Da tempo impiegati nell'agricoltura di precisione, i rilievi di prossimità con UAS cominciano a esser eseguiti anche per applicazioni forestali e ambientali. Il rilievo da UAV con sensori ottici, infatti, consente di acquisire immagini ad altissima risoluzione (GSD dell'ordine di cm), che possono essere opportunamente usate per la classificazione e la distinzione di specie vegetali. Nell'ambito di un progetto di ricerca di Dottorato in Geomatica, è stato effettuato un esperimento di classificazione mediante algoritmi ampiamente utilizzati in telerilevamento, a partire da immagini aeree di prossimità acquisite su un vivaio di piante. Tale area è stata scelta come "poligono test" per la presenza di molte varietà di alberi, raggruppati per specie. Un rilievo multispettrale è stato effettuato durante il periodo di maggior copertura fogliare con esacottero Mikrokopter del Politecnico di Milano (Dip.di Ing. Civile e Ambientale) e camere Nikon 1 J1 e Tetracam ADCLite. I due blocchi di immagini, a colori e a falso colore, sono stati orientati simultaneamente; dal blocco RGB è stato poi ottenuto il modello di superficie e, su questo, sono state generate le due ortofoto (RGB e NIR-RG). Dai canali NIR e Red di quest'ultima, è stato infine calcolato l'indice di vegetazione NDVI. Il rilievo è stato ripetuto anche in autunno per rilevare nuove informazioni spettrali, molto variabili da una specie all'altra. L'ortofoto RGB autunnale è stata creata usando il medesimo DSM estivo. Sulla base della verità al suolo raccolta in campo, è stata effettuata una classificazione supervisionata con algoritmo Max Likelihood su un layer stack di sette bande. Sebbene la copertura fogliare autunnale fosse ridotta, tale classificazione è caratterizzata da un incremento dell'accuratezza totale del 13% rispetto a quella della classificazione effettuata sulle sole bande estive (RGB e NDVI). Il medesimo algoritmo è stato infine impiegato su differenti combinazioni di canali originali e derivati, tra cui un indice di variazione temporale e la trasformazione allo spazio IHS.

Riconoscimento di specie arboree mediante classificazione di immagini multispettrali e multitemporali ad altissima risoluzione

SONA, GIOVANNA;GINI, ROSSANA;PASSONI, DANIELE;PINTO, LIVIO
2015

Abstract

Da tempo impiegati nell'agricoltura di precisione, i rilievi di prossimità con UAS cominciano a esser eseguiti anche per applicazioni forestali e ambientali. Il rilievo da UAV con sensori ottici, infatti, consente di acquisire immagini ad altissima risoluzione (GSD dell'ordine di cm), che possono essere opportunamente usate per la classificazione e la distinzione di specie vegetali. Nell'ambito di un progetto di ricerca di Dottorato in Geomatica, è stato effettuato un esperimento di classificazione mediante algoritmi ampiamente utilizzati in telerilevamento, a partire da immagini aeree di prossimità acquisite su un vivaio di piante. Tale area è stata scelta come "poligono test" per la presenza di molte varietà di alberi, raggruppati per specie. Un rilievo multispettrale è stato effettuato durante il periodo di maggior copertura fogliare con esacottero Mikrokopter del Politecnico di Milano (Dip.di Ing. Civile e Ambientale) e camere Nikon 1 J1 e Tetracam ADCLite. I due blocchi di immagini, a colori e a falso colore, sono stati orientati simultaneamente; dal blocco RGB è stato poi ottenuto il modello di superficie e, su questo, sono state generate le due ortofoto (RGB e NIR-RG). Dai canali NIR e Red di quest'ultima, è stato infine calcolato l'indice di vegetazione NDVI. Il rilievo è stato ripetuto anche in autunno per rilevare nuove informazioni spettrali, molto variabili da una specie all'altra. L'ortofoto RGB autunnale è stata creata usando il medesimo DSM estivo. Sulla base della verità al suolo raccolta in campo, è stata effettuata una classificazione supervisionata con algoritmo Max Likelihood su un layer stack di sette bande. Sebbene la copertura fogliare autunnale fosse ridotta, tale classificazione è caratterizzata da un incremento dell'accuratezza totale del 13% rispetto a quella della classificazione effettuata sulle sole bande estive (RGB e NDVI). Il medesimo algoritmo è stato infine impiegato su differenti combinazioni di canali originali e derivati, tra cui un indice di variazione temporale e la trasformazione allo spazio IHS.
978-88-941232-2-7
File in questo prodotto:
File Dimensione Formato  
Art125_ASITA_2015.pdf

accesso aperto

: Publisher’s version
Dimensione 192.68 kB
Formato Adobe PDF
192.68 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11311/987382
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact