Sei sulla pagina 1di 5

1.

Definizione di radianza. Perche importante? 2. Applicazione della formula di Stefan Boltzmann



E una grandezza radiometrica che descrive la quantit di radiazione ELM riflessa (o trasmessa) da una La legge di Stefan-Boltzmann permette la quantificazione dell'energia totale irradiata per unit di
superficie di area unitaria e diretta verso un angolo solido unitario in una direzione indicata. Essa superficie di un corpo nero in unit di tempo in funzione della temperatura termodinamica T del corpo
definita come la derivata del flusso radiante rispetto allarea proiettata sulla superficie di interesse e nero (detta anche temperatura assoluta). Questa legge si ricava con lintegrazione dellequazione di
rispetto allangolo solido. Planck. Infatti la legge di Planck descrive l'emittanza spettrale (M) di radiazione EM per le singole
dove: lunghezze d'onda da un corpo nero alla temperatura T (vale a rigore per i corpi neri). Dal suo integrale
possibile quantificare l'emittanza totale di un oggetto. Questa proporzionale alla quarta potenza
della T del corpo, attraverso una costante chiamata costante di Boltzmann:

Supponendo l'emissivit del corpo f,T costante su tutto lo spettro EM (corpo grigio), cio non
- L: Radianza dipendente dalla frequenza, ma inferiore a 1, otteniamo:
- f : Flusso radiante : indica la variazione temporale di energia trasportata da una onda EM
- A cos(): superficie di interesse
- : angolo tra la normale della superficie e la direzione del flusso radiante
- : angolo solido nella direzione considerata Perci l'emittanza totale da un corpo grigio inferiore a quella da un corpo nero di un coefficiente pari
all'emissivit del corpo grigio.
Questa grandezza ci dice quale l'energia che la radiazione sta portando, in che direzione() e la Per gli oggetti reali (radiatore selettivo) l'emissivit () varia a seconda della lunghezza d'onda. Cos
grandezza della superficie che considero(A). Per questo, essa considerata la grandezza con maggiore in un termine pi generale possiamo scrivere la seguente equazione:
informazione.
Infatti, la radianza pu essere usata per ricondursi alle principali grandezze, quali l'intensit radiante,
irradianza ed emittanza:
Invertendo queste formule ed esplicitando la T, i sensori sono in grado di stimare la T superficiale di
un corpo a partire dalla sua emissivit:


Dall'applicazione della legge di Stefan-Boltzmann, attraverso la misurazione remota della radiazione
La radianza, in particolare, caratterizza l'emissione o riflessione complessiva, mentre la radianza uscente dal corpo per effetto joule (M) pu quindi essere stimata la sua temperatura
spettrale si limita a considerare una singola frequenza o lunghezza d'onda della luce. superficiale,relativa ad alcuni domini spettrali, senza alcun contatto tra sensore e corpo.

La radianza la grandezza pi importante per il telerilevamento perch quella che viene misurata
dai sensori dall'alto (aeroplani, droni e satelliti) ed particolarmente utile per quantificare la quantit
di luce emessa o riflessa da una sorgente che verr ricevuta da un dato sistema ottico rivolto verso la

sorgente e caratterizzato da un determinato diametro angolare; naturalmente, in questo caso l'angolo

solido considerato equivale all'apertura del sistema ottico. Essendo anche l'occhio un sistema ottico, la
radianza fornisce una buona stima della luminosit apparente di un oggetto.
















3. Applicazione della legge degli spostamenti di Wien, perch importante lo studio 4. Commentare leffetto del trascurare il coefficiente di emissivit nel rilevamento da
della massima emittanza ? remoto.

La legge di spostamento di Wien descrive la relazione tra la lunghezza d'onda di picco di emittanza Il paramero di emissivit () definito come il rapporto tra l'emittanza spettrale di un oggetto ad una
spettrale (max) e la temperatura (T) di un radiatore corpo nero. data temperatura (M (T)) e l'emittanza di un corpo nero alla stessa temperatura (M,BB (T )).
Analiticamente, la lunghezza d'onda di massima emittanza (max) pu essere derivata dall'equazione di Lemissivit data quindi dal rapporto tra il flusso emesso da un oggetto e quello emesso da un
Planck cercando la soluzione della sua derivata prima, cio ponendo la derivata prima rispetto a pari radiatore ideale (corpo nero), per uguali e T:
a zero in modo tale da trovare il massimo:

L'emissivit un valore adimensionale con un range da 0 (pessimo radiatore) a 1 (radiatore perfetto).


Il risultato descritto nella Legga degli Spostamenti di Wien: Un corpo nero un oggetto la cui emissivit () unitaria e costante con la .
Oggetti la cui emissivit () approssimativamente costante con la lunghezza d'onda vengono definiti
come corpi grigi. In qualsiasi lunghezza d'onda l'uscita della luce radiante di un corpo grigio (M,GB (T))
una frazione costante del potere di emissione radiante di un corpo nero alla stessa temperatura
La lunghezza donda di massimo irraggiamento di un corpo legata alla temperatura da una costante A
(M,BB (T)).
=2898; nota la T del fenomeno, questa legge ci permette di predire a quale lunghezza donda avr
Se l'emissivit di un oggetto varia con la lunghezza d'onda, allora l'oggetto detto radiatore selettivo,
massima energia.
per cui , il valore di emissivit dei materiali reali dipender dalla lunghezza d'onda () e dalla
Questa espressione prevede che la lunghezza d'onda del picco di emittanza (max) emessa da un
temperatura (T), ovvero = f(, T) = ,T.
oggetto generico diminuisce all'aumentare della Temperatura.
Alcuni materiali reali si comportano come corpi neri al di sopra di certi intervalli di lunghezza d'onda;
Di conseguenza, la legge di spostamento Wien prevede che il picco di emittanza dal Sole (con
per esempio l'acqua molto vicina al comportamento di un radiatore corpo nero, in un range di
T=5777K) avverr nello spettro visibile, circa 0,5 mm, perci nel dominio dei colori verdi a cui il
lunghezza d'onda di 6-14 mm e T media di una stanza.
nostro occhio maggiormente sensibile.
Altri materiali (reali) agiscono come radiatori selettivi con notevoli variazioni di emissivit per
Con riferimento alle propriet radianti, la terra pu essere ben approssimata con un corpo nero alla
differenti lunghezze d'onda; per esempio la vegetazione asciutta ha emissivit, in un range di
temperatura T = 303 [K], quindi, secondo la legge di spostamento Wien, la lunghezza d'onda di
lunghezza d'onda di 8-14 mm e T media di una stanza, che varia in un range pi grande. La sua
massima emittanza (max) a 9,6 [micron] (nella regione dellinfrarosso termico).
emissivit non potr essere trascurata.
Quindi, nota la T del fenomeno, questa legge ci permette di predire a quale lunghezza donda avr la
Infatti, se non considerassimo , dallalto calcoleremmo una temperatura degli oggetti
massima energia, e da questo deriva la scelta delle migliori lunghezze d'onda e degli strumenti da
utilizzare in applicazioni di telerilevamento, date le propriet degli oggetti in esame. sbagliata. Con la formula di Stefan Boltzmann la T si stima come:


Una volta misurata l'emittanza M col sensore, non considerare significa porlo pari a 1 e considerare
il corpo come un corpo nero. Allora, essendo la T inversamente proporzionale alla , si
sottostimerebbe la T reale del corpo perch viene considerata una maggiore di quella reale.
Siccome l'equazione di Stefan Boltzmann proviene dall'integrazione della legge di Planck, nemmeno
quest'ultima sarebbe estendibile al caso di corpi reali senza considerare l'efficienza di irraggiamento.
Infatti la sua espressione per i radiatori selettivi :



















5. Effetti atmosferici sulle immagini ottiche telerilevate
- Scattering di Mie: si verifica quando le particelle presenti in atmosfera sono essenzialmente
L'atmosfera un sistema multifase (gas, solido, liquido) ed eterogeneo. Sia i gas atmosferici, che gli sferiche con dimensione (r) approssimativamente uguale alla lunghezza donda della
aerosol (minuscole particelle di solido o liquido sospese nell'atmosfera) interagiscono in modo diverso radiazione EM incidente ( r >= /2 ). Lintensit della dispersione di Mie inversamente
con le radiazioni solari EM, a seconda delle loro caratteristiche fisiche (ad esempio forma, dimensioni, proporzionale alln-esima potenza della lunghezza donda delle radiazioni : mie 1/n (0.6 < n
distribuzione, indice di rifrazione, ecc). < 2) , quindi mie decade molto pi lentamente in funzione della rispetto a rayleigh (infatti per
Latmosfera pu influenzare non solo la velocit di radiazioni, ma anche la sua lunghezza d'onda, Rayleigh n=4). Diffusione simmetrica con massima probabilit in avanti (tramonto).
lintensit, la distribuzione spettrale, e il percorso (la direzione di propagazione della Colpisce principalmente le lunghezze donda del VIS/NIR, causa secondaria di foschia, il color
radiazione). Tutto ci dipende dalla lunghezza donda e da questi gas/ aerosol presenti in atmosfera. dominante il rossastro ed significativo dei cieli leggermente coperti o di atmosfere
Sono tre le modalit di interazione (3 macrofenomeni) tra particella atmosferica e radiazione solare che inquinate.
hanno influenze diverse sui dati osservati:
- Scattering non selettivi: si verifica quando sono presenti particelle con dimensione (r) di
1) Rifrazione atmosferica: il cambiamento di direzione del fascio di luce causato da una variazione diverse volte maggiore della lunghezza donda della radiazione incidente (r>>/2). La
della sua velocit quando il fascio attraversa due mezzi con diversa densit. Essa si traduce in un diffusione isotropa e non omogenea per qualunque lunghezza donda, tutte le lunghezze
cambiamento nella direzione dell'energia EM nel fascio; avremo quindi delle deformazioni donda sono disperse quasi equamente (ovvero non selettivamente) (nuvole).
geometriche sulle immagini; ovvero si avranno disturbi geometrici sulle immagini osservate e quindi Influisce su tutte le lunghezze donda del VIS/NIR, colore bianco di nuvole e nebbia, colore
deformazione geometrica e dislocazione. Gli oggetti che andremo ad osservare su remoto saranno in biancastro dato da un cielo coperto.
posizioni diverse rispetto a quelle reali, cio avranno coordinate geografiche diverse. Infatti, un raggio di
luce proveniente dal sole attraversa latmosfera, raggiunge la sup. della terra e viene riflesso, non con una
linea retta, ma con una curva: ci sar quindi uno spostamento S che bisogner considerare per risalire
allimmagine originale. In assenza di atmosfera i raggi di luce si propagherebbero in modo rettilineo ma,
in sua presenza, i raggi di luce riflessi vengono piegati in funzione dellindice di rifrazione.

2) Assorbimento atmosferico: il processo mediante il quale lenergia EM radiante viene assorbita
da atomi e molecole presenti in atmosfera e convertita in unaltra forma di energia (di solito termica).
6. Riflettanza spettrale
Essa si traduce in una riduzione dintensit dell'energia EM nel fascio (urti anelastici).

Abbiamo una riduzione dell'intensit dellenergia solare perch parte della radiazione solare in arrivo
La riflettanza del corpo la frazione di energia solare incidente che viene riflessa:
sar assorbita dallatmosfera; questa energia non pu andare distrutta ma pu essere convertita, quindi
essa viene assorbita e re irraggiata dallo strato con una nuova lunghezza d'onda: trasformandosi
solitamente in energia termica sotto forma di calore ed avr quindi la lunghezza d'onda dell'infrarosso La restante parte dell'energia radiante incidente viene in parte assorbita ( = a/i ) e contribuisce
termico. all'effetto Joule, e in parte trasmessa ( = t/i ) allo strato sottostante.
Il processo di assorbimento avviene attraverso 3 principali meccanismi:
- transizione elettronica: atomi e molecole possono assorbire o cedere quanti q;
- vibrazione molecolare: il legame molecolare tra gli atomi pu essere modellato come una
molla (tramite la legge di Hooke);
Queste sono tutte grandezze spettrali, funzioni di e caratteristiche della superficie colpita.
- rotazione molecolare: rotazione rigida del sistema molecolare, gli atomi non si spostano
L'andamento di in funzione di la firma spettrale, che ci dice come un corpo reagisce alla
relativamente luno dallaltro.
radiazione incidente, e ci dipende dalle caratteristiche chimico fisiche del materiale. La firma

spettrale utilizzata per distinguere e classificare diversi tipi di land cover.
3) Diffusione atmosferica (scattering): avviene quando le onde EM cambiano traiettoria a causa
Lemissivit spettrale data dalla radiazione che viene assorbita dalle superfici e successivamente
della collisione con le particelle in atmosfera. La deflessione avviene in maniera disordinata e casuale
riemessa per effetto Joule. Mentre invece la riflettanza spettrale il termine che viene direttamente
(a differenza della rifrazione in cui avviene in maniera regolare). Essa si traduce in un cambiamento
riflesso dalle superfici.
di direzione e in una distribuzione spettrale dellenergia EM nel fascio (urti elastici). E' la modalit
La legge di Kirchoff lega l'emissivit e la riflettanza spettrali per un corpo opaco che non si lascia
con la quale la radiazione solare sar diffusa dallurto elastico con gas/particolato/vapore presenti in
attraversare dai raggi (=0). Questa legge dice che in questo caso l'emittanza e l'assorbanza spettrale
atmosfera.
si equivalgono e sono a loro volta pari a (1- ): = = 1- .
La diffusione dipende da 2 parametri: la lunghezza donda della radiazione e la grandezza della
Quindi in caso di oggetto opaco l'emissivit e la riflettanza sono complementari. Tale legge
particella che viene colpita dallonda.
applicabile per lunghe, come quelle del TIR.


A seconda delle dimensioni relative delle particelle, possiamo avere 3 tipi di diffusione:



- Scattering di Rayleigh: si verifica quando la dimensione delle particelle (r) nellatmosfera di

parecchie volte pi piccola della lunghezza donda della radiazione EM incidente (r << /2)

(urto elastico). Le direzioni di diffusione sono avanti e indietro con intensit: rayleigh 1/4

(cielo blu).

Colpisce principalmente le lunghezze donda pi corte del VIS ed causa primaria di foschia
(contrasto immagine ridotto), il colore bluastro dominante.

7. Riconoscere e descrivere le caratteristiche delle firme spettrale di acqua, suolo e - SUOLO


vegetazione Uno studio sulle propriet riflettanza su un elevato numero tipi di terreno differenti ha dimostrato che,
anche se riflettanza del suolo pu variare in un intervallo piuttosto ampio, tutti i terreni hanno una
Essa definita come la distribuzione del parametro riflettanza () in funzione della lunghezza donda tipica forma di riflettanza.
(). La firma spettrale ci fornisce informazioni su come un corpo/superficie reagisce allenergia
incidente ed caratteristica delloggetto colpito dalla radiazione, infatti la reazione del corpo dipende
dalle sue propriet chimico-fisiche.
La macroclassi di copertura del suolo hanno specifiche forme di riflettanza.

- ACQUA
Lacqua pulita un elemento incolore con pochissima riflettanza (: flusso riflesso rispetto al flusso
incidente, pari circa al 2-4%) e trasmittanza () molto alta nel visibile. La radiazione riflessa da acqua
pura pu raggiungere al massimo il 3% ( = 0,03) della radiazione EM incidente e si trova
principalmente nelle lunghezze d'onda blu e verde, dove lo scattering pi importante. Lacqua
assorbe la radiazione incidente EM con una maggiore efficienza alle lunghezze d'onda pi lunghe che a
quelle pi corte. Nelle lunghezze d'onda infrarosse (>700 nm) l'acqua assorbe tutta la radiazione Si vede che la firma spettrale media tipica del prototipo di landcover dei suoli (e cio la sua riflettanza)
entrante (=0). Ecco perch i corpi idrici se studiati a nell'IR appaiono molto scuri, addirittura neri. aumenta all'aumentare della lunghezza d'onda: un suolo nudo ha unefficienza spettrale che cresce con
Quando l'acqua sporca, poich contiene minerali inorganici, materiale inorganico e/o clorofilla . Compaiono bande di assorbimento, esattamente nelle corrispondenti alle regioni di assorbimento
sospesi, la forma delle firma spettrale cambia. Lacqua sporca ha una firma spettrale pi alta dellacqua del vapor dacqua(1,4 ; 1,9 e 2,4 mm).
pulita poich riflette di pi. Infatti le particelle sospese in acqua fanno una multi-riflessione della Quando i pori sono pieni di aria, la luce solare rimbalza tra i pori finch non viene ridiretta verso lalto.
radiazione incidente. La firma spettrale si modifica a seconda del tipo di sostanze disciolte; per es. se Maggiore la quantit di acqua nel terreno, maggiore l'assorbimento di energia incidente e minore
nellacqua ho della clorofilla, la firma spettrale nel VIS sar similea quella della vegetazione. la riflettanza del suolo con picchi di assorbimento ancora pi accentuati.
La presenza di materia organica fa diminuire generalmente la riflettanza , infatti l'humus ha
riflettanza molto bassa. Se il suolo ricco di ossidi di ferro presenter un'anomalia nelle lunghezze
d'onda del rosso. Qui infatti la sar pi elevata perch gli ossidi di ferro riflettono meglio la
radiazione rossa.
La trattazione pi complicata per minerali e rocce perch per esse non esiste una firma spettrale
con andamento comune. Ogni tipo di roccia ha la sua firma. Da una parte questo pu essere uno
svantaggio nel classificare il tipo di land cover ma un grande vantaggio per classificare il tipo di
minerale.

- VEGETAZIONE
Essendo viva, la vegetazione altera alcuni suoi parametri legati alla fotosintesi clorofilliana, quindi
cambia la frazione che riflette .Osservando si potr dunque quantificare lo stato di salute e la
quantit di biomassa presente. Le forme delle foglie delle piante stesse influenzano il modo in cui si
La firma spettrale dipende anche dallo stato fisico di aggregazione della materia, infatti se diffonde la luce: le latifoglie si comportano come riflettori, quelle aghiformi si comportano da diffusori.
consideriamo l'acqua solida (neve e ghiaccio) essa ha una firma differente. Vi sono 3 fattori che determinano la riflettanza della vegetazione:
La neve fresca ha un'elevata riflettanza nel visibile e nel vicino infrarosso, mentre negli infrarossi ad
Dispersione spettrale/propriet di assorbimento dei componenti vegetali;
onda corta la riflettanza diminuisce, dando luogo a bande di assorbimento ben distinguibili in
Architettura della vegetazione;
corrispondenza delle bande di assorbimento dell'acqua a 1.4, 1.9 e 2.6 m.
Indicazioni di illuminazione e angolo di vista.
Il ghiaccio ha una riflettanza inferiore alla neve e assorbe quasi tutta la radiazione incidente dopo
La vegetazione ha la tipica firma spettrale a due gobbe, con un massimo locale nella lunghezza
1.2m.
donda del verde e un altro massimo locale superiore nel NIR:









Tutta la vegetazione sana ha questa firma spettrale. Nel VIS si hanno due regioni di assorbimento
dovute alle clorofille a,b mentre pi grande per =0.5. Nel NIR domina lo scattering dello strato
spugnoso della foglia, quindi molto alta e la vegetazione riflette moltissimo. Nello SWIR si hanno 3
diverse bande di assorbimento, tale assorbimento dovuto al vapore dacqua contenuto nelle foglie.
SENSORI OTTICI 8. Differenze e implicazioni applicative dei sensori pancromatici, multispettrali,
iperspettrali.
La lunghezza focale di un sistema ottico una misura di quanto il sistema ottico fa convergere/divergere la
luce. E determinata dalla geometria della lente e dagli indici di rifrazione. La distanza focale o lunghezza I sensori ottici passivi per il telerilevamento sono costruiti per raccogliere e misurare la radiazione
focale f, coincide con lo spazio misurato tra il centro ottico di una lente sottile ed il punto di solare (radianza) proveniente dagli oggetti in diverse regioni spettrali EM.
focalizzazione dei raggi paralleli entranti, emessi da un punto luce posto all'infinito. La lunghezza A seconda delle sue caratteristiche, un sensore ottico pu essere in grado di registrare la radiazione
focale definisce: EM nello spettro solare (VIS, NIR, SWIR), oppure nel MIR o TIR.
La dimensione di un oggetto nel piano immagine (scala dell'immagine) o ingrandimento ; Generalmente i sensori ottici sono raggruppati in quattro classi:
Il campo visivo (FOV). Pancromatici (PAN)
Lunghezze Focali pi lunghe producono immagini spaziali molto dettagliate con FOV strette. Multispettrali (MS)
Iperspettrali (HS)
Il campo istantaneo di vista (IFOV) definito come langolo piano di vista del singolo detector: Sensori termici: Infrarosso termico (TIR)

- Sensori Pancromatici: sono sensori ottici che rilevano la radianza proveniente dal suolo in una sola
banda spettrale molto ampia che generalmente abbraccia tutto il VIS e lIR vicino. La misura di
sinonimo di risoluzione radianza integrata su tutte queste lunghezze donda. Per ogni acquisizione essi producono una sola
immagine in B/N. Limmagine che genera in scala di grigi perch ogni pixel ha solo un valore di
Il campo istantaneo di vista proiettato a terra (GIFOV) la proiezione sulla superficie terrestre radianza che la media pesata di tutte le lunghezze donda dal visibile al NIR (Da 450 nm a 950 nm).
dellIFOV, la cella elementare proiettata al suolo: Essi tuttavia non possono essere utilizzati per avere la firma spettrale dell'oggetto analizzato.

- Sensori Multispettrali: questi sensori tipicamente raccolgono le immagini nel VIS e nel NIR (alcuni
anche nella SWIR) utilizzando un numero limitato di bande spettrali (in genere circa 3-20). Per ogni
dove: acquisizione producono un'immagine in B/W per ogni banda spettrale. Combinando le singole bande
m =fattore di ingrandimento di scala; m=(f/H) spettrali possiamo produrre immagini a colori (sia di colore naturale, CIR o immagini in falsi colori).
w=dimensione fisica di un singolo detector Avendo un minore per ogni banda spettrale, il sensore multispettrale raccoglie meno energia di
quello pancromatico ed restituisce un'immagine con risoluzione minore. Il minore comporta un
GIFOV deve essere almeno la met delle dimensioni del pi piccolo oggetto di interesse! GIFOV del sensore multispettrale 4 volte il GIFOV di un sensore PAN (la superficie al suolo osservata
Allaumentare della risoluzione geometrica, si riduce il campo di vista (senza alterare le caratteristiche dal sensore MS sar 16 volte pi grande della superficie osservata da un sensore PAN). A differenza del
orbitali del sensore). La risoluzione funzione della quota di volo H e della distanza focale f. sensore pancromatico che fornisce una sola misura di radianza, il sensore multispettrale fornisce un
numero maggiore di misure che ci permettono di costruire la firma spettrale indicativa dell'oggetto
RISOLUZIONE GEOMETRICA osservato.
E la grandezza dellarea osservata sul terreno da un singolo detector.
La risoluzione geometrica di un sistema di imaging ottico pu essere limitata da fattori quali - Sensori Iperspettrali: sono simili ai sensori multispettrali, ma raccolgono le immagini utilizzando
imperfezioni delle lenti o disallineamento (aberrazioni ottiche). Tuttavia, vi un limite teorico alla sua molte pi bande spettrali (spesso> 100), essendo sensori narrow band. Essi possono raccogliere le
geometrica che dovuto alla diffrazione della luce (interferenza). immagini nel VIS, NIR e nello SWIR. Per ogni acquisizione producono un'immagine in B/N per ogni
La risoluzione geometrica di un sensore proporzionale alle dimensioni del suo obiettivo (apertura) e banda spettrale. Combinando le singole bande spettrali possiamo produrre immagini a colori (sia di
inversamente proporzionale alla lunghezza d'onda della luce osservata. Un sistema ottico in grado di colore naturale, che CIR o immagini in falsi colori). Essendo misure pi fitte, si riesce a costruire
produrre immagini con una risoluzione angolare simile al limite teorico dello strumento si dice che sia meglio la firma spettrale degli oggetti rispetto ai sensori multispettrali. Tuttavia, pi complicato da
di diffrazione limitata. gestire: esplosione di dati, vengono date in output centinaia di immagini, una per ogni .

RISOLUZIONE SPETTRALE - Sensori a Infrarosso termico: questo tipo di sensori sono sensibili alle radiazioni TIR (calore) oltre i
E lampiezza della banda spettrale che descrive labilit di un sensore nel definire un buon intervallo 3.0 m. Tipicamente essi raccolgono immagini nella finestra 8-12 m (assorbimento atmosferico) e
di lunghezze donda. possono essere anche multi spettrali. Per ogni acquisizione, essi producono unimmagine in bianco e
nero corrispondente alla temperatura radiometrica delloggetto osservato. Non osservano luce solare
RISOLUZIONE RADIOMETRICA riflessa ma eseguono una misura di temperatura. I sensori termici possono essere mono banda o multi
Indica i livelli di energia che un sensore in grado di rilevare e registrare. Nelle immagini digitali in banda ed hanno grande per raccogliere pi potenza ed avere un segnale distinguibile dal rumore di
pratica rappresenta i livelli di grigio associabile a ciascun pixel. fondo.






9. Confronto tra immagini a infrarosso e immagini a colori naturali. 10. Cos il feature space e cosa sono le funzioni di decisione

Nel modello di colore RGB ogni colore appare nelle sue componenti spettrali fondamentali del rosso, Nel metodo automatico di classificazione di immagini la mappa tematica ( una mappa costruita per
verde e blu. Le immagini rappresentate nel modello di colore RGB sono costituite da tre componenti, usi speciali, ovvero rappresenta il territorio utilizzando superfici con caratteristiche simili)
una per ciascun colore primario (RGB) e ogni pixel di colore RGB definito come una terna di valori prodotta attraverso un processo astratto che non opera direttamente nello spazio dell'immagine.
(R, G, B). Lo spazio RGB lo spazio colore, cio uno spazio cartesiano ortonormale, composto da tre Invece, le decisioni sulla classificazione vengono prese in base alle misure radiometriche in uno spazio
componenti tematiche (rosso, verde e blu) che miscelate tra loro ci permettono di ottenere altri colori. multidimensionale chiamato spazio multispettrale o spazio delle caratteristiche. I dati non vengono
Le immagini a colori contengono pixel composti ciascun da tre subpixel che registrano il valore di classificati nello spazio geografico dell'immagine (Nord-Est) ma si usa la loro trasformata che ha delle
radianza relativo alla banda del blu, verde e rosso. Ognuna di queste 3 subimmagini acromatiche di propriet in cui la classificazione tematica pi semplice. La trasformata il feature space, ovvero uno
partenza ha 8 bip per pixel (bpp) quindi ogni singola immagine avr 28 livelli di grigio. Utilizzando tre spazio dove sugli assi avr la radiometria (firma spettrale) delle diverse bande spettrali considerate.
immagini a 8 bit e la teoria additiva dei colori (descrive cosa succede quando la luce Quindi nello spazio delle caratteristiche faccio la classificazione per poi tornare allo spazio geografico,
mescolata. Se vengono mescolati in uguali proporzioni le luci blu, verde e rossa otterremmo in modo da poter individuare gli elementi sul territorio.
un pixel bianco brillante) possiamo visualizzare (28)3 = 224 = 16.777.216 combinazioni di colori. Il risultato finale del processo di classificazione automatico delle immagini un'approssimazione della
Quindi le tre immagini acromatiche di partenza sono diverse perch registrano la radianza nelle tre realt (delle immagini in ingresso), in cui oggetti simili o porzioni di paesaggio sono raggruppati
bande del blu, verde e rosso. Saranno pi chiare le immagini con radianza maggiore registrata in insieme sulla base di un criterio selezionato.
quella lunghezza d'onda e scure se la radianza bassa (per convenzione). L'immagine acromatica con i Lo spazio delle caratteristiche ha dimensionalit pari al numero (m) di bande spettrali del sensore che
valori di radianza registrati nella lunghezza d'onda del blu viene associata alla matrice del blu, quella ha telerilevato l'immagine del territorio. Nel caso di classificazione supervisionata, se l'utente ha gi
del verde al verde e quella del rosso al rosso. L'immagine risultante dalla combinazione delle tre sar a conoscenza del territorio e dei land cover che vi sono, si considera una sezione dell'intero spazio delle
colori naturali, con maggior contributo del colore che ha immagine acromatica pi chiara. E' possibile caratteristiche che ha n assi, dove n (n<m) il numero di bande spettrali che sono le pi indicate e
modificare questo schema di assegnazione dei colori, producendo in output un'immagine Infrarosso sufficienti per la classificazione dei pixel. Il numero di bande da considerare funzione del fenomeno
falso colore (IRFC). Si associa la radianza registrata nelle lunghezze d'onda del verde al colore blu di Huges secondo cui l'accuratezza della classificazione cresce all'aumentare di m solo fino ad un
nell'immagine, quella delle l del rosso al verde e quella registrata ne NIR al colore rosso. In questo ottimo, oltre il quale, considerando altre bande, l'accuratezza decresce poich la correlazione e la
modo, associo alla radianza del NIR, che i nostri occhi non possono vedere, un colore(rosso), ridondanza delle misure portano informazioni simili tra loro.
evidenziando delle caratteristiche che si palesano a quelle lunghezze d'onda e che non vediamo con i Ogni pixel dello spazio dell'immagine rappresentato come un punto nello spazio delle caratteristiche,
nostri occhi. L'IRFC importante nell'analisi della vegetazione. Infatti la vegetazione nel visibile ha la cui posizione rispetto agli assi determinata dalla che il pixel ha in ciascuna banda definita negli
maggiore nel verde assorbendo blu e rosso, quindi nell'immagine a colori naturali appare verde. assi. I punti corrispondenti ai singoli pixel si collocano automaticamente in raggruppamenti (cluster)
Nell'IRFC, dato che la pi alta nel NIR che nel verde, la vegetazione compare di colore rosso, che il in base alle propriet riflettenti simili, in modo tale da rendere pi facile la classificazione.
colore associato alla radianza registrata nel NIR. Quando la pianta malata, la sua firma spettrale nel In questo spazio astratto le firme spettrali sono vettori di misura (x). Il pixel dato dal vettore x sar
NIR si abbassa perch la riflettanza diminuisce quindi la "rossezza" nell'IRFC sar meno brillante. assegnato alla classe i se la distanza di x dal baricentro della classe i-esima minore di quella dai
Quindi tale rossezza ci indica la quantit di biomassa e la salute della pianta. Un altro esempio quello baricentri di qualsiasi altra classe, secondo questo formula:
di un acqua con fondale basso e vegetato. Nellimmagine a colori naturali (snx) si vede che
lassorbimento nel VIS da parte dell'acqua poco e la vegetazione verde. Invece, nellimmagine falso
colore lacqua diventa blu e non rossa come ci aspetteremmo dato che la vegetazione contenuta La distanza pu essere misurata in diversi modi: distanza cityblock, distanza euclidea o distanza
nell'acqua dovrebbe essere rappresentata dal rosso; questo accade poich lacqua assorbe il NIR e angolare.
perci non si ha riflessione della vegetazione, cio nellinfrarosso vicino la radiazione non permea e la Geometricamente ci equivale ad identificare nel feature space linee (nel caso 2D) o superfici (nel caso
vegetazione sommersa non la vedo rappresentata. Lacqua il corpo riflettente, perci alla del verde, 3D) che partizionano lo spazio in regioni corrispondenti alle classi (wi). Queste linee (o piani) sono
dove lacqua ha riflettanza molto pi alta che nel rosso e nel NIR, si associa il colore blu, che rende la dette"funzioni di decisione" e possono essere varie.
porzione dell'immagine blu. Laccuratezza della classificazione dipende dal grado di sovrapposizione delle classi nel feature space.
Le funzioni di decisione definiscono i confini che separano lo spazio delle caratteristiche in regioni
distinte corrispondenti alle diverse classi.














11. Differenze tra training samples e testing samples.

I training samples sono campioni di addestramento attraverso cui effettuare la classificazione
tematica dei dati. Questi sono propri solo della classificazione supervised in quanto devono essere
inseriti in input all'algoritmo dall'utente stesso.
Per le metodologie unsupervised non sono necessari, in quanto la partizione dei dati in classi avviene

in modo automatico e iterativo fornendoci in output un mappa tematica muta in cui i pixel sono divisi
per classi ma le classi non hanno un'etichetta quindi l'operatore stiler una legenda a posteriori.

Gli algoritmi usati per la classificazione supervised, invece, restituiscono mappe pi accurate e
realistiche in quanto ricavano in input i training sample dati dall'utente, che corrispondono a tutte le
classi che si avranno in output nella legenda, che quindi sar gi esplicita. I training samples devono
essere rappresentativi quindi del territorio che si sta studiando.
I training samples corrispondono a firme spettrali che sono la media di firme spettrali ottenute in vari
punti di uno stesso land cover.
I training sample non devono essere rilevati in zone di transizione ma in aree omogenee.
L'algoritmo poi va a confrontare la firma spettrale di ogni pixel con le firme prototipo per classificare
l'elemento in base alla somiglianza delle firme. I training samples quindi devono essere
rappresentativi dei dati che voglio classificare perch li utilizzo come confronto. Per questo non posso

prendere la firma spettrale di un solo centro di addestramento come training sample perch mi pu
generare molti outliers. Teoricamente, pi campioni di addestramento uso, migliore sar l'accuratezza

di classificazione anche se questa relazione non vale all'infinito ma ha un asintoto oltre il quale
l'accuratezza non migliora all'aumentare dei training samples utilizzati. Inoltre, bisogna considerare il
trade off tra l'accuratezza della classificazione e i costi relativi.
Il numero minimo di training samples che permette al software di compiere l'analisi N+1 dove N il
numero di bande spettrali del sensore.
Il numero ottimale di training samples teoricamente compreso tra l'1 e il 5% del numero totale dei
pixel immagine. In pratica si usano dalle 10 alle 100 volte il numero di bande spattrali del sensore (10-
100*N).

I testing samples invece, vengono utilizzati nella fase di validazione. Per valutare la precisione della

classificazione tematica vengono selezionati lidentit e la posizione di alcuni tipi di copertura del
suolo noti, che vengono in seguito usati come superfici reali (ovvero testing samples). Quindi si avr

una serie di campioni di validazione sulla base dei quali verrano calcolati degli indicatori che
permettono di dire se la mappa tematica una buona/cattiva rappresentazione della realt.


















12. Classificazione di unimmagine. La classificazione non automatica, ma lutente supervisiona la macchina inserendo informazioni e
dati esterni. A differenza della classificazione unsupervised, questa permette di avere una legenda con
- Si basa sullidea di partizionare la nuvola di dati in cluster, corrispondenti a zone dello spazio le classi di land cover: lesperto agisce a priori per selezionare le etichette prima del processo di
multidimensionale di dimensione finita o infinita in cui i dati appartengono ad una sola classe. classificazione, etichettando i campioni di addestramento che formano lalgoritmo di classificazione.

- Si traduce in una procedura o algoritmo dedicato a valutare ogni pixel, per vedere a quale classe Tra gli algoritmi di classificazione supervised si hanno:
appartiene (usando varie statistiche). - Classificatore a PARALLELEPIPEDO(BOX): il metodo di classificazione pi semplice. Analizza e
classifica ogni pixel singolarmente ed di tipo hard, ovvero assegna ad ogni pixel una e una sola
- I metodi si suddividono in due tipologie: etichetta della legenda. Lalgoritmo testa tutti i pixel dellimmagine (uno alla volta) per valutare se i
Classificazione supervisionate (supervised); valori spettrali cadono allinterno dei limiti di ciascuna classe:
Classificazione non-supervisionata (unsupervised). Se il pixel cade allinterno del parallelepipedo, viene assegnato alla classe;
Se il pixel non case in nessuna classe, viene assegnato alla classe nulla;
Si utilizzano entrambi i metodi per categorizzare i pixel di unimmagine in tante classi. Se il pixel cade allinterno di pi di una classe, viene posizionato nella classe di
Si utilizza la classificazione unsupervised senza provvedere ai training data, oppure si utilizza una sovrapposizione.
classificazione supervised quando si provvede ad ottenere i training data e si specifica il metodo di E un algoritmo semplice e veloce ma non capace di gestire situazioni complesse (ad esempio quando
classificazione (minimum distance, method of maximum likelihood, ). uno o pi box si sovrappongono). I parallelepipedi sono rettangolari, ma lo spazio spettrale
diagonale, quindi le classi possono sovrapporsi. Inoltre, poich i parallelepipedi hanno gli angoli,
- CLASSIFICAZIONE UNSUPERVISED possono essere classificati pixel che si trovano lontano (spettralmente) dalla media della firma
Usa gruppi o cluster naturali di pixel entro un data set multispettrale; spettrale.
Richiede pochi dati in ingresso dallutente; - MINIMA DISTANZA DALLE MEDIE (MDM): lalgoritmo testa tutti i pixel dellimmagine (uno alla
Richiede che le classi trovate siano etichettate dopo lestrazione; volta). Esso trova il valore medio delle serie di formazione e tutti i pixel vengono classificati in base
VANTAGGI: alla classe in media pi vicina. Calcola la distanza euclidea di un pixel dalla media di tutte le classi. E
- Non richiesta nessuna conoscenza a priori un algoritmo semplice di tipo hard. Permette confini diagonali (e quindi nessuna sovrapposizione di
- Lerrore umano ridotto classi), computazionalmente efficiente, tutti i pixel dellimmagine vengono classificati e pu usare
- Le classi sono spettralmente omogenee una soglia limite per eliminare i pixel lontani dalle medie. Per, di contro, lalgoritmo assume che la
- Tutte le classi che hanno caratteristiche uniche sono identificate variabilit spettrale sia uguale in tutte le direzioni (non vero), non considera varianza e covarianza e
SVANTAGGI: risulta pi lento di un classificatore a parallelepipedo.
- Le classi ottenute non hanno necessariamente un significato
- Lutente ha un controllo limitato sulla procedura e sui risultati La Spectral Angle Mapper (SAM): una tecnica di classificazione controllata (supervised) che
permette una rapida mappatura delle similarit di spettri di immagine con spettri di riferimento che
Tra gli algoritmi di classificazione unsupervised, i pi utilizzati sono: possono essere determinati in laboratorio o in campo, ovvero estratti dall'immagine. L'algoritmo
- K-MEANS (delle k medie): minimizza una funzione obiettivo che la distanza dei campioni dai determina la similarit spettrale tra gli spettri attraverso il calcolo dell "angolo" che essi formano,
baricentri delle classi (bisogna fissare il numero di classi). La funzione obiettivo da trattando gli stessi come vettori in uno spazio con dimensionalit uguale al numero di bande. I pixel
minimizzare definita come la distanza dei campioni di un cluster dal rispettivo baricentro. sono non classificati se la distanza dellangolo spettrale superiore al valore limite (max 90 = /2 rad).
- ISODATA (evoluzione delle k medie): una tecnica di analisi dei dati auto organizzativa e
iterativa. Rappresenta unevoluzione dellalgoritmo K-means ed composta da procesure
iterative sperimentali. Diversamente da K-means, ISODATA non richiede la conoscenza a priori
del numero di classi utilizzato, ma esegue il clustering dei dati con un numero sconosciuto di
cluster (ha labilit di unire e dividere i cluster, dando cos flessibilit al numero dei cluster
stessi). Riesce a comprendere quando si stanno usando troppe o poche classi in base a misure
matematiche.


- CLASSIFICAZIONE SUPERVISED: lanalista controlla il processo di classificazione fornendo dei

descrittori dei vari tipi di land cover che vuole classificare. Cio sceglie sullimmagine delle zone

campione (training areas).








13. Come si stima l'accuratezza di una mappa tematica?

A classificazione ultima, viene creata una matrice che indica la qualit della classificazione. Questa
matrice chiamata MATRICE DI CONFUSIONE e riporta gli errori presenti nellimmagine classificata
rispetto alla realt a terra. Tale matrice mette a confronto pixel a pixel la classificazione fatta dal

computer e la verit a terra.
Si distinguono due tipi di errori possibili:
- Errore di omissione, quando il pixel appartenente alla classe i non vi inserito;
- Errore di commissione, quando sono inclusi nella stessa categoria pixel di classi diverse. - Coefficiente di Kappa di Cohen (K): valuta entrambi gli errori e paragona laccuratezza della
In Remote Sensing, la classificazione dellaccuratezza delle mappe tematiche viene fatta attraverso la classificazione attuata allaccuratezza di una classificazione casuale
matrice di confusione, ovvero una matrice quadrata la cui dimensione dipende dal numero delle
classi di classificazione del Land Cover (es. 5 classi matrice 5x5).


N.B. : In una buona classificazione OA >= 85% e k > 0.5

Ogni cella xij rappresenta il

numero di pixel
14. Metodi per ottenere la riflettanza tramite correzione atmosferica.
appartenenti alla classe i ma
classificati nella classe j. Per ottenere la Riflettanza tramite correzione atmosferica ci sono innumerevoli metodi, da quelli
empirici a quelli matematici e rigorosi. Due modelli empirici che vengono spesso usati sono:
- Dark Object Subtraction (DOS)
- Empirical Line (EL)
Nelle colonne viene rappresentato il numero di pixel che appartengono effettivamente a quella classe - Dark Object Subtraction (DOS): Il metodo consiste nel selezionare una zona a bassa riflettivit
(verit al suolo), mentre nelle righe vengono rappresentati i risultati della classificazione (predetti). Le sullimmagine ed effettuare una normalizzazione per ogni banda su quella zona.
celle nella diagonale principale viene invece rappresentato il numero di pixel classificati Per ogni banda cerca il valore di pixel pi scuro. Sapendo che gli oggetti scuri non riflettono luce,
correttamente. qualsiasi valore di riflettanza maggiore di zero proverr dalla diffusione atmosferica. Lo scattering
A partire dalla matrice derrore si calcolano tre indicatori: viene rimosso sottraendo questo valore da ogni pixel della banda. Questa tecnica viene utilizzata per la
- Overall Accuracy (OA): determina in percentuale laccuratezza della classificazione rispetto alla correzione della foschia in dati multispettrali, ma non pu essere usata per dati iperspettrali.
verit a terra. E il rapporto tra i pixel classificati correttamente e il numero totale dei pixel. OA = (somma - Empirical Line (EL): un metodo di calibrazione che forza i dati spettrali di unimmagine affinch
diagonale x 100/somma dei pixel totali). E una media e quindi non rivela come lerrore distribuito tra fittino con degli spettri di riflettanza selezionati acquisiti sul campo (o in laboratorio); questi dati
le classi. possono provenire da dati di campo o da altri spettri di riferimento (plots, librerie spettrali, ROIs,
statistiche o da files ASCII). Si utilizza una regressione lineare per ogni singola banda per eguagliare i
Digital Numbers (DN) alla Riflettanza, ci equivale a rimuovere lirradianza solare e il path atmosferico
della radianza.
- Precisione del produttore (PA): indica la probabilit in percentuale che un pixel collocato in
unarea campione sia effettivamente classificato nella classe dellarea campione. E il rapporto tra il
numero di pixel entro unarea campione classificati come classe dellarea campione e numero totale di 15. Come riconoscere il tipo di land cover da aereo/satellite?
pixel entro larea campione. Valuta lerrore di omissione sottostima Il riconoscimento dei land cover avviene in diverse fasi:
(1) raccolta dati: si generano foto dove ogni pixel contiene informazioni relative alle bande spettrali
rilevate;
(2) estrazione delle caratteristiche: si scelgono le bande spettrali pi significative per lanalisi in modo
da ridurre il dataset;
(3) spazio delle caratteristiche: le decisioni sulla classificazione vengono prese in base alle misure

radiometriche in uno spazio multidimensionale chiamato spazio delle caratteristiche.
(4) clusterizzazione e classificazione: si utilizzano i metodi di classificazione supervised o
- Precisione dellutente (UA): indica la probabilit in percentuale che un pixel classificato in una unsupervised;
classe sia veramente di quella classe (affidabilit delle classi). E il rapporto tra il numero di pixel (5) validazione: necessaria per valutare laccuratezza della mappa prodotta. Avviene tramite il
classificati correttamente in una certa classe e numero totale di pixel classificati in quella classe. confronto con i testing samples e mediante gli indici ricavati dalla matrice di confusione.
Valuta lerrore di commissione sovrastima