Il gruppo di ricerca “HydroLAB” coordinato dal Prof. Salvatore Manfreda partecipa al progetto COST “Harmonious – Harmonisation of UAS techniques for agricultural and natural ecosystems monitoring” insieme a gruppi di ricerca di importanti università europee (Manfreda et al., 2018). Le attività di ricerca legate al WG4 “River morphology and streamflow monitoring” mirano a fornire un contributo scientifico alla definizione di linee guida per il monitoraggio fluviale mediante Unmanned Aerial Systems (UAS). Le attività sono rivolte all’identificazione di metodologie e procedure per ottimizzare la stima delle velocità superficiali di deflusso tramite esperienze di campo e modellistica numerica. In particolare, le attività riguardano l’analisi del campo di velocità superficiale da sensori ottici montati su piattaforme mobili (UAS).

I contributi di ricerca riguardano i seguenti temi: 1) la costruzione di un database di casi studio con misure di riferimento (benchmark) di supporto; 2) la sperimentazione di tecniche di pre-elaborazione delle immagini per ottimizzare le stime di velocità superficiale; 3-4) l’applicazione e il confronto di tecniche e strumenti di image velocimetry su casi studio reali; e 5) l’elaborazione di linee guida per il monitoraggio idrologico da UAS.

Figura 1. Attività del WG4 della COST Action Harmonious sull’image velocimetry.

Negli ultimi anni il gruppo di ricerca HydroLAB ha attivamente contribuito a:

(2a) l’implementazione e il confronto di tecniche di stabilizzazione delle immagini volte a rimuovere gli effetti dei movimenti della camera indotti da vento, vibrazioni o inesperienza dell’operatore (http://10.5194/hess-2021-112). VISION software is an open-source tool written in Matlab for video stabilisation using the automatic detection of key features without direct operator control. Code is available at the following web address: http://10.17605/OSF.IO/HBRF2.

Figura 2. Esempio di immagine sintetica su sfondo fluviale reale.

Le immagini sintetiche e i codici di calcolo relativi alle metriche e all’indice SDI sono pubblicati al seguente link:https://doi.org/10.17605/OSF.IO/8EGQW.

Figura 3. Selezione dei fotogrammi basata sull’evoluzione temporale dell’SDI.

Questa pagina fa parte della linea di ricerca Monitoraggio Idrologico di HydroLAB. Vedi anche:Innovazione nel Monitoraggio Idrologico · Scala di Deflusso Flow-Area · Monitoraggio dell’Umidità del Suolo · Monitoraggio della Qualità dell’Acqua.

Pubblicazioni sul tema

  • Dal Sasso, S. F., R. Ljubicic, A. Pizarro, S. Pearce, I. Maddock and S. Manfreda, Evaluating SSIMS-flow velocimetry performances under varying seeding densities: A proof-of-concept field study., 2026. [pdf]
  • Manfreda, S., D. Miglino, K. C. Saddi, S. Jomaa, A. Etner, M. Perks, D. Strelnikova, S. Peña-Haro, I. Maddock, F. Tauro, S. Grimaldi and Y. Zeng, Advancing river monitoring using image-based techniques: Challenges and opportunities., Hydrological Sciences Journal, 2024. [pdf] [doi]
  • Pizarro, A., S. F. Dal Sasso and S. Manfreda, VISION: VIdeo StabilisatION using automatic features selection for image velocimetry analysis in rivers., SoftwareX, 2022. [pdf] [doi]
  • Strelnikova, D., M. T. Perks, S. F. Dal Sasso, A. Eltner, S. Peña-Haro, A. Pizarro, P. Vuono, U. Scherling and S. Manfreda, A comparison of tools and techniques for stabilising unmanned aerial system (UAS) imagery for surface flow observations., Hydrology and Earth System Sciences, 2021. [doi]
  • Dal Sasso, S. F., A. Pizarro and S. Manfreda, Recent advancements and perspectives in UAS-based image velocimetry., Drones, 2021. [doi]
  • Dal Sasso, S. F., A. Pizarro, S. Pearce, I. Maddock and S. Manfreda, Increasing LSPIV performances by exploiting the seeding distribution index at different spatial scales., Journal of Hydrology, 2021. [doi]
  • Pizarro, A., S. F. Dal Sasso, M. Perks and S. Manfreda, Identifying the optimal spatial distribution of tracers for optical sensing of stream surface flow., Hydrology and Earth System Sciences, 2020. [doi]
  • Pizarro, A., S. F. Dal Sasso and S. Manfreda, Refining image-velocimetry performances for streamflow monitoring: Seeding metrics to errors minimisation., Hydrological Processes, 2020. [doi]
  • Dal Sasso, S. F., A. Pizarro and S. Manfreda, Metrics for the quantification of seeding characteristics to enhance image velocimetry performance in rivers., Remote Sensing, 2020. [doi]
  • Perks, M. T., S. F. Dal Sasso, A. Hauet, E. Jamieson, J. Le Coz, S. Pearce, S. Peña-Haro, A. Pizarro, D. Strelnikova, F. Tauro, J. Bomhof, S. Grimaldi and S. Manfreda, Towards harmonisation of image velocimetry techniques for river surface velocity observations., Earth System Science Data, 2020. [doi]
  • Pearce, S., S. Peña-Haro, M. Perks, F. Tauro, A. Pizarro, S. F. Dal Sasso, D. Strelnikova, S. Grimaldi, I. Maddock, G. Paulus and S. Manfreda, An evaluation of image velocimetry techniques under low flow conditions and high seeding densities using unmanned aerial systems., Remote Sensing, 2020. [doi]
  • Dal Sasso, S. F., A. Pizarro, C. Samela, L. Mita and S. Manfreda, Exploring the optimal experimental setup for surface flow velocity measurements using PTV., Environmental Monitoring and Assessment, 2018. [pdf] [doi]