Relazione di fine tirocinio - Ingegneria Civile · Relazione di Tirocinio 1 1 PREMESSA La seguente relazione descrive gli studi e le attività che sono stati effettuati per lo svolgimento

Facoltà di Ingegneria

Corso di laurea in Ingegneria Civile per la Protezione dai Rischi Naturali

Relazione di fine tirocinio

Anno accademico 2016/2017

Acquisizione di competenze nella manipolazione di

immagini satellitari

Studente Relatore

Iacopo Vona Claudia Adduce

Correlatore

Federico Falcini

Relazione di Tirocinio

ii

INDICE

1 Premessa ........................................................................................................... 1

2 Introduzione ..................................................................................................... 1

3 I dati satellitari ................................................................................................. 3

3.1 Meris .............................................................................................................. 3

3.2 CoastColour ................................................................................................... 4

3.2.1 Utilizzo del portale Calvalus ............................................................. 6

4 Metodologia ................................................................................................... 11

4.1 Remap .......................................................................................................... 12

4.2 Medie Mensili .............................................................................................. 13

4.3 Climatologia ................................................................................................. 14

4.4 Interpolazione .............................................................................................. 16

5 Conclusioni .................................................................................................... 18


iii

INDICE DELLE FIGURE

Figura 1 Pagina di accesso al Calvalus on-Demand Processing .............. 5

Figura 2 Sezione iniziale del portale CoastColour ................................... 6

Figura 3 Scelta del tipo di prodotto .......................................................... 7

Figura 4 Scelta del formato di output ....................................................... 8

Figura 5 esempio di file NetCDF ........................................................... 10

Figura 6 Schema dell’acquisizione e processamento di dati OC ........... 11

Figura 7 Gennaio 19/2003 ...................................................................... 12

Figura 8 Gennaio 19/2003 rimappato ..................................................... 13

Figura 9 Media del mese di Gennaio 2003 ............................................. 14

Figura 10 Gennaio climatologico di tsm .................................................. 15

Figura 11 Media mensile piena di tsm ..................................................... 16

Figura 12 Media mensile piena di chl ...................................................... 17

Figura 13 Confronto tra medie mensili di tsm e chl ................................. 18


1

1 PREMESSA

La seguente relazione descrive gli studi e le attività che sono stati effettuati

per lo svolgimento della tesi di laurea. Tali attività sono previste dall’art. 10, co. 5

let. d/e e considerate equivalenti ad un tirocinio con riconoscimento di 6 CFU per

un numero di ore non inferiore a 150, come previsto dal piano di studi.

L’attività si è svolta presso l'Istituto di Scienze dell'Atmosfera e del Clima

(CNR-ISAC), con l’obiettivo di acquisire dimestichezza con il trattamento dei dati

satellitari e di applicare le conoscenze ottenute/apprese allo sviluppo della tesi di

laurea.

2 INTRODUZIONE

Una immagine satellitare è una fotografia aerea scattata da un satellite

artificiale, che può rappresentare la Terra, i suoi elementi, o altri pianeti

dell'Universo. L’uso principale di immagini satellitari è legato al Telerilevamento

(TLR), disciplina tecnico-scientifica con finalità diagnostico-investigative che

permette di ricavare informazioni qualitative e quantitative sull'ambiente e su

oggetti posti a distanza dal sensore di rilevamento, mediante misure di radiazione

elettromagnetica (emessa, riflessa o trasmessa) che interagisce con le superfici

fisiche di interesse.

Le applicazioni che riveste il TLR in ambito ambientale sono innumerevoli,

tra le quali si possono menzionare il monitoraggio dell’atmosfera, degli oceani,

dei processi climatici, dell’inquinamento, ecc . Con il presente lavoro si è

affrontato nello specifico il tema dell’Oceanografia satellitare mediante

l’osservazione dell’Ocean Colour (OC); attraverso l’OC è possibile ricavare

importanti informazioni di carattere fisico e bio-geochimico come concentrazione

di biomassa fitoplanctonica o concentrazione di sedimenti in sospensione,

parametri molto importanti per lo studio ed il monitoraggio della vita negli oceani

(e non solo).

Per dare una idea di cosa sia l’OC e da cosa venga influenzato è di seguito

riportata una breve descrizione. Il motivo per cui l'oceano è blu è legato


2

all'assorbimento e alla dispersione della luce. L’acqua assorbe molto

efficacemente le lunghezze d’onda dello spettro elettromagnetico nel campo del

visibile del rosso, mentre riflette le lunghezze d’onda nel blu, quindi la luce rossa

viene assorbita rapidamente nell'oceano e viene rilasciato l'azzurro. Se ci sono

particelle sospese nell'acqua, queste aumentano la dispersione della luce, come

avviene ad esempio nelle zone costiere, dove la messa in sospensione di sabbia e

di altre sostanze ad opera del moto ondoso e delle correnti, può cambiare il colore

delle acque circostanti . In zone più lontane dalla costa invece, la sostanza

assorbente più importante è la clorofilla, pigmento di colore verde contenuto nel

microscopico fitoplancton, che la utilizza per catturare energia dal sole. A causa di

questo pigmento verde, il fitoplancton assorbe preferibilmente le porzioni rosse e

blu dello spettro luminoso (per la fotosintesi) riflettendo in questo modo la luce

verde; di conseguenza, le zone oceaniche con elevate concentrazioni di

fitoplancton appariranno di una tonalità tendente al blu-verde, a seconda del tipo e

della densità della popolazione fitoplanctonica.

L’obiettivo della tesi di laurea pertanto, è stato quello di analizzare

immagini OC di concentrazione di clorofilla (chl) e concentrazione di materia

sospesa (tsm), al fine di metterne in luce aspetti rilevanti di carattere statistico. In

particolare si sono studiati da un lato fenomeni di erosione, dall’altro fenomeni di

interazione tra le due variabili.

Nel presente tirocinio invece, ci si è occupati della fase iniziale di

elaborazione delle immagini; tale fase comprende l’acquisizione del dato grezzo

satellitare e la sua modellazione come il remap e il riempimento di quei pixel non

visti dal satellite (a causa di nubi ad esempio). Questa fase è molto importante per

ottenere infine immagini “piene”, che si prestino adeguatamente ad essere

analizzate dal punto di vista statistico.


3

3 I DATI SATELLITARI

I dati satellitari presi in considerazione in questo lavoro sono dati ad alta

risoluzione spaziale (300 m) forniti dal satellite Envisat (Environmental Satellite),

lanciato in orbita dall’Agenzia Spaziale Europea (ESA) nella missione Envisat-1

del Marzo 2002. Il satellite Envisat orbitava attorno alla terra in 101 minuti,

effettuando un ciclo completo in 35 giorni; l'obiettivo principale del programma

era quello di offrire all'Europa uno strumento avanzato per l'osservazione remota

della Terra dallo spazio, allo scopo di aumentare ulteriormente la capacità degli

Stati membri di partecipare allo studio e al monitoraggio della Terra e del suo

ambiente. Envisat trasportava una schiera di nove strumenti per l'osservazione di

parametri ambientali, che coprivano ogni ambiente della Terra (acqua, terra,

ghiaccio e atmosfera) utilizzando diversi metodi di misura.

3.1 MERIS

MERIS era lo spettrometro usato per misurare la radiazione solare riflessa

dalla Terra ad una risoluzione spaziale di 300 m, con 15 bande spettrali nel

visibile e nell’infrarosso vicino, programmabili in ampiezza e posizione. MERIS

acquisiva immagini dell'intera superficie terrestre ogni 3 giorni, grazie al suo

ampio campo visivo; la sua missione primaria era quella di misurare il colore

delle acque sia nelle zone oceaniche che in quelle costiere. Tali dati potevano

essere convertiti per misurare la concentrazione del pigmento di clorofilla, la

concentrazione di sedimenti in sospensione e i carichi di aerosol sulle aree marine,

tutti fattori importanti per lo studio del ciclo del carbonio e del regime termico

dell’oceano; potevano essere inoltre utilizzati per la gestione delle zone di pesca e

delle zone costiere.

Il processamento dei dati di colore del mare forniti da MERIS, si può

suddividere in quattro fasi: acquisizione del dato grezzo (level 0, L0), passaggio

dal dato grezzo al dato grezzo georeferenziato (level 1, L1), passaggio dal dato

grezzo georeferenziato ai paramentri geofisici da studiare (level 2, L2) e

rimappatura di ciascun parametro geofisico sulla zona di interesse (level 3, L3).

La necessità del remap del dato L2 è dovuta al fatto che tali dati, cosi come

gli L1, seguono la curvatura della terra; risultano quindi distribuiti su una mesh


4

irregolare ed è pertanto necessario procedere ad una ridistribuzione dei pixel su

una griglia regolare.

Gli L0 sono i dati appena acquisiti e presentano conteggi di radianza bruti

insieme ai dati di telemetria degli strumenti. Il passaggio successivo vede la

trasformazione degli L0 in L1, in cui troviamo gli stessi dati bruti del livello

precedente insieme a dati riguardanti la geolocazione di ciascun pixel, dati di

calibrazione e i dati riformattati di telemetria degli strumenti. Applicando

coefficienti di calibrazione, correzione atmosferica e algoritmi bio-ottici all’L1

per ciascun pixel, si ha la creazione dell’L2 che quindi si presenterà come un

unico file, con la stessa risoluzione spaziale dell’L1, contenente tutti i parametri

geofisici da studiare. Per la creazione dell’L2 vengono anche richiesti dei dati

ausiliari come vento, pressione e ozono. In questa fase vengono anche inserite

informazioni riguardo la bontà dei dati geofisici pixel per pixel (quelle che

vengono chiamate “flags”). Questo controllo permette di decidere se utilizzare o

scartare un pixel “non buono” negli studi successivi. Questo file L2, per il gran

numero di informazioni che racchiude, è solitamente di grandi dimensioni e non

facilmente gestibile da calcolatori di media potenza. E’ per questo che si procede

con l’ultima fase del processamento e cioè l’estrazione e creazione di file singoli,

per ogni parametro geofisico dell’L2, rimappati sopra la zona di studio con la

risoluzione che interessa.

3.2 COASTCOLOUR

Nel 2010 ESA ha lanciato il progetto CoastColour per sfruttare appieno le

potenzialità dello strumento MERIS per il telerilevamento. Il progetto mirava a

migliorare l'acquisizione, da parte degli utenti, dei dati MERIS per applicazioni

nelle acque costiere, sviluppando e convalidando le ultime tecniche avanzate per

recuperare informazioni sui componenti dell'acqua. Nell’estate 2012, con la

conclusione del progetto, è stato raccolto un grande set di prodotti di OC

provenienti da 27 aree costiere distribuite a livello mondiale.

I prodotti CoastColour sono disponibili online sul sito web

www.coastcolour.org tramite il servizio di elaborazione on-demand di Calvalus.


5

Figura 1 Pagina di accesso al Calvalus on-Demand Processing

È disponibile l'archivio globale completo di MERIS Full e Reduced

Resolution che copre l'intervallo di tempo compreso tra il 17 maggio 2002 e l’8

aprile 2012. I principali vantaggi e caratteristiche del Calvalus On-Demand

Processing System sono:

• possibilità di scaricare esclusivamente prodotti relativi alla regione

di interesse

• generare gruppi dati specifici a livello di prodotto (L1P, L2R o

L2W) in base alle proprie esigenze.

• possibilità di specificare i periodi temporali, le regioni e i parametri

di elaborazione specifici.

• possibilità di scegliere tra set di dati di input a risoluzione completa

o ridotta.


6

3.2.1 UTILIZZO DEL PORTALE CALVALUS

Il portale per il download dei dati si presenta nel seguente modo:

Figura 2 Sezione iniziale del portale CoastColour

In questa sezione è possibile selezionare per prima cosa il tipo di processing

che si vuole effettuare, se L2 o L3; in secondo luogo si seleziona il tipo di

risoluzione dell’immagine (RR o FR), la regione di interesse e il periodo

temporale.


7

Il terzo passo è quello della scelta del tipo di prodotto tra L1P, L2R o L2W,

che sono i prodotti generati dal progetto CoastColour, a seguito dell’applicazioni

ai dati Meris degli algoritmi necessari per passare da dati di telemetria a parametri

marini:

Figura 3 Scelta del tipo di prodotto

Il Level 1P è un raffinato prodotto di radiazioni atmosferiche di livello

superiore rispetto al prodotto standard di Level 1b ricevuto dal sensore. Fornisce

una migliore geolocalizzazione e informazioni di caratterizzazione dei pixel

(nuvole, neve, ecc.). Il prodotto di livello L2R è il risultato della correzione

atmosferica, contiene la riflettanza dell’acqua, la riflessione lasciata dall’acqua e

diverse flags che caratterizzano i pixel, mentre il prodotto L2W contiene

informazioni sulle proprietà dell’acqua come concentrazione di clorofilla e

concentrazione di materia in sospensione, e, come nel livello L2R, le flags di

caratterizzazione dei pixel.


8

I dati così selezionati sono pronti per essere scaricati, previa definizione del

tipo di formato per i parametri di output:

Figura 4 Scelta del formato di output

Il NetCDF (Network Common Data Form) è il formato di default delle

immagini scaricate dal Calvalus On-Demand Processing System.

Il NetCDF è un insieme di librerie software e formati che supportano la

creazione, l'accesso e la condivisione di molti tipi di dati. Le librerie software,

indipendenti dal Sistema Operativo, sono liberamente distribuite per C, Fortran,

C++, Java e altri linguaggi.

Un dato in formato NetCDF è:

• Auto-Descrittivo. Un file NetCDF include informazioni sui dati che

contiene.

• Scalabile. È possibile accedere in modo efficiente a un piccolo

sottoinsieme di un grande set di dati.

• Espandibile. I dati possono essere aggiunti a un file NetCDF

correttamente strutturato senza copiare il set di dati o ridefinire la

struttura.

• Condivisibile. Uno scrittore e più lettori possono accedere

contemporaneamente allo stesso file NetCDF.

• Archiviabile. L'accesso a tutte le forme precedenti di dati NetCDF

sarà supportato dalle versioni correnti e future del software.


9

All'atto pratico il NetCDF è un tipo di formato dati usato soprattutto in

ambito scientifico, con particolare riferimento alle applicazioni inerenti il clima, la

meteorologia e l'oceanografia. Un dato NetCDF si divide in una parte iniziale

(header) ove dichiarare le informazioni che descrivono il dato stesso e ne aiutano

la comprensione tramite la definizione di attributi e variabili globali, e di un

"corpo" dove viene immagazzinato il dato vero e proprio (ad esempio una matrice

bidimensionale).

Di seguito è riportato un esempio di file NetCDF L2W, notevolmente

ridotto nel numero di variabili rispetto all’originale, sostanzialmente per

l’impossibilità di rappresentarlo interamente:

Source:

Directory\Nome_file.nc

Format:

netcdf4_classic

Global Attributes:

Conventions = 'CF-1.4'

TileSize = '16:4481'

product_type = 'MER_FSG_CCL2W'

metadata_profile = 'beam'

metadata_version = '0.5'

start_data = '04-JAN-2003 08:55:57

stop_date = '04-JAN-2003 08:56:40

title = 'MERIS CoastColour L2W'

Dimensions:

y = 961

x = 4481

iop_a_total_443

Size : 4481x961

Dimensions: x,y

Datatype : single

Attributes:

long_name = 'Total absorption coefficient of all water

constiuents at 443 nm.'

units = 'm^-1'

Coordinates = 'lat lon'

l1_flags

Size : 4481x961

Dimensions: x,y

Datatype : int8

Attributes:

long_name = 'Level 1b classification and quality flags'

Coordinate = 'lat lon'


10

flag_meanings = 'Cosmetic Duplicated Glint_risk Suspect

Land_ocean Bright Coastilne Invalid

flag_masks = [1 2 4 8 16 32 64 -128]

flag_coding_name = 'l1_flags'

conc_tsm

Size : 4481x961

Dimensions: x,y

Datatype : single

Attributes:

long_name = 'Total suspended matter dry weight

units = 'g m^-3'


conc_chl_nn

Size : 4481x961

Dimensions: x,y

Datatype : single

Attributes:

long_name = 'Chlorophyll concentration.'

units = 'mg m^-3'


Lat

Size : 4481x961

Dimensions: x,y

Datatype : single

Attributes:

long_name = 'latitude coordinate'

units = 'degrees_north'

standard_name = 'latitude'

lon

Size : 4481x961

Dimensions: x,y

Datatype : single

Attributes:

long_name = 'longitude coordinate'

units = 'degrees_east'

standard_name = 'longitude'

Figura 5 esempio di file NetCDF

Un NetCDF scaricato dal Calvalus contiene un numero di variabili molto

maggiore di quelle rappresentate nell’esempio, il che rende complicata ed

onerosa, dal punto di vista computazionale, la manipolazione di tali file. Per

questo motivo si procede in primo luogo ad estrarre le variabili di interesse dal file

completo e, successivamente, al processamento dei dati.

Uno strumento molto potente per l’elaborazione di tali dati, poiché scritto in

C, è Matlab, che contiene diverse interfacce a decine di funzioni nelle librerie


11

NetCDF, consentendo la lettura, l’elaborazione e la scrittura dei dati. Si è pertanto

fatto uso di tale software per rispondere alle esigenze di programmazione nella

elaborazione delle immagini.

4 METODOLOGIA

Il concetto generale dell’acquisizione e il processamento di dati OC, da

parte del progetto CoasColour, è riassunto in figura 6:

Figura 6 Schema dell’acquisizione e processamento di dati OC

Come già detto nel paragrafo precedente, il prodotto finale di livello 2 di

CoastColour è l’L2W, contenente esclusivamente parametri marini. Tale livello di

prodotto è stato il dato di input per le analisi effettuate; si è dunque sfruttata la

potenzialità del Calvalus per cominciare le analisi partendo da un prodotto di

livello più raffinato rispetto ai precedenti.

Il data-set disponibile per le analisi sui parametri fisici (tsm) e bio-

geochimici (chl) ricopre tutta la durata di attività della missione Envisat-1, dal

2003 al 2012.


12

La metodologia per il processamento dei dati, al fine di ottenere immagini

piene (con ogni pixel contraddistinto da un valore rappresentativo della grandezza

in esame), è stata così articolata:

• remap di ogni immagine sulla zona di interesse (il Mar Adriatico);

• realizzazione delle medie mensili;

• realizzazione del mese climatologico;

• smooth del mese climatologico;

• interpolazione tra medie mensili e corrispondenti mesi climatologici.

4.1 REMAP

Una immagine L2W scaricata dal Calvalus si presenta nel modo seguente:

Figura 7 Gennaio 19/2003

Ogni pixel che caratterizza l’immagine è contraddistinto da un valore del

parametro in esame, che non è detto si possa ritener valido a prescindere. Per

caratterizzare i pixel vengono consultate le flags, che classificano i pixel

sostanzialmente come buoni o ambigui (nel caso ad esempio di un pixel con un

valore di diversi ordini di grandezza superiore rispetto ai pixel che lo circondano).

È molto importante trovare ed escludere quei pixel non buoni, al fine di non


13

compromettere le analisi ed ottenere risultati privi di basamento fisico. A seguito

dell’individuazione e dell’eliminazione dei pixel ambigui, si è proceduto al remap

dell’immagine:

Figura 8 Gennaio 19/2003 rimappato

Si può notare come a seguito del remap, l’immagine cambi posizione

rispetto all’originale, chiaro segnale del passaggio da una mesh irregolare a

regolare.

Risultano evidenti ampi spazi vuoti relativi a quei pixel non rilevati dal

satellite per via della presenza di nubi. Tale problema viene affrontato più avanti

tramite la creazione dei mesi climatologici e interpolazione con le corrispettive

medie mensili.

4.2 MEDIE MENSILI

Con i dati rimappati si è proceduto ad estrapolare medie mensili. Questa

operazione risulta importante per ridurre sensibilmente l’onere computazionale di


14

calcolo, in quanto si passa da circa 30 immagini al mese, per 10 anni, ad una sola

immagine mensile rappresentativa del valore medio della grandezza fisica

considerata:

Figura 9 Media del mese di Gennaio 2003

Le medie mensili così create risultano avere una copertura maggiore in

termini di pixel visti, rispetto alle immagini giornaliere, salvo per quei punti non

visti, comuni a tutte le matrici dati che compongono il mese.

4.3 CLIMATOLOGIA

Una volta create le immagini mediate di concentrazione di chl e tsm, si pone

il problema di riempire, in qualche modo, i pixel che continuano ad essere

contraddistinti da NaN (not a number).

Questo problema viene affrontato tramite creazione di mesi climatologici e

successiva interpolazione con le relative immagini mediate, al fine di riempire i

vuoti delle medie mensili con i rispettivi valori climatologici. Il mese


15

climatologico è definito come la media dei mesi mediati. In sostanza, il Gennaio

climatologico ad esempio, sarà uguale alla media di tutti i mesi di Gennaio

mediati.

Figura 10 Gennaio climatologico di tsm

Il mese climatologico così creato si presenta come un’immagine piena,

senza NaN, pronta per essere interpolata; in realtà vi sono pochi punti, non visibili

a causa della elevata risoluzione delle immagini, che restano ancora vuoti. Per

risolvere questo ultimo delicato punto si è fatto uso della procedura Smooth

tramite il software IDL per il telerilevamento. Tale procedura attribuisce ai pixel

vuoti il valore medio degli n punti che lo circondano, con n parametro della

procedura. Alla fine di tale procedimento si ottengono matrici di dati piene, di

mesi climatologici.


16

4.4 INTERPOLAZIONE

Avendo a disposizione immagini smoothate senza vuoti, è stato possibile

procedere all’interpolazione delle medie mensili con le rispettive climatologie, in

cui i pixel non visti delle immagini mediate vengono sostituiti dai valori

climatologici.

Le immagini di concentrazione di tsm e chl, ottenute alla fine di tale

procedura, si presentano nel seguente modo:

Figura 11 Media mensile piena di tsm


17

Figura 12 Media mensile piena di chl


18

5 CONCLUSIONI

Le immagini ottenute al termine di quanto appena descritto, sono state

successivamente analizzate statisticamente nel proseguo della tesi di laurea

A seguito di questa analisi preliminare è comunque possibile mettere in luce

alcuni aspetti importanti che correlano le due variabili considerate, prendendo in

considerazione come esempio le seguenti due immagini:

Figura 13 Confronto tra medie mensili di tsm e chl

Si può osservare come alla foce del Po si verifichi un alto tasso di

sversamento di sedimenti, così come si osserva una elevata concentrazione di

biomassa fitoplanctonica. Questo è un chiaro segnale del rischio di

eutrofizzazione a cui sono molto sensibili le zone costiere, soprattutto in vicinanza

delle foci fluviali e laddove si risente di una forte antropizzazione.

Ovviamente un confronto basato su di un mese non può caratterizzare tale

fenomeno, ma questo vuole essere solo una piccola introduzione a ciò che durante

la tesi è stato studiato più nel dettaglio.

Documents

Relazione di fine tirocinio - Ingegneria Civile · Relazione di Tirocinio 1 1 PREMESSA La seguente relazione descrive gli studi e le attività che sono stati effettuati per lo svolgimento