Local texture mapping e studio della Terra

Articolo disponibile anche su ZeroTalk Italia++

In un precedente articolo avevo già descritto l’utilizzo del local texture mapping nello studio della superficie di un altro pianeta e già avevo anticipato che mi sarei occupato in un altro lavoro dello studio della superficie terrestre. Un fisico con cui ho collaborato in passato mi aveva detto che le tecniche di analisi delle texture erano nate proprio con lo scopo di analizzare le immagini satellitari in modo automatico per riconoscere in modo rapido diversi tipi di ambiente, quindi questo lavoro probabilmente non è nulla di nuovo…tuttavia ero curioso di vedere quali risultati otteneva il software! 🙂

Materiali e Metodi

Le immagini studiate in questo caso sono riprese aeree fatte dal team di Google Earth. E’ stata ottenuta tramite questo software un’immagine per ogni bioma, come definiti dalla classificazione Global 200 applicata a tutto il mondo (16 foto, comprendendo 3 foto per i deserti caldo, freddo e polare). Oltre a ciò sono state ottenute 2 foto di paesaggi antropici (area archeologica del centro di Roma e Grattacieli + area sud di Central Park a New York). Purtroppo non è stato possibile stabilire un’ altezza precisa di ripresa dal suolo (non ho trovato l’opzione per settarla per lo meno, non conosco bene Google Earth) ma questo fattore non dovrebbe alterare i risultati delle analisi, come abbiamo già visto nei dati su Plutone. Tutte le immagini sono state scomposte nelle 3 componenti RGB mediante il software GIMP, quindi queste sono state analizzate separatamente utilizzando LifeX con i soliti settaggi (64 livelli di grigio, range da 0 a 256, size of bin pari a 4 e diametro del kernel pari a 7 pixel). Sono stati calcolati per ogni punto dell’immagine tutti gli indicatori della matrice GLCM forniti da LifeX come mappa (dissimilarità, entropia, contrasto, energia ed omogeneità) I dati così ottenuti sono stati quindi raggruppati per “tematica” (come descritto sotto) e studiati con metodica qualitativa. Ogni immagine comprende sempre un’area di centro abitato in quanto le riprese di Google Earth lontane dalle zone popolate sono a bassa risoluzione e non adatte quindi a questo lavoro. Ciò ha anche permesso di caratterizzare meglio gli ambienti antropici.

Tutte le immagini presentate in questo articolo sono relative alla componente blu (tutti i dati saranno presto pubblicati su GalactiChan). e sono presentati nel seguente ordine: foto originale- dissimilarità -entropia – contrasto – energia – omogeneità.

Risultati

Metropoli: Le strade sono caratterizzate da un basso livello di entropia, mentre gli edifici presentano bordi iperintensi a questo indicatore e facciate tendenzialmente di intensità media. La metodica consente quindi di distinguere bene le aree di parco o naturali da quelle occupate da case e non è escluso che possa essere utilizzata anche per studiare lo stato degli edifici e di aree archeologiche. Gli elementi naturali come gli alberi li analizzeremo in un paragrafo successivo. Un dato interessante è che le strade occupate da veicoli tendono ad avere livelli di entropia che aumentano per la disomogeneità locale nella foto data da questi oggetti. Questo potrebbe portare mediante l’utilizzo di riprese video ad uno studio agevole dell’entità del traffico veicolare per ogni punto di una città semplicemente misurando le variazioni nel tempo di questo indicatore per ogni strada mediante apposite ROI (Region of Interest).

Deserti: Le aree non coperte da vegetazione appaiono estremamente omogenee con bassissimi livelli di entropia. Questa foto dell’area di Giza evidenzia anche come l’orientamento del Sole rispetto all’orizzonte influenza l’intensità degli indicatori ed agisce come fattore confondente nelle analisi.

Aree polari e nevose: Valgono le stesse considerazioni fatte per i deserti caldi, tuttavia le aree innevate mostrano iperintensità agli indicatori di disordine come l’entropia. Questo dato potrebbe essere utilizzato sia per stimare la copertura nevosa di un ‘area (studi sul riscaldamento globale?) sia forse per caratterizzare lo stato della copertura nevosa (rischio valanghe?)

Foreste e acque superficiali: La densità della copertura boschiva, così come la specie di alberi e la loro grandezza influenzano il segnale. Gli alberi tendenzialmente mostrano un’ elevata entropia e l’intensità di questo segnale cresce con le dimensioni del singolo vegetale e con la densità di copertura, oltre a dipendere dalla specie coinvolta a parità di questi fattori. Questo metodo appare quindi adatto allo studio dell’estensione, della salute e della composizione delle aree boschive

Le aree fluviali e marine mostrano segnale molto omogeneo ed a bassissima entropia, tuttavia alterazioni turbolente del flusso idrico come le onde marine possono produrre locali aree di disomogeneità ed iperintensità lieve dell’entropia dovute ad una differente riflessione della luce solare (tale dato potrebbe essere utilizzato per la quantificazione locale di questi fenomeni). Le spiagge mostrano segnale simile ai deserti.

Conclusioni

Come in passato mi era già stato anticipato da chi ne capiva di più di me dell’argomento, il local texture mapping appare un metodo poco costoso e molto promettente nello studio dall’alto della superficie terrestre in molti campi…e sinceramente sarei molto curioso di proseguire questo tipo di studi con riprese fatte con droni o anche con semplici macchine fotografiche da posti alti 🙂

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...