G. Sona, L. Pinto, D.Passoni, P.Dosso, A.Biffi, M.Baracani

DICA - Sez. Geodesia e Geomatica

Classificazione di immagini multispettrali e

multitemporali da UAS per il contenimento di

specie alloctone in aree protette

SOMMARIO 2

• Il progetto ITACA

Innovazione Tecnologie Azioni per il Contenimento delle Alloctone

• I voli multispettrali/multitemporali

• Modelli digitali e ortofoto

• Classificazione

• Risultati/Conclusioni

• necessità di proteggere habitat naturali minacciati

dalla crescente diffusione di specie alloctone

• sviluppo e ottimizzazione di tecniche e procedure

testate in precedenti studi effettuati sull'area del Parco

Adda Nord (Lombardia)

IL PROGETTO ITACA

Il progetto si propone di:

• rallentare il processo di perdita di biodiversità attraverso il contrasto delle

specie alloctone invasive e la tutela di aree boscate ad alta biodiversità

• costruire una banca dati sulle specie alloctone e implementare e un sistema

informativo geografico territoriale

• produrre un sistema di monitoraggio della vegetazione

Mediante :

• interventi diretti su aree degradate da colonizzazioni alloctone

• sperimentazioni di tecniche di forestazione innovative

• sperimentazione di rilevamento aerofotogrammetrico multispettrale per

il monitoraggio

Innovazione Tecnologie Azioni per il Controllo delle Alloctone

• Censimento su tutto il territorio del parco (circa

7000ha) delle specie esotiche che stanno

sottraendo habitat a specie autoctone (‘lista

nera’ Regione Lombardia)

IL PROGETTO ITACA

- Ailanthus

- Acer negundo

- Broussonetia papyrifera

- Prunus serotina

- Quercus rubra

- Amorpha

- Buddleja

- Phytolacca

- Reynoutria japonica

- Bambusae

• Sei zone boschive critiche (50 ettari circa) da

monitorare

Nelle sei zone boschive critiche sono state

progettate riprese multispettrali da UAV

I VOLI MULTITEMPORALI

I periodi ottimali di volo sono stati individuati da esperti botanici, sulla base dello

sviluppo fenologico delle specie di maggior interesse.

Le riprese sono state pianificate in differenti stagioni,

per sfruttare le differenze nelle fasi fenologiche :

ESTATE – AUTUNNO - PRIMAVERA

UAV e SENSORI

L’UAS utilizzato nel progetto è un

Sensefly SwingletCAM, sul quale sono state montate:

- Canon Ixus 220HS per realizzare immagini a colori (RGB)

- Canon Ixus 220HS modificata per realizzare immagini a

falsocolore: NIR-G-B.

Caratteristiche del rilievo:

- Elevata sovrapposizione immagini (60-80%)

- GSD di circa 4 cm (Quota di volo =135 m)

- GCP rilevati con GPS NRTK Trimble 5700

(punti naturali e artificiali).

Per ogni area e per ogni stagione sono stati

realizzati 2 voli (RGB e NIR)

Parco Adda Nord

Zona da rilevare e punti di appoggio rilevati con

strumentazione GPS + piano di volo

I VOLI

Parco Adda Nord

Zona da rilevare e punti di appoggio rilevati con

strumentazione GPS + piano di volo

I VOLI

TRIANGOLAZIONE DEI BLOCCHI

Per ogni stagione i due blocchi di immagini RGB e NIR-GB sono stati

simultaneamente orientati mediante Agisoft Photoscan™

MODELLI 3D

Dai blocchi RGB dei voli estivi (massimo di copertura fogliare) sono ricavati i DSM.

MODELLI 3D

Dai blocchi RGB dei voli estivi (massimo di copertura fogliare) sono ricavati i DSM.

MODELLI 3D

Dai blocchi RGB dei voli estivi (massimo di copertura fogliare) sono ricavati i DSM.

Ettari ortofoto N°immagini N°punti GPS

Cisano 39.7 49 12

Villa D'Adda 54.8 49 15

Paderno 29.4 34 13

Porto D'Adda 29.3 26 19

Groppello 35.7 60 13

Medolago 41.9 60 19

Le 6 ortofoto coregistrate RGB e NIR-GB, in Estate, Autunno e Primavera (Cisano)

Le ortofoto coprono

estensioni molto maggiori

delle aree coperte da

vegetazione arborea

oggetto di studio

ORTOFOTO

PREPARAZIONE DATI PER CLASSIFICAZIONE

Rilievi a terra delle specie arboree di interesse

PREPARAZIONE DATI PER CLASSIFICAZIONE

Nelle aree in cui i dati a terra sono stati più difficili da reperire (Paderno e

Porto D'Adda) si è cercato di identificare empiricamente dalle immagini altre

tipologie di piante.

Cisano Medolago Villa

d’Adda

Groppello Paderno Porto

d’Adda

Ailanto X X X X X X

Robinia X X X X X* X*

Salice X X

Gelso da carta X X

Bagolaro X

Pioppo X X* X*

Platano X X

Quercia X X

Acero X X

* da verificare

Sulle ortofoto, selezione di Region Of Interest

(ROI) all’interno delle aree indicate dal

botanico, da usare come training e validation

samples (verificate su tutte le ortofoto)

Maschera applicata per

la zona di interesse

(contorno+ NDVI)

PREPARAZIONE DATI PER LA CLASSIFICAZIONE

Estate

Autunno

Primavera

R

G

B

NIR

R

G

B

NIR

R

G

B

NIR

PREPARAZIONE DATI PER CLASSIFICAZIONE

Selezione dei canali di interesse, uniti

in un unico ‘layer stack’ per effettuare

classificazione utilizzando il massimo

dell’informazione

R

G

B

NIR

Estate

Una classificazione di confronto è stata effettuata anche su un ‘layer

stack’ formato dai soli quattro canali estivi

Riduzione della risoluzione da 5 a 25 cm

metodo : Maximum Likelihood (ENVI5.1)

CLASSIFICAZIONE SUPERVISED

Ottimizzazione di alcuni parametri

Confusion Matrix, Overall Accuracy

Classe V_Acero V_Frassino V_Pino V_Pioppo V_Platano V_Robinia V_Salice V_Ailanto Totale

Acero 49 0 0 72 18 10 1 1 151

Frassino 21 1225 0 121 261 85 96 33 1842

Pino 0 52 304 2 0 1 3 0 362

Pioppo 223 32 73 8554 150 822 38 11 9903

Platano 152 14 0 60 8284 14 2 15 8541

Robinia 0 1071 0 52 203 418 7 59 1810

Salice 45 188 0 15 149 5 3536 0 3938

Ailanto 215 5 0 47 903 183 3 696 2052

Total 708 2589 377 8943 9992 1548 3689 816 28662

Overall Accuracy (OA) = somma dei valori sulla diagonale, diviso per il numero totale di pixel contenuti nei validation samples

Overall Accuracy (Cisano): 80.5% (Kappa Coefficient : 0.74)

VALIDAZIONE

Classe V_Acero V_Frassino V_Pino V_Pioppo V_Platano V_Robinia V_Salice V_Ailanto Totale

Acero 49 0 0 72 18 10 1 1 151

Frassino 21 1225 0 121 261 85 96 33 1842

Pino 0 52 304 2 0 1 3 0 362

Pioppo 223 32 73 8554 150 822 38 11 9903

Platano 152 14 0 60 8284 14 2 15 8541

Robinia 0 1071 0 52 203 418 7 59 1810

Salice 45 188 0 15 149 5 3536 0 3938

Ailanto 215 5 0 47 903 183 3 696 2052

Total 708 2589 377 8943 9992 1548 3689 816 28662

Prod. User Acc. (%) Acc. (%) Ailanto 85.2 33.9 Acero 6.9 32.5 Frassino 47.3 66.5 Pino 80.6 84.0 Pioppo 95.7 86.4 Platano 82.9 97.0 Robinia 27.0 23.1 Salice 95.9 89.8

Producer Accuracy (PA) = % di pixel classificati correttamente dei validation samples = numero di pixel corretti /totale sui singoli campioni di validazione (totale di colonna) : indica la probabilità cheun pixel di validazione sia correttamente classificato.

User Accuracy (UA) = % di pixel classificati correttamente sulla classe = numero di pixel corretti sul totale di pixel classificati nella stessa classe (totale di riga) : indica la probabilità che un pixel classificato rappresenti davvero quella classe

VALIDAZIONE – Producer e User Accuracy

OA Est+Aut+Pri Est

Groppello 90,0 88,5

Villa D’Adda 97,9 84,4

Porto D’Adda 88,4 85,9

Cisano Berg 80,5 50,4

Medolago 55,2 34,8

Paderno 84,5 68,2

Overall Accuracy : confronto tra classificazione multistagionale e

classificazione della sola stagione estiva

Nella maggior parte delle aree il rilievo multitemporale permette

una più efficace distinzione delle specie arboree

MULTISTAGIONALE o NO ?

L’analisi dettagliata di PA e UA di tutte le aree non dà sempre risultati coerenti ma

è spesso a favore delle classificazioni multistagionali

Groppello 3 stagioni Solo

estate

OA 90,04 OA 88,5

K 0,84 K 0,81 PA UA PA UA

gelso 60.4 99.4 65.3 84.5

robinia 96.1 58.2 78.1 73.7 ailanto 98.0 86.7 96.8 60.7

bagolaro 98.5 98.7 98.2 99.4

Cisano 3 stagioni Solo

estate OA 80,48 OA 50,44

K 0,74 K 0,38 PA UA PA UA

Acero 6,9 32,4 7,1 7,6

Frassino 47,3 66,5 31,2 46,7

Pino 80,6 83,9 86,7 39,9

Pioppo 95,6 86,4 90,2 72,6

Platano 82,9 96,9 59,4 90,8

Robinia 27,0 23,1 15,8 19,3

Salice 95,8 89,8 96,5 75,8

Ailanto 85,3 33,9 51,8 26,8

MULTISTAGIONALE o NO ?

3 stagioni estate

Linee più separate indicano maggiori possibilità

di distinguere le diverse specie arboree.

La separabilità tiene conto anche della ‘dispersione’ di questi grafici

NB: più linee = più piante di cui

si ha verità a terra

FIRME ‘SPETTRALI’ e SEPARABILITA’

Il rilievo multispettrale e multistagionale di prossimità fornisce uno strumento

utile per la discriminazione di alcune specie vegetali.

Accuratezze particolarmente basse sembrano associate a scarsità di

informazioni al suolo oppure ai casi in cui alcune specie sono poco

rappresentate (samples piccoli) o fortemente mescolate (singoli pixel adiacenti

possono appartenere a specie differenti)

Per ridurre le misclassificazioni occorre approfondire lo studio preliminare della

separabilità delle specie sulla base delle ortofoto prodotte ed eventualmente

effettuare raggruppamenti

Per ottimizzare il rilievo e la successiva classificazione, occorre scegliere poche

specie obiettivo, su cui tarare la selezione dei periodi dell’anno di maggior

differenziazione cromatica.

Si possono sperimentare classificazioni differenti, e/o aggiungere altri canali

sintetici.

CONCLUSIONI, PROBLEMI APERTI, SVILUPPI FUTURI