Il principale utilizzo dei dati di telerilevamento è confrontare le immagini di un'area scattate in tempi diversi ed identificare le trasformazioni che avvengono in un determinato territorio. Con una vasta gamma di immagini satellitari, il cui uso attualmente è libero, la rilevazione manuale di tali trasformazioni richiederebbe molto tempo e probabilmente non sarebbe accurata. EOS Data Analytics è intervenuto introducendo un sistema di Change Detection automatico al suo prodotto di punta, LandViewer, che si posiziona tra gli strumenti Cloud più efficienti per la ricerca e l'analisi di immagini satellitari sul mercato odierno.
A differenza dei metodi che coinvolgono le reti neurali, che identificano le trasformazioni nelle funzionalità precedentemente estratte, l'algoritmo di rilevamento delle modifiche (change detection) implementato da EOS utilizza una strategia basata sui pixel, il che significa che i cambiamenti tra due immagini raster multibanda vengono calcolati matematicamente sottraendo i valori dei pixel di una data, dai valori dei pixel delle stesse coordinate di un'altra data. Questa nuova funzionalità è progettata per automatizzare l'attività di rilevamento dei cambiamenti e fornire risultati accurati in meno passaggi e in una frazione del tempo necessario per il change detectioncon ArcGIS, QGIS o altri software GIS di elaborazione delle immagini.
Interfaccia di change detection. Immagini della costa di Beirut selezionate per tracciare gli sviluppi degli anni scorsi.
Ambito di applicazione illimitato, dall'agricoltura al monitoraggio ambientale
Uno degli obiettivi principali stabiliti dal team di EOS era rendere il complesso processo di rilevamento dei cambiamenti attraverso i dati di telerilevamento accessibile e facile anche per gli utenti non esperti provenienti da settori diversi dal GIS (Geographic information system).
Con lo strumento di change detectiondi LandViewer, gli agricoltori potranno identificare rapidamente le zone dei loro campi che sono state danneggiate da grandine, tempeste o inondazioni. Nell'ambito di gestione delle foreste, il rilevamento dei cambiamenti attraverso le immagini satellitari sarà utile per stimare le aree bruciate a seguito di incendi, per individuare le zone di disboscamento o per rilevare l'invasione illegale di terreni forestali. Osservare la velocità e l'estensione dei cambiamenti climatici che si verificano sul pianeta (come lo scioglimento dei ghiacci polari, l'inquinamento atmosferico e idrico, la perdita di habitat naturali dovuta all'espansione urbana) è un compito costante per gli scienziati ambientali, che adesso potranno farlo online in questione di pochi minuti. Studiando le differenze tra passato e presente mediante l'utilizzo dello strumento di rilevamento dei cambiamenti e anni di dati satellitari contenuti in LandViewer, tutti questi settori potrebbero anche prevedere future trasformazioni.
I principali casi d'uso del change detection: danni a causa di inondazioni e deforestazione
Un'immagine vale più di mille parole e la capacità di rilevamento dei cambiamenti attraverso le immagini satellitari di LandViewer possono essere dimostrate meglio con esempi reali.
Le foreste che coprono ancora circa un terzo della superficie del pianeta stanno scomparendo a un ritmo allarmante, soprattutto a causa delle attività umane, come l'agricoltura, l'estrazione mineraria, il pascolo del bestiame, il disboscamento o anche fattori naturali, come gli incendi boschivi. Invece di un massiccio rilevamento a terra di migliaia di ettari, un tecnico forestale può monitorare regolarmente la sicurezza del territorio con due immagini satellitari e il sistema automatico di change detectionbasato su NDVI (Normalized Difference Vegetation Index).
Come funziona? NDVI è uno strumento noto per determinare la salute della vegetazione. Confrontando l'immagine satellitare della foresta con quella recente, acquisita dopo che gli alberi sono stati abbattuti, LandViewer rileverà i cambiamenti e genererà un'immagine che evidenzia le aree di deforestazione. Quest'ultima può essere scaricata dagli utenti in formato .jpg, .png o .tiff. La copertura forestale sopravvissuta presenterà valori positivi, mentre le aree sgombere presenteranno valori negativi e saranno mostrate in tonalità rosse, a indicare che non c'è vegetazione presente.
Un'immagine che mostra l'estensione della deforestazione in Madagascar tra il 2016 e il 2018; generata da due immagini satellitari di Sentinel-2.
Un altro caso di utilizzo diffuso del rilevamento dei cambiamenti è la valutazione dei danni dovuti alle inondazioni agricole, che è di maggiore interesse per coltivatori e compagnie assicurative. Ogni volta che le inondazioni gravano pesantemente sul raccolto, il danno può essere rapidamente mappato e misurato con l'aiuto di algoritmi di change detectionbasati su NDWI.
Risultati del processo di rilevamento dei cambiamenti di Sentinel-2: le aree rosse e arancioni rappresentano la parte sommersa del campo; i campi circostanti sono verdi perché hanno evitato possibili danni. Inondazioni in California, febbraio 2017
Come eseguire il rilevamento dei cambiamenti in LandViewer
Esistono due modi per avviare lo strumento ed iniziare a vedere le differenze tra due immagini satellitari multi-temporali: cliccando sull'icona del menù a destra "Strumenti di analisi" o dal cursore "Confronto". Attualmente, il rilevamento dei cambiamenti viene eseguito solo su dati satellitari (passivi) ottici; l'aggiunta degli algoritmi per i dati di telerilevamento attivi è prevista con aggiornamenti futuri.
Per maggiori dettagli, leggi questa guida allo strumento di change detection di LandViewer.
O inizia ad esplorare le ultime funzionalità di LandViewer per conto tuo.
Copia qui lo "short link" a questo articolo
www.geoforall.it/{sh404sef_shurl}
