La fotogrammetria subacquea, se correttamente applicata, può fornire modelli ad altissima risoluzione e molto accurati per la mappatura e monitoraggio delle azioni di ripristino dei fondali degradati mediante riforestazione di fanerogame marine.
OBIA per la mappatura e il monitoraggio dei fondali
L’analisi delle immagini basata su Object-Based Image Analysis (OBIA) effettua una
classificazione avanzata capace di incorporare dati spettrali, colore, consistenza, forma ed altre informazioni contestuali per identificare classi tematiche in immagini derivate da dati ottici ed acustici.
In particolare, la classificazione OBIA utilizza una segmentazione multirisoluzione dell’immagine per identificare oggetti omogenei. Nota: il termine “oggetto” in questo caso indica un gruppo contiguo di dati spaziali, come i pixel in una griglia batimetrica.
Il processo di segmentazione si basa su parametri predefiniti, quali compattezza, forma e scala, derivati dalla conoscenza reale delle caratteristiche da identificare e classificare.
Il case study nel Mar Tirreno
In questo studio, le indagini fotogrammetriche sono state condotte su siti riforestati con Posidonia oceanica situati in cinque diverse aree, quattro delle quali in Italia (Mar Tirreno centrale e meridionale e Canale di Sicilia) e una in Francia (Mar Tirreno centrale).
Nello specifico si riportano i risultati dell’analisi delle elaborazione di due ortomosaici del sito di Capo Feto (Sicilia).
Gli ortomosaici sono stati classificati utilizzando un approccio OBIA con la suite eCognition di Trimble e applicando un algoritmo di classificazione supervisionato k-NN.
La classificazione è stata eseguita utilizzando 163 campioni di addestramento di verità mare. L’accuratezza della classificazione, invece, è stata valutata utilizzando altri 76-98 campioni di convalida. Sono stati, inoltre, determinati la user’s accuracy, la producer’s accuracy ed il K-index.
I dati di mappatura acquisiti sono stati trattati in ambiente GIS mediante il quale sono state monitorate le variazioni multitemporali nella distribuzione della prateria di P. oceanica trapiantata.
Nello specifico, è stata ottenuta un’accuratezza complessiva della classificazione compresa fra il 93,67% e il 99,02%, mentre il K-index variava fra 0,90 e 0,98.
La classificazione OBIA utilizzando, tra l’altro, algoritmi di apprendimento automatico può estrarre correttamente le caratteristiche principali dai dati di ortomosaici, nuvole di punti e svariati tipi di input.
Considerando che le immagini possono avere valori GSD compresi tra 0,3 cm/pixel e 2,2 cm/pixel, queste informazioni sono utili per determinare correttamente la superficie e la copertura e per valutare il tasso di espansione o regressione di P. oceanica negli interventi di rispristino.
Conclusioni
Alla luce dei risultati ottenuti riteniamo che la metodologia fotogrammetrica proposta costituisca uno strumento ormai divenuto necessario.
Permette sia una verifica accurata dell’avvenuta collocazione che l’analisi dell’evoluzione a medio e lungo termine degli interventi di riforestazione delle praterie di P. oceanica.
L’articolo completo “Assessing Seagrass Restoration Actions through a Micro-Bathymetry Survey Approach (Italy, Mediterranean Sea)” è disponibile al cliccando QUESTO LINK.
(Fonte: Sysdeco Italia)
Leggi anche:
- Immagini satellitari SAR e ground motion services con Catalyst di PCI Geomatics
- GIS e batimetria: nuova soluzione integrata per la gestione dei dati in ArcGIS
- Nasce la International Water Academy, ecosistema per l’acqua ed i territori
- In orbita SWOT, il satellite per monitoraggio di oceani, laghi e fiumi