Monitoraggio ambientale basato su UAS: miglioramento della raccolta dei dati attraverso un flusso di lavoro standardizzato

I sistemi aerei senza pilota (UAS) svolgono un ruolo sempre più importante nella raccolta di dati per il monitoraggio ambientale. Le sfide principali per gli UAS negli studi ambientali includono la creazione di linee guida coerenti e standardizzate per la raccolta dei dati e la definizione di pratiche che si applicano a una vasta gamma di ambienti. Il dott. Salvatore Manfreda dell’Università di Napoli Federico II, insieme al team HARMONIOUS, ha identificato i passaggi critici nella pianificazione, acquisizione ed elaborazione dei dati UAS per garantire le migliori pratiche e un flusso di lavoro snello ed efficace.

This image has an empty alt attribute; its file name is 1.jpg

Workflow: Ogni missione richiede un progetto di studio su misura che può essere sintetizzato nei passaggi riportati in figura.

Speciale su Remote Sensing intitolato “Global Gridded Soil Information Based on Machine Learning”

Questo numero speciale è dedicato ai metodi basati sull’apprendimento automatico in:

  • mappatura globale delle proprietà del suolo;
  • sistemi di calcolo / algoritmi / approcci che utilizzano i dati di osservazione della Terra per derivare caratteristiche del suolo con griglia globale;
  • dati di osservazione della Terra per la mappatura globale del suolo;
  • metodi di calcolo ad alta intensità di dati per incorporare i dati di osservazione della Terra per la mappatura predittiva del suolo;
  • ottimizzazione della risoluzione temporale per monitorare globalmente i cambiamenti delle proprietà del le informazioni derivate dal suolo.

Uno sconto del 40% può essere concesso ai documenti ricevuti da questa conferenza / progetto sulla base del fatto che il manoscritto è accettato per la pubblicazione dopo il processo di revisione tra pari.

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]

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]

Linee guida per il monitoraggio con DRONI

Con il ruolo crescente che i sistemi aerei senza pilota (UAS) stanno giocando nella raccolta dei dati per gli studi ambientali, due sfide chiave riguardano l’armonizzazione e la fornitura di una guida standardizzata per la raccolta dei dati, e anche la definizione di protocolli che sono applicabili in una vasta gamma di ambienti e condizioni. In questo contesto, una rete di scienziati sta cooperando nell’ambito del progetto Harmonious per sviluppare e promuovere strategie di mappatura armonizzate e diffondere una guida operativa per garantire le migliori pratiche per la raccolta e l’interpretazione dei dati. Il culmine di questi sforzi è riassunto nel presente manoscritto. Attraverso questo studio di sintesi, identifichiamo le molte interdipendenze di ogni fase della catena di raccolta ed elaborazione, e delineiamo approcci per formalizzare e garantire un flusso di lavoro e uno sviluppo del prodotto di successo. Dato il numero di condizioni ambientali, vincoli e variabili che potrebbero essere esplorate dalle piattaforme UAS, non è pratico fornire protocolli che possono essere applicati universalmente in tutti gli scenari. Tuttavia, è possibile raccogliere e ordinare sistematicamente la conoscenza frammentata sulla raccolta e l’analisi UAS per identificare le migliori pratiche che possono garantire lo sviluppo snello e rigoroso dei prodotti scientifici.

Pubblicazione: Tmušić, G.; Manfreda, S.; Aasen, H.; James, M.R.; Gonçalves, G.; Ben-Dor, E.; Brook, A.; Polinova, M.; Arranz, J.J.; Mészáros, J.; Zhuang, R.; Johansen, K.; Malbeteau, Y.; de Lima, I.P.; Davids, C.; Herban, S.; McCabe, M.F. Current Practices in UAS-based Environmental Monitoring. Remote Sens.12, 1001, 2020. [pdf]

Numero Speciale su Frontiers

Questo argomento di ricerca cerca di pubblicare articoli che dimostrano l’utilità delle tecniche di velocimetria delle immagini per rilevare l’ambiente fluviale; che fanno avanzare lo sviluppo di tecniche basate sull’immagine; e informare le pratiche di distribuzione per il rilevamento dei processi di flusso del fiume. Di particolare interesse sono gli articoli di ricerca e i commenti in cui le tecniche basate sulle immagini hanno:
• Comprensione fondamentale avanzata dei processi fluviali (ad es. Dinamica del flusso di piena)
• Utilizzato come base per le previsioni dei processi fluviali (es. Erosione degli argini, trasporto di sedimenti)
• Ha portato al progresso delle pratiche industriali o gestionali (ad es. Quantificazione del flusso del fiume, valutazioni eco-idrauliche, valutazione dei pericoli, valutazione delle prestazioni della struttura ingegneristica).
Inoltre, sono ben accetti anche articoli di ricerca che riportano progressi tecnici. Questi possono includere, ma non sono limitati a:
• Nuovi approcci per il rilevamento basato su immagini delle correnti fluviali
• Valutazioni dell’applicabilità e dell’accuratezza dei flussi di lavoro e delle tecniche esistenti
• Avanzamento delle tecniche esistenti di velocimetria delle immagini
• Miglioramenti metodologici e raccomandazioni per le migliori pratiche

https://www.frontiersin.org/research-topics/17302/advances-in-image-velocimetry-for-sensing-river-flows