GEOmedia_2_2023

Rivista bimestrale - anno XXVII - Numero - 2/2023 - Sped. in abb. postale 70% - Filiale di Roma
TERRITORIO CARTOGRAFIA
GIS
CATASTO
3D CITY
INFORMAZIONE GEOGRAFICA
FOTOGRAMMETRIA EDILIZIA
URBANISTICA DIGITAL TWIN
LASER SCANNING
REMOTE SENSING
GNSS
SPAZIO
RILIEVO AMBIENTE TOPOGRAFIA
LiDAR
GEOBIM
BENI CULTURALI
SMART CITY
Mar/Apr 2023 anno XXVII N°2
Speciale Incendi Boschivi
ed Emergenza Ambientale
PEDROS UN PROGETTO
PER PERIMETRARE
INCENDI CON DRONE
INTELLIGENZA ARTIFICIALE
PER PROTEGGERE LE
INFRASTRUTTURE DAGLI INCENDI
DAL SIMULATORE DEGLI INCENDI
BOSCHIVI AL CONTRASTO DEL
DISSESTO IDROGEOLOGICO

DWG

Ancora sul Catasto Incendi
Vale ricordare che per la prevenzione fu attivato, con la legge quadro in materia di incendi boschivi
n. 353/2000, il Catasto Incendi, che ha introdotto un vincolo quindicennale per le zone boschive
ed i pascoli i cui soprassuoli siano stati percorsi dal fuoco: non potranno avere una destinazione
diversa da quella preesistente all’incendio per almeno quindici anni. Per l’apposizione dei vincoli la
legge stabilisce che i Comuni provvedano al censimento, tramite apposito catasto, dei soprassuoli già
percorsi dal fuoco, avvalendosi dei rilievi effettuati dall'Arma dei Carabinieri - Comando Unità per la
Tutela Forestale, Ambientale e Agroalimentare.
Ciononostante gli incendi continuano, come si può vedere nel recente geoportale degli incendi
boschivi, perché le cause a cui possono essere attribuiti sono molteplici e ''variano da Regione a
Regione, - ci riferisce il comandante Marco Di Fonzo - da provincia a provincia, fino ad avere una
connotazione di carattere comunale: ci sono aree maggiormente interessate da incendi boschivi che
nascono per dolo e altre per colpa, imperizia, imprudenza, negligenza e scarso senso civico''. I casi
possono essere ''lavori stradali, ripulitura degli incolti, bruciature delle biomasse dopo aver fatto le
potature, risentimenti contro la pubblica amministrazione o persone che sono affette da patologie
come i piromani, anche se in Italia questo è un fenomeno marginale''. Inoltre, ''la situazione è
molto articolata, bisogna conoscere il territorio anche dal punto di vista socio-economico per poter
contrastare il fenomeno in maniera efficace, quindi conoscere gli usi e le consuetudini e far partecipe
la popolazione sui comportamenti più idonei''.
Le tecnologie di indagine e monitoraggio utilizzate sono numerose, a partire dalle tecniche di
georeferenziazione accurata del perimetro degli incendi, che si avvale di competenze professionali
specifiche e ha dato vita alla più grande rete di analisti specialisti (Niab) degli incendi boschivi. Si
tratta di professionisti altamente specializzati che intervengono a fiamme spente, interpretano i segni
e svolgono a ritroso il cammino delle fiamme, analizzando a tappeto il percorso degli incendi boschivi
e sfruttando le opportunità offerte dagli assetti satellitari, in particolare quelli della costellazione
Copernicus. Il monitoraggio preventivo ha cambiato totalmente il modo di operare nella protezione
ambientale grazie al potenziamento degli assetti satellitari. Droni e satelliti saranno sempre più
importanti per combattere gli incendi boschivi.
La geomatica, nelle sue varie declinazioni, svolge perciò un ruolo fondamentale. Il Corpo Forestale
ha anche un grande valore aggiunto per il settore del classico Telerilevamento, o Remote Sensing,
che ha bisogno di quella che comunemente gli specialisti chiamano la “verità a terra”, una prova cioè
che confermi le analisi predittive tele-rilevate dai sensori (si veda a proposito il recente articolo di G.
Papitto sulle Foreste Urbane: https://www.carabinieri.it/media---comunicazione/natura/la-rivista/
home/tematiche/boschi/le-foreste-urbane).
Ed in questa indagine il Corpo dispone forse della più grande risorsa di controllo, verifica e
potenziamento del tele-rilevato, costituita dai suoi operatori che percorrono continuamente i luoghi
individuati dai satelliti e verificano con droni, lidar e altri mezzi geomatici quanto individuato dal
satellite o sull’immagine aerea in genere.
L’azione di verifica terrestre potrebbe portare ad un grande contributo di dati nella ricerca scientifica
associata al Telerilevamento in genere, dal momento che il Corpo Forestale dei Carabinieri è
forse l’unica istituzione a disporre di un così alto numero di operatori, i carabinieri forestali, che,
utilizzando tecnologie da ufficio in dotazione, operano, calandosi quotidianamente nella realtà “a
terra”.
Potenziare le competenze e le tecnologie geomatiche per operatori emergenziali, coinvolti nelle
attività di difesa forestale, porterebbe vantaggio non solo alle foreste e al territorio, ma a tutta la
comunità scientifica nazionale, che potrebbe ottenere i famosi “riscontri in situ”, indispensabili per
calibrare i rilevamenti di intere costellazioni di satelliti come i Copernicus o anche i nuovi che sono
arrivati e stanno arrivando.
Buona lettura,
Renzo Carlucci

FOCUS
In questo
numero...
FOCUS
REPORT
ALTRE
RUBRICHE
21, 45 MERCATO
Progetto PEDROS.
Perimetrazione
automatica di
incEndi con DRone
equipaggiato con
sensOre Specifico
di Edoardo Carlucci, Alessio
Di Iorio, Roberto Filippone,
Tonino Giagnacovo, Giovanni
Laneve, Tommaso Murolo
6
42 NON TROPPO
GEORIFERITO
50 AGENDA
16
Il progetto AI-RON
MAN: come l’unione
di dati satellitari ed
Intelligenza Artificiale
ci aiuterà a proteggere
le infrastrutture dagli
incendi.
In copertina una serie di immagini
registrate durante le operazioni
di test del progetto PEDROS,
nato nell’ambito dell’area
disciplinare dedicata alla prevenzione
ai crimini ambientali da parte della
Agenzia Spaziale Italiana (bando ASI
CI-UTN-2020-29), per realizzare
strumenti per telerilevamento
e perimetrazione automatica di
ecosistemi forestali interessati da
incendi colposi o dolosi e/o aggrediti
biologicamente, tramite un sistema
a pilotaggio remoto (drone) per
il riconoscimento in tempo reale
di zone vegetazionali deteriorate,
assistito da sensore aviotrasportato e
sistema satellitare.
Di Davide Ottonello, Tiziano
Cosso, Simone Parmeggiani,
Alessandra Speranza
4 GEOmedia n°2-2023
GEOmedia, bimestrale, è la prima rivista italiana di geomatica.
Da oltre 25 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
22
Un sensore
aviotrasportato per
analisi immagini a
supporto degli incendi
di Giovanni Laneve,
Ramon Bueno Morles,
Valerio Pampanoni
Epsilon 45
Esri 32
Gter 21
Pedros 25, 48
Planetek 33
Stonex 47
Strumenti Topografici 2
TechnologyForAll 15
Teorema 46
In cammino dal
Forest Fire Area
Simulator al nuovo
Simulatore FFAS-
PLUS a supporto
delle attività
addestrative di
contrasto al Dissesto
Idrogeologico
di Marco Di Fonzo
26
Sullo sfondo un'immagine
dell'incendio che ha colpito
la città portuale greca
di Alessandropoli, uno dei
più grandi incendi mai
registrati in Europa che
finora ha causato la morte
di 21 persone mentre
15.000 persone sono state
evacuate.
Questa immagine catturata
da uno dei satelliti Copernicus
Sentinel-2 il 25
agosto 2023 mostra le anomalie
termiche dei fronti
di fuoco vicino alla città di
Dadia e le cicatrici bruciate
nel Parco Nazionale di
Dadia.
I dati open di Copernicus
forniscono informazioni
cruciali sugli impatti degli
incendi grazie alle sue immagini
satellitari e ai prodotti
di mappatura delle
emergenze.
Credit: European Union,
Copernicus Sentinel-2
imagery
34
Il ruolo delle
Osservazioni della
Terra dallo spazio
nelle emergenze
ambientali
Di Emiliano Agrillo, Federico
Filipponi, Roberto Inghilesi,
Alessandro Mercatini, Alice
Pezzarossa, Nazario Tartaglione
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, Caterina Balletti,
Roberto Capua, Mattia Crespi, Fabio Crosilla, Donatella
Dominici, Michele Fasolo, Marco Lisi, Flavio
Lupia, Luigi Mundula, Beniamino Murgante, Aldo Riggio,
Monica Sebillo, Attilio Selvini, Donato Tufillaro
Direttore Responsabile
FULVIO BERNARDINI, fbernardini@rivistageomedia.it
Redazione
Gabriele Bagnulo, Valerio Carlucci, Massimo Morigi
Gianluca Pititto, Maria Chiara Spiezia
redazione@rivistageomedia.it
Diffusione e Amministrazione
TATIANA IASILLO, t.iasillo@mediageo.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
Stampato da Bona Digital Print Srl
Condizioni di abbonamento
Science & Technology Communication
La quota annuale di abbonamento alla rivista è di € 45,00.
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.
Numero chiuso in redazione il 24 luglio 2023.

FOCUS
Progetto PEDROS
Perimetrazione automatica di incEndi con
DRone equipaggiato con sensOre Specifico
di Edoardo Carlucci, Alessio Di Iorio, Roberto Filippone, Tonino Giagnacovo, Giovanni Laneve, Tommaso Murolo
Il sistema proposto prevede la
messa a punto di un sistema
SAPR (Sistema Aviotrasportato
a Pilotaggio Remoto) che
possa essere di ausilio alla
perimetrazione dettagliata, di
aree boschive aggredite da
insetti/patogeni e/o da incendi
boschivi al fine di trasmettere
alle competenti autorità la
certificazione di dette aree
colpite da danno ambientale,
in ottemperanza alla attuale
legislazione. Tale attività viene
In figura sono rappresentate le tipologie tipiche di 4 scenari di test del progetto PEDROS
normalmente realizzata tramite
l’interpretazione di analisi
di immagini satellitari con
risoluzioni spaziali non sempre
adeguate allo scopo, il che
comporta spesso la necessità
di ri-perimetrazione sul campo
effettuata da operatori dotati di
sistemi palmari GNSS.
La normativa vigente in
materia di incendi boschivi
prevede l’istituzione
da parte degli Enti Locali di
una cartografia di tutte le aree
percorse dal fuoco che consenta
di vincolare le particelle catastali
del tutto o in parte interessate
dal fenomeno fino al completo
ripristino della vegetazione preesistente
al passaggio del fuoco.
Le linee guida in materia di
incendi boschivi prevedono la
mappatura annuale delle aree
percorse dal fuoco utilizzando le
informazioni già raccolte dalle
unità forestali ed arricchendole
di indicazioni di georeferenziazione
in ambiente GIS.
Negli ultimi decenni, lo stato
di salute degli ecosistemi è stato
influenzato dai cambiamenti
globali in atto ed è quindi fondamentale
monitorare questi
cambiamenti e i loro effetti
sugli ecosistemi per permetterne
una gestione informata.
Per questo, dal 1997, il Corpo
Forestale dello Stato prima e
l’Arma dei Carabinieri oggi
coordina le strategiche reti di
monitoraggio degli ecosistemi
6 GEOmedia n°2-2023

FOCUS
Fig.1 - Indice normalizzato di bruciatura (NBR). La vegetazione sana ha un elevato indice
di riflessione sulla banda dell’infrarosso vicino (NIR), e bassa riflessione nella banda
dell’infrarosso a lunghezza d’onda più piccole (SWIR, short wave infrared). Aree del suolo
bruciate (burned areas) hanno invece bassa riflessione nella banda NIR, e alta riflessione
nella banda SWIR. Un elevato valore dell’indice NBR in genere indica vegetazione sana
(healthy vegetation), mentre un basso valore indica suolo arido o bruciato.
forestali nazionali. L’inquinamento
atmosferico e i cambiamenti
climatici hanno effetti
sulle foreste - risorsa strategica
del Paese - che solo un monitoraggio
attento, professionale
e continuo può permettere di
verificare.
Nello stesso ambito si collocano
gli incendi boschivi, che
in Italia, negli ultimi 20 anni,
hanno distrutto circa 760.000
ettari di foresta, il 7,5% della
superficie forestale nazionale.
Per dare un elemento che consente
un immediato termine
di paragone è come se fossero
andati bruciati 760.000 campi
di calcio “coltivati” a bosco.
Il danno economico causato
dal fenomeno è stimato in circa
un miliardo di euro l'anno,
limitando questo conteggio alla
sola analisi della perdita della
produzione legnosa, ai costi
collegati alla tutela idrogeologica,
alla perdita della funzione
cosiddetta ricreativa ed ai servizi
ecosistemici di stabilizzazione
climatica.
In questo calcolo non sono ricompresi
i costi per la lotta attiva
(spegnimento) pari a circa 200
mln di Euro/annui sostenuto
dagli organi preposti.
Tutta l’Italia è interessata dagli
incendi boschivi anche se con
intensità diverse; infatti ogni
Regione ha una sua caratterizzazione
che funge da detonatore e
l'analisi criminale svolta dai Carabinieri
Forestali in questi anni
ha evidenziato che all'interno di
ogni Regione ciascuna provincia
brucia per motivazioni proprie
e differenti dalle altre. È importante
sottolineare che alle nostre
latitudini, gli incendi boschivi
non sono causati da calamità
naturali o da fatalità, ma da
comportamenti sociali volontari
o involontari.
In Italia l’Arma dei Carabinieri,
ai sensi del decreto legislativo
177/2016, ha il compito di reprimere
il fenomeno, effettuare
gli accertamenti tecnici di polizia
giudiziaria conseguenti gli incendi
boschivi che prevedono:
• attività di rilievo delle aree percorse
dal fuoco (R.a.p.f.);
• rilievo della vegetazione danneggiata;
• individuazione delle cause e dei
responsabili;
• arresto degli autori.
I dati georeferenziati, relativi
alle perimetrazioni delle aree
percorse dal fuoco, effettuate dai
militari percorrendo il delimitare
del bosco bruciato con i GPS in
dotazione ai Reparti, vengono
riportati sul sistema informativo
dell’Arma e sono messi a disposizione
dei Comuni ai fini della
Fig.2 – Spettro della vegetazione, suddiviso nelle bande VIS, NIR, SWIR 8.
GEOmedia n°2-2023 7

FOCUS
redazione del catasto comunale
delle aree percorse dal fuoco,
previsto dall’art. 10 della L.
353/2000.
In questo contesto si colloca il
progetto PEDROS (PErimetrazione
automatica di incendi con
DROne equipaggiato con Sensore
specifico), il cui obiettivo è
quello di fornire uno strumento
di telerilevamento “automatico”
che sia in grado di operare in
qualsiasi condizione per approfondire
il dettaglio e confermare
le analisi prodotte con sistemi di
rilevamento satellitare classici.
Il sistema sarà sviluppato con
sviluppo di software particolare
che oltre a prevedere analisi di
immagini telerilevate (satellite
o aerofotogrammetriche), per
l’individuazione dei confini delle
aree forestali colpite, sia in grado
di operare in qualsiasi condizione
ambientale, anche in assenza
di comunicazione GSM, avvalendosi
di comunicazione satellitare
(tipo Thuraya / Immarsat)
e posizionamento satellitare, in
particolare del sistema ad alta
precisione europeo Galileo.
La realizzazione è proposta dalla
società ALMA SISTEMI srl di
Guidonia (RM), in risposta al
bando di finanziamento dell'Agenzia
Spaziale Italiana (ASI)
per progetti di ricerca industriale
e sviluppo sperimentale, in
cooperazione con la Scuola di
Ingegneria Aerospaziale della
Sapienza Università di Roma e la
società cooperativa mediaGEO,
che opera nel settore della comunicazione
scientifica e tecnologica.
ALMA SISTEMI, curerà la progettazione
e realizzazione di un
prototipo di SAPR basato su un
modello open source offerto con
hardware DJI. Il Laboratorio
della Scuola di Ingegneria Aerospaziale
curerà la definizione
degli algoritmi per il riconoscimento
delle immagini, mentre
la mediaGEO progetterà e realizzerà
i test di campo e le fasi di
disseminazione e comunicazione
dei risultati.
Il Corpo Forestale dell’Arma dei
Carabinieri, per il tramite dei
suoi nuclei addetti alla investigazione
antincendi e monitoraggio
ambientale, parteciperà all'iniziativa
con appoggio e effettivo
coinvolgimento nella fase di definizione
dei requisiti e nella fase
di verifica e validazione del sistema
in ambiente rappresentativo
partecipando alla selezione delle
aree di test, all’esecuzione dei
test stessi e all’analisi dei risultati
finali anche al fine di validare il
sistema negli scenari operativi.
Fig.3 – I valori NBR sono stati moltiplicati per 1000 e convertiti in formato intero
per seguire la convenzione stabilita da Key e Benson" in coerenza con l'articolo
citato.
Il Geoportale Incendi Boschivi
e loro perimetrazione con
drone
L’aumento delle temperature
estive e della siccità ha allertato
negli ultimi decenni l’intera
Europa con particolare riguardo
ai paesi dell’area mediterranea.
Basti pensare agli incendi del
2018, che, meno estesi in totale
per superficie di quelli degli anni
precedenti con 178.000 ettari
bruciati, hanno interessato un
numero più ragguardevole di
paesi, non solo Italia, Spagna
e Grecia, con zone forestali
singolarmente più grandi che
mai, andate in fumo, paesi mediorientali
e nordafricani, ma
anche Svezia, Portogallo e Regno
Unito.
Gli otto mesi consecutivi di
incendi che nel 2019-20 hanno
devastato 170 milioni di ettari
del territorio sud-orientale au-
8 GEOmedia n°2-2023

FOCUS
straliano hanno comportato un
aumento del livello d’inquinamento
dell’atmosfera al rilievo
satellitare, che ha reso Melbourne
per giorni la città più inquinata
del mondo, ma soprattutto
le forze nazionali dei VV FF e
della Protezione Civile hanno
soccorso nell’emergenza la popolazione
resiliente di fronte alle
proporzioni del disastro, dovendo
desistere dal poterne spegnere
la potenza massiva e subitanea
dovuta all’andamento ciclonico
ventoso: vale a dire un uragano
di fuoco.
Nel 2021 l’Italian Institute for
Planetary Health (IIPH) ha
dichiarato che l’Italia è stata
il primo paese in Europa e il
secondo nel mondo per la frequenza
del fenomeno di incendio
boschivo superiore ai mille
ettari, senza considerare che il
Belpaese ha una delle flottiglie
aeree antincendio boschivo più
efficienti e consistenti a livello
planetario all’attivo della Protezione
Civile. Quest’anno anche
Grecia e Spagna hanno già subito
la devastazione di migliaia
di ettari di boschi e di macchia
mediterranea incendiati nel solo
mese di luglio, portando in EU
il fenomeno estivo, con il caldo
torrido e la penuria d’acqua,
nuovamente alle proporzioni
di disastro ambientale, per di
più sempre più vicino alle aree
metropolitane, come nel Lazio,
tra le regioni italiane più colpite.
Mentre l’European Forest Fire
Information System (EFFIS)
ha reso noto che sono 19, cioè
la maggioranza, i paesi a rischio
grandi incendi di mille ettari e
oltre nella Comunità europea e
che quella che stiamo vivendo è
la più grande siccità mai verificatasi
da 76 anni a questa parte.
Riguardo le misure di prevenzione
l’istituzione europea ha
posto l’accento sul progressivo
abbandono delle campagne
all’origine del mancato controllo
sul territorio da parte dei
suoi abitanti verso il rischio di
sviluppo rapido di focolai dolosi,
anche se la loro insistente
prossimità ai centri urbani lascia
immaginare che possa essere attribuito
all’intento di eliminare
rapidamente col fuoco ingombranti
discariche altrettanto improvvisate
o l’accumulo di detriti
e materiali inquinanti. Forse
l’Europa dovrebbe proporsi un’agenda
più pragmatica riguardo le
nuove produzioni di inquinanti,
invece di sbandierare green, sia
pure temporaneamente, quello
che, come le centrali nucleari,
non può smantellare senza costi
elevatissimi, superiori ai benefici
prodotti, tra i quali, cosa che
beneficio non è, tutt’altro, il surriscaldamento
terrestre.
Certamente fondamentale può
dirsi quanto l’Italia sta facendo
sul piano della prevenzione e
della difesa del patrimonio boschivo
e forestale, parallelamente
e di supporto agli interventi
nell’ambito della Protezione Civile
e ambientale.
Il Comando Unità Forestali
Ambientali e Agroalimentari
(CUFA) dal 2019, di concerto
con l’Arma dei Carabinieri ha
avanzato, nel settore della Space
Economy e nei termini dell’ecosostenibilità,
l’individuazione
degli assetti satellitari più mirati
al contrasto del fenomeno degli
incendi boschivi per mezzo, in
attuazione del D.L. 120/2021,
del Geoportale degli Incendi Boschivi,
in esercizio dallo scorso
1 aprile 2022. L’iniziativa consente
di mappare e riversare nel
database i percorsi degli incendi
boschivi identificati da satellite
e da terra, di verificare a ritroso
nelle condizioni meteo di direzione
del vento e di espansione
naturale del sossuolo boschivo
dove più attecchisce, i focolai
originari dell’incendio e di verificarli.
Sottoponendo con questa
tecnologia sensibile l’area interessata
al diretto controllo, oltre
Fig. 4 - In questa figura viene riportato l'elaborazione dell'indice RBR (Relativized
Burn Ratio). Questo indice prevede nella sua formula l'analisi di una immagine preincendio
e post-incendio, diversamente dall’approccio del progetto Pedros.
GEOmedia n°2-2023 9

FOCUS
Economy, al pari dei Bio Parchi
e dei Parchi Marini.
Il Geoportale degli Incendi Boschivi
in qualche misura anticipa
gli intenti a livello mondiale e
soprattutto europeo che ricercano
le linee guida nella prevenzione.
Fra queste s’inserisce il Progetto
di ricerca PEDROS per la
sorveglianza delle zone boschive,
protette e non, e le limitrofe, al
fine di migliorare con droni pilota,
senza il rischio di perdita di
vite umane nell’avvicinamento,
il pronto intervento per la delimitazione
delle aree percorse dal
fuoco. PEDROS è un acronimo
che sta per: PErimetrazione automatica
di incendi con DROne
equipaggiato con Sensore specifico,
dove la tecnologia sostituisce
l’elemento umano nell’esposizione
al pericolo, consentendo
di tracciare in automazione le
aree percorse dal fuoco subito
dopo il loro spegnimento, consentendo
anche di circoscrivere
l’area di innesco, per le successive
indagini volte ad individuarne
le cause.
Il progetto, finanziato dall’Agenzia
Spaziale Italiana (ASI), in via
di sviluppo da parte di tre componenti
il Consorzio d’imprese
e cioè: Alma Sistemi, Mediageo
e Sapienza Università di Roma,
ha individuato quattro principali
Test di volo praticabili dal
modello di drone altamente robotizzato
, che sono in corso di
realizzazione.
Fig.5 – Curva sensibilità sensore a basso costo TEC-less(senza sistema di raffreddamento),
bande VIS/NIR/SWIR,modello Owl 640 M (Raptor Photonics, UK).
che degli organi di tutela, dei
Comuni preposti all’attivazione
dei vincoli di inedificabilità normativi
per i dieci anni successivi
all’incendio, previsti dalle normative
vigenti e nei quali l’ecosistema
boschivo protetto potrà
rigenerarsi spontaneamente,
fungendo da deterrente ad ogni
altro proposito degenerativo di
malitenzionati incorrenti nella
medesima ipotesi di reato di distruzione.
Nella sezione Catasto Incendi
del Sistema informativo
della Montagna (SIM) le perimetrazioni
a titolo gratuito,
resteranno a disposizione dei
Comuni coinvolti per l’apposizione
e il rispetto delle misure
di protezione e salvaguardia e le
azioni repressive delle violazioni
eventuali, che non possano più
dirsi isolate. Previdenze analoghe
interesseranno il formarsi di discariche
abusive nel patrimonio
forestale, boschivo e delle acque,
insieme all’ambiente marino, al
patrimonio di bacini fluviali e
lacustri e ai ghiacciai, influenti
l’andamento climatico e le risorse
energetiche rinnovabili del
paese, nei termini della Space
Sensori NIR/SWIR per UAV
ad alte prestazioni
a cura di T. Giagnacovo
Tra i vari indicatori dello stato di
salute della vegetazione, ottenuti
elaborando immagini satellitari
su varie bande di frequenza,
il “Normalized Burn Ratio”
(NBR) si è rilevato particolarmente
utile, per rilevare le tracce
lasciate dal fuoco a seguito di un
incendio.
Lo NBR viene elaborato a partire
da due specifiche bande di frequenza,
come ad esempio quelle
ottenute dal Thematic Mapper
(TM) di Landsat 4-5:
• banda 4: 0.76-0.90 μm (NIR)
• banda 7: 2.08-2.35 μm
(SWIR)
L’indice così determinato è
quello che mostra la maggior
differenza tra le immagini pre e
post-incendio, specialmente su
suolo coperto da boschi 2 3 4 .
La banda 4 (NIR) è sensibile
al contenuto di clorofilla nella
vegetazione sana. La banda 7
(SWIR) è sensibile al contenuto
di acqua sia nel suolo che
nella vegetazione, al contenuto
di legno nella vegetazione non
fotosintetica, e ai minerali idrati
come argilla, mica e alcuni ossidi
e solfati 5 . E’stato dimostrato che
le lunghezze d'onda della banda
7 sono sensibili nel separare vegetazione
ricca di legno non fotosinteticamente
attiva (morta)
dal suolo, dalla cenere e
dal legno carbonizzato in un ambiente
post-incendio 6 .
Come risultato dell'utilizzo
di queste due bande, l'NBR
10 GEOmedia n°2-2023

FOCUS
Tab.1 – selezione sensori VIS/NIR/SWIR adatti ad essere impiegati su UAV.
è particolarmente sensibile ai
cambiamenti nella quantità di
vegetazione verde, contenuto di
umidità e alcune condizioni del
suolo che possono verificarsi in
seguito ad un incendio.
Se si analizza in dettaglio lo
spettro riflesso dalla vegetazione,
è possibile identificare alcune
lunghezze d'onda di interesse.
Da 0.75 a 1.3 μm lo spettro è
dominato dalla struttura cellulare
della vegetazione sana. Successivamente
si hanno le bande di
assorbimento del vapore acqueo
in atmosfera (circa 1.38, 1.87,
2.7 μm), banda quindi sensibile
al contenuto di acqua nella vegetazione.
Sovrapponendo a questo spettro
quello di aree del suolo bruciate,
si possono ricavare una serie di
markers o indici a specifiche lunghezze
d’onda che consentono di
discriminare aree del suolo con
vegetazione sana da quelle che
hanno subito un’incendio.
In fig.4 è riportato un esempio
di elaborazione di immagini
satellitari facendo uso dell’indice
NBR, e della sovrapposizione del
risultato su una immagine in 3D
tramite Google Earth.
Scelta del Sensore
Per determinare un indice NBR
sulle immagini da acquisire, le
bande di frequenza di interesse
sono:
• NIR, filtro passa-banda a 800
nm
• SWIR, filtro passa-banda a
1380 nm
• SWIR, filtro passa-banda a
1870 nm
Dal punto di vista tecnologico,
sono disponibili commercialmente
una varietà di sensori che
coprono le bande di interesse.
La banda NIR può essere coperta
da un economico sensore
CMOS. La banda SWIR fino a
1.7 μm può essere coperta da un
sensore InGaAs (raffreddato con
TEC 11 ). La banda SWIR fino a
2.5 μm può essere coperta solo
da sensori del tipo MCT12 con
raffreddamento a TEC o LN
(Azoto liquido). Sono comunque
disponibili alcuni sensori
in banda SWIR (0.9-1.7 μm) o
NIR/SWIR (0.6-1.7 um) senza
raffreddamento (TEC-less, rif.
fig.5), quindi con un ridottissimo
consumo di potenza.
APR ad alte prestazioni
I criteri di selezione per un velivolo
APR (drone) adatto ai
requisiti del progetto PEDROS
sono i seguenti:
1. Elevata autonomia di volo
2. Elevata capacità di carico
3. Quota di tangenza pratica
4. Guida autonoma
5. Grado di tenuta IP
L’autonomia è necessaria per
poter compiere una missione di
ricognizione di un territorio, in
genere in zone impervie, considerando
anche il tempo neces-
GEOmedia n°2-2023 11

FOCUS
Tab.2 – Filtri di banda ottici con attacco 12.5 mm (C-Mount)
sario al rientro. Inoltre, APR ad
elevata autonomia consentono
di avere ancora un buon margine
sull’autonomia di volo pur
con un carico pari al massimo
previsto dal velivolo.
La capacità di carico deve poter
consentire di allocare i sensori,
costituiti da una o più telecamere
operanti nelle bande VIS,
NIR e SWIR, e l’unità di elaborazione,
registrazione dati, e
controllo del volo.
La quota di tangenza pratica
consente di operare il velivolo
anche in zone di montagna, con
sito di decollo posto quindi già a
quote elevate, pur conservando
un buon rateo di salita.
La guida autonoma deve consentire
al sistema di elaborazione
di bordo di poter inviare comandi
all’autopilota del velivolo, e di
ricevere informazioni di stato. Il
profilo della missione prevede la
navigazione guidata da una serie
di waypoints pre-programmati,
con la possibilità di inserire variazioni
in base alle immagini
acquisite.
Il grado di tenuta IP17. Consente
di operare il velivolo in
Tab.3 – Rassegna velivoli APR ad alte prestazioni disponibili commercialmente.
12 GEOmedia n°2-2023

FOCUS
condizioni meteo tipiche di un
ambiente impervio, e su terreni
sui quali si è sviluppato un incendio,
quindi ricchi di ceneri.
Da una prima ricognizione dei
modelli attualmente disponibili
sul mercato, sono state estrapolate
le seguenti caratteristiche
tecniche di massima.
• Autonomia di volo: da 30 a 50
minuti.
• Capacità di carico (payload):
fino a 3 kg.
• Tangenza pratica: fino a 5000
m (parametro non disponibile
da tutti i costruttori).
• Guida autonoma: predisposizione
kit SDK (DJI), o uso di
sistemi “open-source”.
• Grado IP: 43 – 45 (con un
modello che dichiara 63).
La scelta del tipo di eliche da
installare determina la massima
quota di volo del velivolo. Detta
quota, definita anche come
tangenza pratica, è quella nella
quale il velivolo ha ancora sufficiente
controllo sulla velocità di
salita.
La massima quota di volo è
importante se si deve operare in
zone di montagna, quindi con
altezze sul livello del mare di
1000 – 2000 metri, fino a 3000
metri. Le attuali normative stabiliscono
una quota di volo dal
livello del suolo (AGL) massima
di 70 m per voli amatoriali, e
150 m per piloti professionisti
con attestato.
Fig.6 – Rapporto peso al decollo vs. max. carico utile
Fig.7 – Rapporto autonomia di volo con max.carico utile 18 .
Algoritmo sviluppato
Il progetto PEDROS (PErimetrazione
automatica di incendi
con DROne equipaggiato con
Sensore specifico) prevede la
realizzazione di un sistema di
supporto alle attività operative
di perimetrazione dettagliata
di aree boschive aggredite da
Fig.8 – Curve autonomia in funzione del carico utile per i tre modelli Explorer
1000 (dronebase), Matrice 300 (DJI), Evoluzione 4HSE (italdron).
GEOmedia n°2-2023 13

FOCUS
insetti/patogeni e/o da incendi
boschivi. Con riferimento al problema
della perimetrazione delle
aree percorse dal fuoco l’algoritmo
sviluppato nell’ambito del
progetto si basa su un approccio
già largamente applicato nell’ambito
del telerilevamento satellitare.
La sua applicazione nel caso
specifico dell’osservazione da
drone richiede alcune modifiche,
in particolare legate all’impossibilità
di applicare tecniche di
change detection e alla necessità
di realizzare l’elaborazione delle
immagini in real time a bordo
del drone. Nel corso del tempo
sono stati sviluppati una serie di
indici specializzati per la mappatura
delle aree affette da incendio
da dati telerilevati, tra questi: il
Normalized Burn Ratio (NBR),
il Burned Area Index (BAI),
il Mid Infrared Burn Index
(MIRBI). L’implementazione di
un algoritmo automatizzato in
grado di analizzare (on board) le
immagini acquisite da un drone
in tempo reale e fornire mappe
delle aree percorse dal fuoco
risulta fondamentale per supportare
il servizio fornito dal progetto
PEDROS. L’algoritmo deve
garantire la interoperabilità dei
dati, deve essere capace di gestire
un significativo flusso di dati
ma soprattutto costituire una
significativa evoluzione rispetto
allo stato dell’arte nel processo
di rilevamento remoto dei cambiamenti,
permettendo la identificazione
da immagini acquisite
in tempo reale dei cambiamenti
nella vegetazione. Prevedendo
che la elaborazione delle immagini
acquisite dal drone sia operata
a bordo dello stesso, l’algoritmo
di individuazione delle aree
bruciate è stato implementato
su un computer adatto ad essere
installato a bordo di un drone.
Le immagini acquisite dal drone
sono elaborate su un Raspberry
Pi-400 con uno script scritto in
Python. Un’analisi preliminare
è stata condotta utilizzando le
immagini multispettrali ottenute
da drone equipaggiato con una
fotocamera MicaSense RedEdge-
MX.
Ulteriori dettagli sono nell’articolo
“Un sensore aviotrasportato
per analisi immagini a supporto
degli incendi” di Giovanni Laneve,
Ramon Bueno Morles,
Valerio Pampanoni, sempre su
questo numero a pag. 22.
RIFERIMENTI
1 Key, C. H., & Benson, N. C. (2005). Landscape
assessment: Remote sensing of severity,
the Normalized Burn Ratio. In D. C. Lutes
(Ed.), FIREMON: Fire effects monitoring
and inventory system. General Technical
Report, RMRS- GTR-164-CD:LA1-LA51.
(pp.) Ogden, UT: USDA Forest Service,
Rocky Mountain Research Station.
2 Key, C. H., & Benson, N. C. (2005).
Landscape assessment: ground measure of
severity, the Composite Burn Index. In D. C.
Lutes (Ed.), FIREMON: Fire effects monitoring
and inventory system. General Technical
Report, RMRS- GTR-164-CD:LA1-
LA51. (pp.) Ogden, UT: USDA Forest
Service, Rocky Mountain Research Station.
3 Lopez Garcia, M. J., & Caselles, V. (1991).
Mapping burns and natural reforestation
using Thematic Mapper data. Geocarto International,
1, 31-37.
4 Miller, J. D., & Yool, S. R. (2002). Mapping
forest post-fire canopy consumption in
several overstory types using multi-temporal
Landsat TM and ETM data. Remote Sensing
of Environment, 82(2-3), 481-496.
5 Avery & Berlino, 1992; Elvidge, 1990.
6 Jia et al., 2006; Kokaly et al.
7 Rif.immagine: “Burned Area Mapping
with Sentinel-2 using SNAP” Corus ESA
Copernicus, Portugal, 2017
8 Rif.immagine (modificata dall’autore):
Elowitz, Mark R. “What is Imaging Spectroscopy
(Hyperspectral Imaging)?, republished in
“Vegetation Analysis: Using Vegetation Indices
in ENVI”, L3-Harris whitepaper.
9 Jay D. Miller, Andrea E. Thode (2006).
Quantifying burn severity in a heterogeneous
landscape with a relative version of the delta
Normalized Burn Ratio (dNBR). Remote
Sensing of Environment 109 (2007) 66-80,
Elsevier.
10 Rif.immagine: “Burned Area Mapping
with Sentinel-2 using SNAP” Corus ESA
Copernicus, Portugal, 2017.
11 TEC – Thermo-Electric Cooler. Modulo
di raffreddamento a cella di Peltier.
12 Il grado di protezione IP si compone di
2 cifre. La prima indica il grado di protezione
da corpi solidi (4 indica protezione da
oggetti solidi maggiori di 1 mm). La seconda
cifra indica la protezione da liquidi (3: vapori
d’acqua, 4: spruzzi d’acqua, 5: getti d’acqua).
13 modelli DJI (Matrice 200 e 300), Explorer
1000 (dronebase), e Durante (italdron):
autonomiadi volo a pieno carico da specifica.
Per gli altri modelli è stata stimata in rapporto
alla massima autonomia di volo dichiarata.
KEYWORDS
UAV; incendi boschivi, Sensori ottici;
NIR; SWIR; algoritmo; GNSS
ABSTRACT
The proposed system provides for the development
of a SAPR system (Airborne
Remote Pilotage System) which can be
of assistance to the detailed perimeter, of
wooded areas attacked by insects/pathogens
and/or by forest fires in order to
transmit to the competent authorities the
certification of these areas affected by environmental
damage, in compliance with
current legislation. This activity is normally
carried out through the interpretation of
satellite image analyzes with spatial resolutions
that are not always adequate for the
purpose, which often entails the need for
re-perimeteration in the field carried out
by operators equipped with GNSS handheld
systems.
AUTORE
Alessio Di Iorio,
adi@alma-sistemi.com
Roberto Filippone,
Tommaso Murolo
Roberto Filippone,
Tonino Giagnacovo
ALMA SISTEMI s.r.l.
Edoardo Carlucci
MediaGEO sooc. cop.
Giovanni Laneve
SIA (Scuola di Ingegneria Aerospaziale)
Earth Observation Satellite Images
Applications Lab (EOSIAL)
Sapienza Università di Roma
Il Progetto Perimetrazione automatica di
incEndi con DROne equipaggiato con
Sensore specifico (PEDROS) è stato finanziato
dall'Agenzia Spaziale Italiana
(ASI) nell'ambito del bando di finanziamento
di progetti di ricerca industriale,
sviluppo sperimentale (504/2020) per
“Nuove idee di applicazioni integrate,
servizi e prodotti innovativi basati sull’uso
dei dati satellitari di telecomunicazioni
(TLC)/navigazione (NAV)
14 GEOmedia n°2-2023

FOCUS
Il Forum dell'Innovazione
Tecnologie per il Territorio, Beni Culturali e Smart Cities
Roma
14 - 16 NOV 2023
www.technologyforall.it
GEOmedia n°2-2023 15

REPORT
Il progetto AI-RON MAN:
come l’unione di dati satellitari ed
Intelligenza Artificiale ci aiuterà a
proteggere le infrastrutture dagli incendi
di Davide Ottonello, Tiziano Cosso, Simone Parmeggiani, Alessandra Speranza
Un consorzio di PMI italiane
sta lavorando per sfruttare
le immagini catturate dai
satelliti Copernicus al fine
di creare un algoritmo di
Intelligenza Artificiale che
possa prevedere il rischio di
incendi boschivi e proteggere
le nostre infrastrutture di
telecomunicazione sparse sul
territorio.
Fig. 1 - Una stazione radio base distrutta da un incendio, California Luglio 2019.
Il progetto “AI-RON MAN:
AI-based wildfiRe predictiON
for the risk MANagement
of TLC Infrastructures”
nasce ufficialmente a Settembre
2022 grazie ai finanziamenti
della quarta Open Call del progetto
Horizon 2020 “AI4Copernicus”
(www.ai4copernicusproject.eu).
Il consorzio è formato
da tre PMI italiane, nello
specifico: STAM S.r.l., società
di innovazione tecnologica con
esperienza nel campo dell’Intelligenza
Artificiale, GTER
S.r.l., esperti nel campo dei GIS
e Earth Observation, e LA SIA
S.p.A., società di ingegneria che
progetta e gestisce infrastrutture
di telecomunicazione.
AI-RON MAN coniuga l’utilizzo
di dati satellitari e i modelli
di intelligenza artificiale per
prevedere il rischio di incendi
boschivi nelle aree dove sono
presenti le infrastrutture di telecomunicazione,
ovvero una
delle spine dorsali su cui si basa
la nostra società ed il nostro
sistema economico. Il prodotto
finale sarà dunque un sistema
software di monitoraggio del
rischio incendi e alerting per i
gestori dell’infrastruttura.
La minaccia (crescente)
degli incendi boschivi e
le ripercussioni sul mondo
Telecomunicazioni
Il cambiamento climatico e i
suoi effetti negativi sull’ambiente
e sulla nostra società
sono ormai noti, anche grazie
ai sempre più frequenti episodi
di cronaca che riportano l’accadimento
di eventi estremi dalle
conseguenze nefaste in termini
economici e di vite umane. Secondo
l’European Environment
Agency, il riscaldamento globale
ha notevolmente aumentato
il rischio di incendi boschivi
su tutto il territorio Europe,
determinando le condizioni
per cui l'estensione e l'intensità
degli incendi boschivi nell'Unione
Europea aumenteranno
nei prossimi anni. A riprova di
quanto appena scritto, il 2019
è stato l'anno peggiore della
storia recente per numero di
incendi, con oltre 400.000 ettari
di terreno naturale bruciato
in Europa.
Di conseguenza, gli incendi
nelle foreste e nelle aree selvag-
16 GEOmedia n°2-2023

REPORT
ge europee hanno e avranno
un grande impatto sulle risorse
agricole e sugli insediamenti
urbani, con conseguenze critiche
per la sicurezza e la salute
dei cittadini, la salvaguardia dei
beni economici e la fornitura di
servizi essenziali dagli ecosistemi
danneggiati dal fuoco. Tra
tutte le infrastrutture critiche
minacciate dagli incendi, le
infrastrutture di telecomunicazione
(TLC) come le stazioni
radio base (BTS) sono particolarmente
esposte poiché sono
tipicamente collocate in luoghi
remoti vicino o addirittura
all'interno delle foreste.
Seppur sia un problema ancora
poco sentito in Europa, negli
USA le ripercussioni degli incendi
sulle infrastrutture TLC
in anni recenti sono state devastanti.
In particolare, gli incendi
avvenuti nel 2019 in California
hanno causato ingenti danni e
disservizi alla rete di telefonia
mobile dello stato.
La portata del problema non è
da sottovalutare. Secondo uno
studio, circa una persona su
quattro negli Stati Uniti vive
in un'area servita da torri di
telefonia cellulare a rischio di
interruzione causata da incendi,
e ciò è dovuto al fatto che più
di 430.000 ricetrasmittenti di
rete cellulare coprono circa 85
milioni di persone si trovano
in aree che il servizio forestale
degli Stati Uniti considera a
rischio di incendio moderato
o elevato. Allo stesso modo, in
tutta Europa ci sono 426.000
siti di torri e la maggior parte di
essi sono di categoria rawland
(quindi installate sul terreno)
e situati al di fuori del tessuto
urbano, in zone remote come
monti e foreste.
Le interruzioni dell'infrastruttura
TLC possono causare gravi
conseguenze per la popolazione,
i servizi essenziali e altri settori
economici, ma anche problemi
a breve termine dovuti all'indisponibilità
della rete di telefonia
cellulare su cui i primi soccorritori
si affidano principalmente
per la gestione delle emergenze
e la comunicazione durante le
missioni di soccorso.
I dati satellitari come fonte di
informazioni
Esistono migliaia di dataset
contenenti informazioni riguardanti
l’osservazione della terra,
che beneficiano diversi campi
della scienza umana. Questi
dati sono, per la maggior parte,
open source e lo rimarranno
almeno fino al 2037, motivo
per cui intorno a questi progetti
(NOAA EUMETSAT etc) sono
nati alcuni servizi cosiddetti di
rianalisi (reanalysis) che altro
non sono che modelli costruiti
sulla base di questi dati per
fornire informazioni pronte da
utilizzare.
ERA5-Land, ad esempio, è
un set di dati di rianalisi che
fornisce una visione coerente
dell'evoluzione delle variabili
del terreno nel corso di diversi
decenni con una risoluzione
migliorata rispetto a ERA5.
ERA5-Land è stato prodotto
riproducendo la componente
terrestre della rianalisi climatica
ERA5 dell'ECMWF (European
Centre for Medium-Range
Fig. 2 - La rete neurale alla base del progetto AI-RON MAN.
Weather Forecasts). La rianalisi
combina i dati del modello con
le osservazioni provenienti da
tutto il mondo in un set di dati
completo e coerente a livello
globale utilizzando le leggi della
fisica. La rianalisi produce dati
che risalgono a diversi decenni
indietro nel tempo, fornendo
una descrizione accurata del clima
del passato.
All’interno del progetto AI-
RON MAN, sono stati analizzati
ed utilizzati alcuni dati
satellitari ritenuti rilevanti per
studiare il fenomeno degli incendi
boschivi. Tali dati riguardano
principalmente le condizioni
dell’aria, della vegetazione
e del suolo.
Ad esempio, sono stati presi in
considerazione i dati relativi
alla temperatura rilevata a 2
metri da terra (t2m, calcolato
per interpolazione tra il livello
più basso del modello e la superficie
terrestre, tenendo conto
delle condizioni atmosferiche) e
temperatura al suolo lvl 1 (ossia
la temperatura del suolo nello
strato 0 - 7 cm del sistema di
previsione integrato ECMWF).
Questi dati sono forniti attraverso
la piattaforma CDS
(Climate Data Storage), da cui
è possibile leggere anche documentazione
aggiuntiva.
GEOmedia n°2-2023 17

REPORT
In aggiunta ai dati di temperatura,
sono stati presi in considerazione
altri due modelli,
riguardanti il Burned Area
Index (BAI) ossia il numero di
giorni in cui una determinata
zona del globo è andata a fuoco
(dato calcolato ogni 15 giorni)
e il dato relativo all’umidità del
suolo di superficie (Surface Soil
Moisture). È bene sottolineare
che tali dati devono spesso essere
post-processati per renderli
omogenei ed utilizzabili. Infatti,
sebbene i 3 dataset descritti in
precedenza provengano tutti
dalla stessa piattaforma cds e
siano accessibili tramite lo stesso
servizio API, la risoluzione
spaziale e temporale non era
omogenea. Pertanto, è stato necessario
effettuare un ricampionamento
al fine di armonizzare
i dati alla stessa risoluzione spaziale
di 0.25x0.25 gradi (circa
250x250m per cella).
L’intelligenza artificiale per
predire il rischio di eventi
estremi
L’intelligenza artificiale (IA) è
al giorno d’oggi una tecnologia
ormai consolidata, anche
se ancora con grandi margini
di miglioramento e con infinite
nuove possibili applicazioni
alla portata di utenti
Fig. 3 - L'interfaccia dell'applicazione AI-RON MAN.
senza particolari abilità che la
renderanno incredibilmente
pervasiva. Alla fine del 2022,
ad esempio, è stato lanciato il
servizio ChatGPT di OpenAI,
ovvero un chatbot in grado di
rispondere alle domande dell’utente,
nonché di instaurare una
vera e propria conversazione.
ChatGPT è alimentato da un
motore di intelligenza artificiale,
nello specifico utilizza
tecniche di supervised e reinforcement
learning.
Uno dei filoni principali
dell’IA, ed anche uno dei più
affascinanti, riguarda la previsione
del futuro tramite l’apprendimento
della macchina
di ciò che è stato nel passato.
Un’applicazione che sicuramente
la maggior parte della popolazione
utilizza è, ad esempio, la
funzionalità che predice le prossime
parole (il completamento
della frase) mentre stiamo scrivendo
un testo sullo smartphone.
Questi modelli di IA sono
solitamente basati su Machine
Learning, ovvero alle macchine
vengono dati in pasto migliaia
(a volte centinaia di migliaia)
di dati per far sì che esse apprendano
il comportamento di
un determinato sistema. Molto
spesso questi modelli vengono
definiti supervisionati perché
alle macchine viene fornito
sia l’input che l’output atteso,
in modo che esse sviluppino
una logica di elaborazione che
rappresenti il rapporto causaeffetto.
Tali modelli, negli ultimi anni,
sono applicati allo studio degli
eventi meteo e in particolare a
quelli estremi. Chiaramente, il
cambiamento climatico sta esacerbando
la frequenza e i danni
provocati da questi eventi,
quindi ciò rappresenta un traino
significativo per il mondo
della ricerca.
Ad esempio, l’Università del
Minnesota ha elaborato un
modello di machine learning
in grado di prevedere i flussi
e le temperature delle reti fluviali.
Tale modello può venire
sfruttato per prevedere alluvioni
fluviali ma anche per studiare il
cambiamento dell’habitat e prevedere
la produzione di centrali
idroelettriche.
Mentre il servizio ClimateAI,
già online e in commercio, promette
agli utenti delle previsioni
meteo affidabili sia nel breve
che nel lungo periodo grazie
all’utilizzo di modelli di reti
generativa avversarie. Tali previsioni
si limitano non solo al
meteo, ma anche a come gli effetti
del cambiamento climatico
impatteranno su infrastrutture,
servizi e operazioni.
Uno dei limiti di questo approccio
è la scarsità di dati, che
sono necessari in grandi quantità
per addestrare e poi validare
i modelli sviluppati. Tuttavia,
anche su questo punto la comunità
scientifica sta lavorando per
rendere i modelli sempre più
efficienti, dunque in grado di
produrre risultati affidabili con
un allenamento su un dataset
ridotto.
Nel progetto AI-RON MAN,
dunque, tali tecniche di machine
learning sono impiegate
per “insegnare” alle macchine
18 GEOmedia n°2-2023

Fig. 4 - Una delle stazioni radio base considerate nel progetto AI-RON MAN.
quali sono state in passato le
condizioni favorevoli che hanno
facilitato l’innesco di un incendio,
e quali no. Nello specifico,
il modello sviluppato è basato
sulla rete U-Net, che è nata
proprio per risolvere problemi
di nowcasting in ambito meteorologico
ed è adatta a questo
scopo in quanto in grado di
imparare pattern complessi con
diverse grandezze in gioco.
Essendo U-Net un modello supervisionato,
l’addestramento in
AI-RON MAN viene eseguito
alimentando le macchine sia
con i dati in input (condizioni
climatiche, della vegetazione e
del suolo) che in output (informazioni
sugli incendi passato,
come l’estensione). Collegando
queste informazioni nello stesso
arco temporale, il modello
risale dunque alle condizioni in
input che hanno originato un
incendio. Pertanto, esso può
imparare a dare un’ indicazione
sul rischio che si verifichi un
incendio boschivo, considerando
entrambi le componenti in
cui è classicamente definito il
rischio: probabilità di accadimento
(quanto è probabile che
si verificherà il fenomeno) e
impatto (quanto sarà severo il
fenomeno, ad esempio quanto
sarà esteso l’incendio).
Obiettivi e risultati attesi
Il progetto AI-RON MAN
mira, dunque, a fornire uno
strumento digitale per prevedere
dinamicamente il rischio di
incendi boschivi nelle aree in
cui si trovano le infrastrutture
TLC, aiutando i gestori di tali
infrastrutture ad intervenire
preventivamente per evitare
l'interruzione dei servizi di
comunicazione mobile oltre ai
danni alle infrastrutture stesse.
Il cuore di AI-RON MAN si
basa su tecniche di Intelligenza
Artificiale che consentono
di sfruttare i set di dati storici
esistenti relativi agli incendi
boschivi per prevedere la probabilità
di accadimento di un
incendio e la relativa gravità in
una determinata zona sotto osservazione.
Inoltre, un modello
dettagliato delle infrastrutture
di TLC basato su standard (modelli
BIM e ontologie esistenti)
sarà utilizzato per valutare la
rilevanza, la criticità e il valore
degli asset minacciati. Le previsioni
saranno prodotte considerando
un orizzonte temporale
sufficiente affinché i primi soccorritori
intraprendano le azioni
preventive necessarie (tra le 24 e
le 48 ore) e saranno aggiornate
con una frequenza elevata per
riflettere cambiamenti significativi
nella situazione in corso.
Una parte significativa del set
di dati tramite il quale viene allenato
il modello AI è ottenuto
dai servizi Copernicus, poiché
le tecnologie di osservazione
della Terra (EO) possono fornire
preziose informazioni che
caratterizzano la vegetazione e le
condizioni del suolo, così come
gli eventi di incendio passati.
Anche le previsioni metereologiche
saranno poi sfruttate per
includere parametri meteorologici
rilevanti nella predizione
degli incendi, che potranno essere
aggiornati molteplici volte
durante il giorno.
Gli output principali del progetto
saranno dunque due prodotti
software:
• Un motore di intelligenza
artificiale pensato per essere
alimentato con dati aggiornati
(anche in tempo reale) e prevedere
il rischio di incendi boschivi
a breve termine;

REPORT
• Una web application dedicata
ai gestori delle infrastrutture di
telecomunicazione che permetterà
un monitoraggio del rischio
incendi continuo e preciso.
L’utente potrà caricare i modelli
BIM ed altri dati delle torri
da monitorare e potrà in ogni
momento vedere la situazione
attuale su un layer cartografico.
Nel caso di torri con rischio
elevato, verranno generati degli
alert per avvisare l’utente di potenziali
situazioni di pericolo su
cui intervenire.
Entrambi i prodotti saranno
testati e validati nella fase finale
del progetto AI-RON MAN.
Sono state scelte infatti come
casi d’uso tre stazioni radio base
collocate nella regione Lazio,
che si occupano sia di telefonia
mobile che di comunicazioni
radio. I modelli BIM di queste
torri saranno caricati sulla app
di AI-RON MAN e verrà effettuata
una duplice validazione:
su dati storici, analizzando
quindi il rischio incendi a ritroso
nel tempo, e tramite una
campagna di monitoraggio in
tempo reale della durata di un
mese.
Gli output previsti prodotti dal
Fig.5v- xxxxx
progetto, seppur già ambiziosi
e di portata significativamente
innovativa, potranno poi essere
ulteriormente ampliati e
potenziati dopo il termine del
progetto. Ad esempio, il motore
di previsione del rischio
potrà essere applicato non solo
su un punto (dove vi è la torre
di telecomunicazione), ma su
aree vaste (anche regioni) per
supportare le amministrazioni
locali e i vigili del fuoco nel
controllo del territorio. Mentre
la web application potrà essere
facilmente ampliata per considerare
altri tipi di infrastrutture
collocate in aree remote, come
ad esempio quelle elettriche (cabine,
tralicci, etc.).
In conclusione, il progetto AI-
RON MAN rappresenterà un
piccolo passo in avanti nella
prevenzione e gestione dell’emergenza
incendi e più in generale
degli eventi estremi causati
dal cambiamento climatico.
Tale risultato sarà reso possibile
solo grazie alle nuove tecnologie
emergenti, come l’intelligenza
artificiale, che abiliteranno nuove
funzionalità e possibilità per
migliorare la vita della popolazione
e addirittura salvarla.
BIBLIOGRAFIA
European Environment Agency, «EEA,»
November 18th 2021. [Online]. Available:
https://www.eea.europa.eu/ims/forest-fires-ineurope#footnote-JQYK6UAN.
Gomes Da Costa Hugo; De Rigo Daniele; Libertà
Giorgio; Durrant Tracy; San-Miguel-Ayanz
Jesus, «European wildfire danger and vulnerability
in a changing climate: towards integrating
risk dimensions» 2020. Available: https://www.
adaptecca.es/sites/default/files/documentos/pesetaiv_task_9_forest_fires_final_report.pdf.
«Forest Fires in Europe, Middle East and North
Africa 2019,» 2020. Available: https://effis-gwiscms.s3-eu-west-1.amazonaws.com/effis/reportsand-publications/annual-fire-reports/2019_
Fire_Report_HighRes_final_PTcorrection/
Annual_Report_2019_final_topdf_2.pdf.
S. Anderson, C. Barford e P. Barford, «Five
Alarms: Assessing the Vulnerability of US Cellular
Communication Infrastructure to Wildfires,»
IMC '20: Proceedings of the ACM Internet
Measurement Conference, 2020.
S. M. Jesús García Fernández, “Broad-UNet:
Multi-scale feature learning for nowcasting
tasks,” Neural Networks, 2021.
Ernest & Young, «The economic contribution
of the European tower sector,» 2020.
AI4Copernicus project website, https://ai4copernicus-project.eu/
Pictet, Il machine learning può predire il futuro
del pianeta (2021), https://am.pictet/it/blog/
articoli/tecnologia-e-innovazione/il-machinelearning-puo-predire-il-futuro-del-pianeta
ClimateAI website, https://climate.ai/
ANSA, Con l’IA, prevedere gli eventi climatici
estremi è più facile (2022), https://www.
ansa.it/osservatorio_intelligenza_artificiale/
notizie/societa/2022/03/25/con-lia-prevedere-gli-eventi-climatici-estremi-e-piu-facile_
fed93b22-7f10-487f-a1d6-a397adbf5a7c.html
Sandonnini P., ChatGPT, impariamo tutto sulla
grande novità di OpenAI (2023), https://www.
ai4business.it/intelligenza-artificiale/chatgptopenai/
Climate Data Storage website, cds.climate.copernicus.eu
PAROLE CHIAVE
Artificial Intelligence; Earth Observation;
Wildfire; Risk; Critical Infrastructure
ABSTRACT
Climate change has significantly increased forest
fire risk across EU, threatening our critical
infrastructures providing essential for services,
e.g. mobile telecommunication. AI-RON MAN
project aims to deliver a tool to dynamically predict
wildfire risk in areas where such infrastructures
are located, supporting first responders to
preventively intervene and avoiding service disruption.
The tool will be based on AI techniques
that enable the exploitation of existing historical
datasets (including satellite images from Copernicus)
to forecast future wildfire likelihood and
expected severity.
AUTORE
Davide Ottonello
d.ottonello@stamtech.com
STAM S.r.l.
Tiziano Cosso
tiziano.cosso@gter.it
Simone Parmeggiani
simone.parmeggiani@gter.it
Gter S.r.l.
Alessandra Speranza
alessandra.speranza@lasia.it
La Sia S.p.A.
20 GEOmedia n°2-2023

TELERILEVAMENTO
MERCATO
CON I RILIEVI AEREI IPERSPETTRALI
MONITORIAMO L’AMBIENTE URBANO
E PROPRIETÀ NON VISIBILI ALL’OCCHIO
UMANO
Programmare missioni di volo su terreni inclinati è un procedimento
molto complesso ma, al tempo stesso, di fondamentale
importanza. Per effettuare missioni di volo che
seguano il terreno con GSD costante, in caso di terreni con
inclinazioni variabili, si ha la necessità di utilizzare un programma
che tenga conto di questo parametro.
Ma che cos’è il GSD?
Il GSD o Ground Sample Distance rappresenta la distanza
tra il centro di due pixel consecutivi, espressa in unità di
misura territoriale; in altre parole, è la quantità di “terreno”
contenuta in un campione di immagine, ossia nella più piccola
entità che compone l’immagine stessa: il pixel.
Nel calcolo del GSD, il pixel (inteso come unità di misura
dell’immagine) è espresso in centimetri ed è inversamente
proporzionale alla qualità dell’immagine: più grande è il
pixel, minore è il livello di dettaglio dell’immagine; al contrario,
più piccolo è il pixel, più dettagliata è l’informazione
contenuta nel pixel stesso dell’immagine.
Nell’ottica del rilevamento fotogrammetrico, un GSD corretto
e costante è il parametro più importante da impostare
quando si pianifica un’acquisizione fotogrammetrica.
UGCs, il software professionale di progettazione delle
missioni di volo, è uno dei pochi in grado di progettare
missioni di volo su superfici con pendenza variabile consentendo
al drone di mantenere automaticamente un’altitudine
costante dal livello del suolo. Oltre ad impostare il
GSD, UGCs permette di definire tantissimi altri settaggi
che risultano estremamente importanti quando si vola con
un drone come, solo a titolo esemplificativo, la sovrapposizione
frontale e laterale delle immagini, la velocità di volo
ecc...
Per quanto riguarda i droni del colosso cinese DJI, questo
software semplifica in maniera totale la progettazione
di missioni “Terrain Follow” grazie ad una semplice esportazione
KML che DJI Pilot 2 è capace di importare, garantendo
la massima sicurezza di volo e tutti i parametri
accessori in precedenza impostati. Dopo l’importazione in
DJI Pilot 2, è possibile visualizzare la missione di volo con
i diversi waypoint creati e le quote ad essi associati a cui
il drone deve fare riferimento per volare. Inoltre, tramite
l’app della DJI, direttamente dal radiocomando, è possibile
modificare tutte le opzioni che si trovano sulla route
o sui singoli waypoint, come, ad esempio, la calibrazione
dell’IMU, parametro fondamentale se si lavora con un DJI
Matrice 300 RTK e un lidar DJI Zenmuse L1.
Il team di Strumenti Topografici ha realizzato una videoguida
in cui vengono spiegati, nel dettaglio, tutti i settaggi
per importare missioni di volo su terreni inclinati progettate
con UGCs in DJI Pilot 2, utile per coloro che utilizzano i
droni DJI della serie Enterprise (M300 RTK e Mavic 3 con
modulo RTK a bordo).
Attenzione però perché la cosa importante quando si è sul
campo è decollare con il drone molto vicino al punto di
inizio della missione in quanto la differenza di quota dei
waypoint rispetto al terreno è calcolata a partire dal punto
di partenza e quindi dal cosiddetto “Start” della missione.
Guarda il video sul canale YouTube a questo link:
https://www.youtube.com/watch?v=bVRNs3QGMgs
MONITORAGGIO 3D
GIS E WEBGIS
www.gter.it info@gter.it
GNSS
FORMAZIONE
GEOmedia n°2-2023 21
RICERCA E INNOVAZIONE

REPORT
Un sensore aviotrasportato
per analisi immagini a
supporto degli incendi
di Giovanni Laneve, Ramon Bueno Morles, Valerio Pampanoni
Fig. 1 -Sensore Owl con le sue principali caratteristiche.
Il progetto PEDROS
(Sistema di PErimetrazione
automatica di incendi con
DROne equipaggiato con
Sensore specifico) prevede
la realizzazione di un sistema
di supporto alle attività
operative di perimetrazione
dettagliata di aree boschive
aggredite da insetti/patogeni
e/o da incendi boschivi, per
mezzo di un SAPR (Sistema
Aviotrasportato a Pilotaggio
Remoto) con definizione della
traiettoria in automazione
tramite riconoscimento in
tempo reale assistito da
sensore aviotrasportato e
sistema satellitare.
PEDROS si inserisce nel
contesto generale dello
sviluppo di metodiche
innovative per il rilievo delle
aree boschive aggredite da insetti
o percorse dal fuoco, basate
sull’uso integrato di tecnologie
satellitari ed impiego di SAPR,
opportunamente allestiti e progettati,
in grado di effettuare
in modo automatico la perimetrazione
in contesti rurali e
montani, con un elevato livello
di accuratezza e precisione submetrica.
I satelliti oggigiorno utilizzano
sensori sofisticati che forniscono
dati con risoluzioni spaziali,
temporali e radiometriche sempre
più elevate ma hanno usi
limitati in base alle condizioni
meteorologiche e alla risoluzione
dell'immagine.
I Droni sono diventati popolari
negli ultimi anni e sono ora
utilizzati in un'ampia varietà di
applicazioni. Questo è il logico
risultato di alcuni sviluppi tecnologici
avvenuti negli ultimi
anni, che hanno consentito ai
droni di essere dotati di diversi
tipi di sensori in grado di fornire
dati ad altissima risoluzione
spaziale e capaci di registrare
l’energia riflessa da oggetti della
superficie terrestre nelle diverse
lunghezze d'onda dello spettro
elettromagnetico (generalmente
visibile e infrarosso) permettendo
di misurare gli indici chiave
relativi ai parametri biofisici
delle colture e nella vegetazione.
I sensori che coprono
anche l'infrarosso a onde corte
(SWIR) sono raramente disponibile
per applicazioni basate su
SAPR. Il dominio SWIR fornisce
per le applicazioni di telerilevamento
ulteriori significative
caratteristiche di assorbimento
spettrale, ad esempio per applicazioni
di geologia, stima dello
stress idrico, così come per determinare
le caratteristiche della
vegetazione.
Progettazione hardware
La configurazione del sistema è
stata progettata è divisa in due
moduli:
1. Il sensore, costituito da un
modulo telecamera OWL 640
Mini VIS-SWIR SWaP prodotto
da Raptor Fotonica (Raptor
Photonics, 2019). Le telecamere
SWaP (size, weight and power)
rappresentano l'ultima tendenza
in questo processo di ottimizzazione,
che si concentra sulla
riduzione di “dimensioni, peso e
potenza”, con lunghezze d'onda
comprese tra 900 nm e 1700
22 GEOmedia n°2-2023

REPORT
nm, da cui si possono ricavare
informazioni per rilevare un’area
bruciata.
2. L'unità di gestione del
sensore, che combina tutti
componenti necessari per il
funzionamento complessivo del
sistema. L'unità è composta da
tre componenti principali:
• Frame grabber
• Scheda adattatore
• Unità di calcolo
Indici Spettrali
La stima delle aree bruciate da
satellite costituisce una delle
applicazioni forse più semplici
e più utili poiché l’osservazione
remota da satellite permette di
rilevare l’estensione delle aree
bruciate senza risentire di alcun
limite legato alla difficoltà di
accesso dell’area interessata. Nel
corso del tempo sono stati sviluppati
una serie di indici specializzati
per la mappatura delle
aree affette da incendio da dati
telerilevati, tra questi: il Normalized
Burn Ratio (NBR), il
Burned Area Index (BAI), il Mid
Infrared Burn Index (MIRBI).
Il Normalized Burn Ratio
(NBR) è un indice che combina
le bande del vicino infrarosso
(NIR, Near InfraRed) e dell’infrarosso
a onda corta (SWIR,
Short Wave InfraRed) per distinguere
tra aree bruciate e non
bruciate. In particolare, la individuazione
delle aree bruciate
viene effettuata confrontando il
valore dell’NBR stimato su ogni
pixel dell’immagine post-incendio
con quello ottenuto dall’immagine
pre-incendio (Fig. 2).
Lo NBR ha una formulazione
del tutto simile a quella del
Normalized Difference Vegetation
Index (NDVI), tranne per il
fatto che utilizza le lunghezze
d’onda nell’infrarosso a onde
corte (SWIR) anziché la banda
del rosso:
Fig. 2 - Esempio di calcolo del NBR pre-incendio (sinistra) e NBR post-incendio (destra).
Nell’immagine post-incendio i pixel più scuri generalmente indicano le aree bruciate.
La figura 3 mostra una vegetazione
sana con una riflettanza
nel vicino infrarosso molto alta
e una bassa riflettanza nella parte
SWIR dello spettro. Le aree
bruciate al contrario presentano
Fig. 3 - Workfow della procedura di calcolo delle aree bruciate.
una riflettanza relativamente
bassa nell’infrarosso vicino e
un’alta riflettanza nella banda
dello SWIR. Un valore elevato
del NBR indica generalmente
una vegetazione sana mentre
un valore basso indica un suolo
nudo e/o le aree bruciate di
recente.
GEOmedia n°2-2023 23

REPORT
Fig. 4 - Raspberry Pi 400.
Sviluppo Algoritmo
Con riferimento al problema
della perimetrazione delle aree
percorse dal fuoco l’algoritmo
sviluppato nell’ambito del
progetto si basa su un approccio
già largamente applicato
nell’ambito del telerilevamento
satellitare. La sua applicazione
nel caso specifico dell’osservazione
da drone richiede alcune
modifiche, in particolare legate
all’impossibilità di applicare
tecniche di change detection e
alla necessità di realizzare l’elaborazione
delle immagini in
real time a bordo del drone.
L’implementazione di un
algoritmo automatizzato in
grado di analizzare (on board)
le immagini acquisite da un
drone in tempo reale e fornire
mappe delle aree percorse dal
fuoco risulta fondamentale per
supportare il servizio fornito
dal progetto PEDROS. Questo
algoritmo deve garantire la
interoperabilità dei dati, deve
essere capace di gestire un significativo
flusso di dati ma
soprattutto costituire una significativa
evoluzione rispetto allo
stato dell’arte nel processo di
rilevamento remoto dei cambiamenti,
permettendo la identificazione
da immagini acquisite
in tempo reale dei cambiamenti
nella vegetazione.
L’algoritmo è composto da 4
sottosistemi principali:
1. Sistema di elaborazione dati:
Una volta acquisita una immagine
dal sensore a bordo del
drone, il file viene elaborato
tramite gli algoritmi dedicati
alla generazione di prodotti,
che includono il calcolo di una
serie di indici per mappare e
monitorare gli effetti degli incendi
in tempo reale.
2. Soglie Ottimali e Classificazione:
Il flusso dell’algoritmo
continua applicando soglie
fisse, basate su statistiche con
l’intento di stabilire quali siano
le migliori soglie delle bande
spettrali e degli indici calcolati
per classificare le classi: bruciato,
non bruciato. Questa parte
dell’algoritmo si è resa necessaria
in assenza della immagine
pre-incendio normalmente
utilizzata per stimare le aree
bruciate da dato satellitare.
3. Poligonizzazione e Way
Point: Successivamente, l'algoritmo
poligonizza l'immagine
raster binaria (bruciato/non
bruciato) ed estrae il poligono
relativo ai pixel con valore diverso
da zero. Viene creato anche
un file di testo che contiene
le coordinate dei vertici del poligono,
che servono al sistema
di guida del drone per acquisire
nuove immagini.
4. Perimetrazione: Infine,
quando il ciclo di acquisizione
delle immagini è chiuso, l'algoritmo
unisce i file poligonizzati
dell'area percorsa dal fuoco in
un unico dataset vettoriale. Il
formato utilizzato è lo Shapefile
(.shx, .dbf, .shp, .prj)."
L’algoritmo di individuazione
delle aree bruciate è stato implementato
su un computer adatto
ad essere installato a bordo di
un drone. Le immagini acquisite
dal drone sono elaborate su
un Raspberry Pi-400 con uno
script scritto in Python.
Fig. 5 - Estrazione della superficie priva di vegetazione.
24 GEOmedia n°2-2023

Fig. 6 - Serie di punti elaborati come guida drone(sinistra). Perimetrazione in formato shapefile (destra).
Risultati
Un’analisi preliminare è stata
condotta utilizzando le immagini
multispettrali ottenute da
drone equipaggiato con una fotocamera
MicaSense RedEdge-
MX. Questo strumento ad alte
prestazioni cattura sia le bande
spettrali necessarie per generare
indici dello stato di salute delle
piante (verde, rosso, bordo
rosso e vicino infrarosso), sia
una banda blu, utile per altre
applicazioni, nonché per la
costruzione di immagini RGB
composite.
PAROLE CHIAVE
incendi, sensori, SAPR,
ABSTRACT
This contribution describes the creation of a support system for the operational
activities of detailed perimeter of wooded areas attacked by insects/
pathogens and/or forest fires, by means of a SAPR (Airborne System with
Remote Piloting) with definition of the trajectory in automation via realtime
recognition assisted by an airborne sensor and satellite system.
AUTORE
Giovanni Laneve,
giovanni.laneve@uniroma1.it
Ramon Bueno Morles,
Valerio Pampanoni
SIA (Scuola di Ingegneria Aerospaziale)
Earth Observation Satellite Images Applications Lab (EOSIAL)
Sapienza Università di Roma

REPORT
In cammino dal Forest Fire Area
Simulator al nuovo Simulatore FFAS-PLUS
a supporto delle attività addestrative di
contrasto al Dissesto Idrogeologico
di Marco Di Fonzo
Piattaforma di simulazione
ecosistemica basata
su algoritmi scientifici
in grado di riprodurrei i
comportamenti naturali
del fuoco sulle foreste e di
dissesto idrogeologico.
Il progetto FFAS.
In Italia, la repressione del
fenomeno degli incendi
boschivi passa anche per
la realtà virtuale, grazie al
Forest Fire Area Simulator (di
seguito FFAS), una piattaforma
tecnologica unica nel suo
genere, con cui l’Arma dei
Carabinieri forma i militari
specializzati nelle investigazioni
post incendio boschivo.
Realizzato presso la sede della
Scuola Forestale Carabinieri
di Castel Volturno, il sistema
è in grado di generare scenari
immersivi ed interattivi di
ecosistemi forestali aggrediti dal
fuoco e consente lo svolgimento
simulato delle attività tecniche
di polizia giudiziaria.
Il progetto FFAS
L’incipit al progetto scaturì nel
2014, dalla volontà del Corpo
forestale dello Stato di sostenere
il processo di revisione dei
costi dell’Amministrazione nel
contrasto al fenomeno degli
incendi boschivi.
Consapevoli che il processo
di autentica modernizzazione
della nostra organizzazione
doveva necessariamente passare
per la valorizzazione del suo
bene più prezioso, il capitale
umano, si individuò nel settore
dell’addestramento per la lotta
attiva agli incendi boschivi
un’area di intervento con grandi
potenzialità di razionalizzazione
della spesa e di risparmi.
Per sostenere le attività
investigative dei Direttori delle
attività di spegnimento (D.O.S.),
e di quelle dei Repertatori
Incendio Boschivo, militari
specializzati che intervengono
sulla scena del crimine
ambientale (Art.423 bis C.p.)
per ricostruire le dinamiche
dei fatti ed accertarne le
cause, era necessario mettere
a disposizione qualcosa di
speciale ed innovativo che non
fosse il solito manuale.
Dovevamo trovare il modo
di far vivere, in sicurezza,
la dinamica delle fiamme
sui soprassuoli boschivi e
mostrare cosa può accadere
nel corso delle operazioni di
spegnimento e come saper
“interpretare”, i segni che il
fuoco lascia sulle specie forestali
interessate dall’incendio, nel
corso della propagazione delle
fiamme, fino a risalire all’area
di insorgenza ed individuarne
la cause.
Perché tutti gli addetti al
sistema nazionale di Protezione
civile sanno che ogni incendio
boschivo è un evento unico
ed irripetibile, considerata la
molteplicità delle variabili in
26 GEOmedia n°2-2023

REPORT
gioco come quelle, a titolo
non esaustivo, di carattere eco
sistemico, meteoclimatico,
orografico ed altimetrico ecc.
Operare su un incendio
boschivo è una attività
estremamente rischiosa e
di grande responsabilità nei
confronti dei propri colleghi e
delle popolazioni coinvolte.
E’ una competenza che
si acquisisce con metodo,
disciplina, consapevolezza
dei mezzi e delle decisioni da
assumere dove la capacità di
saper efficacemente cooperare
è vitale, se non si vuole che
l’evento incendio finisca in
tragedia.
Occorreva pertanto creare un
sistema “immersivo”, capace
non solo di simulare i flussi
delle comunicazioni, ma anche
la propagazione delle fiamme ,
la gestione operativa sul campo
degli automezzi, elicotteri,
canadair, ecc.
Una “palestra virtuale”
che mettesse l’allievo nelle
condizioni di sperimentare cosa
significa essere, ad esempio, un
DOS di fronte ad un fronte
di fuoco ed al calore che esso
emana, così da comprendere
come e perché possono
accadere errori di valutazione
e come, a fronte di improvvisi
cambiamenti, correggere
decisioni già assunte.
Insomma: una cosa mai fatta
prima!
Quando abbiamo iniziato
a mettere in piedi l’idea
progettuale ci siamo resi conto
che, per attuare una reale
innovazione, non bastava
solo l’idea ma occorrevano
tecnologie adeguate e tanto,
tanto coraggio, perché nessuno
fino ad allora aveva mai
realizzato nulla del genere.
Non essendoci modelli di
riferimento, ci si domandava
se avremmo trovato qualcuno
realmente in grado di
ingegnerizzarlo.
A ben guardare, la tecnologia
per farlo c’era, così come gli
scienziati.
Infatti, grazie anche al lavoro
del Prof. Stefano Mazzoleni,
dell’Università Federico II di
Napoli e del suo straordinario
gruppo di ricercatori, composto
in gran parte da matematici
appassionati, come il Prof.
Francesco Giannino, è stato
possibile realizzare una vera e
propria “rivoluzione”.
L’idea divenne così progetto,
il progetto una gara e la gara
generò un sistema tecnologico
evoluto; una macchina reale,
capace di produrre incendi
virtuali e formare esperienze,
consapevolezza e fiducia.
Per poter conseguire questi
risultati, furono realizzate
fedeli copie digitali di 10
km² cadauna, di due località
del Parco del Cilento,
Campora e Licosa, in quanto
rappresentative degli ecosistemi
forestali mediterranei.
Ripensandoci adesso, quella
non fu solo una vicenda di
innovazione, bensì un grande
e profondo cambiamento,
basato sulle migliori tecnologie
a servizio della protezione degli
ecosistemi forestali italiani.
Un risultato importante non
solo per l’Amministrazione, ma
per tutti coloro che ci aiutarono
a realizzarlo.
Esso dimostra cosa siamo capaci
di fare, noi italiani, quando
ci crediamo fino in fondo e
Operatore in azione nella sala immersiva.
ci deve far riflettere sulla
nostra capacità di coniugare
conoscenza, competenza e
abilità pubbliche e private,
sulla frontiera dell’innovazione
asservita agli ecosistemi
forestali.
Il FFAS rappresenta non
solo un modo nuovo di fare
formazione, ma un modo
completamente diverso per la
pubblica amministrazione di
integrarsi con il mondo della
ricerca universitaria applicata.
La prima realizzazione
del FFAS
Si è preso spunto dai
cosiddetti “Serious Games”,
frequentemente impiegati in
settori come quello militare,
della sicurezza, dell’aviazione,
della medicina e della gestione
delle emergenze. Questi sistemi
consentono l’addestramento
allo svolgimento di attività
complesse in ambienti estremii
o impossibili da ricreare in
contesti reali, il tutto in
condizioni di sicurezza.
I principali benefici si possono
così riassumere:
4Addestramento di tutti i
livelli, dall’unità ai posti di
comando;
4Adattamento degli scenari/
palestre addestrativi in
funzione delle esigenze;
4Garanzia della sicurezza del
personale addestrato;
4Riduzione dei costi di
addestramento del personale;
GEOmedia n°2-2023 27

REPORT
4Sperimentazione di sistemi
innovativi per il contrasto
agli incendi;
4Affinamento delle
tecniche investigative per
l’individuazione degli autori
del reato;
4Sviluppo di modelli
previsionali simulati e
ottimizzazione di protocolli
operativi.
L’attuale installazione si
sviluppa su un’area di circa 200
m² e si compone di:
Una Sala Regia, nella quale i
tutor progettano, gestiscono
e controllano l’andamento
dell’esercitazione simulando gli
eventi di emergenza ambientale
e le azioni di contenimento
e contrasto. Nel corso
dell’esercitazione è possibile
variare, in tempo reale, sia i
APPLICAZIONE DELL’ALGORITMO TIGER
Individuazione dell’area di interesse
Quantizzazione del territorio
parametri ambientali di
contesto, che il posizionamento
delle risorse umane e
strumentali d’intervento, così
da introdurre imprevisti e
variabili che simulano la realtà.
Una Sala Immersiva di 24 m²,
nella quale uno schermo ad
altissima risoluzione riproduce
lo scenario simulato dell’area
di intervento. L’operatore può
interagire con la sua proiezione
virtuale, utilizzando dotazioni
operative reali quali il binocolo
elettronico, il tablet, il telefono
cellulare e le radio tattiche,
al fine di coordinare i mezzi
che gli sono stati messi a
disposizione, attraverso i quali
dirigere, ad esempio, i lanci di
estinguente di un Canadair.
Una Sala Debriefing, in cui
un sofisticato modulo di
registrazione, detto “After Action
Review”, permette di rivivere
tutte le fasi dell’esercitazione, al
fine di comprendere eventuali
errori commessi, evidenziare i
punti di forza e identificare le
aree di miglioramento.
Le tecnologie impiegate
Il sistema consente due
tipologie di simulazione: la
simulazione della propagazione
del fuoco ed il metodo delle
Evidenze Geometriche.
Applicazione della mappa del vento
Avvio dell’elaborazione e previsione di espansione del fuoco
Inserimento del punto di insorgenza
Simulazione della propagazione
del fuoco
In letteratura la modellizzazione
della propagazione dell’incendio
si basa principalmente sui
modelli semi-empirici di
superficie, maggiormente
utilizzati a livello internazionale,
il cui caposaldo è il modello
di Rothermel (attualmente
implementato nei software
Behave e Farsite, utilizzati dal
US Forest Service).
Quest’ultimo modello descrive
la velocità di propagazione del
fuoco in base ai tre principali
fattori che influenzano
28 GEOmedia n°2-2023

l’incendio boschivo:
4Tipo di vegetazionecombustibile;
4Velocità e direzione del
vento;
4Pendenza del terreno.
Su questo indirizzo è
nato il progetto Tiger del
Dipartimento di Agraria
dell’Università di Napoli
- Federico II, un sistema
integrato per la simulazione
di propagazione di incendi
boschivi in contesti
mediterranei.
Tiger genera il perimetro del
fuoco sullo scenario mediante
l’utilizzo di due algoritmi:
4Algoritmo “Rate of Spread”
(ROS): fornisce la velocità
dei nodi caratterizzanti il
perimetro dell’incendio e
quindi è una grandezza di
riferimento per la velocità di
avanzamento del fuoco;
4Algoritmo “FireLine”:
descrive l’avanzare nello
spazio del fuoco mediante
la creazione di un perimetro
i cui nodi avanzano con la
velocità data dall’algoritmo
ROS.
combustibile per determinare
la velocità di propagazione
mediante l’algoritmo Ros;
4Calcolo del perimetro del
fuoco mediante l’algoritmo
FireLine.
Metodo delle Evidenze
Geometriche
Al contrario dell’algoritmo
Tiger, l’applicativo MEG
(Metodo delle Evidenze
Geometriche) consente di
effettuare una sorta di “reverseengeneering”
delle dinamiche
di un incendio boschivo,
partendo dal perimetro
totale dell’area interessata
dall’incendio, tenendo conto
delle caratteristiche del
territorio (conformazione,
tipo di vegetazione…) e delle
informazioni metereologiche.
Il MEG consente di
circoscrivere la zona di innesco
dell’incendio ad una superficie
di circa 300 m².
Ricordiamo che l’obiettivo
dell’investigazione sugli eventi
di incendio boschivo è quello
di determinarne le cause e le
eventuali responsabilità, siano
esse di natura volontaria o
accidentale.
In quest’ottica risulta, quindi,
fondamentale il supporto
strumentale del MEG che
agevola notevolmente il
complesso lavoro di ricerca
ed individuazione del punto
di insorgenza delle fiamme
svolto dai militari Repertatori,
apportando tra l’atro un
notevole risparmio in termini di
tempo e costi.
Il modello di riferimento
adottato è stato messo a
punto dal “Dipartimento
di Arboricoltura, Botanica
e Patologia Vegetale”
dell’Università degli Studi
di Napoli Federico II, polo
di eccellenza della ricerca
universitaria in questo settore.
Scenari e specie vegetali
Negli scenari tridimensionali
APPLICAZIONE DELL’ALGORITMO MEG
La “regia” può inserire il punto
di innesco direttamente sullo
scenario, settare i parametri
della simulazione e dare il via
all’incendio.
Il modello matematico
implementato segue, per il
calcolo del perimetro del fuoco,
i seguenti passi:
4Calcolo del campo di vento
(direzione e intensità) su
tutta l’area interessata dalla
simulazione in relazione alla
pendenza del suolo;
4Combinazione degli
effetti del vento e della
pendenza con le tipologie di
Posizionamento della forma finale dell’incendio
Elaborazione
Avvio dell’elaborazione
Individuazione probabile area di insorgenza

REPORT
sono state inserite le specie
vegetali rappresentative
degli ecosistemi forestali
del mezzogiorno d’Italia,
riassunte nella tabella di seguito
riportata:
ALBERI
Olivo
Quercia
Pino
Castagno
Leccio
Il nuovo FFAS PLUS
Forti dei risultati e
dell’esperienza maturata in
questi anni di impiego del
FFAS, il NIAB ha elaborato il
concept di un nuovo simulatore
denominato FFAS PLUS .
Il sistema si baserà su tecnologie
di Intelligenza Artificiale e
nuovi algoritmi dedicati, capaci
di simulare ed interpretare i
fenomeni naturali.
Verranno sfruttate linee di
trasmissione dati ad altissima
velocità correlate a sistemi
cloud di elevata capacità
elaborativa, per la generazione
degli scenari. In questo
modo, l’utilizzo della nuova
piattaforma di simulazione
potrà avvenire in maniera
distribuita, a differenza
dell’attuale sistema che richiede
un’infrastruttura dedicata.
Le nuove macro funzioni
di cui sarà dotato il FFAS
PLAS saranno incentrate sulle
simulazioni anche di dissesto
Acquisizione dei dati di appoggio alla fotogrammetria
relativi al territorio di Ischia
idrogeologico, che hanno una
significativa correlazione con
la perdita di copertura forestale
a seguito di eventi di incendio
boschivo.
La perdita del manto vegetale,
CESPUGLI E ARBUSTI
Cisto
Erica
Lentisco
Mirto
Spartium
infatti, determina la mancata
regimazione del deflusso
superficiale della acque
meteoriche e della forza
erosiva delle piogge a carattere
torrentizio.
Entro pochi anni dall’evento
incendio, gli apparati radicali
sono soggetti a fenomeni di
putrefazione e perdono la
loro capacità meccanica di
trattenimento dei suoli.
Rappresentativo di quanto
sopra esposto è ciò che è
avvenuto presso il Parco
Nazionale del Vesuvio dopo il
devastante incendio del 2017
dove, a distanza di poche
settimane dall’evento, a causa
del dilavamento innescato da
fenomeni di ruscellamento sul
soprassuolo ormai spoglio di
ogni presenza forestale, sono
addirittura venute alla luce le
colate laviche dell’eruzione del
1942.
La catena di eventi, che parte
dall’antropizzazione degli
ecosistemi e si conclude, sempre
con maggiore frequenza con le
frane conseguenti le alluvioni,
sta provocando un sempre
maggiore allarme sociale a
causa degli ingenti danni subiti
dai territori interessati e dalle
comunità residenti.
In un contesto come questo,
risulta essenziale, per specialità
forestale dell’Arma, essere in
grado di valutare e gestire con
prontezza anche il rischio di
dissesto idrogeologico.
Per la gestione di tale rischio si
ritiene necessaria la formazione
dei militari che, a vario titolo,
concorrono al monitoraggio e
al controllo del territorio ai fini
della prevenzione e mitigazione
del dissesto idrogeologico
(Competenza dell’Arma dei
Carabinieri ai sensi dell’art.7
del Decreto legislativo
n.177/2016) e alla gestione
dell’emergenza idraulico/
idrogeologica (Protocollo
d’intesa tra l’Arma dei
Carabinieri e il Dipartimento
della Protezione Civile),
procedendo all’aggiornamento
degli attuali algoritmi e creando
nuovi scenari virtuali in grado
di rappresentare la vulnerabilità
delle aree minacciate dal rischio
idrogeologico e di evidenziare
i punti critici in cui possono
innescarsi e propagarsi eventi o
catastrofi naturali e antropiche.
Attraverso questo nuovo
progetto ci si propone,
innanzitutto, di conseguire
un utilizzo pratico delle
tecnologie innovative digitali, di
elaborazione e visualizzazione,
per la simulazione di eventi di
natura idrogeologica.
Il fine è quello di sviluppare
attività di formazione e
apprendimento pratico
riguardante possibili dinamiche
evolutive degli eventi ,
consentendo l’addestramento
al controllo, all’analisi, e allo
sviluppo di capacità decisionali
in situazione critiche di alta
pericolosità e complessità
ambientale connesse al
fenomeno dei disastri
idrogeologici.
La simulazione, applicata
al fenomeno del dissesto
idrogeologico, costituisce
quindi uno strumento
importante dal punto di vista
dell’analisi e del monitoraggio
del fenomeno e consente al
30 GEOmedia n°2-2023

REPORT
personale operante di esperire
quelli che sono i fattori
determinanti nella gestione di
situazioni critiche, conferendo
loro:
4Conoscenza diffusa delle
tecniche e delle procedure per
la gestione in sicurezza delle
operazioni;
4Padronanza degli strumenti e
delle tecnologie disponibili;
4Capacità di collaborazione
tra le persone coinvolte nel
lavoro di squadra;
4Capacità di mantenere
relazioni positive e di
comunicare in modo efficace;
4Capacità di valutare
oggettivamente le
caratteristiche della situazione
critica;
4Capacità di prendere
decisioni in situazioni di
incertezza valutandone i
rischi;
4Gestione delle emozioni
e dello stress da parte del
responsabile della conduzione
delle operazioni.
Nuovi scenari
Le nuove “palestre” virtuali si
affiancheranno a quelle esistenti
per ampliare la casistica degli
scenari da impiegare nell’ambito
delle sessioni di addestramento.
Gli ambienti generati
rappresenteranno scenari di
circa 300 ettari e riprodurranno,
con elevato dettaglio, la reale
conformazione dei territori,
grazie a rilievi fotogrammetrici
eseguiti attraverso l’uso di
velivoli a pilotaggio remoto
(APR) dotati di sensore Lidar.
Saranno introdotte nuove
mappe di combustibile relative
a specie forestali di tipologia
opportuna ed opportunamente
modellate dal punto di vista del
comportamento nei confronti
di un incendio, con almeno
quattro stadi di bruciatura.
A differenza di quanto
Ricostruzione digitale del territorio
avviene nell’attuale sistema
di simulazione, le foreste
non saranno costituite da
blocchi unici non interattivi,
ma saranno composte da
centinaia di migliaia di singoli
alberi, ciascuno in grado di
rappresentare gli effetti subiti
dalle sollecitazioni.
Per raggiungere quest’obiettivo,
si prevede di realizzare i modelli
di 20 diverse nuove tipologie di
albero e, per ognuna, realizzare
Carte dei modelli di combustibile realizzate
tramite Corine Land Cover
un modello sano e quattro
differenti modelli bruciati.
Il sottobosco sarà rappresentato
con l’uso di almeno 6 nuove
tipologie di arbusto.
L’effetto del fuoco sugli alberi e
sugli arbusti sarà rappresentato
da modelli delle varie fasi della
bruciatura, per rendere ancora
più realistico l’effetto del
passaggio dell’incendio.
Faranno parte integrante
degli scenari anche le varie
Carte dei modelli di combustibile realizzate
tramite scansione con sistemi APR
GEOmedia n°2-2023 31

REPORT
strutture antropiche presenti
quali strade, centri abitati,
segnaletica stradale, centrali
elettriche, ecc.
Considerazioni finali
L’avvento dell’Intelligenza
Artificiale, anche nei contesti
più ordinari della società,
ben rappresenta la tendenza
dell’uomo a demandare “alla
tecnologia” compiti sempre più
complessi.
Nonostante l’impegno verso il
progresso ed il miglioramento
che l’Arma dei Carabinieri
sempre persegue, è nostra
convinzione che le opportunità
tecnologiche, presenti e
future, non vadano intese
a sollevare gli operatori del
settore dall’impegno e dalle
responsabilità.
Per quanto le “palestre
virtuali” finora descritte,
così come le numerose
altre tecnologie messe in
campo nella salvaguardia del
territorio e della collettività,
possano aiutare ad individuare
tempestivamente possibili
soluzioni, senza essere bloccati
o deviati dall’emotività e dal
timore di sbagliare, sempre
determinante rimarrà la
capacità del militare di
agire secondo il proprio
intendimento, la propria
esperienza ed il proprio
senso etico di vicinanza alla
comunità.
PAROLE CHIAVE
Geomatica; incendi boschivi;
prevenzione; realtà virtuale;
simulatore; FFAS
ABSTRACT
In Italy, the repression of forest fires
also involves virtual reality, thanks
to the Forest Fire Area Simulator
(FFAS), a unique technological
platform of its kind, with which
the “Arma dei Carabinieri” trains
soldiers specialized in investigations
post forest fire.
Realized at the headquarters of the
“Scuola Forestale Carabinieri di
Castel Volturno”, the system is able
to generate immersive and interactive
scenarios of forest ecosystems
attacked by fire and allows the simulated
execution of the technical activities
of the judicial police.
AUTORE
Gen. B. Marco di Fonzo
difonzo.m@gmail.com
Comandante del Nucleo Informativo
Antincendio Boschivo
32 GEOmedia n°2-2023

REPORT
Il ruolo delle Osservazioni
della Terra dallo spazio nelle
emergenze ambientali
di Emiliano Agrillo, Federico Filipponi, Roberto Inghilesi, Alessandro Mercatini,
Alice Pezzarossa, Nazario Tartaglione
Le osservazioni della Terra dallo spazio sono diventate uno
strumento indispensabile per il monitoraggio ambientale e per far
fronte a crisi ed emergenze ambientali. Vengono mostrati alcuni
esempi di applicazione di queste osservazioni durante emergenze
ambientali affrontate dal Centro operativo per la Sorveglianza
Ambientale di ISPRA, dovute a inquinamento marino o atmosferico,
incendi e casi di forti mareggiate.
Fig. 1. Immagine Air Mass RGB delle 06:15 UTC del 10/02/2023 ottenuta dal sensore
SEVIRI montato sul satellite METEOSAT-11 (pannello superiore) e previsione
ondametrica per le ore 08:00 UTC ottenuta dal sistema idro-meteo-mare ISPRA.
Negli ultimi anni le
tecnologie per l’Osservazione
della Terra
(OT), in particolare le elaborazioni
di dati acquisiti da
sensori montati su piattaforme
satellitari, sono diventate
uno strumento indispensabile
per la gestione delle emergenze
(Cumbane and Gidófalvi
2019).
Recentemente, diversi paesi
europei hanno costruito o potenziato
servizi di sorveglianza
ambientale con il supporto di
dati satellitari, con il fine di
monitorare elementi di crisi
ed effetti dannosi per diverse
matrici ambientali. A titolo di
esempio, da più di dieci anni
in Germania è attivo l’Earth
Observation Center (https://
www.dlr.de/eoc/en/) e in
Francia è operativo l’Institute
Pierre-Simon Laplace (IPSL -
https://www.ipsl.fr/), mentre
a livello continentale sono disponibili
i servizi prodotti da
ESRIN (ESA Centre for Earth
- https://www.esa.int/About_
Us/ESRIN) e da Copernicus
Emergency Management Service
(EMS - https://emergency.
copernicus.eu/).
Nello specifico contesto di
situazioni di crisi ed emergenze
di tipo ambientale in
ambito nazionale, il Centro
operativo per la Sorveglianza
Ambientale (CSA), dell’Istituto
Superiore per la Protezione
e la Ricerca Ambientale
(ISPRA), sviluppa prodotti di
34 GEOmedia n°2-2023

REPORT
Fig. 2. Immagine true color è il risultato dell’immagine acquisita dal sensore MSI installato sul satellite Sentinel-2. Nel pannello centrale si
mostra uno zoom dell’immagine true color, mentre il pannello di destra mostra l’attenuazione delle bande spettrali del blu e del verde a causa
della presenza di una sostanza potenzialmente inquinante visibili in prossimità della foce del Canale Aniena (provincia di Caserta).
sorveglianza a partire da dati di
OT. Il CSA è parte integrante
del Centro Nazionale per le
CRisi e le Emergenze ambientali
e il danno (CN-CRE). Il CN-
CRE, insieme alle altre strutture
dell’ISPRA e alle agenzie del
Servizio Nazionale Protezione
Ambiente (SNPA), fornisce il
supporto tecnico scientifico al
Ministero dell'Ambiente e della
Sicurezza Energetica (MASE) e
partecipa al Sistema Nazionale
di Protezione Civile (SNPC).
I principali prodotti sviluppati
nel CSA sono ottenuti dall'elaborazione
dei dati OT da
synthetic aperture radar (SAR –
Copernicus Sentinel-1) e da radiometri
a differente risoluzione
spaziale come VIIRS (Visible
Infrared Imaging Radiometer Suite
- NASA), MODIS (Moderate
Resolution Imaging Spectroradiometer
- NASA), MSI (MultiSpectral
Instrument Copernicus Sentinel-2),
OLI (Operational Land
Imager - NASA), OLCI (Ocean
and Land Colour Instrument,
Copernicus- Sentinel-3), SEVIRI
(Spinning Enhanced Visible and
InfraRed Imager EUMETSAT
- MSG2) montati su satelliti
gestiti da diverse organizzazioni,
tra cui ESA (European Space
Agency), EUMETSAT (European
Organisation for the Exploitation
of Meteorological Satellites)
e NASA (National Aeronautics
and Space Administration). Questi
dati satellitari sono integrati
con sistemi informativi e banche
dati ambientali e processati
con sistemi di elaborazione di
tipo machine learning.
Tra le altre attività di monitoraggio,
descritte in dettaglio nel
seguito, da oltre un decennio
il CSA è attivo nella previsione
dello stato del mare, sia utilizzando
dati satellitari che modelli
meteo-marini a scala regionale
e costiera su tutti i mari italiani.
Queste informazioni vengono
comunicate al pubblico attraverso
un bollettino (https://www.
isprambiente.gov.it/it/attivita/
Crisi-Emergenze-ambientali-e-
Danno/centro-operativo-perla-sorveglianza-ambientale/
bollettino-meteo-marino-giornaliero)
e un apposito sito con
le previsioni
(https://www.isprambiente.gov.
it/pre_mare/coastal_system/
maps/first.html).
Una parte integrante dell'analisi
del Centro è basata su metodi
di geo-interpretazione delle
immagini, finalizzati all’individuazione
di elementi di riconoscimento
o descrizione delle
crisi ambientali, poiché uno dei
compiti principali dell’ISPRA
è la tutela dell’ambiente. In
questo ambito, il Centro ha
sviluppato procedure in grado
di caratterizzare: eventi di dispersione
di inquinanti in acque
costiere associate a canali o
estuari, eventi di dispersione in
atmosfera, riversamento in mare
di olii combustibili (oil spill),
monitoraggio dell’evoluzione di
GEOmedia n°2-2023 35

REPORT
vasti incendi, individuandone i
fronti attivi. In aggiunta, al fine
di monitorare gli ecosistemi forestali
che sono ritenuti tra i sistemi
ambientali più vulnerabili
(Lindner et al., 2010), il CSA
ha predisposto specifiche metodiche
per l’analisi post-evento,
come l’elaborazione delle stime
sulle coperture naturali delle
aree precorse dall’incendio, sia
a livello di unità amministrative
(Nazionali, Regionali, Comunali)
che di aree protette regionali
e nazionali.
Osservazioni della terra nella
gestione delle emergenze ambientali:
La stazione di ricezione
satellitare real-time.
Nell’ambito delle funzioni attribuite
al CSA è operativa in
ISPRA dal 2021 un sistema di
ricezione satellitare dello stream
High Volume Service-2 EU-
METCast. EUMETCast è un
sistema di disseminazione che
comprende un grande volume
di dati satellitari di interesse
meteorologico, atmosferico
e marino provenienti non
solo dall’agenzia europea EU-
METSAT ma anche dalla rete
europea dei Sentinel-Copernius,
dai dati elaborati dai Satellite
Application Facilities (SAF),
dalla NASA e dalla NOAA. Tra
i dati ricevuti in continuo sono
i prodotti del SEVIRI del ME-
TEOSAT MS 2G (e in prossimo
futuro METEOSAT 3G)
dati AVHRR METOP, MODIS
Terra ed Aqua, TROPOMI Sentinel-5P,
Poseidon-4, Sentinel-6
ed OLCI Sentinel-3. Il servizio
è importante per garantire il
monitoraggio in tempo reale
dello stato dell'atmosfera e del
mare in Europa e nel Mediterraneo.
Il sistema è il complemento
fondamentale del Sistema
Idro-Meteo-Mare (SIMM) per
la previsione numerica meteomarina
dell’ISPRA. Viene riportato
ad esempio il caso recente
delle previsioni dello sviluppo
di un ciclone mediterraneo sulla
Sicilia orientale per il 10 febbraio
2023. Sono rappresentate le
previsioni a 24 ore dello stato
del mare in termini di altezza
significativa sulla Sicilia e le
osservazioni da satellite con il
prodotto Air Mass RGB sull'Europa
che dimostra la presenza
del ciclone nel Mediterraneo
Centrale. Il prodotto Air Mass
RGB usa i due canali di assorbimento
del vapore acqueo e
quello dell’ozono nella parte
dello spettro infrarosso ed è in
grado di distinguere le masse
d’aria fredda di origine polare
(viola-blu) da quelle più calde
di origine tropicale (verde).
Fig. 3. Distribuzione areale degli inquinanti provenienti dal rogo di Centocelle (Roma), tra le
18.45 4 le 19.30 del 09/07/2022, osservata dalle anomalie radiometriche. Le immagini sono
l’elaborazione del segnale proveniente dal sensore SEVIRI del satellite EUMETSAT MSG. Il
valore di riferimento utilizzato per il calcolo dell’anomalia è stato individuato sulla base di dati
satellitari acquisiti sullo stesso punto in un giorno privo di copertura nuvolosa e analoghe condizioni
stagionali (5 luglio 2022).
Gestione delle emergenze
ambientali in ambito marino:
Sversamento di inquinanti alla
foce del canale Agnena (Provincia
di Caserta)
Tra il 4 ed il 7 maggio del 2020
è stata segnalata la presenza di
un’estesa macchia scura nell’area
costiera del Litorale Domizio
nel Mar Tirreno meridionale
alla foce del canale Agnena,
36 GEOmedia n°2-2023

REPORT
causata da uno sversamento
di inquinanti proveniente dal
canale. Il CSA ha provveduto
all’ analisi dei dati OT disponibili
nell’area marina costiera
considerata, in corrispondenza
della foce del canale Agnena in
provincia di Caserta.
In particolare, è stata effettuata
una ricognizione dei cataloghi
di dati satellitari OT distribuiti
in modalità ‘open-access’ dal
programma europeo Copernicus,
da NASA e da USGS, per
verificare la disponibilità di
immagini satellitari acquisite
da satelliti con orbita polare ad
alta risoluzione spaziale sull’area
interessata dall’evento. La
ricerca nel catalogo Copernicus
ha permesso di ottenere una
serie di immagini acquisite
dal sensore MSI, montato
sulle piattaforme satellitari
Sentinel-2A e Sentinel-2B. Dal
catalogo dati USGS Earth Resources
Observation and Science
(EROS) è stata acquisita un’immagine
acquisita con sensore
ottico multispettrale OLI montato
sulla piattaforma satellitare
della NASA Landsat-8.
Le immagini ottenute dello
sversamento sono disponibili a
partire dal 4 maggio 2020. Da
queste è stato possibile individuare
delle anomalie radiometriche
nelle bande spettrali alla
lunghezza d’onda del visibile, in
particolare del blu e del verde
(482-562 nm).
La grandezza fisica considerata
nell’elaborazione dei dati
di ciascuna banda spettrale è
chiamata water-leaving radiance
reflectance, ρw, e rappresenta la
misura del rapporto tra la radiazione
elettromagnetica riflessa
dalla colonna d’acqua e quella
irradiata dal sole, escludendo
l’assorbimento atmosferico.
Questo dato si può ottenere
da dati L1 MSI, per esempio,
con l’uso di processori standard
Fig. 4. Rilevazione di sversamento di carburante avvenuta il 7/10/2018 a largo della Corsica
mediante l’applicazione di prodotti satellitari dal sensore MSI di Sentinel-2 (pannello superiore)
e dal sensore SAR di Sentinel-1, con l’indicazione (punto rosso, in basso a destra) del
luogo dell’incidente (pannello inferiore).
specifici per l’ambiente marino
per la correzione atmosferica
distribuiti da ESA (Sen2Cor,
SNAP). Dalle mappe di ρw
è stato possibile identificare
le anomalie radiometriche,
in particolare le riduzioni di
ρw, utili a determinare l’areale
di distribuzione del plume in
ambiente acquatico, originato
dallo sversamento di materiale
inquinante in prossimità della
foce del canale Agnena, e monitorarne
la sua evoluzione nel
tempo. Dopo aver processato le
immagini con un algoritmo di
correzione atmosferica per target
radiometrico acquatico denominato
C2RCC (Brockmann
et al. 2016), l’identificazione
delle anomalie radiometriche
nelle immagini è stata effettuata
utilizzando una metodologia
basata sull’impiego di un campo
di riferimento. Si stima quindi
il valore di assorbimento ∆ρw
dal calcolo della differenza radiometrica
tra il valore ρw nei
pixel dell’immagine e un valore
ρwRef di riferimento secondo la
formula ∆ρw = ρw − ρwRef.
Il valore di riferimento è stato
selezionato sulla base del criterio
di vicinanza geografica,
identificato a partire dal valore
dai pixel nell’intorno spaziale
dell’area interessata dalla dispersione
del plume. L’anomalia radiometrica
dovuta al passaggio
del plume scuro corrisponde a
valori negativi di ∆ρw, calcolati
dalla differenza con il valore
ρwRef di riferimento, determinando
quindi un’attenuazione
GEOmedia n°2-2023 37

REPORT
radiometrica. Allo scopo di
garantire maggiore robustezza
nella stima quantitativa, il calcolo
di ∆ρw è stato effettuato a
partire da due bande spettrali.
Un esempio del risultato dell’elaborazione
è riportato nella Figura
2 che mostra, per il giorno
05/05/2020, l’immagine true
color e l’attenuazione radiometrica
(anomalia) ricavata dall’analisi
dei dati del Sentinel-2A
MSI. È visibile il plume che
abbraccia la foce del canale
Agnena e si distribuisce lungo la
costa. La forma simmetrica del
plume intorno alla foce, stante
le condizioni meteo-marine, è
associata ad uno sversamento
prolungato continuamente nel
tempo in assenza di correnti locali
e di vento, come osservato
presso le stazioni della rete mareografica
nazionale di ISPRA
nei giorni dell’evento.
Fig. 5. Rilevazione dell’incendio di Montiferru del 25 luglio 2021 come visto dal sensore MSI
di Sentinel-2 (pannello in alto a sinistra) e l’elaborazione per ottenere i fronti di incendio
(pannello in alto a destra), superficie percorse da incendio (aree in grigio) e distribuzione degli
ecosistemi terresti (aree colorate) nel caso dell’incendio di Montiferru occorso tra il 23 e 30
luglio del 2021 in Sardegna (pannelli in basso).
Gestione delle emergenze
ambientali in ambito terrestre:
l’incendio alla periferia
di Roma del 9 luglio 2022
Il CSA, il giorno 9 luglio 2022,
si è attivato per seguire la dispersione
in atmosfera di una
nube (plume atmosferico) generata
dall’incendio avvenuto in
località Centocelle, un quartiere
periferico di Roma. Per monitorare
l’evento sono state utilizzati
i dati SEVIRI del Meteosat
Second Generation (MSG2-10)
rapid scan con frequenza a cinque
minuti, con una tecnica di
analisi basata sull’individuazione
di anomalie radiometriche
riconducibili a nubi di materiale
in sospensione di origine artificiale.
Dai dati acquisiti dal
sensore ottico multispettrale
SEVIRI (maggiori informazioni
sullo strumento SEVIRI
sono descritte in Schmetz et
al. 2002), ricevuti ed elaborati
dalla stazione di ricezione
di ISPRA, è stato possibile individuare
le anomalie radiometriche
nelle bande spettrali alla
lunghezza d'onda del visibile e
infrarosso vicino (0.635, 0.81,
1.64 e canale HRV).
L’identificazione delle anomalie
radiometriche dalle immagini
SEVIRI è stata effettuata utilizzando
una metodologia basata
sul confronto tra le immagini
dell’evento e un’immagine di
riferimento acquisita prima che
l’evento si verificasse (Kluser
et al. 2008). I valori negativi
riscontrati sono corrispondenti
alla presenza del plume atmosferico.
Dall’analisi delle attenuazioni
radiometriche riscontrate
dal processamento delle immagini
è stato possibile individuare
l’estensione e lo spostamento
della nube prodotta dall’incendio
di depositi di autovetture in
fase di demolizione. In Figura
3, viene mostrata l’evoluzione
temporale del plume atmosferico
a partire dalle 18:45 fino alle
38 GEOmedia n°2-2023

REPORT
19:30 con mappe aggiornate
ogni 15 minuti.
Gestione delle emergenze
ambientali in ambito marino:
individuazione sversamento
di olio combustibile nel Mare
Ligure
Il 7 ottobre 2018 è avvenuta
una collisione tra la motonave
Ulisse e la nave portacontainer
Cls Virginia al largo della Corsica.
L'incidente ha provocato
la fuoriuscita di centinaia di
metri cubi di 'fuel oil' (olio carburante)
dalla portacontainer,
che ha prodotto una chiazza
che si è estesa in mare per circa
venti chilometri. Il Centro ha
utilizzato per la caratterizzazione
dello sversamento in mare
di olii combustibili (oil spill) sia
analisi basate su dati spettrali
provenienti dal MSI Sentinel-2
che dal radar SAR Sentinel-1.
Le sostanze oleose galleggianti
mostrano una risposta radiometrica
e meccanica differente
da quella tipica della superficie
d’acqua, soprattutto alle lunghezze
d’onda del visibile e vicino
infrarosso, che può consentire
l’individuazione dell’area di
dispersione e in certe circostanze
la stima dello spessore delle
sostanze oleose galleggianti. In
Figura 4 vengono mostrati i risultati
ottenuti dalla rilevazione
di una macchia di carburante
fuoriuscito dai serbatoi di una
delle motonavi speronata nel
Mar Ligure.
Gestione delle emergenze
ambientali in ambito terrestre:
monitoraggio incendi
boschivi, il caso di Montiferru
(provincia di Oristano)
A seguito dell’innesco di numerosi
incendi nel mese di luglio
2021, il CSA ha generato prodotti
di sorveglianza ambientale
a supporto delle attività di
contrasto agli incendi operate
dal Dipartimento di Protezione
Civile e Regione Sardegna.
Gli elaborati cartografici sono
stati generati a partire da dati
ottici multispettrali ad elevata
risoluzione spaziale acquisiti dal
sensore MSI Sentinel-2, dal sensore
Enhanced Thematic Mapper
Plus Landsat-7 e da sensore OLI
Landsat-8. I dataset sono stati
ottenuti dai cataloghi Copernicus
Sentinel Hub ed EROS
quando disponibili, tipicamente
nella finestra temporale di 3-6
ore dopo l’orario di acquisizione
dello strumento.
Il Centro ha fornito al SNPC
elaborati cartografici relativi alla
localizzazione dei fronti di fuoco
attivi e alla perimetrazione
delle aree percorse da fuoco, in
diverse fasi di evoluzione degli
eventi incendiari, allo scopo di
fornire informazioni per il monitoraggio
dell’avanzamento dei
fronti di fiamma e supportare il
coordinamento delle operazioni
di spegnimento con l’utilizzo
anche dei mezzi aerei.
Le aree caratterizzate da fronti
di fuoco attivo dell’incendio
sono state individuate attraverso
l’utilizzo delle bande spettrali
nell’intervallo radiometrico
dell’infrarosso a onde corte, che
registra valori di radianza elevati
in caso di emissività dovuta
alla presenza fiamme. Le aree
percorse da incendio sono state
identificate attraverso la comparazione
dei valori di diversi
FIG. 6. Struttura di elaborazione per la mappatura degli ecosistemi forestali Ecosystem Classification Model - ECM-F4. Scelta delle variabili
(pannello di sinistra), algoritmo di classificazione (pannello centrale) e risultato a scala nazionale ed a scala locale: la regione Lazio
(pannello di destra).
GEOmedia n°2-2023 39

REPORT
indici spettrali, calcolati come
differenza tra l’acquisizione satellitare
in corso evento (o postevento)
e l’acquisizione satellitare
prima dell’evento. I valori di
differenza tra gli indici spettrali,
selezionati sulla base della risposta
radiometrica caratteristica
delle aree percorse da incendio
sono stati combinati attraverso
l’impiego di un Agreement Index
(Smiraglia et al. 2020). La
selezione effettuata da operatori
esperti degli indici spettrali più
adatti per ciascuna acquisizione
satellitare, con bande spettrali
affette in maniera minore dalla
presenza di aerosol atmosferico,
ha consentito in alcuni casi
l’individuazione della superficie
percorsa da incendio in aree
caratterizzate dalla presenza
di plume atmosferico generato
dalla combustione della vegetazione.
Inoltre, le informazioni
relative alle aree percorse da incendio
sono state integrate con
informazioni tematiche relative
alla presenza di aree protette e
le coperture vegetali derivate
da specifici prodotti di mappatura.
Come riportato in Figura
5, sono mostrati gli elaborati
cartografici relativi a fronti di
fiamma attivi e aree percorse da
fuoco, dell’incendio avvenuto
nell’area di Montiferru (provincia
di Nuoro) nel periodo 23-
30 luglio 2021, generati a partire
dall’analisi di acquisizioni
satellitari Sentinel-2 MSI. Come
analisi post-evento sono state
analizzate le coperture vegetali
bruciate dall’incendio sulla base
della classificazione degli habitat
con il metodo descritto nel
paragrafo successivo.
Supporto alle crisi ambientali:
superficie boschiva percorsa
da incendi in Italia
Fornire esplicite informazioni
spaziali riguardanti i diversi
tipi di ecosistemi permette di
Fig. 7. Distribuzione spaziale degli incendi nel 2022 su base regionale.
supportare una buona gestione
delle foreste e di prendere delle
decisioni bilanciate in termini
di sostenibilità. Le foreste forniscono
legname per attività
industriale, luoghi per attività
turistico-ricreative, permettono
il sequestro dell’anidride carbonica,
sono funzionali alla tutela
della biodiversità, e riducono il
rischio dovuto a valanghe o frane.
Diventa così indispensabile
la conservazione del patrimonio
boschivo nazionale.
Il CSA ha sviluppato un sistema
per la stima delle superfici
di ecosistemi forestali presenti
nelle aree percorse da incendi.
Al fine di poter valutare gli
effetti sugli ecosistemi forestali
degli incendi boschivi in Italia
è stato in primo luogo necessario
mappare la superficie degli
ecosistemi boschivi e forestali.
Il Centro, a tale scopo, ha sviluppato
un modello ad hoc di
classificazione basato su metodi
di machine learning. In questo
modello le classi forestali da
classificare sono ottenute da
un geo-database di presenze
di ecosistemi forestali e il set
di variabili di predizione sono
variabili ambientali relative
alle caratteristiche geomorfologiche,
climatiche e spettrali
(es. indici di vigoria vegetale).
Queste ultime sono state ottenute
da dati ottici multispettrali
ad elevata risoluzione spaziale
acquisiti dal sensore MSI
Sentinel-2. L’insieme dei dati
predittori è stato usato per
calibrare un modello con algoritmo
Random Forest (Breiman2001)
ed individuare così
la relazione con la variabile di
risposta che definisce le varie
classi di ecosistemi forestali
(Agrillo et al. 2021).
Il modello permette di classificare
le foreste italiane in 4
tipologie, latifoglie decidue
(T1), latifoglie sempreverdi
(T2), aghifoglie semprever-
40 GEOmedia n°2-2023

REPORT
di (T3) e aghifoglie decidue
(T34). Il prodotto di classificazione
ottenuto è stato definito
Ecosystem Classification Model
- ECM-F4. La Figura 6 mostra,
in forma sintetica, le fasi di
elaborazione che permettono
la realizzazione del prodotto di
classificazione degli ecosistemi
forestali sul territorio italiano.
Il secondo elemento del sistema
è la distribuzione spaziotemporale
delle superfici
incendiate basata sui prodotti
del catalogo europeo in ambito
Copernicus-Emergency denominato
European Forest Fires
Information System (EFFIS, San-
Miguel-Ayanz2012), sviluppato
grazie alle risorse dell’Unione
Europea che si sta impegnando
da tempo per proteggere le
foreste continentali e renderle
più resilienti contro i rischi
dettati dagli incendi. Il CSA ha
sviluppato una procedura per
definire la stima delle superfici
boschive incendiate annualmente
e stagionalmente per l’Italia.
La sovrapposizione tra le informazioni
sulle aree interessate da
incendio distribuite da EFFIS
e le informazioni fornite dal
prodotto ECM-F4 per le stesse
aree, permette di ottenere le informazioni
sulle superfici degli
ecosistemi forestali che sono
stati interessate dagli incendi
a livello nazionale, regionale,
comunale e nelle aree protette.
Queste informazioni vengono
elaborate e collezionate all’interno
di un database relativo
alle aree percorse da incendio
Burnt Areas Database (BAD).
I dati vengono collezionati
giornalmente e messi a sistema
con altri dataset spazializzati,
permettendo il monitoraggio
delle aree percorse da incendio
in tempo quasi reale (in termini
di superficie bruciata) e delle
relative componenti naturali
(ecosistemi) a diverse scale amministrative
(comunali, provinciali,
regionali e nazionali). Un
esempio di questa applicazione
sono le statistiche prodotte per
l’anno 2022, anno in cui in Italia
hanno bruciato più di 68000
ettari di superficie, di cui oltre il
20% appartenente alle coperture
forestali. La Figura 7 mostra
la superficie percorsa da incendio
nel 2022 su base regionale.
SITOGRAFIA
1.https://www.isprambiente.gov.it/it/
attivita/Crisi-Emergenze-ambientali-e-
Danno/centro-operativo-per-la-sorveglianza-ambientale/bollettino-meteo-marino-giornaliero
2. https://www.isprambiente.gov.it/pre_
mare/coastal_system/maps/first.html
3. https://www.dlr.de/eoc/en/
4. https://www.ipsl.fr/
5.https://www.esa.int/About_Us/ESRIN
6. https://emergency.copernicus.eu/
BIBLIOGRAFIA
Agrillo, E., Filipponi, F., Pezzarossa, A.,
Casella, L., Smiraglia, D., Orasi, A., Attorre,
F., Taramelli, A. (2021) Earth Observation
and Biodiversity Big Data for Forest Habitat
Types Classification and Mapping. Remote
Sens. 13, 1231. https://doi.org/10.3390/
rs13071231
Breiman, L. (2001). Random forests. Machine
learning, 45(1), 5-32. https://doi.
org/10.1023/A:1010933404324.
Brockmann, C., Doerffer, R., Peters, M,.
Kerstin, S., Embacher, S., Ruescas, A. (2016)
Evolution of the C2RCC Neural Network
for Sentinel 2 and 3 for the Retrieval of Ocean
Colour Products in Normal and Extreme
Optically Complex Waters. Living Planet
Symposium, Proceedings of the conference
held 9-13 May 2016 in Prague, Czech Republic.
Edited by L. Ouwehand. ESA-SP Volume
740, ISBN: 978-92-9221-305-3, p.54.
Cumbane, S.P., Gidófalvi, G. (2019) Review
of Big Data and Processing Frameworks
for Disaster Response Applications. ISPRS
Int. J. Geo-Inf. 2019, 8, 387. https://doi.
org/10.3390/ijgi8090387
Klüser, L., Rosenfeld, D., Macke, A., and
Holzer-Popp, T. (2008) Observations of
shallow convective clouds generated by
solar heating of dark smoke plumes, Atmos.
Chem. Phys., 8, 2833–2840, https://doi.
org/10.5194/acp-8-2833-2008.
Lindner M., Maroschek, M., Netherer, S.,
Kremer, A., Barbati, A., Garcia-Gonzalo, J.,
Seidl, R., Delzon, S., Corona, P., Kolström,
M. (2010) Climate Change Impacts, Adaptive
Capacity, and Vulnerability of European
Forest Ecosystems. For. Ecol. Manag. 259,
698–709.
San-Miguel-Ayanz, J., Schulte, E., Schmuck,
G., Camia, A., Strobl, P., Liberta, G., Amatulli,
G. Comprehensive monitoring of
wildfires in Europe: The European Forest
Fire Information System (EFFIS) (2012). In
Approaches to Managing Disaster-Assessing
Hazards, Emergencies and Disaster Impacts,
Tiefenbacher, J.P., Ed., IntechOpen: London,
UK, 2012, Chapter 5, Available online:
https://ec.europa.eu/environment/forests/
pdf/InTech.pdf
Schmetz, J., Pili, P., Tjemkes, S., Just, D.,
Kerkmann J., Rota, S., Ratier, A. (2002). An
introduction to meteosat second generation
(MSG), Bulletin of the American Meteorological
Society, 83, 977-992.
Smiraglia, D., Filipponi, F., Mandrone, S.,
Tornato, A., Taramelli, A. (2020) Agreement
Index for Burned Area Mapping: Integration
of Multiple Spectral Indices Using Sentinel-2
Satellite Images. Remote Sens. 12, 1862.
https://doi.org/10.3390/rs12111862
PAROLE CHIAVE
Sorveglianza ambientale; osservazione
della terra; osservazione dallo
spazio; ambiente; incendi
ABSTRACT
Some environmental critical situations
such as air and water pollution, forest fires
and exceptional Mediterranean cyclones
are presented to highlight the importance
of Earth Observation (EO) techniques for
environmental protection and monitoring.
Methods based on EO and the use
of machine learning techniques for land,
marine and air quality observations are
operationally implemented by the CSA
(Centro operativo di Sorveglianza Ambientale)
at ISPRA (Istituto Superiore per
la Protezione e la Ricerca Ambientale) to
provide support for environmental protection
and in the event of environmental
crisis or emergency.
AUTORE
Emiliano Agrillo
CSA, CN-CRE, ISPRA,
emiliano.agrillo@isprambiente.it
Federico Filipponi
CSA, CN-CRE, ISPRA,
federico.filipponi@isprambiente.it
Roberto Inghilesi
CSA, CN-CRE, ISPRA,
roberto.inghilesi@isprambiente.it
Alessandro Mercatini
CSA, CN-CRE, ISPRA,
alessandro.mercatini@isprambiente.it
Alice Pezzarossa
CSA, CN-CRE, ISPRA, alice.pezzarossa@isprambiente.it
Nazario Tartaglione CSA, CN-CRE,
ISPRA,
nazario.tartaglione@isprambiente.it
GEOmedia n°2-2023 41

NON TROPPO GEORIFERITO
LIDAR IS DEAD ?
Piena operatività delivery
in Cina, esperimenti in USA
e a Milano. Il fondamento
dell'impianto cartografico
3D si fa stringente, necessario
e improrogabile
a cura di
Valerio Zunino
Provate a immaginare. Nuvole di
punti a densità elevata, georiferite
a un livello di accuracy importante
e ottenute semplicemente
da una sequenza di immagini rgb
scattate da una camera non necessariamente
metrica, dotata di
un ricevitore gnss professionale.
E Reti Neurali, in grado di calcolare
dati potenzialmente geografici
provenienti da quelle immagini
di cui siamo e saremo circondati
anche ove ritenessimo di non
aver prestato il consenso, anche
se non saremo noi a rilevarle
nonostante ci venga in qualche
modo richiesto (Mapillary, etc..)
ed anche, soprattutto, se saremo
invece noi a risultare gli unici inconsapevoli
rilevatori a pagamento,
poichè pagheremo (paghiamo)
per eseguire rilevamenti di cui
altri beneficeranno molto più di
quanto verrà concesso a noi. Sta
già succedendo, certamente e in
misura per molti inimmaginabile
(Tesla, etc..).
Presto non faremo neanche
in tempo a tenere traccia
del numero di soggetti
economici che fonderanno tutto
o parte, anche una piccola parte,
del loro core sull'archiviazione
ed eventualmente pubblicazione
di sequenze di immagini archiviate
e di proprietà. Quale che
sia la provenienza di queste, in
un futuro decisamente prossimo
saremo sommersi da immagini
di qualità più o meno elevata,
riferite ai nostri territori ed
espresse ad una qualsivoglia definizione,
scala, orientamento e
numero di dimensioni.
Se qualcuno di noi può ottenere
nuvole di punti georiferite utilizzando
semplici sequenze di
immagini, significa innanzitutto
che esistono modelli di business
che si fondano su questo, e per
conseguenza esistono potenziali
clienti che proprio in questo
momento stanno pensando di
concertarne uno, cucito addosso
alle proprie necessità d'impresa,
persone che magari qualche settimana
o mese prima di ritenere
interessante o necessario un
proprio modello in quest'ottica
(è proprio il caso di dirlo), avevano
posto all'ordine del giorno
dei rispettivi CdA l'opzione
strategica dell'investimento in
strumentazioni LIDAR.
Sono cresciuto all'interno del
mercato dei dati geografici e
presto o tardi compresi che esiste
una cosa chiamata fattore di
scala, che già di per sé rappresenta
l'elemento più rilevante
dell'esistenza stessa di una molteplicità
di segmenti produttivi
nel tempo generati da questo
mercato, la quale a sua volta è
evidentemente in grado di condizionare
le scelte di produttori
e di fruitori della geoinformazione
e che costituisce l'unico
crocevia davvero fondamentale
nella rete infrastrutturale degli
investimenti, dell'equilibrio costi
e ricavi, della tecnologia e, al
momento sopra ogni altra cosa,
della ricerca.
Un fattore di scala definito permette
di comprendere che cosa
si può fare con un dato geografico
piuttosto che con un altro.
Un rilievo topografico al 1:200
o al 1:500 permette di gestire e
manutenere interi edifici, mentre
una carta al 1:2000 o 1:5000
consente attività pianificatorie
o di controllo e gestione sugli
edifici stessi, non operazioni di
intervento. Natturalmente l'accuracy
si paga, poiché gli strumenti
e il tempo necessari per
coprire una certa superficie ai
diversi fattori di scala sono differenti.
Da almeno 15 anni, almeno in
ambito aerofotogrammetrico
e satellitare, il fattore di scala
si esprime diversamente: con
l'avvento dei sensori digitali fu
introdotto il concetto di GSD
(Ground Sampling Distance),
ovvero la distanza a terra tra
i punti centrali di due pixel
consecutivi che sono parte di
un'immagine telerilevata. Più
di recente, in ambito LIDAR, le
point clouds sono valutate, fra
l'altro, in termini di densità di
punti per metro quadrato.
Mentre in tutto questo frattempo,
i diversi ricevitori GPS-
GNSS hanno prodotto e producono
precisioni misurate sulla
base dei centimetri di errore
medio di una sessione di rilevamento.
42 GEOmedia n°2-2023

NON TROPPO GEORIFERITO
Ma la questione è sempre quella.
A parità di livello qualitativo del
sensore utilizzato per le varie tipologie
di rilevamento, almeno
in termini di accuracy geometrica
proposta o garantita, la sessione
di lavoro consentirà un dettaglio
e una precisione migliori
con l'avvicinarsi dello strumento
all'area da rilevare. E oggi,
il riconoscimento delle entità
geografiche tramite utilizzo di
sistemi di Artificial Intelligence
e delle discendenti Reti Neurali,
segue le stesse medesime regole;
solo, non richiede né offre l'utilizzo
di strumentazioni di nuova
concezione, apportando invece
un cambio di passo tecnologico
realizzato in gran parte attraverso
attrezzature già esistenti e
non necessariamente di ultima
generazione. Questa è la rivoluzione
più eclatante degli ultimi
tempi in materia GEO-IT, lo
stacco più significativo, il solco
ideologico più profondo.
Fin dai primi anni '90, noi tutti
eravamo stati testimoni di ben
poche effettive innovazioni e
la tecnologia GIS è rimasta sostanzialmente
sempre la stessa:
molti esperti di lungo corso,
ancora pochi anni fa ricordavano
quanto continuasse a cambiare
poco o niente in fatto di
software capabilities, di ambiti
applicativi, e in un certo senso
per conseguenza, anche in fatto
di skills professionali. Cosi,
ci si arrovellava per trovare aree
di interesse nuove utilizzando la
medesima tecnologia di venti o
trenta anni prima, interrotta per
così dire soltanto dalla comparsa
del world wide web, la quale
aveva indotto le grandi software
house globali alla creazione di
linguaggi in grado di “semplicemente”
consentire la migrazione
della fruizione software in
ambiente Internet per tutti quei
settori produttivi che ne avrebbero
ottenuto almeno un qualche
beneficio.
E poi, e siamo nel 2018 o giù
di li, è partito il cambiamento,
quello vero, progressivo, coinvolgente.
L'operatività pratica
delle tecnologie LIDAR e
LIDAR SLAM si era dapprima
affermata e poi diffusa nell'impiantistica,
nei servizi a rete,
nell'edilizia e nel BIM, e oggi
fa capolino nell'urbanistica e
nella cartografia, dove sta funzionando,
seppure alla grande e
grandissima scala. Ed è proprio
questo il punto sul quale dobbiamo
soffermarci con un po' di
attenzione in più.
Rappresentazione 3D, Digital
Twin o Metaverso, quale che sia
l'obiettivo finale (per quanto ci
riguarda, dal punto di vista dei
dati strettamente geografici utilizzati
cambia piuttosto poco),
oggigiorno un numero ridottissimo
di Local Governments ha
desiderato e al contempo potuto
investire le ingenti risorse economiche
necessarie per raggiungere
gli obiettivi di cui sopra in relazione
ai rispettivi territori amministrati:
almeno in quest'ambito,
il LIDAR costa troppo. Un
territorio comunale può essere
volato in poco tempo e restituito
senza troppi patemi, ma la
cartografia 2D non è più l'obiettivo
di tutti come una volta
e le riprese oblique non consentono
la realizzazione del modello
3D completo di un edificio,
tantomeno nel totale rispetto
delle specifiche LOD2 e LOD3
definite dall'Open Geospatial
Consortium. Di conseguenza
occorre integrare con significative
sessioni di rilevamento a
terra. E qui l'entità del budget
che si rende necessario cresce,
anche a dismisura: attrezzature
di svariata tipologia, attività sul
campo, autoveicoli, licenze software
(non esiste al momento
un'offerta open source matura
in materia di trattamento delle
nuvole di punti), registrazione e
classificazione delle aree rilevate,
hardware.
GEOmedia n°2-2023 43

NON TROPPO GEORIFERITO
E allora? Disporre di un certo
numero di “Google Car” aiuterebbe,
ma fin dove ci potrebbe
portare e a quali costi?
Dinanzi a un quadro di questo
genere ove l'obiettivo Digital
Twin sia ritenuto importante
o irrinunciabile, esiste un'altra
strada. Percorrerla potrebbe
rivelarsi molto interessante,
soprattutto adesso, quando il
traffico è ancora piuttosto scarso
e su quella strada transitano soltanto
coloro che si sono svegliati
di buon ora.
Nel campo dell'apprendimento
automatico, le reti neurali
sono quanto di meglio. Esse
fondano evidentemente la loro
natura sulle metodologie tipiche
dell'Intelligenza Artificiale
per cosi dire, tradizionale.
Affermano tuttavia uno step decisivo
in più, quello di riconoscere
e rispondere a stimoli non
preprogrammati, per cui sono
adatte a risolvere problemi più o
meno imprevisti, proprio come
fanno le cellule nervose in un
essere umano.
Attraverso le reti neurali è possibile
riconoscere quindi entità
grafiche-geografiche che presentano
per loro natura caratteristiche
non ripetute ma in qualche
modo riconducibili a un livello
di omogeneità, per conoscere il
quale di solito si utilizza il discernimento.
Emergono così opportunità importanti
nella derivazione di una
Cartografia 3D semiautomatica
e costituita da feature classes
ottenute quasi completamente
da forme evolute di machine
learning. Queste feature classes,
livelli logici, layers o come le
vogliamo chiamare in relazione
alla nostra sensibilità e al nostro
background formativo e professionale,
possono quindi riversare
sé stesse all'interno di un
impianto geocartografico tridimensionale,
inclusivo e descrittivo,
completo delle pertinenti
informazioni attributo desunte
invece in modalità tradizionale,
oppure anch'esse recepite da richieste
eseguite ad un service AI
come potrebbe essere lo stesso
chatGPT, magari verticalizzato
sulle informazioni oggettivabili
sul territorio.
Siamo andati un po' veloci, in
quest'ultimo cenno, ma la materia
è avvincente più di quanto
si potrebbe pensare e avremo
credo occasione in un prossimo
articolo. Ora cerchiamo di capire
che cosa potrà succedere sul
mercato.
Una volta che le reti neurali
si affermeranno decisamente
sul riconoscimento delle entità
geografiche, non appena la
percentuale di oggetti riconosciuti
in modo univoco e automatico
oltrepasserà la fatidica
percentuale dell'85 per cento,
cosa che pareggerà i conti con
i rilevamenti LIDAR-SLAM di
natura speditiva (se parliamo di
urbanistica e di Digital Twin,
l'entità delle superfici da attraversare
non consente rilevamenti
statici con alcuno strumento
di precisione), ebbene allora si
valuteranno i costi, che saranno
impietosi nella condanna degli
oggetti di cui al titolo di questo
contributo. Stiamo riferendo al
futuro prossimo, ma la cosa sta
già accadendo.
E c'è di più. Attraverso le reti
neurali è possibile derivare anche
i vettori delle entità geografiche
riconosciute: le nuvole di
punti diventano cioè un semilavorato
di un prodotto completo,
finito e a basso costo,
ove il cerchio della realizzazione
cartografica 3D di una copia
fedele della realtà si va a chiudere.
Allora il cliente finale potrà
optare per una point cloud
oppure per il modello vettoriale
dell'AOI richiesta, in base alle
proprie necessità applicative; in
alternativa potrà avere entrambe,
utilizzando l'una per finalità
a questo punto rappresentative e
l'altro per il calcolo e per la gestione
delle entità cartografiche
rappresentate e a disposizione.
E tutto questo varrà per l'edificato,
per le infrastrutture viarie,
per la vegetazione, e poi per un
numero di livelli logici teoricamente
senza limiti.
Il LIDAR rimarrà ancora per
un po' il cavallo di Troia ideale
per una strategia commerciale
calata sul politicamente corretto
e ricorrente: poggiata cioè sulla
promozione di uno strumento
adatto a sollecitare l'immaginario
collettivo sul piano delle
attività di rilevamento tecnico
di precisione. E lo sarà fino a
quando risulterà sufficientemente
rassicurante esibire l'utilizzo
di questo tipo di sensore
con finalità di vendita o di realizzazione
di servizi conto terzi
attraverso di esso.
Ma il LIDAR è morto. Ne danno
il triste annuncio gli sviluppatori
più avveduti in ambito
AI e GEO-AI. E lo fanno, anche
grazie all'inevitabile supporto in
termini di allineamento dati (e
non di georeferenziazione) delle
piattaforme geografiche libere,
OSM in testa. Non ci fossero
state queste, sarebbe stato un
problema serio. Siamo arrivati
fin qui anche grazie al loro contributo.
“Anyone relying on lidar is doomed.
Doomed” (Elon Musk).
PAROLE CHIAVE
Lidar; GEO-AI; rete neurali; intelligenza
artificiale; SLAM
AUTORE
Valerio Zunino
info@studiosit.it
StudioSit
44 GEOmedia n°2-2022

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
Epsilon Italia S.r.l.
Viale della Concordia, 79
87040 Mendicino (CS)
Tel. e Fax (+39) 0984 631949
info@epsilon-italia.it
CON I RILIEVI AEREI IPERSPETTRALI
MONITORIAMO L’AMBIENTE URBANO
E PROPRIETÀ NON VISIBILI ALL’OCCHIO
UMANO
Le proprietà della superficie terrestre, siano esse di origine
naturale o antropica, possono essere indagate in modo
avanzato con rilievi aerei che impiegano isensori iperspettrali,
ovvero camere ottiche che registrano centinaia
di bande all’interno dello spettro elettromagnetico nel
visibile e non visibile, permettendo di ricavare in modo
continuo molte informazioni invisibili all’occhio umano.
Inoltre, se si utilizza un sensore iperspettrale da drone, si
ottiene anche un alto livello di dettaglio spaziale.
È proprio grazie a questi sensori che possiamo studiare
caratteristiche del territorio altrimenti difficilmente monitorabili!
AVT Airborne Sensing Italia esegue rilievi con areo e con
drone avendo a disposizione una vasta gamma di sensori,
ognuno adatto ad un determinato scopo, inclusi i sensori
iperspettrali.
Le applicazioni sono molteplici. In ambiente urbano le
informazioni estratte sono fondamentali per un approccio
intelligente allo urban green deal.
Ad esempio, i prodotti estratti da un volo iperspettrale
sono:
• Mappa del verde urbano
• Mappa di classificazione delle specie arboree
• Stato di salute della vegetazione
• Contenuto d’acqua nella vegetazione
• Mappa dei materiali superficiali di copertura in
ambiente urbano
• Presenza di amianto
• Presenza di pannelli solari
• Mappa di classificazione dell’uso del suolo
L’immagine rappresenta i risultati ottenuti da un volo
iperspettrale eseguito nel Luglio 2022 sulla città di Ferrara
e gentilmente concesso dal Comune di Ferrara. Altre immagini
disponibili qui:
https://rivistageomedia.it/Dati-geografici/con-i-rilieviaerei-iperspettrali-monitoriamo-l-ambiente-urbano-eproprieta-non-visibili-all-occhio-umano
Se siete interessati o volete saperne di più sui prodotti,
contattate l’indirizzo avt.asi@avt.at
www.epsilon-italia.it
www.inspire-helpdesk.eu

AGENDA
2 – 7 SETTEMBRE 2023
ISPRS Geospatial Week
2023
Cairo (Egitto)
https://www.isprs.org/
26-27 SETTEMBRE 2023
DroneX Trade
Show&Conference
Londra
https://www.dronexpo.co.uk
10-12 OTTOBRE 2023
INTERGEO 2023
Berlino (Germania)
www.intergeo.de
14-16 NOVEMBRE 2023
TECHNOLOGY FOR
ALL 8
Roma
https://technologyforall.it
5 – 7 SETTEMBRE 2023
Commercial UAV Expo
Las Vegas (USA)
https://www.expouav.com/
19-21 SETTEMBRE 2023
GeoVet 2023 International
Conference
Abruzzo (Italia)
https://geovet2023.izs.it/
27-29 SETTEMBRE 2023
65° Convegno Nazionale
SIFET "Intersezioni
disciplinari"
Arezzo (Italia)
www.sifet.org
27–29 SETTEMBRE 2023
Convegno Annuale AIC
DAL PORTULANUS ALLA
CARTOGRAFIA DIGITALE
Rovereto (Italia)
https://aic-cartografia.it/
Roma
Cattura ed elabora
la realtà in 3D
nel modo più rapido
e preciso che mai.
per maggiori
informazioni
Leica RTC360
Con l'innovativo laser scanner Leica RTC360 puoi migliorare efficienza e
produttivà nel tuo lavoro come mai prima d’ora.
Potrai acquisire scansioni ed immagini HDR (High Dynamic Range) in meno
di due minuti, registrare automaticamente i movimenti da una posizione di
scansione all’altra per la pre-registrazione in campo ed inviare in tempo reale
i dati sul tablet e/o in ufficio per essere elaborati.
Il tutto in modo semplice ed intuitivo.
Disponibile nelle versioni RTC360 LT e RTC360.
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

S850 + S900 + S990 + R180
GNSS
Serie Plus
con 1408 canali
NUOVI PRODOTTI
AFFIDABILI | PRECISI | STONEX
R60
Stazione Totale Android
Stazione Totale Robooca
CONTATTACI
PER INFO
www.stonex.it

Progetto
pedros
P E R I M E T R A Z I O N E A U T O M A T I C A
D I I N C E N D I C O N D R O N E
E Q U I P A G G I A T O C O N S E N S O R E
S P E C I F I C O
Progetto finanziato dall'Agenzia Spaziale Italiana. ASI N. 2021-10-E.0