Sistemi di osservazione all’avanguardia per un mondo in evoluzione

Introduzione

Il monitoraggio idrologico sta subendo una profonda trasformazione guidata dall’innovazione tecnologica, da approcci interdisciplinari e dall’urgente necessità di comprendere i complessi processi legati all’acqua. I sistemi di monitoraggio tradizionali, pur essendo fondamentali, risultano sempre più insufficienti a cogliere la variabilità spaziale e temporale delle dinamiche idrologiche in un ambiente in rapida evoluzione.

I recenti progressi nel campo del telerilevamento, dei sistemi aerei senza pilota (UAS), delle tecniche basate sulle immagini e delle tecnologie di rilevamento a basso costo stanno ridefinendo il modo in cui osserviamo, misuriamo e interpretiamo i processi idrologici. Queste innovazioni consentono di ottenere dati ad alta risoluzione, una migliore accessibilità e nuove opportunità per il monitoraggio in tempo reale e su larga scala.

Dal monitoraggio tradizionale ai sistemi di osservazione innovativi

Il monitoraggio idrologico convenzionale si basa in gran parte sulle misurazioni in situ, che rimangono il “gold standard” ma sono spesso limitate da costi, manutenzione e copertura spaziale. Il declino delle reti di monitoraggio in tutto il mondo ha ulteriormente sottolineato la necessità di approcci alternativi.

I sistemi di monitoraggio innovativi mirano a: L’emergere di nuove piattaforme di osservazione della Terra — tra cui satelliti, droni e sistemi di imaging a terra — ha ampliato significativamente le capacità osservative.

  • Aumentare la risoluzione spaziale e temporale
  • Ridurre i costi e i vincoli logistici
  • Consentire osservazioni continue e distribuite
  • Integrare flussi di dati da più fonti

Il ruolo dei sistemi aerei senza pilota (UAS)

I sistemi aerei senza pilota sono diventati una pietra miliare del monitoraggio ambientale moderno, colmando il divario tra le osservazioni a terra e il telerilevamento satellitare.

Contributi chiave

  • Acquisizione di dati spaziali ad alta risoluzione
  • Implementazione flessibile in diversi ambienti
  • Soluzioni di monitoraggio economicamente vantaggiose
  • Integrazione multisensore (ottico, termico, multispettrale)

Tuttavia, la rapida crescita delle applicazioni UAS ha portato a metodologie frammentate, evidenziando la necessità di standardizzazione e armonizzazione dei flussi di lavoro .

Flusso di lavoro standardizzato (quadro HARMONIOUS)

Un contributo fondamentale della tua ricerca è lo sviluppo di un flusso di lavoro generalizzato per il monitoraggio basato su UAS, costituito da: Questo framework migliora la qualità dei dati, la riproducibilità e l’efficienza operativa.

  1. Progetto dello studio
  2. Lavoro sul campo pre-volo
  3. Missione di volo
  4. Elaborazione dei dati
  5. Garanzia di qualità

Monitoraggio idrologico basato su immagini

Una delle innovazioni più rivoluzionarie è l’uso di tecniche basate su immagini per le osservazioni idrologiche.

Applicazioni

  • Stima della velocità del flusso superficiale
  • Monitoraggio delle inondazioni
  • Stima della portata fluviale
  • Rilevamento di neve e precipitazioni

I metodi di rilevamento ottico e di visione artificiale (ad es. la velocimetria per immagini) consentono misurazioni non invasive e distribuite nello spazio, offrendo nuove intuizioni sui processi idrologici .

Recenti progressi

Il tuo recente lavoro evidenzia come il monitoraggio fluviale basato sulle immagini possa: Questi approcci rappresentano un cambiamento di paradigma verso sistemi di monitoraggio scalabili e basati sui dati .

  • Migliorare l’accuratezza e la ricchezza dei dati
  • Consentire l’analisi in tempo reale
  • Integrarsi con l’intelligenza artificiale e la citizen science
  • Supportare il processo decisionale nella gestione delle risorse idriche

Innovazione attraverso l’interdisciplinarità: l’iniziativa MOXXI

L’iniziativa MOXXI (Misure e Osservazioni nel XXI Secolo) pone l’accento sull’innovazione attraverso: Questa iniziativa promuove il passaggio dal monitoraggio tradizionale a strategie di osservazione adattive, flessibili e creative.

  • Tecnologie di rilevamento a basso costo
  • Scienza dei cittadini e monitoraggio partecipativo
  • Collaborazione interdisciplinare
  • Sistemi di misurazione su misura e opportunistici

Sfide e direzioni future

Nonostante i progressi significativi, permangono diverse sfide: Le direzioni future della ricerca includono: Si prevede che la convergenza di questi approcci crei una nuova generazione di sistemi di monitoraggio idrologico intelligenti.

  • Mancanza di protocolli standardizzati tra le applicazioni
  • Problemi di integrazione dei dati e interoperabilità
  • Garanzia di qualità e quantificazione dell’incertezza
  • Vincoli normativi e operativi
  • Integrazione di IA e apprendimento automatico
  • Sviluppo di sistemi di monitoraggio in tempo reale
  • Fusione di set di dati da più fonti
  • Espansione delle reti di citizen science

In questa sezione

Parte delle Linee di Ricerca di HydroLAB.

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]
  • Marye, A. T., C. Caramiello, D. De Nardi, D. Miglino, G. Proietti, K. C. Saddi, C. Biscarini, S. Manfreda, M. Poggi and F. Tauro, Remote sensing for monitoring macroplastics in rivers: A review., WIREs Water, 2025. [pdf] [doi]
  • Miglino, D., S. Jomaa, M. Rode, K. C. Saddi, F. Isgrò and S. Manfreda, Technical note: Image processing for continuous river turbidity monitoring — full-scale tests and potential applications., Hydrology and Earth System Sciences, 2025. [pdf] [doi]
  • 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]
  • Mullerova, J., R. Kent, J. Bruna, M. Bruna, J. Estrany, S. Manfreda, A. Michez, M. Mokros, M. A. Tsiafouli and X. Gago, Understanding spatio-temporal complexity of vegetation using drones: What could we improve?., Journal of Environmental Management, 2024. [pdf] [doi]
  • Paridad, P., S. F. Dal Sasso, A. Pizarro, L. Mita, M. Fiorentino, M. R. Margiotta, F. Faridani, A. Farid and S. Manfreda, Estimation of soil moisture from UAS platforms using RGB and thermal imaging sensors in arid and semi-arid regions., Acta Horticulturae, 2022. [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]
  • Mullerova, J., X. Gago, M. Bucas, J. Company, J. Estrany, J. Fortesa, S. Manfreda, A. Michez, M. Mokros, G. Paulus, E. Tiskus, M. A. Tsiafouli and R. Kent, Characterizing vegetation complexity with unmanned aerial systems (UAS) — A framework and synthesis., Ecological Indicators, 2021. [pdf] [doi]
  • Petropoulos, G. P., A. Maltese, T. N. Carlson, G. Provenzano, A. Pavlides, G. Ciraolo, D. Hristopulos, F. Capodici, C. Chalkias, G. Dardanelli and 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, 2021. [pdf] [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]
  • Francos, N., N. Romano, P. Nasta, Y. Zeng, B. Szabo, S. Manfreda, G. Ciraolo, J. Meszaros, R. Zhuang, B. Su and E. Ben-Dor, Mapping water infiltration rate using ground and UAV hyperspectral data: A case study of Alento, Italy., Remote Sensing, 2021. [pdf] [doi]
  • Dal Sasso, S. F., A. Pizarro and S. Manfreda, Recent advancements and perspectives in UAS-based image velocimetry., Drones, 2021. [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]
  • 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]
  • 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]
  • Manfreda, S., A. Pizarro, T. Moramarco, L. Cimorelli, D. Pianese and S. Barbetta, Potential advantages of flow-area rating curves compared to classic stage-discharge relations., Journal of Hydrology, 2020. [doi]
  • Tmusic, G., S. Manfreda, H. Aasen, M. James, G. Goncalves, E. Ben-Dor, A. Brook, M. Polinova, J. J. Arranz, J. Meszaros, R. Zhuang, K. Johansen, Y. Malbeteau, I. P. de Lima, C. Davids, S. Herban and M. McCabe, Practical guidance for UAS-based environmental mapping., Remote Sensing, 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]
  • 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]
  • Manfreda, S., P. Dvorak, J. Mullerova, S. Herban, P. Vuono, J. J. Arranz Justel and M. Perks, Assessing the accuracy of digital surface models derived from optical imagery acquired with unmanned aerial systems., Drones, 2019. [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]
  • Manfreda, S., On the derivation of flow rating-curves in data-scarce environments., Journal of Hydrology, 2018. [doi]
  • Manfreda, S., M. F. McCabe, P. E. Miller, R. Lucas, V. Pajuelo Madrigal, G. Mallinis, E. Ben-Dor, D. Helman, L. Estes, G. Ciraolo, J. Mullerova, F. Tauro, M. I. de Lima, J. L. M. P. de Lima, A. Maltese, F. Frances, K. Caylor, M. Kohv, M. Perks, G. Ruiz-Perez, Z. Su, G. Vico and B. Toth, On the use of unmanned aerial systems for environmental monitoring., Remote Sensing, 2018. [doi]