Confronto tra algoritmi di stabilizzazione di video per monitoraggio

Sebbene la disponibilità e l’accessibilità dei sistemi aerei senza pilota (UAS) abbiano portato al rapido sviluppo di applicazioni di telerilevamento in idrologia e idrometria, le incertezze relative a tali misurazioni devono essere quantificate e mitigate. L’instabilità fisica della piattaforma UAS induce inevitabilmente movimento nei video acquisiti e può avere un impatto significativo sull’accuratezza delle misurazioni basate sulla fotocamera, come la velocimetria. Una pratica comune nella preelaborazione dei dati è la compensazione del movimento indotto dalla piattaforma mediante metodi di stabilizzazione dell’immagine digitale (DIS), che utilizzano le informazioni visive dai video acquisiti – sotto forma di caratteristiche statiche – per stimare e poi compensare tale movimento . La maggior parte degli approcci di stabilizzazione esistenti si basano su strumenti personalizzati sviluppati internamente, basati su algoritmi diversi, o su software commerciali di uso generale. In letteratura non è stata trovata interconfronto tra diversi strumenti di stabilizzazione per scopi di telerilevamento UAS che potrebbe servire come base per la selezione di un particolare strumento in determinate condizioni. In questo documento, abbiamo tentato di riassumere e descrivere diversi strumenti DIS liberamente disponibili applicabili alla velocimetria UAS. Un totale di sette strumenti – sei mirati specificamente alla velocimetria e un software generico – sono stati studiati in termini di (1) accuratezza della stabilizzazione in varie condizioni, (2) robustezza, (3) complessità computazionale e (4) esperienza dell’utente, utilizzando tre video di casi di studio con diverse condizioni di volo e di terra. Nel tentativo di quantificare adeguatamente l’accuratezza della stabilizzazione utilizzando diversi strumenti, abbiamo anche presentato una metrica di confronto basata sulle differenze quadratiche medie (RMSD) delle intensità dei pixel tra i fotogrammi per le caratteristiche statiche selezionate. Le differenze più evidenti tra gli strumenti indagati sono state riscontrate per quanto riguarda il metodo di identificazione delle caratteristiche statiche nei video, ovvero la selezione manuale delle caratteristiche o automatica. I metodi all’avanguardia che si basano sulla selezione automatica delle caratteristiche richiedono un minor numero di parametri forniti dall’utente e sono in grado di selezionare un numero significativamente maggiore di caratteristiche potenzialmente statiche (di diversi ordini di grandezza) rispetto ai metodi che richiedono l’identificazione manuale di tali caratteristiche. Ciò consente al primo di ottenere una maggiore precisione di stabilizzazione, ma i metodi di selezione manuale delle funzionalità hanno dimostrato una minore complessità computazionale e una migliore robustezza in condizioni di campo complesse. Sebbene questo documento non intenda identificare lo strumento di stabilizzazione ottimale per scopi di velocimetria basato su UAS, mira a far luce sui dettagli dell’implementazione, che possono aiutare ingegneri e ricercatori a scegliere lo strumento adatto alle loro esigenze e alle condizioni specifiche del campo. Inoltre, la metrica di confronto RMSD presentata in questo documento può essere utilizzata per misurare l’incertezza di stima della velocità indotta dal movimento dell’UAS.

How to cite: Ljubičić, R., Strelnikova, D., Perks, M. T., Eltner, A., Peña-Haro, S., Pizarro, A., Dal Sasso, S. F., Scherling, U., Vuono, P., and Manfreda, S.: A comparison of tools and techniques for stabilising unmanned aerial system (UAS) imagery for surface flow observations, Hydrol. Earth Syst. Sci., 25, 5105–5132, https://doi.org/10.5194/hess-25-5105-2021, 2021. [pdf]

Monitoraggio di ecosistemi naturali con UAS

La complessità dell’ecosistema è tra i fattori determinanti della biodiversità e del funzionamento dell’ecosistema e i sistemi aerei senza equipaggio (UAS) stanno diventando uno strumento importante per caratterizzare modelli e processi della vegetazione. La varietà delle applicazioni degli UAS è immensa, così come le procedure per elaborare i dati degli UAS descritti in letteratura. L’ottimizzazione del flusso di lavoro è ancora oggetto di discussione. Qui presentiamo una sintesi completa che mira a identificare regole comuni che modellano i flussi di lavoro applicati negli studi basati su UAS che affrontano la complessità negli ecosistemi. Analizzando gli studi, abbiamo trovato somiglianze indipendentemente dall’ecosistema, in base al carattere della proprietà affrontata, come la composizione delle specie (biodiversità), la struttura dell’ecosistema (volume/complessità del popolamento), lo stato della pianta (fenologia e livelli di stress) e la dinamica ( disturbi e rigenerazione). Proponiamo un quadro generale che consenta di progettare indagini sulla vegetazione basate su UAS in base al suo scopo e alla componente della complessità dell’ecosistema affrontata. Supportiamo il quadro con schemi dettagliati ed esempi di migliori pratiche di studi UAS che coprono ciascuna delle proprietà della vegetazione (cioè composizione, struttura, stato e dinamica) e relative applicazioni. Per un’efficace indagine UAS sono fondamentali i seguenti punti: conoscenza del fenomeno, scelta della piattaforma, del sensore, risoluzione (temporale, spaziale e spettrale), modello e algoritmo di classificazione in base al fenomeno, nonché un’attenta interpretazione dei risultati. Più semplice è la procedura, più robusta, ripetibile, applicabile ed economicamente vantaggiosa. Pertanto, il design corretto può ridurre al minimo gli sforzi massimizzando la qualità dei risultati.

Come citare: Müllerová J. , X. Gago, M. Bučas,J. Company, J. Estrany, J. Fortesa, S. Manfreda, A. Michez, M. Mokroš, G. Paulus, E. Tiškus, M. A. Tsiafouli, R. Kent, Characterizing vegetation complexity with unmanned aerial systems (UAS) – A framework and synthesis, Ecological Indicators, Volume 131, November 2021, 108156. [pdf]

Mappatura del tasso di infiltrazione dell’acqua utilizzando dati iperspettrali e UAV: un caso di studio dell’Alento, Italia

Il tasso di infiltrazione dell’acqua (WIR) nel profilo del suolo è stato studiato attraverso uno studio completo che sfrutta le informazioni spettrali della superficie del suolo. Poiché la spettroscopia del suolo fornisce informazioni inestimabili sugli attributi del suolo e poiché il WIR è una proprietà dipendente dalla superficie del suolo, la spettroscopia di campo può modellare il WIR meglio delle tradizionali misurazioni spettrali di laboratorio. Questo perché il campionamento per quest’ultimo altera lo stato del suolo-superficie. È stata creata una libreria spettrale del suolo di campo (FSSL), composta da 114 campioni con diverse tessiture provenienti da sei diversi siti nel bacino del Mediterraneo, combinati con misurazioni spettrali tradizionali di laboratorio. Successivamente, è stata condotta un’analisi di regressione parziale dei minimi quadrati sui dati spettrali e WIR in diversi gruppi di tessitura del suolo, mostrando migliori prestazioni delle osservazioni spettrali sul campo rispetto alla spettroscopia di laboratorio tradizionale. Inoltre, diverse proprietà spettrali quantitative sono state perse a causa della procedura di campionamento e la separazione dei campioni in base alla trama ha fornito una maggiore precisione. Sebbene la regione spettrale visibile dell’infrarosso vicino all’infrarosso a onde corte (VNIR-SWIR) fornisse una migliore precisione, abbiamo ricampionato i dati spettrali alla risoluzione di un sensore iperspettrale Cubert (VNIR). Questo sensore iperspettrale è stato quindi assemblato su un veicolo aereo senza pilota (UAV) per applicare un modello spettrale selezionato ai dati UAV e mappare il WIR in un’area semi-vegetata all’interno del bacino idrografico dell’Alento, in Italia. Contemporaneamente al volo del sensore UAV-Cubert sono state eseguite misurazioni spettrali e WIR complete della verità al suolo. I risultati sono stati convalidati in modo soddisfacente sul campo utilizzando campioni di campo, seguiti da un’analisi dell’incertezza spaziale, concludendo che l’UAV con telerilevamento iperspettrale può essere utilizzato per mappare le proprietà del suolo relative alla superficie del suolo.

Citazione: Francos, N.; Romano, N.; Nasta, P.; Zeng, Y.; Szabó, B.; Manfreda, S.; Ciraolo, G.; Mészáros, J.; Zhuang, R.; Su, B.; et al. Mapping Water Infiltration Rate Using Ground and UAV Hyperspectral Data: a Case Study of Alento, Italy. Remote Sens. 202113, 2606. https://doi.org/10.3390/rs13132606

La laminazione delle Piene

Le dighe di detenzione sono una delle pratiche più efficaci per mitigare le inondazioni. Pertanto, l’impatto di queste strutture sulla risposta idrologica del bacino è fondamentale per la gestione delle inondazioni e la progettazione delle strutture di controllo delle inondazioni. Con l’obiettivo di fornire un quadro matematico per interpretare l’effetto dei sistemi di controllo del flusso sulla dinamica dei bacini idrografici, la relazione funzionale tra afflussi e deflussi viene studiata e derivata in forma chiusa. Ciò ha consentito la definizione di una distribuzione di probabilità derivata teoricamente dei picchi in uscita dai bacini di detenzione in linea. Il modello è stato derivato assumendo una forma idrografica rettangolare con una durata fissa e un picco di piena casuale. Nel presente studio, si presume che la distribuzione indisturbata delle inondazioni sia distribuita di Gumbel, ma la formulazione matematica proposta può essere estesa a qualsiasi altra distribuzione di probabilità dei picchi di piena. Un’analisi di sensitività dei parametri ha evidenziato l’influenza della capacità del bacino di detenzione e della durata degli eventi piovosi sulla mitigazione delle inondazioni sulla distribuzione di probabilità dei picchi in uscita. Il framework matematico è stato testato utilizzando per il confronto una simulazione Monte Carlo in cui vengono rimosse la maggior parte delle ipotesi semplificate utilizzate per descrivere i comportamenti della diga. Ciò ha permesso di dimostrare che la formulazione proposta è affidabile per piccoli bacini idrografici caratterizzati da una risposta impulsiva. Il nuovo approccio per la quantificazione dei picchi di alluvione nei bacini fluviali caratterizzati dalla presenza di bacini artificiali di detenzione può essere utilizzato per migliorare le pratiche di mitigazione delle alluvioni esistenti, supportare la progettazione di sistemi di controllo delle alluvioni e analisi del rischio di alluvione.

Riferimento: Manfreda, S., D. Miglino, and C. Albertini, Impact of detention dams on the probability distribution of floods, Hydrol. Earth Syst. Sci., 25, 4231–4242, https://doi.org/10.5194/hess-25-4231-2021, 2021 [pdf]

Aumentare le prestazioni di LSPIV sfruttando l’indice SDI a diverse scale spaziali

Gli approcci basati su immagini per le stime della velocità superficiale stanno diventando sempre più popolari a causa della crescente necessità di metodi di monitoraggio del flusso fluviale a basso costo. In questo contesto, le caratteristiche e le dinamiche di seeding lungo il metraggio video rappresentano una delle variabili chiave che influenzano i risultati della velocimetria dell’immagine. Studi recenti evidenziano la necessità di identificare le impostazioni dei parametri in base alle condizioni di flusso locali e ai fattori ambientali apriori, rendendo difficile automatizzare l’uso di approcci velocimetrici per immagini per il monitoraggio continuo. L’indice di distribuzione seeding (SDI) – recentemente introdotto dagli autori – identifica la migliore lunghezza della finestra di frame di un video da analizzare, riducendo i carichi computazionali e migliorando le prestazioni della velocimetria dell’immagine. In questo lavoro, proponiamo un metodo basato su una soglia media di serie temporali SDI con filtraggio del rumore. Questo metodo è stato testato su tre casi di studio in Italia e convalidato su uno nel Regno Unito, dove è disponibile un numero relativamente elevato di misurazioni. Seguendo questo metodo, abbiamo osservato una riduzione dell’errore del 20-39% rispetto all’analisi del video completo. Questo effetto benefico appare ancora più evidente quando l’ottimizzazione viene applicata a scale di sottosettore, nei casi in cui SDI mostra una marcata variabilità lungo la sezione trasversale. Infine, è stato proposto, calibrato e convalidato un parametro empirico t per usi pratici per definire la soglia SDI. t ha mostrato valori relativamente stabili nei diversi contesti in cui è stato applicato. È probabile che l’applicazione dell’indice di semina alla velocimetria basata su immagini per le stime della velocità del flusso superficiale aumenti l’accuratezza della misurazione negli studi futuri.

Citazione: Dal Sasso, S.F., A. Pizarro, S. Pearce, I. Maddock, S. Manfreda, Increasing LSPIV performances by exploiting the seeding distribution index at different spatial scales, Journal of Hydrology, 2021. https://doi.org/10.1016/j.jhydrol.2021.126438

Stabilizzazione Video

Questa ricerca presenta un’indagine di diverse strategie e strumenti per la stabilizzazione dell’immagine digitale per scopi di velocimetria dell’immagine. Vengono presentati gli aspetti di base della stabilizzazione e trasformazione dell’immagine e la loro applicabilità viene discussa in termini di velocimetria dell’immagine. Vengono descritti e confrontati sette strumenti open source gratuiti in base alla loro precisione di stabilizzazione, robustezza in diverse condizioni di volo e al suolo, complessità computazionale, facilità d’uso e altro capacità. È stato inoltre sviluppato, presentato e applicato un nuovo approccio per l’analisi dell’accuratezza della stabilizzazione rapida alle sequenze di immagini stabilizzate. Sulla base dei risultati ottenuti, sono state ottenute alcune linee guida generali per la scelta di uno strumento adatto per specifici compiti di velocimetria dell’immagine. Questa ricerca mira anche a fornire una base per l’ulteriore sviluppo o miglioramento degli strumenti di stabilizzazione dell’immagine digitale, nonché per l’analisi dell’impatto della stabilizzazione sui risultati della velocimetria dell’immagine.

Pubblicazione: Ljubičić, R., D. Strelnikova, M. T. Perks, A. Eltner, S. Peña-Haro, A. Pizarro, S. F. Dal Sasso, U. Scherling, P. Vuono, and S. Manfreda, A comparison of tools and techniques for stabilising UAS imagery for surface flow observations, Hydrology and Earth System Sciences, 2021. [pdf]

Stima del contenuto idrico del suolo con UAV

Le informazioni acquisite dagli Unmanned Aerial Vehicles (UAV) sono frequentemente utilizzate al giorno d’oggi in una varietà di discipline e campi di ricerca. Il presente studio esplora per la prima volta l’uso combinato degli UAV con una tecnica recentemente proposta per stimare la frazione evaporativa (EF) e l’umidità superficiale del suolo (SSM). L’indagine viene eseguita in un tipico ambiente mediterraneo, un campo di agrumi con topografia piatta divisa in due trame con diversi schemi di irrigazione, in Sicilia, Italia, a cui i dati a terra acquisiti durante una vasta campagna di campo nel luglio 2019. Sono state prodotte stime ragionevoli sia di EF che di umidità superficiale, con modelli in accordo con la frammentazione della copertura vegetale, la topografia e altre caratteristiche specifiche del sito. La convalida mostra un errore medio di 0,053 per EF e di 0,040 cm3 cm-3 per SSM. I risultati sono paragonabili o migliori a quelli riportati in studi analoghi eseguiti in aree simili. Questo implica che l’approccio studiato funziona bene nelle condizioni semi-aride che caratterizzano il set up sperimentale. A nostra conoscenza, questo studio rappresenta la prima valutazione dell’uso combinato del “triangolo semplificato” con immagini UAV ad alta risoluzione. Come tale, i risultati sono significativi per quanto riguarda il potenziale uso futuro dell’approccio “triangolo semplificato” in particolare con immagini a risoluzione molto fine come quelle fornite da UAV per la mappatura e il monitoraggio EF e SSM in ecosistemi agricoli e naturali.

Pubblicazione: Petropoulos, G.P., A. Maltese, T. N. Carlson, G. Provenzano, A. Pavlides, G. Ciraolo, D. Hristopulos, F. Capodici, C. Chalkias, G. Dardanelli, S. Manfreda, Exploring the use of UAVs with the simplified “triangle” technique for Soil Water Content and Evaporative Fraction retrievals in a Mediterranean setting, International Journal of Remote Sensing, VOL. 42, NO. 5, 1623–1642, (doi: 10.1080/01431161.2020.1841319) 2021. [pdf]

iAqueduct

Gli ultimi decenni hanno visto rapidi progressi nel monitoraggio spaziale delle variabili essenziali del ciclo dell’acqua, fornendo prodotti relativi a precipitazioni, evapotraspirazione e umidità del suolo, spesso su scale di decine di chilometri. Mentre questi dati caratterizzano efficacemente la variabilità del ciclo dell’acqua su scala regionale e globale, sono meno adatti alla gestione sostenibile delle risorse idriche locali, che ha bisogno di informazioni dettagliate per rappresentare l’eterogeneità spaziale del suolo e della vegetazione. Le seguenti domande sono fondamentali per sfruttare efficacemente le informazioni provenienti dalle osservazioni della Terra (EOs) rilevate da remoto e in situ: come ridimensionare i prodotti del ciclo dell’acqua globale alla scala locale utilizzando più fonti e scale di dati EO? Come esplorare e applicare le informazioni scalate a livello di gestione per una migliore comprensione dei processi suolo-acqua-vegetazione-energia? Come si possono usare queste informazioni a scala fine per migliorare la gestione del suolo e delle risorse idriche? Un flusso di informazioni integrative (cioè il quadro teorico iAqueduct) è sviluppato per colmare le lacune tra i prodotti satellitari del ciclo dell’acqua e le informazioni locali necessarie per una gestione sostenibile delle risorse idriche. Il quadro integrato iAqueduct mira ad affrontare le suddette domande scientifiche combinando i dati satellitari Copernicus a media risoluzione (10 m-1 km) con i dati UAS (Unmanned Aerial System) ad alta risoluzione (cm), le osservazioni in situ, i modelli analitici e fisici, così come l’analisi dei big-data con algoritmi di apprendimento automatico. Questo articolo fornisce una panoramica generale del quadro teorico di iAqueduct e introduce alcuni risultati preliminari.

Pubblicazione: Su, Z.; Zeng, Y.; Romano, N.; Manfreda, S.; Francés, F.; Dor, E.B.; Szabó, B.; Vico, G.; Nasta, P.; Zhuang, R.; Francos, N.; Mészáros, J.; Sasso, S.F.D.; Bassiouni, M.; Zhang, L.; Rwasoka, D.T.; Retsios, B.; Yu, L.; Blatchford, M.L.; Mannaerts, C. An Integrative Information Aqueduct to Close the Gaps between Satellite Observation of Water Cycle and Local Sustainable Management of Water Resources. Water202012, 1495. [pdf]

Scale di Deflusso

Il monitoraggio dei fiumi è una questione critica per la modellazione idrologica che si basa fortemente sull’uso delle curve di portata (FRCs). Nella maggior parte dei casi, le FRC sono approssimate da un adattamento ai minimi quadrati, le cui prestazioni possono essere influenzate dalla variabilità delle misure, che è spesso limitata in valori elevati. In questo contesto, una nuova formulazione è stata recentemente introdotta per sfruttare le conoscenze disponibili sulla geometria della sezione trasversale per una derivazione più robusta delle FRC. Questo metodo combina le funzioni area bagnata/stadio e velocità/stadio mediati in sezione nella derivazione delle FRCs limitando, almeno parzialmente, l’incertezza nell’estrapolazione dei valori di scarico più alti. La metodologia è testata su quattro sezioni trasversali del bacino del fiume Tevere, dove è disponibile un numero relativamente alto di misure. Questo set di dati viene utilizzato per testare l’affidabilità del nuovo approccio rispetto al metodo classico in sezioni fluviali relativamente stabili. Un approccio di jackknifing è utilizzato per capire il ruolo giocato dal numero di misurazioni e dalla gamma di osservazioni sull’applicabilità della nuova formulazione, evidenziando i suoi vantaggi in ambienti con scarsità di dati. In particolare, abbiamo osservato che il nuovo approccio diventa vantaggioso quando le osservazioni sono limitate sia in termini di gamma di osservazioni che in termini di dimensioni del campione (cioè, <10 campioni).

Pubblicazione: Manfreda, S., A. Pizarro, T. Moramarco, L. Cimorelli, D. Pianese, S. Barbetta, Potential advantages of flow-area rating curves compared to classic stage-discharge-relationsJournal of Hydrology, Volume 585, 124752, 2020. [pdf]

Monitoraggio del contenuto idrico

L’inerzia termica è stata applicata per mappare il contenuto di acqua del suolo sfruttando i dati di telerilevamento nelle regioni a onde corte e lunghe dello spettro elettromagnetico. Negli ultimi anni, le telecamere ottiche e termiche sono state sufficientemente miniaturizzate per essere caricate a bordo di sistemi aerei senza equipaggio (UAS), che forniscono un potenziale senza precedenti per derivare l’inerzia termica a risoluzione iperspaziale per la mappatura del contenuto di acqua del suolo. In questo studio, applichiamo una semplificazione dell’inerzia termica, l’inerzia termica apparente (ATI), sui pixel in cui le ipotesi di inerzia termica sottostante sono soddisfatte (suolo nudo non ombreggiato). Poi, un algoritmo di kriging è usato per spazializzare l’ATI per ottenere una mappa del contenuto di acqua del suolo. Il metodo proposto è stato applicato ad un’area sperimentale del bacino del fiume Alento, nell’Italia meridionale. Immagini ottiche multispettrali radiometriche diurne e termiche radiometriche diurne e notturne sono state acquisite tramite un UAS, mentre il contenuto idrico del suolo in situ è stato misurato tramite i metodi termo-gravimetrico e di riflettometria nel dominio del tempo (TDR). Il coefficiente di determinazione tra l’ATI e il contenuto d’acqua del suolo misurato su suolo nudo non ombreggiato è stato di 0,67 per il metodo gravimetrico e di 0,73 per il TDR. Dopo l’interpolazione, la correlazione è leggermente diminuita a causa dell’introduzione di misurazioni su posizioni vegetate o in ombra (r² = 0,59 per il metodo gravimetrico; r² = 0,65 per il TDR). Il metodo proposto mostra risultati promettenti per mappare il contenuto d’acqua del suolo anche su aree vegetate o in ombra sfruttando i dati a risoluzione iperspaziale e l’analisi geostatistica.

Pubblicazione: Paruta, A., P. Nasta, G. Ciraolo, F. Capodici, S. Manfreda, N. Romano, E. Bendor, Y. Zeng, A. Maltese, S. F. Dal Sasso and R. Zhuang, A geostatistical approach to map near-surface soil moisture through hyper-spatial resolution thermal inertia, IEEE Transactions on Geoscience and Remote Sensing, (doi: 10.1109/TGRS.2020.3019200) 2020. [pdf]