Uso combinato di dati Sentinel SAR e ottici per la stima di contenuto d'acqua nel terreno

Nel presente lavoro si indagano le performance di due metodologie per la stima del contenuto di acqua nel terreno da immagini satellitari ottiche e radar. La valutazione è condotta in aree a prevalente vocazione agricola dove la grandezza oggetto d’indagine costituisce uno dei parametri di interesse in uno studio volto all’ottimizzazione delle operazioni di irrigazione e alla riduzione del consumo della risorsa idrica. I due metodi considerati sono stati proposti da Gao nel 2017 [1] e si basano sull’individuazione delle variazioni della grandezza di interesse fra due date di acquisizione. In questo lavoro i metodi sono stati implementati adottando soluzioni free ed open source e applicati ad aree di studio caratterizzate da diversa complessità orografica ed eterogeneità dell’uso del suolo. Si sono utilizzati i dati delle missioni spaziali Sentinel 1 e Sentinel 2 dell’Agenzia Spaziale Europea (ESA) e misure di campo per la sola fase di validazione dei risultati. I principali programmi impiegati sono: ESA Sentinel Toolbox, GRASS GIS, Octave e Python. Una prima applicazione delle metodologie in un ambito orograficamente complesso, come quello di un consorzio irriguo montano situato in Trentino, ha fatto emergere la complessità dell’indagine e le limitazioni dei modelli attuali in questi contesti. Fattori come la complessità orografica, la tipologia e lo stato fisiologico delle colture rendono la riduzione del dato SAR particolarmente complessa da modellare. Per questo motivo le elaborazioni sono state condotte anche su un’area orograficamente meno complessa e con un uso del suolo agricolo più uniforme, come quella della Pianura Padana nel bolognese. Infine, si sono applicate le metodologie in un’area di pianura a prevalente vocazione agricola situata in Spagna. Per quest’area è disponibile un vasto archivio di misure di umidità del terreno distribuito dall’International Soil Moisture Network. In questo contesto, sulla base dell’esperienza e delle problematiche riscontrate nei precedenti casi di studio, si è approfondito lo studio dei modelli e si sono valutate particolari modifiche dei modelli sia in termini funzionali che parametrici. Mentre alcuni risultati ottenuti sono di elevata qualità, altri evidenziano la complessità del problema affrontato e la necessità di ulteriori indagini. [1] Gao Q. et al., "Synergetic Use of Sentinel-1 and Sentinel-2 Data for Soil Moisture Mapping at 100 m Resolution", Sensors 17 (9), 2017.