Classificazione di categorie forestali da ortofoto iperspettrali MIVIS in un contesto alpino: potenzialità, limiti e proposte metodologiche

This work is a collaboration between the ¿Istituto per le Piante da Legno e l'Ambiente¿ (IPLA SpA) and the Department of Economy and Engineering for Agriculture, Forestry and the Environment (DEIAFA), University of Turin, Faculty of Agriculture. The purpose of this research is to investigate the potential of hyperspectral digital orthoimages produced from airborne sensor MIVIS in mapping the main forest species in the Aosta Valley. The test site was identified in Saint-Marcel Valley and in Val Clavalité within the Autonomous Region of Aosta Valley; it covers a surface of about 110 km2 and is characterized by a varying terrain, mixed land cover and deciduous and coniferous forests. The available data were the MIVIS orthoimages and the Forest Map of Aosta Valley relating to the test site, both provided by IPLA; the Forest Map was used as a basis for identifying the training set and as a verification tool when testing the thematic maps produced. The first step of the operational phase consisted in an analysis for selecting and reducing the number of spectral bands (102 channels) to improve the quality of the data and reduce the computation time. The MIVIS product has also required a pre-treatment of the images (radiometric calibration). The second phase of the work involved orthoimages processing. Several tests were conducted to determine the most appropriate procedure for the treatment of MIVIS data. In particular, the tests focused on: a) The determination of the training set: for the sampling of ROI (Region Of Interest) two different approaches were compared, the first one by photointerpretation while the second one is based on the interaction between photointerpretation and automatic classifier ISODATA (in both Forest Map was employed). By comparison of the two, the second approach appeared to the best one. b) The choice of the classifier: the image was mapped using two classification algorithms suggested in the literature, the Maximum Likelihood (ML) and the Spectral Angle Mapper (SAM): the comparison shows that the ML is better than the SAM. c) The image to classify: the classification process was conducted on two different datasets, and then results were compared. The first dataset is made up of the original MIVIS spectral bands; the second one is a transformation of the original image and is obtained by applying the Minimum Noise Fraction (MNF). The advantage of this transform is to increase the spectral separability of the various surfaces present in the analyzed scene and to condense the data information into a smaller number of bands if compared to the original, reducing, in this way, the processing time. In the comparison the second dataset has provided a much better result. Some critical issues have raised during the tests, concerning the date of acquisition of the strip (performed in the month of October) and wrong assignments due to shadows, a real problem in mountain environments. The results show, however, the validity of hyperspectral remote sensing techniques for mapping forest areas. The development of these methods is very interesting because it allows to monitor large areas - including remote and inaccessible areas - in short period of time also allowing - thanks to the digital nature of the processed data - a complete integration with Geographic Information Systems (GIS).

Il presente lavoro nasce dalla collaborazione tra l'Istituto per le Piante da Legno e l'Ambiente (IPLA SpA) e il Dipartimento di Economia e Ingegneria per l'Agricoltura, le Foreste e l'Ambiente (DEIAFA) dell'Università degli studi di Torino, Facoltà di Agraria. Lo scopo della ricerca è quello di investigare le potenzialità delle ortofoto digitali iperspettrali prodotte dal sensore aviotrasportato MIVIS nella mappatura delle principali specie forestali della Valle d'Aosta. L'area di studio è stata individuata a cavallo dei comuni di Fénis e Saint-Marcel in Valle d'Aosta; essa presenta un'estensione di circa 110 km2 e comprende ambienti planiziali, montani e alpini ad alta densità boschiva. Come dati a disposizione si sono utilizzate le ortofoto MIVIS e la Carta Forestale della Valle d'Aosta relative all'area di studio, entrambe fornite dall'IPLA. La fase operativa ha visto dapprima un'analisi per la selezione e riduzione del numero di bande spettrali (102 canali) volta al miglioramento della qualità del dato e alla riduzione dei tempi di calcolo. Il prodotto MIVIS ha inoltre richiesto un pre-trattamento delle strisciate (calibrazione radiometrica). La seconda fase del lavoro ha visto l'elaborazione vera e propria delle ortofoto. Sono state condotte diverse prove volte a stabilire la procedura più idonea per il trattamento dei dati MIVIS, con obiettivo finale la mappatura delle specie forestali. In particolare le prove sono state incentrate su: a) Determinazione dei training set: sono stati confrontati due diversi approcci per il campionamento delle ROI (Region Of Interest), il primo per via fotointerpretativa, il secondo basato sull'interazione tra la fase fotointerpretativa e il classificatore automatico ISODATA (entrambi gli approcci sono stati condotti tramite l'ausilio della Carta Forestale). Dal confronto è risultato migliore il secondo approccio. b) Scelta del classificatore: la mappatura dell'immagine è stata effettuata mediante i due algoritmi di classificazione principalmente suggeriti in letteratura, il Maximum Likelihood (ML) e lo Spectral Angle Mapper (SAM); il confronto dimostra come il ML risulti migliore. c) Immagine da classificare: il processo di classificazione è stato condotto su due differenti dataset. Il primo dataset è costituito dalle bande MIVIS originali; il secondo è invece una trasformazione dell'immagine originale, ottenuta applicando la Minimum Noise Fraction (MNF). Il vantaggio di tale trasformata è di aumentare la separabilità spettrale delle differenti superfici presenti nella scena analizzata e condensare l'informazione del dato in un numero ridotto di bande. Tra i due dataset il secondo ha fornito un risultato nettamente migliore. Durante le prove sono emerse alcune criticità riguardanti la data di acquisizione della strisciata (nel caso in questione eseguita nel mese di ottobre) ed errate assegnazioni dovute alle zone d'ombra, problema non secondario in un contesto alpino quale quello in cui ci si è trovati ad operare. I risultati ottenuti dimostrano tuttavia la validità delle tecniche di telerilevamento ottico iperspettrale per la mappatura delle superfici forestali. Gli sviluppi di queste metodologie sono di rilevante interesse perché offrono la possibilità di monitorare in breve tempo vasti territori, comprese zone remote e difficilmente accessibili; inoltre consente, grazie alla natura digitale dei dati processati, una completa integrazione con i Sistemi Informativi Geografici (SIG).