituto. Inoltre, nei limiti

delle copie disponibili, sarà

distribuito al pubblico in occasione

di eventi istituzionali.

Venerdì 4 giugno 2021 il libro

è stato presentato con un evento

streaming sul canale YouTube

INGV Eventi, in collaborazione

con una scuola di Roma.

Works when you do

X-PAD Ultimate

Tutto in un unico software

X-PAD Ultimate è un software modulare, facile da usare per lavori

topografici e del cantiere, come rilievi, tracciamenti, catasto,

controlli BIM, strade, mappe, batimetria e GIS.

Il software è disponibile sulla piattaforma Android e porta le

migliori tecnologie direttamente in campo nella tua mano: una

completa visualizzazione 3D ed un sistema CAD per visualizzare e

modificare i disegni, integrazione dei tuoi dati con tutte le tipologie

di mappe, supporti per la realtà aumentata e molto altro.

XPad Ultimate ti assicura la produttività e ti permette di avere una

perfetta integrazione con tutti gli strumenti.

Disponibile in due versioni, una dedicata a chi lavora nel campo

della topografia ed una dedicata alle imprese di costruzioni,

offrendo ad entrambi delle caratteristiche dedicate.

geomax-positioning.it

©2020 GEOmedia Hexagon AB n°2-2021 and/or its subsidiaries 41

and affiliates. All rights reserved.


AUGMENTED REALITY

INDUSTRY 4.0 E TECNOLOGIE

VISUALI INTERATTIVE

XR 2020:

News & Events

a cura di

Tiziana Primavera

Innovative Tech

Evangelist - AR/VR

senior expert

In questo contesto economico di

Industry 4.0 post-Covid assistiamo

ad un particolare fermento che

Coinvolgerà togli secondo accento’

ineluttabilmente l’adozione delle tecnologie

di nuova generazione, certamente

mature dal punto di vista della

strumentazione, Hardware, software

e dei workflow operativi. Sicurezza,

Efficienza e Produttività costituiscono

i parametri evolutivi principalmente

interessati dai processi di rinnovamento

effettuati con tecnologie XR.

Ma soffermiamoci e riflettiamo

su come, nello specifico, le tecnologie

afferenti alla cosiddetta

Extended Reality, potranno influire

ed in qualche misura riconfigurare

profondamente gli

scenari dei luoghi di lavoro, i

protocolli operativi/esecutivi o i

processi propedeutici di formazione

in ambito entreprise.

Disconnessione – Ripetitività -

Laboriosità da intendersi quale

hard-working - tempi lunghi di

apprendimento, momenti di

formazione ed esercizio - affiancamento

per acquisire skills

capacità operative, hanno caratterizzato

certamente il mondo

lavorativo, gli scenari di molte

imprese e settori esecutivi sino

ad oggi.

Ma tali caratteristiche sembrano

essere in gran parte desuete,

appartengono a paradigmi di

gestione d’impresa non più particolarmente

concorrenziali: siamo

realmente giunti alle soglie

di declinazione di nuovi processi,

cosa sta accadendo esattamente?

L’avvento del 5G, fattore cardine

per la trasmissibilità non solo di

dati, ma anche di erogazione di

servizi, renderà i contesti operativi

dei settori produttivi altamente

connessi, aumentandone

considerevolmente l’efficienza,

ma non solo.

Le operazioni da svolgere, eseguire,

potranno essere meglio

definite, più determinate e certe,

accuratamente descritte, gli

operatori verranno in qualche

misura potenziati nello svolgimento

delle proprie mansioni,

affiancati da tecnologie in grado

di garantire un superamento

sensoriale, un vero e proprio

processo di “empowering della

forza lavoro” e da non trascurare,

anche l’efficientamento della potenzialità

di fruizione dei processi

di conoscenza e/o formazione

certamente sempre necessari.

Volendo sintetizzare questa rapida

analisi degli scenari, una triade

di valori caratterizzerà i nuovi

processi, grazie alle tecnologie

XR (Augmented Reality/Virtual

Reality) di nuova generazione,

traducibili nell’ incremento della

Sicurezza, dell’Efficienza e pertanto

conseguentemente, della

Produttività.

Il lavoro, divenuto così ‘altamente’

collaborativo, sarà sempre più

una matrice cardine, sulla quale

ridefinire tutti i processi.

Ma non credo si possa ignorare la

reale conseguenza di un fenomeno

così rilevante, se considerato

non soltanto dal punto di vista

inerente ai contesti puramente

produttivi, ma anche relativamente

a ciò che esso induce, ovvero

al rinnovamento potenziale

di natura socioculturale, ad esso

intrinsecamente connesso.

Come è noto infatti: “if you

change the way a person work, you

can change their entire life”.

42 GEOmedia n°2-2021


AUGMENTED REALITY

Opportuno sottolineare che il

fine unico e prevalente della

tecnologia dell’Augmented e

della Mixed Reality, è quello di

fornire un’esperienza percettiva

dei contesti d’uso, quanto più

esaustiva ed aggiungerei più

funzionale possibile.

La finalità è fondamentalmente

quella di accelerare ogni

processo decisionale, o rendere

certa ed accurata qualsivoglia

operazione esecutiva.

D’altronde lo stesso termine di

“Augmented Reality” fu coniato

molti anni fa per un’applicazione

dedicata ad agevolare

la realizzazione dei cablaggi di

Boing 747, nel lontano 1990,

applicazione scaturita dall’esigenza

di una consegna considerevole

in tempi ridotti.

Già dagli anni ‘80 il colosso aeronautico

statunitense conduceva

ricerche per la risoluzione

pratica dell’impiego di complessi

diagrammi di cablaggio

e schemi elettrici cartacei degli

aerei, che i tecnici e gli operai

erano costretti a consultare durante

il loro lavoro, portandoli

con sé e potendoli però consultare

con estrema difficoltà,

soprattutto per via degli spazi

lavorativi in cui erano tenuti

ad intervenire, particolarmente

angusti e stretti.

I ricercatori Thomas Caudell e

David Mizell pensarono di risolvere

tali criticità e sostituire

l’indispensabile documentazione

cartacea con un wearable

computer, in grado di proiettare

i diagrammi di assemblaggio

sulla scena dello spazio reale

osservata.

Il sistema era in grado di eseguire

il tracciamento del punto

di vista dell’operaio che indossava

l’headset, “comprendere”

cosa stesse osservando e provvedere

all’invio automatico sul

visore dello schema di montaggio

appropriato.

Il ricercatore Thomas Preston

Caudell della Boeing ideò pertanto

pionieristicamente il primo

sistema HMD in ambito

enterprise, che mostrava direttamente

gli schemi di assemblaggio

dei sistemi di cablaggio sulle

parti interessate del velivolo, sostituendo

con esso i meno pratici

ed ingombranti elaborati grafici

che descrivevano le necessarie

procedure.

La strategia adottata nel 1992,

pur geniale, incontrava degli

ostacoli oggettivi per un suo

più ampio recepimento, seppur

comprovatane l’efficacia.

Ma nell’ultima decade degli anni

Novanta, soltanto ostacoli tecnici

legati alle batterie, dimensioni

e vincoli di rete, ne impedirono

allora una diffusione pervasiva.

Attualmente l’evoluzione di

quella felice e geniale intuizione

definisce un approccio smart

non soltanto per quanto concerne

informazioni “statiche” definite

in un database, ma grazie

alla attuale possibilità di incorporare

la sensoristica nei sistemi

complessi AR, è altresì possibile

trasmettere/visualizzare in modalità

real-time, comodamente,

dati istantaneamente rilevati onsite.

Seppur innegabile il considerevole

incremento di Efficienza /

GEOmedia n°2-2021 43


AUGMENTED REALITY

Produttività, evidenzierei anche

il rilevante incremento possibile

della “Sicurezza sul luogo del

lavoro”.

Si pensi infatti semplicisticamente

alla possibilità di un operatore

tecnico anche neofita, di

individuare prontamente eventuali

pericoli nel contesto in cui

si accinge ad operare, grazie alla

segnaletica e/o simboli di attenzione

digitali sovraimposti direttamente

alla scena osservata.

Le tecnologie XR sono pertanto

oramai considerabili come un

considerevole ausilio alle procedure

operative, ma anche nel

supporto alla diagnostica, nel

supporto alla manutenzione,

con assistenza remota o nella formazione

/o training on the job.

Capitolo a parte meriterebbe infine

l’integrazione delle ultime

potenzialità offerte dall’intelligenza

artificiale nei sistemi XR.

Si prevedono applicazioni sempre

più sofisticate nel settore ed

una crescita esponenziale sino al

2025, che ha avuto il suo incipit

già nel 2018.

Certamente l’integrazione di architetture

informatiche di A.I. al

mix AR/VR aumenta considerevolmente

la produttività, guidando

il personale attraverso le

attività in modo ottimale.

L’iniezione nel sociale di tecnologie

così fortemente impattanti

nella daily life, necessitano

di visioni olistiche dei processi,

competenze specifiche per il loro

controllo al fine di perseguire e

raggiungere le più adatte e corrette

finalità, in ottica custom

taylor nei diversi contesti e specificità

esigenziali.

Sicuramente stiamo vivendo

un’epoca particolarmente tumultuosa,

di grandi processi di

rinnovamento, è pertanto doveroso

approcciare queste nuove

tecnologie con consapevolezza e

soprattutto preparazione tecnica

per innescare circoli virtuosi, destinati

a delineare un reale progresso

di natura sociale nel suo

complesso.

I rischi sono quelli connessi all’adozione

impropria dei sistemi.

Non dimentichiamo che le declinazioni

di ciascuna tecnologia,

seppur estremamente sofisticata,

sono sempre affidate all’uomo.

PAROLE CHIAVE

Augmented reality; virtual reality;

industry 4.0; tecnologie visuali

interattive

ABSTRACT

In this economic context of Industry

4.0 post-Covid we are witnessing a

particular ferment that will inevitably

involve the adoption of new generation

technologies, certainly mature

from the point of view of instrumentation,

hardware, software and operational

workflows. Safety, Efficiency

and Productivity are the evolutionary

parameters mainly affected by the

renewal processes carried out with XR

technologies.

AUTORE

Tiziana Primavera

tiziana.primavera@unier.it

AR Advisor, Ph.D.

Speaker VR/AR Global Summit

44 GEOmedia n°2-2021


Tecnologie

per le Scienze

della Terra e del Mare

Strumenti ad alta tecnologia

anche a noleggio per:

Studio dei fondali e delle coste

Multibeam, SSS, SBP, sismica marina …

Ingegneria civile

Georadar 3D, laser scanner, inclinometri …

Studio del sottosuolo

Georadar, sismica, geoelettrica …

Monitoraggio ambientale

Magnetometri, elettromagnetismo,

sonde oceanografiche …

Monitoraggio sismico

Sismometri, strong motion, reti early warning …

CODEVINTEC

Tecnologie per le Scienze della Terra e del Mare

tel. +39 02 4830.2175 | info@codevintec.it | www.codevintec.it


AGENDA

1,2,9,16,23 Luglio

Conferenza ASITA 2021

Genova

www.geoforall.it/kyp6f

13-15 Settembre 2021

10th AIT International

Conference

Cagliari

www.geoforall.it/ky3x4

27 – 30 Settembre

GIScience 2021

2021 Poznan (Poland)

www.geoforall.it/kfrkk

21 - 23 Settembre

INTERGEO 2021

Hannover (Germany)

www.intergeo.de

5-7 Ottobre 2021

TechnologyForAll 2021

(data non confermata)

Roma

www.technologyforall.it

6 - 8 Ottobre 2021

DRONITALY -

Working

with Drones

Bologna (Italy)

www.geoforall.it/kfy44

24-25 Novembre 2021

GEO Business 2021

London (UK)

www.geoforall.it/kf4yh

18 - 21 Dicembre 2021

ICC- International

Cartographic

Conference

Firenze

www.geoforall.it/kyk8k

2021

Data da confermare

Dal 1986 Teorema lavora

a fianco dei professionisti fornendo

la tecnologia topografica più avanzata,

la migliore formazione tecnica,

ed una accurata assistenza post-vendita,

per rendere più affidabile e produttivo

il vostro lavoro.

LEICA BLK360

CATTURA IL MONDO CHE CI CIRCONDA CON

IMMAGINI PANORAMICHE A COLORI SOVRAPPOSTE

AD ACCURATE NUVOLE DI PUNTI.

◗Facilissimo da usare con la pressione di un solo tasto.

◗Registra le scansioni e visualizza i dati sul campo

in pochi istanti.

◗Lo scanner più piccolo e leggero della sua categoria:

165 mm di altezza x 100 mm di diametro.

◗Nuvole di punti ad alta precisione: 360.000 punti/sec.

con risoluzione personalizzabile.

◗Rilevazione di immagini termiche con sensore FLIR ® ,

in contemporanea con la scansione delle immagini.

per maggiori informazioni

Contattaci, scoprirai molto di più!

Via A. Romilli, 20/8 - 20139 Milano • Tel. 02 5398739

E-mail: teorema@geomatica.it

www.geomatica.it • www.disto.it • www.termocamere.com


Blending the Science of Geography

and Technology of GIS

www.esriitalia.it

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!