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.

Uso combinato di dati Sentinel SAR e ottici per la stima di contenuto d'acqua nel terreno / Graldi, Giulia; Bignotti, Simone; Bezzi, Marco; Vitti, Alfonso. - (2020). (Intervento presentato al convegno FOSS4G-IT tenutosi a Torino nel 18-22 Febbraio 2020) [10.5281/zenodo.3723365].

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

Giulia Graldi;Simone Bignotti;Alfonso Vitti
2020-01-01

Abstract

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.
2020
Proceedings FOSS4G.IT
online
Zenodo
Uso combinato di dati Sentinel SAR e ottici per la stima di contenuto d'acqua nel terreno / Graldi, Giulia; Bignotti, Simone; Bezzi, Marco; Vitti, Alfonso. - (2020). (Intervento presentato al convegno FOSS4G-IT tenutosi a Torino nel 18-22 Febbraio 2020) [10.5281/zenodo.3723365].
Graldi, Giulia; Bignotti, Simone; Bezzi, Marco; Vitti, Alfonso
File in questo prodotto:
Non ci sono file associati a questo prodotto.

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

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11572/310057
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact