RILIEVO DI DETTAGLIO DELLA BATIMETRIA
COSTIERA LAZIALE CON TECNOLOGIE LiDAR E
VALUTAZIONE DELLE CARATTERISTICHE FISICHE
E BIOLOGICHE IN AREE MARINE DELLA COSTA
LAZIALE DI SPECIFICO INTERESSE AMBIENTALE
FASE 1A - Ricerca bibliografica di settore e
implementazione della metodologia
Giugno 2009
Responsabile del Programma:
Dr. Luisa Nicoletti
Responsabile Operativo:
Dr. Andrea Taramelli
Hanno collaborato per l’ISPRA:
• Dr. Matteo Conti
• Dott.ssa Elena Pallottini
• Dott.ssa Monica Targusi
• Dott.ssa Emiliana Valentini
INDICE
PREMESSA....................................................................................................................................... 2
1.
INTRODUZIONE..................................................................................................................... 3
2.
ANALISI BIBLIOGRAFICA DI SETTORE......................................................................... 5
2.1. Aspetti morfologici...................................................................................................................... 5
2.2. Aspetti ambientali ..................................................................................................................... 10
3.IMPLEMENTAZIONE DI METOLOGIE DI ELABORAZIONE ED ACQUISIZIONE .. 14
3.1. Aspetti morfologici.................................................................................................................... 14
3.2. Aspetti ambientali ..................................................................................................................... 17
4.
MATERIALI E METODI...................................................................................................... 20
5.
ESPORTABILITA' DEI DATI ............................................................................................. 29
6.
BIBLIOGRAFIA..................................................................................................................... 30
1
PREMESSA
L’ISPRA (Istituto Superiore per la Protezione e la Ricerca Ambientale), nell’ambito della
Convenzione di Ricerca per il “Rilievo di dettaglio della batimetria costiera laziale con tecnologie
LiDAR e valutazione delle caratteristiche fisiche e biologiche in aree marine della costa laziale di
specifico interesse ambientale” (lettera del 16-12-2008, prot. ISPRA n. 11606/08), è stato incaricato
di produrre una serie di elaborati aggiornati al 2009 relativi ad alcuni aspetti morfologici e
ambientali di due aree della fascia costiera della Regione Lazio con lo scopo di fornire elementi di
valutazione ambientale finalizzati alla gestione integrata delle zone costiere tramite l’impiego di
nuove metodiche di rilievo.
Tale obiettivo verrà perseguito mediante l’esecuzione di diverse attività articolate nelle fasi di
seguito descritte:
FASE 1
A Ricerca bibliografica di settore e implementazione della metodologia;
B Acquisizione e groundtruthing;
FASE 2 - Caratterizzazione morfologica (analisi morfometrica);
FASE 3 - Caratterizzazione ambientale.
Nella presente relazione, relativa alla Fase 1A “Ricerca bibliografica di settore e implementazione
della metodologia”, vengono presentate:
1. una review bibliografica per definire lo stato dell’arte, in ambito italiano e internazionale,
riguardante l’indagine di aree marino/costiere tramite l’utilizzo di telerilevamento dati
telerilevati;
2. l’implementazione di un approccio metodologico che consenta il raggiungimento degli obiettivi
indicati nella suddetta Convenzione.
2
1. INTRODUZIONE
L’intuizione dell’utilizzo del laser per studi topografici e batimetrici in ambito di fascia costiera ha
avuto origine nei primi anni Settanta, ma solo negli anni Ottanta gli istituti di ricerca hanno
sviluppato delle applicazioni. Negli anni Novanta sono nate le prime apparecchiature sperimentali
che poi sono state commercializzate e stanno riscontrando oggi un notevole successo per le
importanti ricadute nella pratica professionale di tutti i giorni. La grande versatilità dei laser scanner
e il costante sviluppo di software dedicati all’elaborazione dei dati raccolti, fa sì che questa tecnica
di rilievo si adatti a un vastissimo ambito di applicazioni civili per l’analisi, la pianificazione e la
gestione del territorio nonché del patrimonio costruito. In ambito internazionale le esperienze
statunitensi sono all’avanguardia: a titolo d’esempio, si può citare il programma di monitoraggio
delle zone a rischio idraulico elaborato nel 2003 dal FEMA (Federal Emergency Management
Agency – http//www.csc.noaa.gov), ma anche l’impiego diffuso di tale tecnologia da parte del
NOAA (National Oceanic and Atmospheric Administration) e dell’USGS (U.S. Geological Survey -,
http//www. coastal.er.usgs.gov ) Anche in ambito europeo i progetti di studio in cui è stato
utilizzato il laserscanning aereo sono diversi (nei Paesi Bassi è stato ampiamente utilizzato per il
monitoraggio dell’erosione costiera – Persson et al, 2005). In ambito italiano si sono invece
sviluppate ricerche e acquisizioni di dati LiDAR sia topografici che batimetrici soprattutto in
ambito fluviale (Casella et al., 2002; Pranzini, 2007). La scansione laser da aereomobile rappresenta
invece una nuova metodologia di acquisizione dati ad elevata precisione particolarmente adatta al
rilievo di bassi fondali in fascia costiera (Cicciodemarco, 2003; Chiocci et al., 2004). In particolare
l’esperienza comparativa condotta dall’Universita’ di Pavia (Casella, 2002) ha fornito dati di
notevole interesse per l’analisi dei meccanismi di generazione degli errori (Brovelli et al., 2002;
Brovelli et al., 2004) suddividendoli in una parte sistematica (±4cm) e in una accidentale (±6cm).
Sulla base di questi risultati si sono quindi avuti dei primi tentativi nell’utilizzo del dato LiDAR
(topografico e batimetrico) in ambito di fascia costiera (Anzidei et al., 2004). In particolare vanno
menzionate le esperienze condotte dalla Regione Emilia Romagna (http://www.regione.emiliaromagna.it/wcm/geologia/canali/costa/progetti/01_lidar.htm) in cui sono stati acquisiti dati LiDAR
su un’area di circa 9500 ha e dalla Regione Toscana con acquisizione di dati LiDAR e iperspettrali
CASI nel tratto costiero del Gombo (Pranzini, 2007).
Il rilievo LiDAR batimetrico e topografico contemporaneo rappresenta ad oggi una delle tecnologie
più promettenti per la determinazione di parametri morfometrici in fascia costiera (Pranzini et al.,
2008). Tuttavia, il dato LiDAR, ha come fattore di svantaggio le lunghe e laboriose fasi di
3
preprocessing tali da generare procedure complesse di classificazione e segmentazione basate su
criteri fondati esclusivamente sull’analisi delle differenze geometriche dei punti laser. Meno note,
ma non per questo non meno efficaci, sono invece le tecniche di classificazione basate
sull’integrazione del dato LiDAR con immagini multi-risoluzione (Chust et al., 2008). La
possibilità, infatti, di integrare il dato LiDAR altimetrico con informazioni derivabili da ortofoto
digitali (RGB) che possono accompagnare l’acquisizione del dato LiDAR, permette di utilizzare
algoritmi di segmentazione del dato basate sull’analisi delle componenti radiometriche. Queste
tecniche hanno avuto un recente sviluppo che si e’ dimostrato ulteriormente efficace quando
l’estrazione dell’informazione di radianza e’ derivata oltre che da immagini multi spettrali anche da
immagini provenienti da sensori iperspettrali (Rosso et al., 2006) Queste, a seguito
dell'implementazione di opportuni algoritmi di calibrazione (Gutierrez et al., 2001; Gilvear et al.,
2004), necessari ad ovviare all'instabilità del dato di riflettanza dovuta alla forte dipendenza di
quest'ultimo da fattori ambientali e geometrici, hanno garantito un'ampia serie di informazioni
pienamente sintetizzabili, come noto, attraverso il concetto di "firma spettrale". I dati telerilevanti
in contemporanea si basano sul principio fisico per cui ogni materiale risponde in maniera differente
alle diverse lunghezze d'onda emesse da una sorgente luminosa. Questa importante proprietà della
materiale permette, in maniera diretta, di classificare differenti target, o gruppi di target, a partire
dalla loro risposta radiometrica, investigando la quota parte di radianza riflessa nelle singole
lunghezze d'onda registrabili dallo strumento. La capacità degli strumenti che saranno utilizzati nel
rilievo programmato permettera’ quindi sia di registrare un numero elevato di intervalli di banda
(102 canali), sia di poter acquisire un numero elevato di meta-informazioni relative alla natura
chimico-fisica del materiale al suolo, che di poter sovrapporre e correlare queste ultime con le
informazioni di natura geometrica derivabili, dal rilievo LiDAR sia topografico che batimetrico.
4
2. ANALISI BIBLIOGRAFICA DI SETTORE
L’importanza del rilevamento, quantificazione e monitoraggio delle caratteristiche fisiche delle aree
costiere, è stata ampiamente riconosciuta dalla comunità scientifica quale elemento chiave nello
studio degli impatti ambientali (Henderson-Sellers e Pitman, 1992). Un modo vantaggioso di
portare avanti tali studi su scala areale, è quello di usare le osservazioni via satellite nelle bande
visibili (VIS), bande del vicino infrarosso (NIR) e bande altimetriche (LiDAR). Questi dati
presentano il grande vantaggio, rispetto ai dati classici di rilevamento, di fornire una copertura
areale quasi continua (la continuità effettiva dipende dalle proprietà della superficie riflettente), e
ottenibile a costi relativamente bassi su aree estese. Questo tipo di studi può produrre un’enorme
quantità di dati ambientali inerenti le aree a mare con una riduzione dei costi e tempi complessivi di
misura rispetto alle tecniche tradizionali (Lillycrop et al., 1994; Krabil et al., 2000).
2.1. Aspetti morfologici
La comprensione dello stato di conservazione, delle modalità di evoluzione e della dinamica del
sistema spiaggia-duna è essenziale non solo per la protezione ma anche per una corretta gestione
della fascia costiera (Saye et al., 2005).
Spiaggia sommersa, spiaggia emersa e duna costituiscono tre distinti elementi di uno stesso sistema,
strettamente dipendenti l’uno dall’altro. Per questo motivo, è verosimile aspettarsi che i
cambiamenti che interessano una di queste tre componenti, abbiano un’influenza diretta o indiretta
sulle variazioni delle altre due (Psuty, 1988; Saye et al., 2005). Ai fini di una corretta gestione e
pianificazione del territorio, in accordo con i principi ICZM (Integrated Coastal Zone
Management), il sistema costiero deve quindi essere studiato ed analizzato integralmente, sia dal
punto di vista morfologico che ecologico-ambientale (Irish e White, 1998).
Dal punto di vista strettamente morfologico, l’individuazione di parametri significativi che
descrivono la fascia costiera è importante poiché, attraverso l’analisi morfometrica di tali parametri,
oltre ad una caratterizzazione di dettaglio, è possibile risalire a informazioni relative allo stato del
sistema e anche, se confrontate con dati pregressi, sulla dinamica del sistema stesso (White e Wang,
2003).
Il principale obiettivo di un’analisi morfometrica della fascia costiera (dalla profondità di chiusura
al retroduna) consiste nell’elaborazione dei dati topo-batimetrici, mediante i quali sia possibile
individuare le caratteristiche della spiaggia emersa, sommersa e delle dune costiere delle aree
indagate. Dall’analisi di questi dati è possibile individuare opportuni parametri morfometrici
5
(Taramelli e Melelli, 2008), distinti in primari, direttamente calcolati dai dati di quota assoluta, e
secondari, calcolati attraverso la combinazione di parametri primari e di altre eventuali variabili,
quali ad esempio i limiti del sistema spiaggia/duna e la distribuzione dei depositi eolici, alla
massima risoluzione permessa dal tipo di dati.
L’analisi morfometrica relativa alla spiaggia sommersa, alla spiaggia emersa e alle dune costiere,
permette dunque di definire l’andamento topografico e batimetrico delle aree indagate, di analizzare
sezioni e profili e di eseguire computi volumetrici.
Nel caso in cui sia prevista un’acquisizione periodica di dati morfologici, le informazioni
volumetriche aprono la possibilità ad una stima del bilancio sedimentario del sistema spiaggia-duna.
Le stime relative all’input e output di sedimento all’interno del sistema, se basate su rilievi periodici
e costanti, possono ad esempio, fornire informazioni sull’efficacia di eventuali interventi di
protezione della fascia costiera, come ad esempio la realizzazione di opere per il ripristino dunale
(Vanhée, 2002), con importanti ricadute nella gestione e pianificazione territoriale (Anthony et al.,
2006).
In generale, l’analisi morfologica applicata alle diverse componenti della fascia costiera e attraverso
l’indagine dei meccanismi di feedback esistenti tra di esse, opportunamente integrata con studi di
natura ecologico-ambientale (cfr. § 3.2), si rivela di fondamentale importanza per individuare e
valutare eventuali criticità presenti all’interno del sistema, quali ad esempio quelle legate a
fenomeni di erosione e/o ad eccessiva pressione d’uso (Nickling e Davidson-Arnott, 1990; Bauer e
Davidson-Arnott, 2002; Davidson-Arnott, 2005; Davidson-Arnott et al., 2005). L’integrazione con
dati provenienti da precedenti campagne (analisi multitemporale), permette inoltre di
fare
considerazioni circa la dinamica del sistema (Anthony et al., 2006), consentendo di predire e
affrontare correttamente tali criticità. Sebbene siano diverse le tecniche tradizionali che possono
essere utilizzate per ottenere dati morfologici, esse variano sia in termini di applicabilità sia in
termini di risoluzione spaziale e temporale.
Ad esempio, i dati batimetrici, vengono tradizionalmente ottenuti da rilievi mediante Single Beam
(in acque poco profonde) e Multi Beam (in fondali più profondi) con una risoluzione spaziale che si
aggira attorno ai +/-15 cm (Morang et al., 1997; Hicks e Hume, 1997; Gibeaut et al., 1998; Van der
Wal e Pye, 2003). L’impossibilità di acquisire omogeneamente dati nella fascia di transizione da
fondali profondi a fondali poco profondi e zona intertidale rappresenta senza dubbio la maggiore
limitazione nell’impiego di strumenti in campo (Gasperini, 2005).
Anche l’acquisizione di dati topografici relativi alla fascia costiera emersa (spiaggia emersa e duna)
presenta delle criticità. Convenzionalmente, dati topografici possono essere rilevati mediante
6
teodolite e stazione totale (EDM): in condizioni favorevoli la risoluzione spaziale è di +/-1 cm, ma
più spesso è dell’ordine dei +/-5 cm. Anche il GPS differenziale (Global Positioning System) viene
utilizzato per l’acquisizione di dati topografici, che possono raggiungere precisioni dell’ordine di
pochi cm (Morton et al., 1993).
Tuttavia, l’impiego di questi strumenti comporta notevoli sforzi sia dal punto di vista logistico che
relativamente alla fase di acquisizione dei dati in campo. Dal punto di vista logistico, ad esempio, il
rilievo topografico di dune costiere molto vegetate o, in generale, di aree non accessibili si può
rivelare molto difficoltoso o impossibile. Pertanto, i dati acquisiti direttamente in situ (a meno che
non si conducano campagne di campionamento dispendiose sia intermini di costi che di tempi)
spesso si rivelano limitati, riferendosi ad esempio a singoli profili di spiaggia emersa e duna o ad
aree circoscritte e poco rappresentative del sito di studio (Andrews et al., 2002).
Per ovviare a tali problematiche ed acquisire informazioni su vasta scala areale indipendentemente
dalle caratteristiche del sito, si può ricorrere alla fotointerpretazione di immagini stereoscopiche
(Dolan et al., 1978; DeKimpe et al., 1991) o all’elaborazione di immagini satellitari (White e El
Asmar, 1999). Tali tecniche però si rivelano di scarsa utilità per quanto riguarda la risoluzione dei
dati altimetrici (Andrews et al., 2002). Di contro, la fotogrammetria, che permette di restituire dati
altimetrici con buona risoluzione, è piuttosto costosa.
In questo senso, il LiDAR presenta un’alternativa vantaggiosa per ottenere informazioni
morfologiche ad elevata risoluzione relative all’intera fascia costiera, indipendentemente dalle
caratteristiche del sito da indagare (Irish e White, 1998).
Dal momento che la tecnologia LiDAR (e iperspettrale) permette di acquisire dati relativi a diverse
matrici lungo tutta la fascia costiera senza soluzione di continuità, notevoli sono stati ad oggi gli
sforzi volti ad utilizzare i set di dati topo-batimetrici rilevati tramite questa tecnologia per sofisticate
analisi morfologiche ad elevata risoluzione (ad es. Andrews et al., 2002; Woolard, 1999; Woolard e
Colby, 2002; Saye et al., 2005).
Nata alla fine anni '70 negli Stati Uniti, la tecnologia LiDAR ha trovato con il passare degli anni un
numero crescente di applicazioni in differenti contesti quali ad esempio:
-
l’analisi del rischio idraulico;
-
le valutazioni ambientali;
-
la gestione delle foreste;
-
il rilievo di infrastrutture;
-
il monitoraggio delle attività estrattive;
-
il monitoraggio costiero.
7
Nell’ambito del monitoraggio costiero, gli U.S.A. sono senz’altro all’avanguardia: dal 1996 hanno
avviato un progetto di monitoraggio finalizzato alla protezione della fascia costiera dai rischi, che
vede coinvolti il Coastal Services Center del NOAA (National Oceanic and Atmospheric
Administration), la NASA e l’USGS. L’ U.S. Army Corps of Engineers utilizza ad esempio dati
topografici in combinazione con dati batimetrici (acquisiti tramite un sensore SHOAL) per la
valutazione del rischio costiero dovuto agli uragani (Meredith et al., 1999).
L’USGS (U.S. Geological Survey), nell’ambito del Coastal and Marine Geology Program (CMGP),
sta collaborando con la NASA (National Aeronautics and Space Administration) e l’NPS (National
Park Service) per acquisire dati topografici LiDAR in ambiente costiero al fine di ottenere una serie
periodica di carte topo-batimetriche ad altissima risoluzione e dettaglio relative sia alla fascia
emersa
che
alla
fascia
sommersa
da
utilizzare
in
ambito
ecologico-ambientale
(http://www.marine.usgs.gov).
Inoltre l’USGS sta attualmente collaborando con l’SFCN (South Florida & Caribbean Network),
l’NCBN (Northeast Coastal and Barrier Network) e il GULN (Gulf Coast Network) per
l’acquisizione di dati LiDAR in aree protette (Parchi Nazionali) da utilizzare in ambito zoologico,
botanico e geologico.
In particolare, il monitoraggio tramite LiDAR viene utilizzato per:
-
stimare i cambiamenti nella morfologia di dune, scogliere, spiagge (in particolare la posizione
della linea di riva);
-
effettuare stime volumetriche per quantificare la perdita di sedimenti a seguito di eventi estremi
(ad esempio gli uragani);
-
monitorare comunità bentoniche;
-
analizzare le comunità vegetali costiere.
Per quanto riguarda le stime volumetriche, esse vengono effettuate a partire da DEM (Digital
Elevation Models) generati dai dati LiDAR grezzi. Ad esempio, nell’ambito del programma
“Volumetric Change Analysis along Gateway National Recreation Area – Sandy Hook and Fire
Island National Seashore”, a partire dai dati raccolti nel 2002, nel 2005 e nel 2007, è stato possibile
calcolare le variazioni morfologiche e volumetriche intercorse nel breve periodo nell’area oggetto di
studio, evidenziando come i maggiori cambiamenti abbiano interessato la spiaggia emersa e siano
principalmente influenzati dalla disponibilità di sedimento, dagli eventi estremi e dall’attività
antropica. I risultati di questo studio, dimostrano quindi l’efficacia dei monitoraggi condotti tramite
strumenti che permettono di acquisire notevoli quantità di dati in aree vaste. In particolare,
l’utilizzo del LiDAR per l’acquisizione periodica di dati, ha permesso di identificare negli eventi
8
estremi una delle cause che più intervengono nella rimodellazione morfologica della fascia costiera,
rivelandone
l’importanza
quale
strumento
di
previsione
e
pianficazione
(http://ngom.usgs.gov/dsp/mapping/volumetric_change.html).
Oltre a quelli degli Stati Uniti, a livello internazionale numerosi sono stati i tentativi di integrare
dati di campo con dati telerilevati (Psuty, 1988; Davidson-Arnott e Law, 1990; Arens, 1994;
Davidson-Arnott e Law, 1996; Davidson-Arnott, 2005) ad esempio con lo scopo di monitorare i
cambiamenti topografici all’interno del sistema spiaggia-duna e di ovviare alle limitazioni proprie
di entrambi gli approcci metodologici. In questo contesto si inseriscono anche gli studi relativi
all’utilizzo di dati LiDAR applicati all’analisi morfologica della fascia costiera.
Tra i più significativi si possono citare gli studi di Sallenger et al., (2003) per la quantificazione dei
cambiamenti nella morfologia della spiaggia, di Andrews et al., (2002) e di Woolard e Colby (2002)
per l’analisi morfodinamica e le variazioni volumetriche delle dune costiere, e di Saye et al. (2005)
per l’analisi delle interazioni morfologiche ed evolutive tra spiaggia emersa e duna. In particolare,
in quest’ultimo studio è emerso come i dati morfo-batimetrici ad alta risoluzione acquisiti tramite
LiDAR, integrati con quelli acquisiti secondo metodi convenzionali, abbiano permesso di indagare
e di quantificare efficacemente le relazioni che influenzano reciprocamente spiaggia e duna.
Analogamente a quanto emerso negli analoghi studi americani sopra citati, anche questi studi
confermano come questo strumento possa rappresentare una valida alternativa alle metodologie
convenzionali, rivelandosi estremamente vantaggioso per acquisire dati topo-batimetrici da
utilizzare per estrarre una varietà di parametri morfometrici che, se comparati con quelli derivati da
rilievi tradizionali, possono trovare applicazione per monitorare e predire trends evolutivi del
sistema costiero.
In ambito nazionale il LiDAR rappresenta ancora una tecnologia innovativa in via di
implementazione e pochi sono ancora i casi in cui è stato utilizzato nello studio e nel monitoraggio
delle aree costiere. A questo proposito, merita di essere citata l’esperienza dell’Emilia-Romagna,
(http://www.regione.emilia-romagna.it/wcm/geologia/canali/costa/progetti/01_lidar.htm)
che
ha
condotto un’Analisi della vulnerabilità per ingressione marina durante gli eventi di mareggiata
lungo il litorale regionale tramite dati LiDAR. Il lavoro contiene la metodologia proposta per la
cartografia della vulnerabilità da ingressione marina durante le mareggiate lungo il litorale emiliano
romagnolo.
9
2.2. Aspetti ambientali
Negli ultimi decenni la scelta dei metodi per la valutazione dello stato dell’ambiente si è indirizzata
verso lo studio delle componenti biologiche dell’ecosistema in grado di rispondere, con differente
sensibilità, alle modificazioni dell’ambiente. . Gli effetti dei disturbi, intesi come variazioni delle
caratteristiche ambientali dovute a fattori sia naturali che antropici, si ripercuotono sulle comunità
biotiche . Tra le comunità biologiche, in particolare le comunità bentoniche, sono considerate tra i
più adeguati descrittori sintetici dell’ambiente poiché forniscono informazioni complete e a lungo
termine circa le condizioni globali del sistema (Pearson e Rosenberg, 1978).
Nell’ambiente marino il dominio bentonico comprende tutti i fondali che si estendono dalla riva
fino alle massime profondità oceaniche. Gli organismi bentonici sono distribuiti su tali fondali in
diverse associazioni a seconda del tipo di substrato, della profondità e dei fattori ad essa legati (luce,
salinità, gas disciolti, nutrienti, idrodinamismo e granulometria del substrato). I numerosi fattori
abiotici e l’elevato numero di specie creano una diversificazione in tale ambiente, spesso difficile da
schematizzare. Il modello attualmente più utilizzato, tra i vari proposti per il Mar Mediterraneo, è
quello di Pérès e Picard (1964) che individua sia per il sistema fitale (presenza di luce) che per
quello afitale (senza luce) le diverse biocenosi presenti sui fondali mobili e duri. Secondo tale
modello all’interno di ciascun sistema si possono individuare dei “piani” che si susseguono
verticalmente e si estendono tra due livelli “critici” entro i quali le condizioni ambientali si
mantengono più o meno costanti. Tra gli esempi più rappresentativi in ambito comunitario
dell’utilizzo di dati telerilevati basati su diversi sensori e validati in campo secondo strategie di
campionamento tradizionali, il MESH (Mapping European Seabed Habitats) è un programma
internazionale di mappatura degli habitat marini, partito nel 2004 sotto la guida del Joint Nature
Conservation Committee Inglese e finanziato dall’ Unione Europea (INTERREG IIIB). Questo
programma è finalizzato allo sviluppo di standard internazionali, protocolli e sistemi informativi per
la mappatura dei fondali marini dell’Europa Nord-Occidentale (ENO) e prevede, in modo
particolare, l’implementazione di metodologie comuni per l’analisi ambientale di aree intertidali e,
più in generale, di aree marino costiere in cui la scarsa profondità rende difficoltoso il rilievo
batimetrico e soprattutto quello della componente biologica associata al fondale ed alla colonna
d’acqua. In un’ottica di armonizzazione e standardizzazione delle metodologie, anche tenendo
conto
del
sistema
EUNIS,
adottato
dall’EPA,
nel
2005
è
stato
pubblicato
(http://www.searchmesh.net/) un report tecnico contenente una dettagliata revisione metodologica e
bibliografica sui diversi strumenti e tecniche per l’indagine ambientale da remoto.
10
Un’altra importante sorgente di informazioni e di riferimenti bibliografici aggiornati sugli strumenti
utili all’analisi di aspetti ambientali è sicuramente la reportistica pubblicata in rete
(http://www.csc.noaa.gov/benthic/) dal CSC-NOAA (Coastal Services Center - National Oceanic
and Atmospheric Administration) in cui si possono trovare ampie trattazioni relative all’importanza
della mappatura di comunità bentoniche e delle caratteristiche biologiche dell’ambiente costiero
sommerso per fini gestionali e di protezione e conservazione della natura e dell’utilizzo di sistemi di
indagine innovativi e non invasivi come quelli basati sul telerilevamento.
Il LiDAR come strumento di mappatura degli habitat è ampiamente utilizzato in ambiente terrestre
(Goodwin et al., 2007; Lee e Lucas, 2007) in cui viene generalmente impiegato per studiare la
densità delle foreste e parametri strutturali quali ad esempio l’altezza degli alberi e il tipo di foresta
(Goodwin et al., 2007), per analizzare lo stato di salute e la fitofenologia (Lee e Lucas, 2007).
Diversi risultano anche gli studi da remoto condotti sulla vegetazione delle dune costiere come ad
esempio quelli condotti rispettivamente lungo le coste centrali del Texas (Paine et al., 2004) e del
Molise (Acosta et al., 2005) che hanno evidenziato l’utilità, la rapidità e l’efficacia del rilevamento
da remoto per la stima dell’altezza delle dune costiere e della copertura vegetale. In entrambe gli
studi il confronto tra i dati telerilevati e le misure di campo è risultato fondamentale per la
validazione dell’interpretazione dei dati dimostrando che il solo rilevamento da remoto sarebbe
potrebbe portare degli artefatti nella stima della quota effettiva del sistema dunale, proprio a causa
della presenza di una fitta copertura vegetale (Paine et al., 2004).
In ambiente marino il LiDAR è uno strumento ampiamente utilizzato per gli studi sulla clorofilla,
per il monitoraggio del fitoplancton (Barbini et al., 1998; Nieke et al., 1997; Liu et al., 2008), dello
zooplancton (Brown et al., 2002) e dei banchi di pesci (Brown et al., 2002; Churnside et al., 2003;
Carrera et al., 2006; Tenningen et al., 2006).
Per quel che riguarda il monitoraggio del fitoplancton (Barbini et al., 1998), in uno studio condotto
in laboratorio su colture algali di campioni prelevati lungo le coste italiane del Nord Adriatico e del
Nord Tirreno, è stato dimostrato che è possibile caratterizzare diverse associazioni algali attraverso
misure di fluorescenza laser-indotta. Tale studio ha dimostrato la possibilità di impiegare i sistemi
di rilevamento basati su sensori laser per il monitoraggio della distribuzione spaziale di diversi taxa
algali anche per fini previsionali sui bloom algali. Secondo questo studio il LiDAR- fluorosensor
system, combinando l’emissione di clorofilla con altri pigmenti, permetterebbe di mappare la
distribuzione spaziale dei vari taxa algali anche su una scala molto ampia. In uno studio condotto
nel golfo di St. Lawrence (Quebec) e in una baia a sud della penisola Liaodong, è stata dimostrata
11
l’efficacia dell’impiego della tecnologia LIDAR per stimare la concentrazione superficiale di
clorofilla a (chl a) in ambienti costieri (Nieke et al., 1997, Liu et al., 2008).
La tecnologia LIDAR, utilizzata negli studi sullo zooplancton e sui banchi di aringhe (Brown et al.,
2002) nel nord Pacifico, così come gli studi condotti in Florida (Churnside et al., 2003) e nella Baia
di Biscay (Carrera et al., 2006) su alcuni banchi di pesce e nelle acque della Norvegia sui banchi di
Scomber scombrus (Tenningen et al., 2006), generalmente permette di valutare la distribuzione
spaziale di tali organismi e i loro modelli di aggregazione, indubbiamente importanti per meglio
comprendere la variabilità biologica e temporale di tali aggregazioni. Numerosi sono anche gli studi
relativi alla topografia e complessità (i.e. rugosità) delle colonie di coralli (Torres Pulliza, 2004;
Brock et al., 2006) e quelli relativi alla mappatura delle praterie di Posidonia oceanica (Thiago et
al., 2008). La mappatura delle foreste di mangrovie per ottenere dati di altezza e biomassa effettuata
nel parco nazionale degli Evergladess (Florida) con il LIDAR da Simard et al., 2006 e quella delle
praterie di P. ocenaica (Thiago et al., 2008) con la stessa tecnologia sono pratiche ampiamente
utilizzate ai fini della tutela e della gestione di questi habitat costieri.
La tecnologia LIDAR è comunque tutt’ora poco impiegata e in via di sperimentazione per quel che
riguarda la mappatura dei popolamenti zoobentonici (Brennan e Webster, 2006). Per incrementare
l’accuratezza del rilevamento da remoto, generalmente il LIDAR viene accoppiato a sistemi
iperspettrali (Lee, 2003). Nell’ambiente marino costiero tali sistemi vengono normalmente
impiegati per rilevare le caratteristiche topografiche, batimetriche e sedimentologiche di un fondale
(Méléder et al., 2007). La conoscenza di queste caratteristiche strutturali del fondo e lo stretto
legame esistente tra i popolamenti bentonici e il fondo stesso consentirebbe di predire, con buona
approssimazione, la tipologia di popolamento presente e permetterebbe quindi la redazione di
mappe di distribuzione di probabilità di tali popolamenti (Populus et al., 2004). L’impiego di questa
tecnologia è in via di sperimentazione e, al fine di validare il dato ottenuto, i diversi studi che sono
stati condotti hanno previsto in parallelo un campionamento in mare (Populus et al., 2004) o hanno
fatto riferimento a dati bibliografici (Chust et al., 2008; Van der Wal et al., 2008).. Uno studio sulla
distribuzione spaziale dei popolamenti macrobentonici intertidali, che integrasse dati da remoto con
serie storiche di dati presi su campo, è stato condotto anche in zone di estuario del sud-est dei Paesi
Bassi (Van der Wal et al., 2008).
Da quanto fin qui esposto appare evidente che il LIDAR è una tecnologia ampiamente utilizzata in
alcuni settori della ricerca e dell’ecologia marina e marino costiera; che trova ampio riscontro negli
studi sui popolamenti fitoplanctonici e zooplanctonici, sui banchi di pesce, sui coralli e sulle foreste
di mangrovie e sulle praterie di P. oceanica. In altri ambiti, come ad esempio nello studio dei
12
popolamenti zoobentonici, il LIDAR è una tecnologia in via di sperimentazione che comunque si
basa su estrapolazioni a posteriori del dato e in molti casi, per valutarne il potere discriminante,
richiede la validazione con dati prelevati di campo o bibliografici. Infatti è la conoscenza di alcune
caratteristiche strutturali dei fondali come ad esempio la tipologia del fondo, la granulometria del
sedimento e la profondità che permetterebbe di predire con buona approssimazione la tipologia di
popolamento associata. In questo senso quindi negli ultimi anni si sta valutando il contributo di un
sistema di acquisizione remota mediante telerilevamento con LIDAR per la mappatura degli habitat
costieri.
13
3. IMPLEMENTAZIONE DI METOLOGIE DI ELABORAZIONE ED ACQUISIZIONE
Partendo dalla ricerca bibliografica di settore, l’obiettivo di questa fase è di implementare una
metodologia di elaborazione dei dati acquisiti da remoto, che fornisca un supporto reale ai sistemi di
monitoraggio ambientale, che potrebbero divenire, in seguito ai risultati ottenuti nel corso di tale
sperimentazione, aggiornabili con costi minori. I risultati e i prodotti di un tale studio potrebbero
essere in grado di fornire nuove metodologie per una caratterizzazione ambientale delle zone
costiere
3.1. Aspetti morfologici
Ciò che si ottiene con un rilievo LiDAR è una distribuzione di punti ai quali sono associate le
coordinate e la quota (XYZ) ed il valore dell’intensità riflessa (I). L’intero processo di calcolo e
rettifica dei punti laser viene preceduto da una fase di calibrazione del sistema, da effettuarsi prima
o contestualmente al rilievo LiDAR.
L’elaborazione dei dati LiDAR prevede diverse fasi: a seguito del calcolo della traiettoria e
dell’orientazione del sensore mediante DGPS/INS, viene generato un archivio di punti XYZ,
successivamente
classificati
sulla
base
dell’altezza,
intensità
della
riflessione,
ecc.
(http://www.regione.emilia-romagna.it/wcm/geologia/canali/costa/progetti/01_lidar.htm).
Dalla nuvola di punti si ottengono, per elaborazioni successive che comprendono sia un filtraggio
automatico che uno manuale, dataset che descrivono quantitativamente l’andamento della superficie
topografica.
Nell’analisi morfometrica verranno utilizzati sia Digital Elevation Models (DEM) che Digital
Terrain Models (DTM) per l’estrazione di attributi topografici sia primari che secondari (Speight,
1984, Melelli et al., 2007) a partire dai quali saranno possibili diverse elaborazioni, come ad
esempio curve di livello del terreno e modelli tridimensionali.
In particolare, i DEM rappresentano in forma digitale le quote della superficie rilevata (comprensivi
degli elementi morfologicamente rilevati rispetto alla superficie del terreno). Diversamente, un
DTM rappresenta in forma digitale la superficie del terreno con l’esclusione di tutti gli elementi
morfologicamente rilevati rispetto ad essa, quali ad esempio le infrastrutture, la vegetazione, ecc.
Il confronto DTM/DEM, permette infine di ricavare utili informazioni quali ad esempio quelle
relative allo spessore dello strato di vegetazione presente sulle dune costiere.
14
La metodologia proposta per l’esecuzione dell’analisi morfometrica prevista in questa fase delle
attività è basata su quanto esplicitato al par. 3.2 del piano operativo. La procedura utilizzata sarà la
seguente:
1.
Selezione dei parametri morfometrici significativi adatti ad una caratterizzazione della
fascia costiera mediante l’analisi della mutabilità spaziale di uno specifico processo geomorfologico
o di particolari associazioni di forme relative alla spiaggia sommersa, alla spiaggia emersa e alle
dune costiere retrostanti.
2.
Estrazione dei parametri morfometrici a partire dai dati topo-batimetrici. Tali parametri
verranno utilizzati nella caratterizzazione morfologica della fascia costiera.
3.
Analisi morfometrica dei parametri estratti, attraverso il riconoscimento della geometria e
della disposizione spaziale delle morfologie più significative. L’analisi verrà condotta a partire dai
modelli 3D ottenuti mediante due differenti approcci metodologici: un approccio sarà quello
geometrico, che sfrutta le proprietà che alcune forme hanno di mantenere le medesime
caratteristiche geometriche esprimibili in termini di angoli (pendenza, curvatura) e rapporti
dimensionali (altezza, ampiezza, profondità); l’altro utilizzerà il segnale di backscatter, ossia i
contrasti nel segnale di ampiezza di rifrazione. Essa riguarderà elementi morfologici appartenenti
alla spiaggia sommersa (quali ad esempio la presenza di barre sommerse), alla spiaggia emersa
(quali ad esempio linea di riva, pendenza, curvatura, volume di sedimento) e ai depositi eolici (quali
ad esempio piede e cresta della duna, volume di sedimento, pendenza, curvatura e copertura
vegetale). A tale scopo sarà utilizzato anche il software Digital Shoreline Analysis System (DSAS)
3.2 (Thieler et al., 2005). DSAS è un’estensione di ESRI ArcGIS© v.9.x che permette di calcolare
la variazione di serie storiche di shapefiles lineari (ad esempio la linea di riva) tramite la
generazione di transetti perpendicolari ad una linea di riferimento (baseline) appositamente creata
dall’operatore.
4.
Interpretazione delle forme e dei processi da cui dipendono evoluzione e stato ambientale
dell’area. In particolare, la metodologia applicata consentirà di individuare i limiti del sistema
spiaggia/duna e la distribuzione dei depositi eolici alla massima risoluzione permessa dal tipo di
dati.
Infine, i dati acquisiti mediante rilievo LiDAR potranno essere:
-
confrontati con quelli derivati da rilievi pregressi ove disponibili. Tale confronto, mediante
l’individuazione delle modificazioni morfologiche intercorse nel periodo di tempo considerato,
15
permetterà di acquisire informazioni relative al budget sedimentario e alla dinamica del
sistema costiero;
-
utilizzati come base conoscitiva di confronto per qualsiasi rilievo futuro, anche realizzato con
tecniche di acquisizione diverse.
16
3.2. Aspetti ambientali
L’analisi da remoto può essere un valido strumento per la comprensione di pattern e processi
funzionali e strutturali degli ecosistemi costieri. Considerando l’elevato grado di risoluzione
spaziale che si può ottenere integrando rilievi LiDAR e iperspettrali e, contestualmente, l’elevata
superficie rilevabile in tempi relativamente brevi, questo strumento permette di interpretare
l’ambiente a diverse scale di osservazione a partire da quelle locali fino a livello regionale e di
paesaggio.
Nella caratterizzazione ambientale basata sui dati telerilevati, non si hanno ancora consolidate basi
conoscitive per l’applicazione e la conseguente risoluzione di dati biologici soprattutto in ambiente
acquatico ed ancor meno a livello della fascia di transizione terra-acqua. L’ampia letteratura
scientifica disponibile presenta numerosi casi di applicazione dell’interpretazione di dati telerilevati
ancora strettamente lagati a procedure di validazione con dati di campo sia rilevati con approccio
tradizionale che di natura spettroradiometrica.
La strategia proposta per la realizzazione dell’analisi ambientale prevista in questa fase delle attività
è basata sulla metodologia esplicitata al par. 2.1.2 del Piano Operativo (ISPRA, 2009) e prevede le
seguenti fasi:
1. applicazione delle procedure di SMA (spectral mixing analysis) per l’individuazione dei singoli
elementi riflettenti del territorio e risoluzione di segnali misti provenienti dalle porzioni di
territorio analizzate;
2. riclassificazione delle immagini sulla base degli elementi riflettenti puri che verranno
visualizzati come campi continui;
3. validazione della procedura adottata mediante dati di campo di precedenti campagne di analisi e
parzialmente integrati con dati di nuova acquisizione;
4. produzione di elaborati cartografici che individuino aree omogenee per caratteristiche
ambientali.
In questo studio, ci si propone di implementare l’approccio metodologico basato sulla Spectral
Mixing Analysis per l’interpretazione ecologica ed in particolare, ci si propone di valutare la
rilevabilità e le caratteristiche dell’assorbimento spettrale delle biomasse vegetali e della
componente organica in ambiente costiero sommerso, emerso ed intertidale.
Le sostanze otticamente attive potenzialmente presenti nella colonna d’acqua sono sicuramente
quelle che contengono clorofilla, la materia organica disciolta e quella sospesa. Le proprietà ottiche
17
di queste componenti sono strettamente legate alla qualità dell’acqua e sono state discusse in
dettaglio da alcuni autori (Bukata, 2000; Dekker, 1993; Kirk, 1994 e lett. citata).
Saranno prodotte mappature di diverso dettaglio sulla vegetazione associata alla spiaggia emersa ed
al cordone dunale e questo tipo di elaborati sarà strettamente legato al rilievo morfologico, basato
principalmente sul dato LiDAR, per definire una zonazione delle principali associazioni vegetali,
una valutazione dello spessore e dello stato di salute della vegetazione.
Più complessa sarà l’interpretazione dell’area di battigia o intertidale, ovvero della zona di
transizione tra la spiaggia emersa e sommersa, ambiente in cui l’architettura sedimentologica e
quella topo-batimetrica interagiscono con il gradiente idrico determinando, a piccole scale di
osservazione, una notevole variabilità spaziale e temporale.
L’aspetto su cui ci si propone di porre maggiore attenzione è sicuramente quello dell’integrazione di
informazioni derivanti da diverse sorgenti di dati finalizzata sia ad una migliore descrizione delle
componenti ambientali rilevabili che alla continua validazione degli elaborati prodotti, in termini di
replicabilità ed esportabilità tra componenti diverse all’interno di uno stesso sito, ma anche e
soprattutto tra i due siti.
Le scansioni LiDAR ed iperspettrali forniscono infatti importanti informazioni che possono essere
comprese e quindi utilizzate solo attraverso lo sviluppo di specifici algoritmi in grado di permettere
la discriminazione dei singoli contributi al segnale rilevato.
Per “integrazione” si intende la fusione fra dati acquisiti con sistemi realmente distinti e s’intende
altresì l’applicazione di un approccio multidisciplinare finalizzato alla sperimentazione, in ambito
costiero, di metodologie all’avanguardia ed innovative che saranno implementate, soprattutto
nell’interpretazione ecologica della distribuzione di diversi habitat. In particolare i dati laser ed
iperspettrali saranno elaborati e georiferiti in un unico datum di riferimento geodetico in cui il dato
laser viene considerato la base geometrica di partenza, in quanto esso rappresenta la fonte di dati
più accurata e più ricca di informazioni e di contenuti spaziali, mentre il dato iperspettrale costituirà
il serbatoio di informazioni ecologiche.
Il sistema iperspettrale MIVIS (Multispectral Infrared & Visible Imaging Spectrometer) è uno
strumento modulare composto da quattro spettrometri che misurano simultaneamente la radiazione
elettromagnetica riflessa dalla superficie terrestre in 102 differenti bande spettrali:
• 1° spettrometro: 20 bande nella regione spettrale del visibile (0,433-0,833 µm);
• 2° spettrometro: 8 bande nella regione spettrale dell’infrarosso vicino (1,150-1,550 µm);
• 3° spettrometro: 64 bande nella regione spettrale dell’infrarosso medio (2,000-2,500 µm);
• 4° spettrometro: 10 bande nella regione spettrale dell’infrarosso termico (8,200-12,700 µm).
18
Si tratta di un sensore a scansione (whiskbroom scanner) in cui le immagini ottenute presentano una
forte deformazione geometrica in direzione trasversale alla direzione di acquisizione.
Il dataset di partenza , dovrà essere preliminarmente indagato al fine di individuare le bande più
significative ai fini dell’indagine ambientale e ciò sarà possibile sia utilizzando l’ampia letteratura
già disponibile che valutando, in fase sperimentale, la possibilità di ottenere ulteriori informazioni
incrementando il numero di canali oggetto di processamento.
Il rilievo iperspettrale, ottenuto in condizioni meteorologiche ottimali e con elevato numero di
canali, potrebbe fornire la possibilità di mappare la distribuzione dei diversi tipi di sedimento e del
loro contenuto idrico (relativamente alla spiaggia emersa ed alla zona intertidale), della produzione
primaria e di alcune delle proprietà ottiche della colonna d’acqua quali la torbidità, biomassa
fitoplanctonica e la presenza di fanerogame.
Tutte queste informazioni di carattere ecologico, opportunamente interpretate ed integrate al rilievo
batimetrico e topografico, nonché alla eventuale mappatura granulometrica del sedimento, potranno
utilmente fornire una base per l’individuazione dei principali habitat bentonici e dunque, delle
diverse comunità biologiche ad essi associate. Dati validabili grazie alla disponibilità di mappature
pregresse svolte da ISPRA.
19
4. MATERIALI E METODI
Per comprendere i principali processi che governano un sistema tanto complesso come la fascia
costiera, dove componenti eterogenee sono collegate da interazioni multiple, è necessaria una
grande quantità di informazioni acquisite con specifiche scale spaziali e differenti livelli di analisi.
Ad oggi, è universalmente riconosciuta dalla comunità scientifica l’importanza dell’evoluzione
delle metodologie e delle strumentazioni per il telerilevamento, che consentono di condurre studi su
scala areale in diversi contesti ambientali (Bach et al., 2007). Le tradizionali tecniche di
rilevamento e di monitoraggio non sono sempre efficaci e, quando possibili, non convenienti
economicamente (Brinkman, 2000; White and Wang, 2003).
Le indagini da remoto, ed in modo particolare la combinazione delle informazioni ottenibili
mediante sensori laser ed iperspettrali, possono fornire dati ambientali con un elevato grado di
risoluzione (Estep et al., 1994). Essi costituiscono un valido ed unico contributo alla comprensione
dell’ambiente a livello ecosistemico e paesaggistico, livelli per i quali sono richieste informazioni
relative a processi che avvengono a piccola scala cioè a livelli gerarchici inferiori. (Ustin et al.,
2004).
Il LiDAR è un mezzo per la rilevazione dei parametri superficiali che ben si presta a studi per la
valutazione di fenomeni erosivi delle aree costiere (White and Wang, 2003). Il rilievo laser
scanning aviotrasportato viene generalmente eseguito mediante sensore laser a scansione bicolore
(che opera nelle lunghezze d’onda dell’infrarosso vicino, 1064 nm, e nel verde, 532 nm) con
l’obiettivo di distribuire uniformemente i punti rilevati lungo la zona indagata (alcuni sistemi
LiDAR, rilevando lungo una traccia sinusoidale, possono originare una disomogeneità nella densità
dei punti concentrandoli sui bordi della strisciata). L’apparecchiatura emette un raggio laser nelle
lunghezze d’onda dell’infrarosso e l’emissione di un ulteriore raggio laser nel campo del verde,
permettendo anche il rilievo dei fondali fino a profondità dipendenti dal livello di torbidità
dell’acqua.
Durante gli ultimi cinque anni di operazioni di indagine (Milli and Surace, 2006), i sensori LiDAR
specifici per l’acquisizione di dati batimetrici hanno fornito un efficace strumento per la gestione
delle aree costiere (Irish et Lillycrop, 1999; Pe’eri and Philpot, 2007).
In questo studio i dati grezzi ottenuti verranno sottoposti a diversi “filtraggi” come descritto in
letteratura (Roggero, 2001a; 2001b; Sithole, 2001). Dapprima verranno eliminati i punti “anomali”,
facilmente riconoscibili in quanto molto più alti o molto più bassi rispetto ai punti circostanti: i
primi possono essere dovuti ad oggetti che non sono sul terreno, mentre i secondi sono dovuti a
20
riflessioni multiple. Eliminati questi punti, si otterrà un modello digitale della superficie (DSM) che
comprende i target di diverse risposte quali manufatti o scatter delle onde. Per ottenere il modello
digitale (DEM) batimetrico, il backscatter dell’acqua verrà eliminato sfruttando i doppi echi che si
originano in corrispondenza della superficie stessa: infatti una parte del raggio riesce ad attraversare
la superficie dell’acqua e ad originare una seconda eco in corrispondenza della batimetria. Tale
metodologia permette di discriminare la batimetria alla profondità di diversi metri. Inoltre la
metodologia implementata permetterà di eseguire contemporaneamente rilievi del fondale e della
zona emersa come anche le strutture costiere
Il sensore iperspettrale è basato su una potente e versatile tecnologia in grado di registrare centinaia
di ristrette bande spettrali nella porzione dello spettro elettromagnetico in cui assorbe (visibile,
infrarosso vicino e medio infrarosso). La risoluzione spettrale molto alta rende possibile la
discriminazione tra differenti oggetti sulla base della loro risposta spettrale in ciascuna delle bande e
di approfondire l’analisi fino ad una scala di estremo dettaglio.
L’approccio metodologico che verrà adottato per il processing di dati iperspettrali ad elevato
standard qualitativo è la SMA (spectral mixing analysis - Smith et al., 1990; Adams et al., 1995;
Roberts et al., 1998b; Elmore et al., 2000; Small, 2004).
Ogni elemento presente nelle scene acquisite da remoto fornisce una risposta (riflettanza) diversa a
seconda della lunghezza
d’onda (λ) con cui è indagato, che è funzione della natura fisica
dell’elemento stesso. Per ogni scena indagata avremo, dunque, che lo stesso elemento fisico
riflettente (endmember) fornisce una differente risposta spettrale nelle diverse bande con cui viene
rilevato; l’insieme di tali risposte costituisce la firma spettrale dell’endmember. Va inoltre
sottolineato come le immagini siano costituite da singoli pixel che, essendo la risultante di segnali
complessi provenienti da più endmembers, sono unità visive miste (mixed pixel).
Partendo da tali premesse, un’immagine fornisce un segnale (riflettanza) estremamente complesso e
dovuto alla combinazione lineare delle risposte degli endmembers presenti. La SMA assimila tale
segnale ad uno spazio multidimensionale con tante dimensioni quanti sono gli elementi riflettenti
che lo costituiscono. Mediante un procedimento definito Analisi delle Componenti Principali
(Boardman, 1989; Boardman and Kruse, 1994; Melelli et al., 2007, Taramelli e Melelli, 2009) è
possibile isolare la riflettanza dovuta ai singoli elementi fisici riflettenti “puri”(ad es. acqua, suolo,
vegetazione ecc.) e individuare quali siano quelli che forniscono la maggior parte delle informazioni
alla scena. Una volta definita la riflettenza di elementi puri è possibile risolvere il segnale derivante
dai mixed pixel sviluppando modelli di equazioni lineari che, risolti, forniscono la percentuale di
endmembers presenti in ogni pixel o gruppo di pixel della scena. Il risultato finale è una
21
riclassificazione dell’immagine in cui si visualizzano, in modo continuo, le frazioni degli
endmembers sulla scena e, dunque, la disposizione spaziale di aree omogenee (Adams et al., 1986,
1993, 1995; Smith et al., 1985; Gillespie et al., 1990; Boardman, 1993; Melelli et al., 2007). Di
seguito vengono riportate le equazioni di primo grado calcolate in letteratura (Boardman, 1989;
Boardman e Kruse, 1994; Small, 2004) e che permettono di risolvere il segnale complesso
proveniente da una immagine:
fSe11 + fVe12 + fDe13 = r1
fSe21 + fVe22 + fDe23 = r2
fSe31 + fVe32 + fDe33 = r3
fSe41 + fVe42 + fDe43 = r4
fSe51 + fVe52 + fDe53 = r5
fSe61 + fVe62 + fDe63 = r6
in cui ri è il segnale complesso che proviene da un pixel o gruppo di pixel nelle diverse bande di
indagine, eij rappresenta il segnale degli endmembers puri, rispettivamente substrato (S),
vegetazione (V), acqua (D), f sono le percentuali dei tre endmembers presenti e sono le incognite
rispetto a cui il sistema di equazioni va risolto.
Sostanzialmente la Spectral Mixing Analysis, partendo dalla radiazione emessa da una data
porzione del territorio, consente di interpretare una risposta complessa mediante la scomposizione
in singoli elementi che vengono successivamente interpretati e ricondotti a determinate matrici
ambientali o elementi topografici.
Nella presente ricerca, partendo da una definizione dello stato dell’arte inerente le metodologie
sopra descritte, si intende implementare l’approccio descritto al fine di indagare alcuni aspetti
ambientali delle aree rilevate. Il dato iperspettrale, se ottenuto in condizioni meteorologiche ottimali
e con un sufficiente numero di canali, consente di analizzare la distribuzione dei diversi tipi di
sedimento (Rainey et al., 2003) e del loro contenuto idrico (relativamente alla spiaggia emersa Ben Dor et al., 1999), la componente fotosintetizzante (la produzione primaria o meglio i pigmenti
fotosintetici sono indubbiamente gli elementi che possono essere meglio rilevati) e alcune delle
proprietà ottiche della colonna d’acqua (torbidità e biomassa fitoplanctonica).
Questo tipo di informazioni, unitamente a valutazioni topografiche e batimetriche derivanti dal
processing delle scansioni LiDAR, consentirà di analizzare le molteplici variabili caratterizzanti gli
ambienti di fascia costiera con l’obiettivo di ottimizzarne la gestione. L’uso combinato delle due
tecnologie consente di valutare con maggior dettaglio l’informazione derivante dall’area indagata.
22
La tecnologia LiDAR mediante il backscatter dei target indagati consente di avere informazioni di
carattere morfologico ad un buon livello di dettaglio; tuttavia sono numerosi i fattori presenti sul
territorio che possono “disturbare” il segnale e quindi l’informazione ricevuta. L’utilizzo
contemporaneo dei dati iperspettrali permette di risolvere segnali complessi e quindi
sostanzialmente di separare l’informazione relativa alla morfologia del territorio da quella di altre
matrici ambientali o elementi del territorio. I risultati ottenuti mediante l’uso combinato dei dati da
remoto devono essere validati con dati di campo di neoacquisizione o su serie di dati già esistenti
(cartografie o, eventualmente, immagini satellitari). Una buona correlazione fra risultati ottenuti da
dati differenti per acquisizione e processing, confermerà l’affidabilità dell’approccio metodologico
adottato. Non mediante una risoluzione spaziale assoluta, ma mediante una elevata risoluzione
spettrale, dovuta all’uso combinato di diverse tecnologie, si possono ottenere informazioni
qualitativamente ottimali per una corretta interpretazione e gestione del territorio, delle componenti
fisiche di cui è composto e delle dinamiche che lo governano. A differenza delle indagini classiche
in situ, volte alla determinazione puntuale di quantità e spesso caratterizzate da tempistiche e costi
elevati, la possibilità di utilizzare le informazioni derivanti da immagini iperspettrali consente di
ricavare dette informazioni su larga scala e correlarle a posteriori ad indici riconosciuti in letteratura
(Roberts et al., 1998a; Li et al., 2005; Giardino et al., 2007a; 2007b). La riproducibilità nella
derivazione di simili informazioni a partire da dati telerilevati dipende da tre parametri principali:
• Quota di acquisizione del dato telerilevato (dimensione dei pixel a terra);
• calibrazione radiometrica del dato basata su una corretta modellizzazione del comportamento
dell'atmosfera;
• ampia differenziazione nel campionamento delle "firme spettrali" necessarie alla classificazione
delle immagini iperspettrali.
Nel corso di questa fase dello studio ci si propone di elaborare le scansioni LiDAR ed iperspettrali
attraverso l’uso della SMA (spectral mixing analysis) con lo scopo di ottenere informazioni utili ad
una caratterizzazione ambientale (Mancini et al., 2008). Per quanto riguarda le immagini
iperspettrali, i nuovi sensori sono certamente un utile strumento per l’individuazione e l’analisi dei
parametrici fisico-chimici del territorio. Data l’elevata sensibilità delle strumentazioni, gli elaborati
ottenuti sono un prodotto complesso derivante dai numerosi elementi presenti sulla superficie
rilevata. Sostanzialmente le immagini ottenute sono costituite da singoli pixel “misti” e ciò che
osserviamo al loro interno è il risultato della combinazione di diversi segnali spettrali dovuti ai
differenti elementi fisici presenti all’interno del pixel. Gli elaborati ottenibili saranno basati su
tecniche di spectral mixing analysis (SMA), che consentiranno di valutare alcuni dei processi fisici
23
e delle caratteristiche delle superfici rilevate. L’analisi riguarderà una recente metodologia per la
stima della frazione degli elementi riflettenti in accordo con la stima al 10% da foto aeree (Small,
2000; Taramelli e Melelli, 2009). La stima quantitativa di frazione è preferibile ad un’analisi basata
sui tradizionali metodi di classificazione in quanto 1) piccoli cambiamenti in densità possono essere
più facilmente individuati, 2) analisi multitemporali possono essere verificate per consistenza
interna, 3) a differenza dell’“hard classification”, la frazione stimata può essere verificata attraverso
misure al suolo e non risentire di problemi di saturazione e non-linearità tipici della stima da
classificazioni statistiche.
La strategia che verrà adottata per il raggiungimento degli obiettivi della presente ricerca è già stata
testata con ottimi esiti in precedenti progetti di ricerca (Bach et al., 2007; Taramelli e Melelli,
2008a; Pasqui et al., 2009, Taramelli, 2009), in particolare nel 2005 – 2006 la “Sino-Italian
Collaboration Program For Environmental Protection Granted Proposal” ha coinvolto Columbia
University e il MATTM (Ministero dell’Ambiente e della Tutela del Territorio e del Mare) nel
“Project on Environmental Base Line Identification (Beijing and Alashan Area, China) for dust
storm emission using remote sensing “. Il progetto ha consentito di effettuare nella regione cinese di
Alashan una classificazione ambientale mediante l’integrazione di dati Backscatter SAR,
LANDSAT, Hyperion (iperspettrale) e dati di campo acquisiti con spettroradiometro (vedi FIG.1,
Fig. 2 e Fig. 3).
24
Fig.1 – Da Taramelli, 2009 – 1a: Immagine in falsi colori del σºhh power in banda C- e banda L dei dati 13046/7. Il
colore blu rappresenta basso backscatter mentre il rosso rappresenta alto backscatter (Latitudine 40.52°N; longitudine
104.43°E). Lo swath dell’immagine ha una width di circa 45 km. Radar illumination dall’alto. 1b. immagine in bianco e
nero del rapporto tra L-Band σºhh e la somma di C-Band σºhh con L-Band σºhh dello stesso dataset 13046/7. 1c.
rappresenta la stessa porzione dell’immagine SIR-C in un mosaico Landsat TM di aprile 2004.
Sostanzialmente sono state individuate nella regione aree omogenee appartenenti a 4 categorie
principali: aree scure prive di riflessività (es. acqua), vegetazione, roccia e suolo (Fig. 2).
25
Fig. 2 - Spectral mixing space per il mosaico di Alashan in immagini ETM+ (Pasqui et al., 2008) che corrisponde ad
una ambiente deposizionale di acqua bassa. Lo scatter plot (colori accesi rappresentano densita’ di pixel maggiori)
mostra le proiezioni ortogonali dello spazio tridimensionale delle tre prime componenti principali che rappresentano il
90% della varianza delle immagini. La prima dimensione corrisponde a roccia/suolo substrato; la seconda dimensione
corrisponde alla frazione vegetale; la terza rappresenta la differenza tra un tipo di substrato (argilla) e un secondo tipo di
substrato (sabbia).
L’analisi è completamente quantitativa potendo raffrontare dati, sia da remoto che di campo,
dipendenti dalla natura fisica dei target indagati; come si osserva nella parte inferiore della fig. 3 la
correlazione fra gli spettri ottenuti con le diverse strumentazioni appare buona. In tal caso dunque
l’applicazione della SMA ha consentito di distinguere gli effetti spettrali di diverse caratteristiche
sedimentologiche, di contenuto di umidità o di diversa composizione litologica (Fig. 3).
26
Fig.3 – Le prime 6 immagini rappresentano gli Spectral mixing spaces delle immagini Landsat (ottico), Hyperion
(iperspettrale) e dello spettrometro di campo (Pasqui et al., 2009). I tre grafici sottostanti evidenziano la riflettanza degli
elementi riflettenti “puri” della scena: vegetazione, superfici scure non riflettenti e due tipologie di substrato (roccia e
suolo).
Il progetto WindDUST 05 ha evidenziato come i dati relativi alle firme spettrali, eseguite in situ e in
laboratorio, dimostrano che, per una determinazione quantitativa della distribuzione della
caratterizzazione ambientale, l’analisi dei dati telerilevati deve includere misure acquisite nell’
infrarosso vicino e nel termico (SWIR – Alberotanza et al., 1999; 2001; Sabetta et al., 2006; Van
der Wal e Herman, 2007). Inoltre, la frequenza di acquisizione delle immagini, in relazione ai cicli
inter-annuali e alle variazioni del contenuto in umidità delle zone di acque basse, è fondamentale
per ottimizzare le differenze spettrali tra i le classi e le caratteristiche ecologiche associate, come ad
esempio la produttività primaria e i tassi di decomposizione. In particolare il principale fattore
responsabile della variabilità (varianza) spettrale è l’umidità. Nella prima
dimensione della
variazione spettrale all’interno del mixing space, le traiettorie di perdita di umidità sono
consistentemente monotoniche. Il contenuto d’acqua risulta evidente sia per quanto riguarda
l’assorbimento di H2O a 1450nm e 1950nm sia per quanto riguarda i cambiamenti di fase
dell’albedo a tutte le lunghezze d’onda. Due fonti indipendenti di variazione spettrale possono
27
essere quindi distinte a partire dai risultati della SMA su spettri ottenuti dal data fusion con i dati di
backscatter.
Nella presente ricerca si vuole condurre un’analisi analoga a quella sopra descritta, in un contesto
ambientale differente, in modo da poter testare le effettive potenzialità dell’approccio metodologico
adottato. L’uso combinato di dati da remoto (LiDAR e iperspettrale) e la validazione dei risultati
ottenuti potrebbero consentire la messa a punto di una metodologia solida e affidabile per l’indagine
di porzioni emerse e sommerse della fascia costiera che consenta di interpretare le forme, la natura
fisica e le dinamiche di ecosistema altamente complesso. Attraverso l’integrazione di dati di natura
morfologica, fisica e biologica, è possibile ottenere una visione d’insieme della porzione di
ambiente indagato e dunque una caratterizzazione delle dinamiche del paesaggio costiero anche da
un punto di vista strettamente ecologico.
28
5. ESPORTABILITA' DEI DATI
Per poter valutare l’accuratezza degli elaborati, sarà effettuata una continua comparazione tra dati
pregressi, dati di campo ma anche e soprattutto tra i prodotti ottenuti grazie ai due sensori sia
singolarmente sia integrati (correzioni geometriche, punti di validazione etc…).
La ricerca proposta avrà quindi la possibilità di confermare (o confutare) tutte queste osservazioni
tramite l’estensione delle analisi ad un numero maggiore di aree test e ad una più ampia variabilità
di casi. Sarà inoltre in grado di confermare (o confutare) la possibilità di rilevare proprietà spettrali
in un contesto ambientale costiero a partire dall’analisi di immagini satellitari iperspettrali e a banda
larga.
29
6. BIBLIOGRAFIA
Acosta A., Carranza M.L., Izzi C.F. (2005) - Combining land cover mapping of coastal dunes with
vegetation analysis. Applied Vegetation Science 8: 133-138.
Adams, J.B., Sabol, D.E., Kapos, V., Filho, R.A., Roberts, D.A., Smith, M.O., and Gillespie, A.R.
(1995) - Classification of multispectral images based on fractions of endmembers: Application to
land cover change in the Brazilian Amazon. Remote Sensing of Environment 52: 137-151.
Adams, J.B., Smith, M.O., and Gillespie, A.R. (1993) - Imaging Spectroscopy: Interpretation based
on spectral mixture analysis. In Remote Geochemical Analysis: Elemental and Mineralogical
Composition, C.M. Pieters, and P. Englert (eds), Cambridge University Press, New York:145166.
Alberotanza, L., Brando, V.E., Zandonella, A. (2001) - Applicazioni MIVIS in ambienti marini e
lagunari. Rivista Italiana Telerilevamento 20/21: 61-71.
Alberotanza, L., Brando, V.E., Ravagnan, G., Zandonella, A., 1999, Hyperspectral aerial images. A
valuable tool for submerged vegetation recognition in the Orbetello Lagoons, Italy.
International journal of Remote Sensing 20 (3): 523- 533.
Andrews, B.D., Gares, P.A., Colby, J.D. (2002) - Techniques for GIS modeling of coastal dunes.
Geomorphology 48: 289–308.
Anthony E. J., Vanhee S., Ruz M. H. (2006) - Short-term beach–dune sand budgets on the north sea
coast of France: Sand supply from shoreface to dunes, and the role of wind and fetch.
Geomorphology 81: 316–329.
Anzidei M., Baldi P., Esposito A., Fabris M., Pesci A., Pietrantonio G., Giordano G., Carapezza M.
L., and Riguzzi F. (2007) - Integrated Surveys Of Active Volcanoes From Airborne, Bathymetric
and Ground Based Data: The Examples Of Panarea and Albano (Italy). In: www.earth-prints.org/
Arens, S.M. (1994) - Aeolian processes in the Dutch foredunes. PhD dissertation, University of
Amsterdam: 150 pp
Bach D., Barbour J., Macchiavello G., Martinelli M., Scalas P., Small C., Stark C., Taramelli A.,
Torriano L., Weissel J. (2007) - Integration of the advanced remote sensing technologies to
investigate the dust storm areas. In: Human and Nature – Working tighter for sustainable
development of Drylands, Proceedings of 8th ICDD Conference, 25-28 February 2006, Beijing,
China. ICARDA, Aleppo, Syria, A., El-Beltagy, M.C. Saxena, and T., Wang (eds): 387-397.
Barbini R., Colao F., Fantoni R., Micheli C., Palucci A., Ribezzo S. (1998) - Design and application
of a LiDAR fluorosensor system for remote monitoring of phytoplankton. ICES Journal of
Marine Science 55: 793–802.
Bauer, B.O., Davidson-Arnott, R.G.D. (2002) - A general framework for modelling sediment
supply to coastal dunes including wind angle, beach geometry, and fetch effects. Geomorphology
49: 89–108.Brian D. Andrews, Paul A. Gares, Jeffrey D. Colby (2002) - Techniques for GIS
modeling of coastal dunes. Geomorphology 48: 289–308.
Ben-Dor, E., Irons, J.R. and Epema, G.F. (1999) - Soil reflectance. In: Remote Sensing for the Earth
Sciences, Manual of Remote Sensing (3rd ed.), Rencz, A.N. (eds): 111–188.
Bianchi C.N., Zurlini G. (1984) - Criteri e prospettive di una classificazione ecotipologica dei
sistemi marini costieri italiani. Acqua aria 8: 785-796.
30
Boardman, J. W. (1993) - Automating spectral unmixing of AVIRIS data using convex geometry
concepts. In: Fourth Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) airborne
geoscience workshop Pasadena, CA: Jet Propulsion Laboratory, R. O. Green (eds): 11 –14.
Boardman, J.W. (1989) - Inversion of Imaging Spectrometry Data Using Singular Value
Decomposition. Proceedings of the 12th Canadian Symposium on Remote Sensing: 2069-2072.
Boardman, J.W., Kruse F.A. (1994) - Automated spectral analysis: a geologic example using
AVIRIS data, north Grapevine mountains, Nevada. In: Tenth Thematic Conference on Geologic
Remote Sensing, , Environmental Research Institute of Michigan, Ann Arbor, MI : 1407-1418.
Brennan, R., Webster, T.L. (2006) - Object-oriented land cover classification of LiDAR-derived
surfaces. Canadian Journal of Remote Sensing 32: 162-172.
Brown E.D., Churnside J. H., Collins R.L., Veenstra T., Wilson J. J., K. Abnett (2002) - Remote
sensing of capelin and other biological features in the North Pacific using LiDAR and video
technology. ICES Journal of Marine Science, 59: 1120–1130.
Brock J. C., Wright C. W., Kuffner I. B., Hernandez R., Thompson P. (2006) - Airborne LiDAR
sensing of massive stony coral colonies on patch reefs in the Northern Florida reef tract. Remote
Sensing of Environment,104 : 31–42.
Brovelli M.A., Cannata M., Longoni U.M. (2002) - Managing and processing LiDAR data within
GRASS. Atti del convegno International Open Source GIS - GRASS Users Conference.
Brovelli M.A., Cannata M., Longoni U.M. (2004) - Estrazione di DTM da scansione laser: il test
comparativo ISPRS. Atti della VI Conferenza Nazionale ASITA, Perugina:5-8.
Carrera P., Churnside J. H., Boyra G., Marques V., Scalabrin C., Uriarte A. (2006) - Comparison of
airborne LiDAR with echosounders: a case study in the coastal Atlantic waters of southern
Europe. ICES Journal of Marine Science, 63: 1736-1750.
Casella (2002) - Estrazione del DTM di precisione dell argine di un fiume: fotogrammetria
analitica, fotogrammetria digitale e laser scanning a confronto. Atti 6a conferenza ASITA, s.l.
Chiocci, F.L., Cicciodemarco, S., Marsella, M. (2004) - Analisi di un sistema LiDAR batiemtrico :
analisi di dati sperimentali raccolti su un’area test in Florida.
Churnside J. H., Demer D.A., Mahmoudi B. (2003) - A comparison of LiDAR and echosounder
measurements of fish schools in the Gulf of Mexico. ICES Journal of Marine Science, 60: 147–
154.
Chust G. , Galparsoro I., Borja A., Franco J., Uriarte A. (2008) - Coastal and estuarine habitat
mapping, using LiDAR height and intensity and multi-spectral imagery. Estuarine, Coastal and
Shelf Science, 78: 633-643.
Cicciodemarco, S. (2003) - Applicazione del LiDAR batimetrico per la costruzione tridimensionale
della morfologia e delle strutture sommerse in zone costière : il caso di Broward County (FL),
Tesi di Laurea in ingegneria per l’ambiente e del territorio, Università La Sapienza, Roma.
Danson, E. (2006) - Understanding LiDAR bathymetry for Shallow Waters and Coastal Mapping,
Shaping the Change, XXIII FIG Congress, Munich, Germany, October 8-13.
Davidson-Arnott, R.G.D. (2005) - Beach and nearshore instrumentation. In:, Encyclopedia of
Coastal Science, Schwartz, M. (Eds) Springer, Dordrecht:130–138.
31
Davidson-Arnott, R.G.D., Law, M.N. (1990) - Seasonal patterns and controls on sediment supply to
coastal fordunes, Long point, Lake Erie. In: Coastal Dunes, Form and Process. Nordstrom, K.F.,
Psuty, N.P., Carter, R.W.G. (Eds.), Wiley and Sons Ltd, Chichester:177–200.
Davidson-Arnott, R.G.D., Law, M.N. (1996) - Measurement and prediction of long-termsediment
supply to coastal foredunes. J. Coast. Res. ,12: 654–663.
Davidson-Arnott, R.G.D., MacQuarrie, K., Aagaard, T. (2005) - The effect of wind gusts, moisture
content and fetch length on sand transport on a beach. Geomorphology, 68: 115–129.
DeKimpe, N.M., Dolan, R., Hayden, B.P. (1991) - Predicted dune recession on the Outer Banks of
North Carolina, USA. Journal of Coastal Research, 7: 451– 463.
Dolan, R., Hayden, B.P., Heywood, J. (1978) - A new photogrammetric method for determining
shoreline erosion. Coastal Engineering, 2: 21– 39.
Elmore, A. J., Mustard, J. F., Manning, S. J., Lobell, D. B. (2000) - Quantifying vegetation change
in semiarid environments: Precision and accuracy of spectral mixture analysis and the
normalized difference vegetation index. Remote Sensing of Environment, 73: 87– 102.
Estep L. L., Lillycrop W. J., Parson L. E. (1994) - Sensor Fusion for Hydrographic Mapping
Applications, Proceedings, U.S. Army Corps of Engineers Training Symposium, Surveying and
Mapping. Remote Sensing/GIS, New Orleans: 1-7.
FEMA (Federal Emergency Management Agency - 2003) - Guidelines and Specifications for Flood
Hazard Mapping Partners.
Gasperini, L. (2005) - Extremely Shallow-water Morphobathymetric Surveys: The Valle Fattibello
(Comacchio, Italy) Test Case. Marine geophysical Research, 26 (2-4): 97 - 107
Giardino, C., Bartoli, M., Candiani, G., Bresciani, M., Pellegrini, L.(2007a) - Recent changes in
macrophyte colonisation patterns: an imaging spectrometry-based evaluation of southern Lake
Garda (northern Italy). Journal of Applied Remote Sensing, 1: 1-17.
Giardino, C., Brando, V. E., Dekker, A. G., Strömbeck, N. and Candiani, G. (2007b) - Assessment
of water quality in Lake Garda (Italy) using Hyperion. Rem. Sens.Environ. , 109 : 183-195.
Gibeaut, J.C., Gutierrez, R., Kyser, J.A., (1998) - Increasing the accuracy and resolution of coastal
bathymetric surveys. Journal of Coastal Research, 14: 1082– 1098.
Gilvear, D., Tyler, A., Davids, C. (2004) - Detection of estuarine and tidal river hydromorphology
using hyper-spectral and LiDAR data: Forth estuary. Scotland. Estuarine, Coastal and Shelf
Science, 61 379-392.
Gillespie, A. R., Smith, M. O., Adams, J. B., Willis, S. C. , Fischer, A. F. III, Sabol, D. E. (1990) Interpretation of residual images: Spectral mixture analysis of AVIRIS images, Owens Valley,
California. Proceedings of the 2nd Airborne Visible/Infrared Imaging Spectrometer (AVIRIS)
Workshop, Pasadena, CA, NASA Jet Propulsion Laboratory.
Goodwin N.R, Coops N.C., Culvenor D.S. (2007) - Development of a simulation model to predict
LiDAR interception in forested environments. Remote sensing of environment, III: 481-492.
Guenther, G. Thomas, R.W.L., and Larocque, P.E. (1996) - Design Considerations for Achieving
High Accuracy with the SHOALS Bathymetric LiDAR System. SPIE Selected Papers, Laser
Remote Sensing of Natural Waters: From Theory to Practice, Victor I. Feigles and Yurij I.
Kopilevich (eds), St. Petersburg, Russia, 2694: 54-71.
32
Guenther, G.C., Brooks, M.W., and Larocque, P.E. (1998) - New Capabilities of the "SHOALS"
Airborne LiDAR Bathymeter. Proceedings, Fifth International Conference on Remote Sensing
for Marine and Coastal Environments, Environmental Research Institute of Michigan, Oct 5-7,
San Diego, CA: 147-55.
Gutierrez, R., Gibeaut, J.C., Smyth, R.C., Hepner, T.L., Andrews, J.R. (2001) - Precise airborne
LiDAR surveying for coastal research and geohazards applications. International Conference on
Photogrammetry and Remote Sensing, XXXIV (3/W4), Annapolis: 185-192.
Henderson-Sellers, A., and Pitman, A.J. (1992) - Land-surface schemes for future climate models:
specification, aggregation and heterogeneity. Journal of Geophysical Research, 97: 2678-2696.
Hicks, D.M., Hume, T.M. (1997) - Determining sand volumes and bathymetric change on an ebbtidal delta. Journal of Coastal Research, 13: 407–416.
Irish, J. L., Lillycrop, W.J. (1999) - Scanning laser mapping of the coastal zone: the SHOALS
system. ISPRS Journal of Photogrammetry & Remote Sensing, 54:123–129.
Irish, J.L., Lillycrop, W.J., Parson, L.E. (1997) - Accuracy of Sand Volumes as a Function of
Survey Density. Proceedings, 25th International Conference on Coastal Engineering, September
2-6, Orlando, FL, III: 3736-3749.
Irish, J.L., White, T.E. (1998) - Coastal engineering applications of high-resolution LiDAR
bathymetry. Coastal Engineering, 35: 47–71.
ISPRA (2009) - Rilievo di dettaglio della batimetria costiera laziale con tecnologie lidar e
valutazione delle caratteristiche fisiche e biologiche in aree marine della costa laziale di specifico
interesse ambientale. Piano operativo delle attività. Gennaio 2009: 24 pp.
Krabill, W., Wright, C., Swift, R., Frederick, E., Manizade, S., Yungel, J., Martin, C., Sonntag, J.,
Duffy, M., & Brock, J. (2000) - Airborne laser mapping of Assateague National Seashore Beach.
Photogrammetric Engineering and Remote Sensing, 66 (1): 65–71.
Lee M. (2003) – Benthic mapping of coastal waters using data fusion of Hyperspectral imagery and
airborne laser bathymetry. A dissertation presented to the graduate school of the university of
florida in partial fulfilment of the requirements for the degree of doctor of philosophy.
University of Florida: 119pp.
Lee A.C., Lucas R.M. (2007) - A LiDAR-derived canopy density model for tree stem and crown
mapping in Australian forests. Remote sensing of environment, III: 493-518.
Li L., Ustin, S.L., Lay, M. (2005) - Application of multiple endmember spectral mixture analysis
(MESMA) to AVIRIS imagery for coastal salt marsh mapping: a case study in China Camp, CA,
USA. International Journal of Remote Sensing, 26 (23): 5193–5207.
Lillycrop, W.J., Parson, L.E., and Irish, J.L. (1996) - Development and Operation of the SHOALS
Airborne LiDAR Hydrographic Survey System, SPIE Selected Papers, Laser Remote Sensing of
Natural Waters: From Theory to Practice, edited by Victor I. Feigles and Yuriji. Kopilevich, St.
Petersburg, Russia, 2694: 26-37.
Lillycrop, W.J., Parson, L.E., Estep, L.L., LaRoque, P.E., Guenther, G.C., Reed, M.D., Truitt., C.L.,
(1994) - Field test results of the US army corps of engineers airborne LiDAR hydrographic
survey system. Proc. US Army Corps of Engineers 1994 Training Symposium. US Army
Topographic Engineering Center, Alexandria, VA, pp SM2A1-SM2A6.
33
Liu Z.S., Ma S., Wang X., Li Z. (2008) - Field Detection of Chlorophyll-a Concentration in the Sea
Surface Layer by an Airborne Oceanographic LiDAR. J. Ocean Univ. Chin. (Oceanic and
Coastal Sea Research) 7(1):108-112.
Mancini, F., de Giglio, M., Nurra, M. (2008) - Indagini di carattere ambientale attraverso l’analisi di
dati multispettrali Landsat ed Terra-ASTER. Rivista italiana di Telerilevamento, 40 (3): 39-53.
Méléder V., Populus J., Rollet C. (2007) - Mapping seabed substrata using LiDAR remote sensing.
Mapping European Seabed Habitats (MESCH), IFREMER January 2007.
Melelli L., Taramelli, A., Alberto W. (2007) - Analisi combinata di dati ottici e radar per la stima
della suscettibilita` da deformazioni Gravitative profonde di versante della Regione Piemonte.
Rendiconti della Società Geologica Italiana, 4: 35–42.
Meredith Andrew, Eslinger David , Aurin Dirk (1999) - An evaluation of hurricane-induced erosion
along the North Carolina coast using airborne LiDAR surveys. CSC Technical Report:
NOAA/CSC/99031-PUB July 1999: 30pp.
Milli M., Surace L. (2006) - Tecniche innovative e tradizionali a confronto nella realizzazione di
rilievi batimetrici costieri: un caso di studio. Bollettino della SIFET, 2.
Morang, A., Larson, R., Gorman, L. (1997) - Monitoring the coastal environment: Part III.
Geophysical and research methods. Journal of Coastal Research 13: 1064–1085.
Morton, R.A., Leach, M.P., Paine, J.G., Cardoza, M.A. (1993) - Monitoring beach changes using
GPS surveying techniques. Journal of Coastal Research,9: 702– 720.
Nickling, W.G., Davidson-Arnott, R.G.D. (1990) - Aeolian sediment transport on beaches and
coastal sand dunes. Proceedings Canadian Symposium on Coastal Sand Dunes: 1–35.
Nieke B., Vincent W.F., Therriault J.C., Legendre L., Berthon J.F., Condal A. (1997) – Use of a
ship-borne laser flourosensor for remote sensing of chlorophyll a in a coastal environment.
Remote sensing of environment, 60: 140-152.
Paine J.G., White W. A., Smyth R.C., Andrews J.R., Gibeaut J.C. (2004) – Mapping Coastal
environments with LiDAR and EM on Mustang Island, Texas, U.S.
Pasqui M., Taramelli A., Small C., Bottai L., Busillo C., Calastrini F., Gualtieri G., Guarnieri, F.,
Barbour, J., Bach, D. (2009) - Dust sandstorm dynamics analysis in Northern China by means
of advanced remote sensing analysis and atmospheric emission-dispersion modeling. In review,
Earth Surface Processes and Landforms.
Pearson T. H., Rosenberg R. (1978) – Macrobethic succession in relation to organic enrichment and
pollution of the marine environment. Oceanogr. Mar. Biol. Ann. Rev., 16: 229-311.
Persson, Å., Söderman, U., Töpel, J., Ahlberg, S., ''Visualization And Analysis Of Full-Waveform
Airborne Laser Scanner Data''. ISPRS WG III/3, III/4, V/3 Workshop ''Laser scanning 2005'',
Enschede, the Netherlands, September 12-14.
Pe’eri, S., Philpot, W. (2007) - Increasing the Existence of Very Shallow-Water LiDAR
measurements Using the Red-Channel Waveforms. IEEE Transactions on Geoscience and
Remote Sensing, 45(5): 1217-1223.
Pérès J. M., Picard J. (1964) – Nouveau manuell de Bionomie Benthique de la mer Mediterranee.
Rec. Trav. St. mar. Endoume, 31(4): 1-137.
34
Populus J., Laurentin A., Rollet C., Vasquez M., Guillaumont B., Bonnot-Courtois C. (2004) Surveying coastal zone topography with airborne remote sensing for benthos mapping. EARSeL
e Proceedings, 3 (1): 105-117.
Pranzini, E. (2007) - Airborne LiDAR survey applied to the analysis of the historical evolution of
the Arno River delta (Italy). Journal of Coastal Research, SI 50, 400 - 409 ICS 2007
(Proceedings) Australia ISSN 0749.0208.
Pranzini E., Wetzel L., Rosas V., Iandelli N., Simonetti D., Carli S., Duchini E., De Filippi G.,
Bowman D., Phillips M., Boninsegni G., Archetti R., Lamberti A., Torricelli E., Corradi N.,
Ferrari M., Schiaffino C. F., La Monica G. B., Petrocchi E., Salvatore M. C., Tortora P.,
Casacchia R., Salvatori R., Preti M., Monti M., Morelli M., De Nigris N., Heurtefeux H.,
Denamiel C., Lesaignoux A., Lipakis M., Pantazis A., Kampanis N. A., Karambas Th. V.,
Georgoulas A., Xeidakis G., Delimani P., Petridis D., Skias S., Prinos P., Kotsovinos N., Casas
D., Nuez M., Durán R., Ercilla G., Estrada F., Alonso B., Farran M.., (2008) - LIDAR, in:
Projet OpTIMAL - Optimisation des Techniques Intégrées de Monitorage Appliquées aux
Littoraux, Cahier Technique de Phase C: 83-102.
Psuty N. P. (1988) - Sediment budget and dune/beach interaction. Journal of Coastal Research, SI
3:1-4.
Rainey M.P., Tyler A.N., Gilvear D.J, Bryant R.G, McDonald P. (2003) - Mapping intertidal
estuarine sediment grain size distributions through airborne remote sensing. Remote Sensing of
Environment, 86: 480-490.
Riley, J.L. (1995) - Evaluating SHOALS Bathymetry Using NOAA Hydrographic Survey Data:
Proceedings 24th Joint Meeting of UNIR Sea Bottom Surveys Panel, November 13-17, Tokyo,
Japan.
Roberts, D.A., G. Batista, J. Pereira, E. Waller, and B. Nelson (1998a) - Change Identification using
Multitemporal Spectral Mixture Analysis: Applications in Eastern Amazonia. In Remote
Sensing Change Detection: Environmental Monitoring Applications and Methods, C. Elvidge,
and R. Lunetta (eds), Ann Arbor Press, Ann Arbor. : 137-161.
Roberts, D.A., M. Gardner, R. church, S. Ustin, G. Scheer, and R.O. Green (1998b) - Mapping
chapparal in the Santa Monica mountains using multiple endmember spectral mixture models,
Remote Sensing of Environment, 65: 267 - 179.
Roggero M. (2001a) - Airborne laser scanning: clustering in raw data, ISPRS Workshop Land
surface mapping and characterization using laser altimetry. Annapolis MD, ottobre 2001.
Roggero M. (2001b) - Dense DTM from laser scanner data, OEEPE Workshop on Airborne Laser
Scanning and Interferometric SAR, Stockholm, marzo 2001.
Rosso, P.H., Ustin, S.L., Hastings, A. (2006) - Use of LiDAR to study changes associated with
Spartina invasion in San Francisco Bay marshes. Remote Sensing of the Environment,100: 295306.
Sabetta, L., Zaccarelli, N., Mancinelli, G., Mandrone, S., Salvatori, R., Costantini, M.L., Zurlini, G.,
Rossi, L. (2006) - Mapping litter decomposition by remote-detected indicators. Annals of
Geophysics,. 49(1): 219-226.
Sallenger, Jr., A.H., Krabill, W.B., Swift, R.N., Brock, J., List, J., Hansen, M., Holman, R.A.,
Manizade, S., Sontag, J., Meredith, A., Morgan, K., Ynkel, J.K., Frederick, E.B., Stockton, H.,
35
(2003) - Evaluation of airborne topographic LIDAR for quantifying beach changes. Journal of
Coastal Research, 19: 125–133.
Saye S. E., Van Der Wal D., Pye K., Blott S.J. (2005) - Beach-dune morphological relationships
and erosion/accretion: An investigation at five sites in England and Wales using LiDAR data.
Geomorphology, 72: 128-155.
Sithole G. (2001) - Filtering of laser altimetry data using a slope adaptive filter, ISPRS Workshop
Land surface mapping and characterization using laser altimetry, Annapolis MD, ottobre 2001.
Small, C. (2000) - Quantitative discrimination of vegetation characteristics from Linear Spectral
Unmixing of Landsat TM imagery. Remote Sensing of Environment.
Small C. (2004) - The Landsat ETM+ spectral mixing space. Remote Sensing of Environment, 93:
1-17.
Simard M., Zhang K., Rivera-Monroy V. H., Ross M. S., Ruiz P.L., Castañeda-Moya E., Twilley
R.R., Rodriguez E. (2006) - Mapping Height and Biomass of Mangrove Forests in Everglades
National Park with SRTM Elevation Data. Photogrammetric Engineering & Remote Sensing 72,
(3): 299–311.
Smith, M. O., Johnson, P. E., and Adams, J. B. (1985) - Quantitative determination of mineral types
and abundances from reflectance spectra using principal component analysis. J. Geophys. Res.,
90: 792-804.
Smith, M.O., S.L. Ustin, J.B. Adams, and A.R. Gillespie (1990) - Vegetation in deserts: I. A
regional measure of abundance from multispectral images. Remote Sensing of Environment, 31:
1-26.
Sorichetta, A., Taramelli A., Santini M. (2009) - Algorithm to calculate equal-area on a latitudelongitude (geographic) regular grid, In: review, International Journal of GIS.
Sosebee, C. R. (2001) - Improvement of the land/water discrimination algorithm for the US Army
Corps of Engineers scanning hydrographic operational airborne LiDAR, M.S. thesis, Cornell
Univ., Ithaca, NY.
Speight J.G. (1984) - The role of topography in controlling throughflow generation: a discussion.
Earth Surf. Process and Landf., 5: 187-191.
Taramelli, A.(2009) - Detecting Landforms Using Quantitative Radar Roughness Characterization
and Spectral Mixing Analysis, Environmental geocomputation for sustainable development,
Series Studies in Computational Intelligence, Springer-Verlag, Invited paper.
Taramelli A., Melelli L. (2008a) - Detecting alluvial fans using quantitative roughness
characterization and fuzzy logic analysis. Lectures Notes in Computer Sciences, 5072: 1-15.
Taramelli A., Melelli L. (2009) - Detecting alluvial fans using quantitative roughness
characterization and fuzzy logic analysis using the SRTM data. International Journal of
Computer Science and Software Technology, 2 (1): 55-67, Invited Paper.
Taramelli, A., Melelli L. (2009) - Map of deep seated gravitational slope deformations
susceptibility in central Italy derived from SRTM DEM and spectral mixing analysis of the
Landsat ETM+ data. International Journal of Remote Sensing, 30 (2): 357–387.
36
Tenningen E., Churnside J. H., Slotte A., Wilson J.J. (2006) - LiDAR target-strength measurements
on Northeast Atlantic mackerel Scomber scombrus). ICES Journal of Marine Science, 63: 677682.
Thiago S. F. Silva, Maycira P. F. Costa, John M. Melack, Evlyn M. L. M. Novo (2008) – Remote
sensing of aquatic vegetation: theory and applications – Environmental Monitoring and
Assessment, 140 (1-3): 131-145.
Thieler E.R., Himmelstoss E.A., Zichichi J.L. & Miller T.L. (2005) - Digital Shoreline Analysis
System (DSAS) version 3.0: An ArcGIS extension for calculating shoreline change. U.S.
Geological Survey Open-File Report, 2005: 1304 pp.
Torres Pulliza D. (2004) – A multi-sensor comparison for coral reef habitat mapping: a case study
using a tropical patch reef environment in Biscayne National Park, Florida. Master of Science in
Geology - University of Puerto Rico Mayagüez Campus: 73 pp.
Ustin, S. L., Roberts, D. A., Gamon, j. A., Asner, G. P., Green, R. O. (2004) - Using imaging
spectroscopy to study ecosystem processes and properties. Bioscience, 54: 523-534.
Van der Wal, D., Pye, K. (2003) - The use of bathymetric charts to assess morphological and
sediment budget change in estuaries. Geographical Journal, 169 (1): 21– 31.
Van der Wal, D., Herman, P.M.J. (2007) - Regression-based synergy of optical, shortwave infrared
and microwave remote sensing for monitoring the grain-size of intertidal sediments. Remote
Sensing of Environment, 111: 89-106.
Van der Wal D., Herman P. M. J., Forster R. M., Ysebaert T., Rossi F., Knaeps E.,. Plancke Y. M.
G, Ides S. J. (2008) - Distribution and dynamics of intertidal macrobenthos predicted from
remote sensing: response to microphytobenthos and environment. Marine Eecology Progress
Series, 367:57-72.
Vanhée, S. (2002) - Processus de transport éolien à l'interface plage macrotidale-dune bordière : Le
cas des plages à barres intertidales, Côte d'Opale, Nord de la France. Thèse de Doctorat de
Géographie Physique, Université du Littoral Côte d'Opale, Dunkerque : 232 pp.
White S.A., Wang, Y. (2003) - Utilizing DEMs derived from LiDAR data to analyze morphologic
change in the North Carolina coastline. Remote Sensing of Environment, 85: 39-47.
White, K., El Asmar, H.M. (1999) - Monitoring changing position of coastlines using Thematic
Mapper imagery. Geomorphology, 29: 93– 105.
Woolard, J. W. (1999) - Volumetric change of coastal dunes using airborne LiDAR, Cape Hatteras
National Seashore, North Carolina. Masters thesis, Dept. of Geography, East Carolina
University: 109 pp.
Woolard, J.W., Colby, J.D. (2002) - Spatial characterization, resolution, and volumetric change of
coastal dunes using airborne LIDAR: Cape Hatteras, North Carolina. Geomorphology, 48: 269–
287.
37
Siti web consultati:
http://www.regione.emilia-romagna.it/wcm/geologia/canali/costa/progetti/01_lidar.htm
(Ultimo
accesso: giovedì 2 luglio 2009 alle 12.30).
http://www.csc.noaa.gov/benthic/ (Ultimo accesso: giovedì 2 luglio 2009 alle 12.30).
http://www.searchmesh.net/ (Ultimo accesso: giovedì 2 luglio 2009 alle 11.50.)
http://www. coastal.er.usgs.gov/ (Ultimo accesso: giovedì 2 luglio 2009 ore 16.15).
http//www.marine.usgs.gov (Ultimo accesso: giovedì 2 luglio 2009 ore 17.15).
http://ngom.usgs.gov/dsp/mapping/volumetric_change.html (Ultimo accesso: giovedì 2 luglio 2009
ore 17.30).
http://www.csc.noaa.gov/crs/tcm/reports/BonnieTechReport.pdf (Ultimo accesso: giovedì 2 luglio
2009 ore 17.30).
38
