UNIVERSITA’ DEGLI STUDI DI MILANO - BICOCCA Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Scienze Ambientali STIMA DEL CONTENUTO D’ACQUA FOGLIARE TRAMITE MISURE SPETTRALI DI LABORATORIO E TELERILEVATE DA AEREO Relatore: Prof.ssa Raffaella CERANA Correlatore: Dott. Roberto COLOMBO Tesi di Laurea di: Andrea MARCHESI Matr. N° 031813 Anno Accademico 2003-2004
127
Embed
STIMA DEL CONTENUTO D’ACQUA FOGLIARE TRAMITE …telerilevamento.disat.unimib.it/Download/Tesi/Marchesi.pdf · UNIVERSITA’ DEGLI STUDI DI MILANO - BICOCCA Facoltà di Scienze Matematiche,
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
UNIVERSITA’ DEGLI STUDI DI MILANO - BICOCCA
Facoltà di Scienze Matematiche, Fisiche e Naturali
Corso di Laurea in Scienze Ambientali
STIMA DEL CONTENUTO D’ACQUA FOGLIARE TRAMITE
MISURE SPETTRALI DI LABORATORIO E TELERILEVATE
DA AEREO
Relatore: Prof.ssa Raffaella CERANA
Correlatore: Dott. Roberto COLOMBO
Tesi di Laurea di:
Andrea MARCHESI
Matr. N° 031813
Anno Accademico 2003-2004
INDICE
1. INTRODUZIONE 5
1.1. Contesto della tesi 6
1.2. Significato del contenuto idrico, sua utilità e applicazioni 7
1.3. Proprietà ottiche della vegetazione 9
1.4. Contenuto d’acqua e regioni spettrali 14
1.5. Il sensore iperspettrale MIVIS e
bande di interesse per la stima del contenuto d’acqua 22
1.5.1. MIVIS: Caratteristiche tecniche e funzionamento 22
1.5.2. Struttura del MIVIS 25
1.5.3. Bande MIVIS di interesse per la stima del contenuto d’acqua 27
2. STIMA DEL CONTENUTO D’ACQUA DA TELERILEVAMENTO 28
2.1. Errori nelle misure a terra e telerilevate 30
2.1.1. Errori nelle misure a terra 30
2.1.2. Errori nella misura di variabili telerilevate 30
2.1.3. Errori nella correlazione tra variabili misurate a terra
e variabili telerilevate 32
2.2. Tecniche regressive 34
2.2.1. Regressioni Ordinary Least Squares (OLS) 34
2.2.2. Regressioni Reduced Major Axis (RMA) 36
2.2.3. Regressioni Step Wise 38
1
2.3. Stime a livello fogliare 40
2.3.1. Approccio semiempirico 40
2.3.1.1. Indici di Vegetazione (VIs) 40
2.3.1.2. Tecnica del Continuum Removal (CR) 41
2.3.1.3. Approccio basato sull’equazione di Lambert-Beer 43
2.3.2. Approccio modellistico 44
2.4. Stime a livello di canopy 46
2.4.1. Approccio semiempirico 46
2.4.1.1. Indici di Vegetazione (VIs) 47
2.4.1.2. Metodi di Scaling 47
2.4.2. Approccio modellistico 48
3. MATERIALI E METODI 50
3.1. Area di studio 50
3.2. Strategie di campionamento a terra 55
3.3. Misure di laboratorio 59
3.3.1. Peso fresco, peso secco, area e calcolo di FMC ed EWT 59
3.3.2. Peso turgido e calcolo di RWC 61
3.3.3. Misure di SPAD e Contenuto di Clorofilla 62
3.3.4. Misure radiometriche 63
3.4. Elaborazioni a livello fogliare 69
3.4.1. Analisi delle firme spettrali 69
3.4.1.1. Tecniche di filtraggio 69
2
3.4.1.2. Ricampionamento 72
3.4.1.3. Coefficiente di correlazione di Pearson 72
3.4.1.4. Calcolo derivata prima (1DGVI) 73
3.4.2. Correlazioni tra contenuto d’acqua e VIs 73
3.4.3. Correlazioni tra indici derivati da CR 75
3.4.4. Correlazioni tra il contenuto d’acqua e quello stimato con Lambert Beer 76
3.4.5. Correlazioni tra contenuto di clorofilla e VIs 76
3.5. Elaborazioni a livello di canopy 78
3.5.1. Acquisizione delle immagini 78
3.5.2. Pre-elaborazioni dati MIVIS 79
3.5.3. Pre-elaborazioni delle immagini 80
3.5.3.1. Correzioni geometriche 80
3.5.3.2. Correzioni atmosferiche 81
3.5.4. Identificazione delle Regions Of Interest (ROI) 81
3.5.5. Calcolo di Indici di Vegetazione (VIs) e
correlazioni con il contenuto d’acqua 82
3.5.6. Calcolo di Indici di Vegetazione (VIs) e
correlazioni con il contenuto di Clorofilla 85
3.5.7. Tecniche di Scaling e calcolo del contenuto d’acqua della canopy 85
4. RISULTATI E DISCUSSIONI 86
4.1. Stima del contenuto d’acqua a livello fogliare 87
4.1.1. Stime a partire dai VIs 90
4.1.2. Stime a partire da indici derivati da CR 96
3
4.1.3. Stime a partire dall’equazione modificata di Lambert-Beer 97
4
4.2. Stima del contenuto di clorofilla a livello fogliare 98
4.2.1. Stime a partire dai VIs 98
4.3. Stima del contenuto d’acqua a livello di canopy 100
4.3.1. Mappa del contenuto d’acqua 110
4.4. Stima del contenuto di clorofilla a livello di canopy 112
4.4.1. Mappa del contenuto di clorofilla 113
5. CONCLUSIONI 114
6. BIBLIOGRAFIA 118
Capitolo1 Introduzione
5
Capitolo1
INTRODUZIONE
Capitolo1 Introduzione
6
1.1 CONTESTO DELLA TESI
Il presente lavoro di tesi ha come obiettivo la stima del contenuto idrico a livello fogliare a
partire da misure di riflettanza di laboratorio, e a livello di canopy a partire da immagini
iperspettrali MIVIS. Le osservazioni remote, di laboratorio, da aereo o da satellite,
consentono, infatti, di stimare alcune variabili ecologiche relative allo stato della vegetazione
che aiutano a descrivere lo stato degli ecosistemi forestali e consentono la parametrizzazione
dei modelli ecosistemici rivolti alla simulazione dei cicli biogeochimici e dei processi di
trasferimento energetico e radiativo tra suolo, pianta ed atmosfera. Tra i parametri derivabili a
partire da informazioni iperspettrali, il contenuto idrico è di importanza pratica per analisi
sullo stato di salute delle piante, per la gestione delle pratiche di irrigazione, per quantificare la
resa delle colture e per studi sui flussi di carbonio.
La determinazione del contenuto idrico della vegetazione presenta importanti applicazioni
nello studio delle foreste e delle colture agricole in quanto lo stress idrico costituisce una delle
più importanti limitazioni per la produzione primaria degli ecosistemi (Penuelas et al., 1993).
Molti studi hanno cercato di definire il ruolo del contenuto d’acqua nella dinamica degli
incendi. Virtualmente tutti i tipi di vegetazione sono soggetti ad incendi. Programmi di ricerca
condotti durante gli ultimi trent’anni riguardanti la valutazione del rischio d’incendio hanno
messo in evidenza il ruolo del contenuto d’acqua della vegetazione nei processi di
combustione della biomassa. Il bilancio idrico è uno dei fattori più importanti che controllano
la produzione primaria, e quindi la frequenza e l’intensità dell’incendio (Jacquemound and
Ustin, 2003).
Capitolo1 Introduzione
7
1.2 SIGNIFICATO DEL CONTENUTO IDRICO DELLA
VEGETAZIONE
Il contenuto idrico non è altro che la quantità d’acqua presente in una foglia o, se si estende il
concetto ad una scala più ampia, nell’intera vegetazione (canopy). Sebbene ci siano molti modi
per esprimere il contenuto d’acqua della vegetazione (potenziale d’acqua della foglia, apertura
stomatica, densità specifica dell’acqua, contenuto di umidità all’equilibrio, etc.), FMC, EWT e
RWC sono quelli più usati dai fisiologi vegetali per determinare il contenuto idrico della pianta
EWT esprime il contenuto d’acqua per unità di area fogliare. Corrisponde allo spessore o peso
medio di una ipotetica lama d’acqua disposta su un lato di area fogliare (Danson et al., 1992).
Mentre FMC è normalizzato al peso, EWT è normalizzato rispetto all’area. Sono due modi
diversi per definire il contenuto d’acqua fogliare e non sono direttamente relazionati (Ceccato
et al., 2001). RWC è invece normalizzato al peso che la foglia avrebbe in uno stato di massimo
turgore: questo parametro è utile per descrivere lo stress idrico. Gli stress idrici vengono
comunemente definiti leggeri, moderati o gravi, secondo che comportino una diminuzione del
contenuto d’acqua a pieno turgore rispettivamente inferiore al 10%, compreso fra il 10 e il
20% e al di sopra del 20%, mentre un valore pari al 50% è normalmente associato a danni
irreversibili al protoplasma (Paci, 1997).
Il calcolo del contenuto idrico di una foglia, a prima vista, può sembrare un’operazione molto
semplice che richiede solamente il peso di una foglia (peso fresco e peso secco); non servono
strumenti altamente tecnologici, basta una bilancia e una stufa. Se però si devono campionare
Capitolo1 Introduzione
8
un numero elevato di foglie i tempi di lavoro aumentano notevolmente e, nel caso in cui si
voglia calcolare il contenuto d’acqua dell’intera vegetazione, anche una semplice operazione
può risultare difficile o addirittura inapplicabile. Inoltre le misure su un grande numero di
campioni non solo rappresentano un intenso lavoro, ma possono anche essere soggette ad
errore (Penuelas et al., 1993). È quindi importante e necessario trovare nuovi metodi in grado
di stimare il contenuto d’acqua sia a livello di foglia sia a livello di canopy; il telerilevamento è
un metodo potenzialmente molto utile. In sintesi, le misure del contenuto d’acqua con metodi
tradizionali presentano svantaggi legati al tempo di esecuzione, sono misure puntuali e hanno
difficoltà nell’estrapolazione a livello di canopy (scaling); al contrario le tecniche di
telerilevamento presentano molteplici vantaggi, tra i quali si ricorda:
• Sono tecniche non distruttive;
• Sono misure istantanee;
• Vantaggiose in aree estese.
Capitolo1 Introduzione
1.3 PROPRIETÀ OTTICHE DELLA FOGLIA E DELLA
VEGETAZIONE
La radiazione che non viene assorbita o diffusa dall’atmosfera può raggiungere e quindi
interagire con la superficie della Terra.
Quando l’energia elettromagnetica è incidente alla superficie (Ei) possono avvenire tre tipi di
interazioni (Figura 1.1): l’energia può essere assorbita (Ea), trasmessa (Et) oppure riflessa (Er).
Applicando il principio della conservazione dell’energia si può scrivere la seguente equazione:
Ei(λ)=Er(λ)+Ea(λ)+Et(λ)
La proporzione tra l’energia riflessa, assorbita e trasmessa varia a seconda degli oggetti e dipende
dai tipi di materiali e dalla lunghezza d’onda dell’energia elettromagnetica.
Figura 1.1 Esempio delle interazioni dell’energia incidente (I) su una foglia; T rappresenta l’energia trasmessa, R l’energia riflessa e A l’energia Assorbita.
La riflessione è soprattutto in funzione della rugosità della superficie dell’oggetto e della
lunghezza d’onda considerata. I riflettori speculari sono superfici piatte che riflettono come uno
specchio, dove l’angolo di riflessione è uguale all’angolo d’incidenza (Figura 1.2a). I riflettori
Lambertiani sono superfici che riflettono uniformemente in tutte le direzioni (Figura 1.2b). La
maggior parte delle superfici terrestri non sono riflettori né speculari né diffusi: le loro
caratteristiche di riflessione sono in qualche modo una via di mezzo tra i due estremi.
9
Capitolo1 Introduzione
[a] [b]
Figura 1.2 Esempio di una riflessione speculare (a) e lambertiana (b)
Il comportamento di una superficie è dettato dalla rugosità della superficie stessa in funzione
della lunghezza d’onda dell’energia incidente. Quando la lunghezza d’onda dell’energia incidente
è molto minore delle variazioni dell’altezza della superficie o delle dimensioni delle particelle di
cui è composta una superficie, la riflessione è di tipo lambertiano.
Le caratteristiche di riflessione di un oggetto possono essere quantificate misurando la porzione
di energia incidente che viene riflessa:
•
•
•
Riflettanza: ρ(λ) = Er(λ) / Ei(λ) e in modo analogo
Assorbanza: α(λ) = Ea(λ) / Ei(λ)
Trasmittanza: τ(λ) = Et(λ) / Ei(λ)
Per la legge della conservazione dell’energia ρ + α + τ = 1
Il grafico della riflettanza spettrale di un oggetto in funzione della lunghezza d’onda è definita
firma spettrale (Figura 1.3).
Si può descrivere l’andamento di riflettanza e trasmittanza di una singola foglia in funzione della
lunghezza d’onda distinguendo tre regioni di interesse: la regione del visibile (400-700 nm),
quella dell’infrarosso vicino (700-1350 nm) e quella dell’infrarosso medio (1350-2700 nm). Il
comportamento spettrale in queste regioni può comunque subire variazioni dipendenti dallo
Il comportamento spettrale è il risultato delle interazioni della radiazione con la struttura
cellulare (Figura 1.4), i pigmenti fotosintetici e il contenuto d’acqua.
Figura 1.4 Struttura della foglia
11
Capitolo1 Introduzione
La struttura della foglia consiste di una lamina di cellule contenente i cloroplasti, circondata da
uno strato epidermico protettivo perforato da fori (stomi) e collegato al fusto dal picciolo
fogliare (dove passa la nervatura). La lamina fogliare fotosintetica consiste di diversi strati del
mesofillo, con uno o più strati di cellule a palizzata e uno più lacunoso in prossimità degli stomi.
La clorofilla e i pigmenti risiedono nei cloroplasti (organuli all’interno della cellula). In questa
porzione viene assorbita la luce blu e rossa (Figura 1.5). La luce verde viene riflessa dalle cellule a
palizzata.
Figura 1.5 Penetrazione dell’energia luminosa all’interno della struttura della foglia.
Nelle piante verdi, le clorofille sono i pigmenti primari responsabili dell’assorbimento della
radiazione visibile, anche se ne esistono altri che possono contribuire, come i carotenoidi, le
xantofille e le antocianine. Nel vicino infrarosso le foglie assorbono poco, a causa della struttura
del mesofillo fogliare, che provoca un multiple scattering della radiazione nei siti di discontinuità.
Nella regione del medio infrarosso ρ e τ sono più basse rispetto ai valori visti per il NIR. Questa
parte dello spettro è caratterizzata da peculiari picchi di assorbimento dell’acqua (centrati intorno
a1450, 1940 e 2200 nm): un aumento della riflettanza è il risultato della diminuzione del
contenuto d’acqua fogliare (Figura 1.6).
12
Capitolo1 Introduzione
13
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
350 550 750 950 1150 1350 1550
Lunghezza d'onda (nm)
Rif
lett
anza
Ewt = 0.0106 g/cm2
Ewt = 0.0151 g/cm2
Figura 1.6 Riflettanza di due foglie, una con alto (EWT=0.0151 g/cm2) e una con basso (EWT=0.0106 g/cm2) contenuto idrico fogliare nell’intervallo spettrale 350-1600 nm. Differenze nelle proprietà ottiche dovute al diverso contenuto d’acqua sono evidenti nel picco di assorbimento dell’acqua posto intorno ai 1400 nm.
Se invece della singola foglia consideriamo l’intera canopy, aumenta la complessità nella
descrizione del trasferimento della radiazione nella vegetazione.
I fattori che influenzano la riflettettività della canopy sono:
Grado di copertura e quantità di biomassa verde;
Proporzione verde/non verde;
Architettura degli elementi fogliari (geometria, distribuzione, aggregazione);
Tipologia del sottobosco;
Fenologia:
Fattori esterni (morfologia dell’area, angolo di vista, geometria illuminazione, condizioni
atmosferiche).
Capitolo1 Introduzione
14
1.4. CONTENUTO D’ACQUA E REGIONI SPETTRALI
Le regioni centrate vicino a 1450 e 1950 nm sono le maggiori bande di assorbimento dell’acqua;
altre due bande minori sono invece centrate vicino a 970 e 1200 nm (Jacquemoud and Ustin,
2003) (Figura 1.7).
Lunghezza d’onda (nm)
Rifle
ttanz
a (n
m)
Figura 1.7 Firma della riflettanza di una foglia con indicate le quattro principali bande di assorbimento dell’acqua
Le bande di assorbimento della vegetazione secca si trovano invece centrate a 1720-1780 nm e
sono dovute a composti chimici come cellulosa, lignina e amido (Curran, 1989). In questa zona
non ci sono assorbimenti da parte dell’acqua come si vede dall’andamento del coefficiente di
assorbimento di Palmer and Willams (Figura 1.8).
Capitolo1 Introduzione
15
0
20
40
60
80
100
120
140
160
700 1200 1700 2200 2700Lunghezza d'onda (nm)
Coef
ficie
nte
di A
ssor
bim
ento
()
Figura 1.8 Andamento del coefficiente di assorbimento (Palmer):le freccie indicano i quattro picchi di maggiore assorbimento.
Le caratteristiche di assorbimento sono il risultato di transizioni vibrazionali che includono varie
connotazioni e combinazioni delle tre fondamentali transizioni vibrazionali della molecola
dell’acqua: V1 (modo di transizione con allungamento simmetrico H-O-H), V2 (modo di
transizione curvato H-O-H), e V3 (modo di transizione con allungamento asimmetrico H-O-H).
Alla banda di assorbimento centrata vicino a 970 nm è attribuita una combinazione 2V1+V3, a
quella vicino a 1200 nm una combinazione V1+V2+V3, a quella vicino a 1450 nm una
combinazione V1+V3 e a quella centrata vicino a 1950 nm una combinazione V2+V3.
Filella e Peñuelas (1994) trovarono degli effetti indiretti del contenuto d’acqua anche a 400 nm e
nel Red Edge a 700 nm.
Molti studi dimostrano l’esistenza di una relazione tra la riflettanza fogliare nella regione
spettrale tra i 400 e i 2500 nm e i cambiamenti di contenuto idrico della foglia (Zarco-Tejada et
al., 2003).
Nelle piante verdi, le clorofille sono i pigmenti primari responsabili dell’assorbimento della
radiazione visibile, anche se ne esistono altri quali i carotenoidi, le xantofille e le antocianine. Il
passaggio tra valori di riflettanza bassi nel rosso ed alti nell’infrarosso è molto rapido: questa
porzione dello spettro, denominata Red Edge, è maggiormente indicativa del contenuto di
clorofilla, più che del contenuto d’acqua (Filella and Peñuelas, 1994). La derivata nel Red Edge
Capitolo1 Introduzione
16
rimane molto ambigua per determinare lo stress idrico e i cambi del contenuto d’acqua si fanno
sentire solo per marcati valori (RWC<75%).
Nel vicino infrarosso le foglie assorbono poco, a causa della struttura del mesofillo fogliare, che
provoca un multiple scattering della radiazione nei siti di discontinuità. Le variazioni del contenuto
d’acqua inducono riorganizzazioni dei componenti e perdita di turgore cellulare: in alcune
piccole bande di assorbimento dell’acqua presenti in questa regione si osservano variazioni di
riflettanza. Due piccole bande si assorbimento centrate a 970 e 1150 nm sono rilevabili con
sistemi iperspettrali e presentano le giuste caratteristiche per stimare il contenuto d’acqua
(maggiori energie in gioco, minor assorbimento dell’acqua e maggiore trasmissione nel mezzo).
Gli indici WI e NDWI (come sarà spiegato più avanti) lavorano in questa regione.
Nella regione del medio infrarosso ρ e τ sono più basse rispetto ai valori osservabili per il NIR.
Questa parte dello spettro è caratterizzata da peculiari picchi di assorbimento (centrati intorno a
1450, 1940 e 2200 nm) riconducibili al contenuto di acqua nella foglia che mascherano le
caratteristiche dei componenti chimici quali cellulosa, lignina, amido e proteine. Le riflettanze a
1650-1850 nm aumentano al diminuire di FMC e inoltre cambiano le forme delle curve. In
particolare la “fossa” tra 1650 e 1850 nm cambia forma al variare di FMC (Tian et al., 2001).
Spesso si è riscontrato che ad una diminuzione del contenuto d’acqua nelle foglie si verifica un
aumento di riflettanza (Cibula et al., 1992; Hunt et al., 1987) anche se in alcuni studi a banda larga
non si è vista nessuna variazione legata al contenuto idrico e al grado di stress (Hunt e Rock,
1989; Pierce et al., 1990; Bowman, 1990).
Carter (1991) studiò gli effetti primari e secondari del contenuto d’acqua sulla riflettanza fogliare:
gli effetti primari sono quelli dovuti solamente dalle proprietà radiative dell’acqua, mentre gli
effetti secondari sono invece quelli che non possono essere spiegati solamente con quelle
proprietà. I suoi studi dimostrarono che la sensitività della riflettanza fogliare al contenuto
d’acqua era più grande in bande spettrali centrate a 1450, 1940 e 2500 nm.
Sono stati sviluppati molte tecniche per estrarre il contenuto d’acqua fogliare a partire dalle
proprietà ottica delle foglie (calcolo di indici sulle firme, regressioni matematiche e modelli di
trasferimento radiativi).
Danson et al. (1992) dimostrarono che quando sono presenti variazioni nella struttura interna
della foglia, la derivata prima della riflettanza fogliare si correla meglio della riflettanza originale
Capitolo1 Introduzione
17
al contenuto idrico fogliare: quindi la derivata della riflettanza calcolata nelle bande di
assorbimento dell’acqua minimizza gli effetti dovuti alla struttura della foglia, massimizzando la
sensitività del contenuto idrico fogliare.
Roberts et al. (1997) notarono degli effetti della variazione del contenuto d’acqua sugli indici di
vegetazione come ad esempio l’NDVI.
Nell’ambito di uno studio su rischi e dinamiche di incendi, Ceccato (2001) ha dimostrato che la
regione spettrale dell’infrarosso medio (SWIR) è sensitivo all’EWT e non all’FMC. Il lavoro è
stato svolto con 37 diverse specie di piante e per ogni foglia sono state registrate cinque firme
spettrali. I valori di riflettanza fogliare a 1600 nm sono stati plottati con l’EWT (Figura 1.9).
Figura 1.9 Relazione tra EWT fogliare e la riflettanza a 1600 nm (Ceccato, 2001).
Capitolo1 Introduzione
18
Figura 1.10 Firma di riflettanza fogliare misurata in laboratorio (LOPEX data) per quattro differenti specie aventi hanno gli stessi valori di EWT (0.012 g/cm2) corrispondenti a quattro differenti valori di FMC (Ceccato et al, 2001).
Dal grafico in Figura 1.10 si deduce che più fattori concorrono a influenzare la riflettanza. A
parità di EWT per esempio possiamo avere differenti andamenti della riflettanza. Il contenuto
d’acqua va visto interagire con gli altri parametri che influenzano la risposta spettrale della
foglia. Pertanto è utile vedere come un modello di trasferimento radiativo simuli il
comportamento della riflettanza al variare del contenuto d’acqua e degli altri parametri.
I valori di riflettanza diventano sempre più insensibili a variazioni di EWT quando EWT è
grande (i.e. EWT > 0.02 g/cm2).
Per bassi valori di EWT, diciamo quando la vegetazione sta perdendo acqua, la riflettanza a
1600 nm aumenta più rapidamente.
Lo studio di un modello di trasferimento radiativo (PROSPECT) ha permesso di affermare
che la regione SWIR da sola non basta per stimare l’EWT in quanto l’infrarosso medio è
sensibile anche ai parametri N (struttura interna della foglia) e Cm (contenuto di materia secca);
è stato inoltre osservato che nella zona dell’infrarosso vicino (NIR) i cambi nella riflettanza
sono solo dovuti all’azione combinata di N e Cm. Quindi aggiungendo l’informazione del NIR
si dovrebbe meglio individuare il contenuto d’acqua. Pertanto Ceccato (2001) ha definito un
nuovo indice dato dal rapporto tra SWIR e NIR:
MSI = ρ1600/ρ820
Nello studio di Peñuelas et al., (1997) è stata analizzata la buca di assorbimento dell’acqua nel
NIR con un intervallo di lunghezze d’onda che va tra i 900 e i 980 nm. Sono stati campionati
Capitolo1 Introduzione
19
diversi alberi, arbusti, cespugli ed erbe; è stato allestito anche un sito sperimentale in cui le piante
sono state tenute in condizioni di stress idrico. Il contenuto d’acqua è stato espresso come
100*secco peso
secco pesofresco peso −=PWC
Figura 1.11Effetti dovuti alla disidratazione di Arbus unedo tra i 800 e 900 nm. Le percentuali tra parentesi indicano la variazione del PWC (Peñuelas et al., 1997).
Dal grafico (Figura 1.11) si deduce che a maggiori lambda, la radiazione viene assorbita
rapidamente dall’acqua, non attraversa a lungo la canopy e quindi non descrive una
concentrazione idrica complessiva.
La zona con debole assorbimento posta intorno a 950-970 nm è stata utilizzata per creare un
indice spettrale in cui si rapporta in un piccolo spazio l’intensità della fossa (assorbimento) ad
una riflettanza di riferimento. Pertanto si usa una banda che non presenta assorbimento di acqua
e in cui i fattori strutturali agiscano nello stesso identico modo.
A lunghezze d’onda maggiori inoltre bisogna tener conto della bassa irradianza.
L’indice utilizzato in questo studio è il Water Band Index definito come:
970
900
ρρ
=WI
Capitolo1 Introduzione
20
L’indice è ben correlato con il PWC (Plant Water Content). La limitazione è che comunque
WI è molto sensitivo solo ad avanzati stati di disidratazione.
Gao (1996) ha definito un nuovo indice NDWI (Normalized Difference Water Index), che si
correla molto bene con il contenuto d’acqua. Gao ha notato la presenza di due plateau con alta
riflettanza posizionati a 860 e 1240 nm: in entrambe le lunghezze d’onda vi è una penetrazione
della radiazione attraverso la canopy.
L’assorbimento del contenuto idrico della vegetazione vicino ai 860 nm è trascurabile, mentre vi
è un piccolo assorbimento a 1240 nm. Come risultato, NDWI è sensitivo ai cambiamenti del
contenuto idrico della vegetazione. Gli effetti di scattering dovuti agli aerosol presenti in
atmosfera nella regione tra 860 e 1240 nm sono deboli. In confronto con NDVI è corretto
affermare che NDWI è ancora meno sensitivo agli effetti dell’atmosfera. Purtroppo questo
indice, come NDVI, non rimuove completamente gli effetti dovuti alla riflessione del suolo.
NDWI è molto importante perché è un indice applicabile ai dati telerilevati da sensori
aviotrasportati: la maggior parte di questi sensori acquisiscono nelle regioni spettrali in cui è
definito l’indice. Gao (1996) utilizza delle firme di riflettanza misurate in laboratorio e delle
immagini acquisite da un sensore aviotrasportato (AVIRIS) per dimostrare l’utilità e la
funzionalità dell’indice NDWI.
Rollin and Milton (1998) trattano differenti metodi, per l’estrazione di informazioni biofisiche
(tra cui il contenuto idrico) della canopy attraverso l’uso di uno spettroradiometro da campo.
È molto utile riuscire a stimare il contenuto d’acqua dell’intera canopy, ma estendere i risultati
di laboratorio al campo può presentare alcuni problemi.
Primo l’effetto dell’assorbimento del vapore acqueo nell’atmosfera implica che l’energia che
raggiunge la superficie sia fortemente ridotta. Secondo, non è chiaro come la relazione tra il
contenuto d’acqua fogliare e la riflettanza possa essere scalato (scaling) al livello di canopy. La
canopy, infatti, include variazioni di LAI (leaf area index) così come di aree di vegetazione di
background e aree non fotosinteticamente attive, entrambe delle quali variano nello spazio, nel
tempo e con l’angolo di vista del sensore.
Rollin and Milton (1998) hanno campionato vari “plots” di terreno, di area nota, da cui sono
state estrapolate informazioni su alcuni parametri biofisici, tra i quali il contenuto d’acqua
totale. Il contenuto d’acqua della canopy è espresso in percentuale, ma normalizzato per unità di
superficie. Le firme sono state acquisite sul campo con lo strumento GER IRIS MK IVTM in
Capitolo1 Introduzione
21
un intervallo di lunghezze d’onda compreso tra i 400 ai 2500 nm: le firme sono poi state
ricampionate, filtrate ed e sui di esse è stata calcolata la derivata prima.
Rollin and Milton (1998) analizzano inoltre gli effetti di differenti gradi di “smoothing” sulle
correlazioni tra la riflettanza (e la derivata prima) e ognuno dei parametri biofisici.
Gli autori hanno anche definito un nuovo indice (RDI) che lavora nella banda di assorbimento
dell’acqua posta a 1150 nm. La funzionalità di questo indice, in modo simile alla derivata
prima, è quella di normalizzare nell’insieme il livello di riflettanza, il quale è fortemente
influenzato dagli altri fattori della canopy. Il Relative Depht Index (RDI) è stato calcolato nel
seguente modo: 100*max
minmax
RRR
RDI−
=
dove Rmax è il valore di riflettanza a 1116 nm e Rmin è il valore minimo di riflettanza
nell’intervallo tra i 1120 e i 1250 nm. Sono state trovate buone correlazione tra questo indice e
il contenuto d’acqua (r=0.76); inoltre è stato provato che la bontà della correlazione non viene
influenzata dal diverso grado di “smoothing” utilizzato.
Inoltre sono state trovate buone correlazioni tra la derivata prima della riflettanza della canopy a
1156 nm e il contenuto d’acqua: queste correlazioni, e la posizione della lunghezza d’onda in
corrispondenza del massimo della correlazione, sono però sensitive al grado di “smoothing”.
Pu et al. (2003) hanno studiato le variazioni del contenuto idrico (in termini di RWC) nelle
regioni di assorbimento dell’acque centrate a 975, 1200 e 1750 nm. In laboratorio è stata
misurata la riflettanza fogliare, di 139 campioni di querce (Quercus agrifolia), con lo strumento
FieldSpec®Pro FR. È stata applicata una tecnica basata su indici spettrali e la tecnica del
Continuum Removal (vedi paragrafo 2.3.). Sono stati definiti due nuovi indici che operano
nelle bande di assorbimento dell’acqua a 975 e 1200 nm:
11001090940920
990960975
2
−−
−
+=
ρρρ
RATIO
1258126511101090
122011801200
2
−−
−
+=
ρρρRATIO
Le regressioni di questi due indici con RWC hanno mostrato buone correlazioni (r=-0.85 con
l’indice RATIO975 e r=-0.86 con l’indice RATIO1200).
Capitolo1 Introduzione
22
1.5. IL SENSORE IPERSPETTRALE MIVIS E BANDE DI
INTERESSE PER LA STIMA DEL CONTENUTO D’ACQUA
1.5.1. MIVIS: Caratteristiche tecniche e funzionamento
Il sensore aviotrasportato Multispectral Infrared and Visible Imaging Spectrometer (MIVIS), installato
su un bimotore CASA-212/200, è un sistema a scansione che opera con un’elevata risoluzione
spaziale e spettrale. Possiede una molteplicità di canali di registrazione a intervalli di lunghezze
d’onda relativamente vicine, e per questo motivo è detto iperspettrale.
Il MIVIS è uno strumento modulare, costituito da quattro spettrometri che riprendono
simultaneamente la radiazione proveniente dalla superficie terrestre nel visibile (20 bande tra 430
e 830 nm), nell’infrarosso vicino (8 bande tra 1150 e 1550 nm), nell’infrarosso medio (64 bande
tra 2000 e 2500 nm) e nell’infrarosso termico (10 bande tra 8200 e 12700 nm) per un totale di
102 canali (Tabelle 1.1 e 1.2 e Figura 1.12).
L’utilizzo del sensore MIVIS permette quindi di riprendere 102 immagini della stessa scena
perfettamente sovrapponibili, ognuna delle quali viene realizzata misurando il valore di radianza
proveniente dalla superficie, nell’intervallo di lunghezze d’onda corrispondente ad uno dei canali
di ripresa.
Spettrometro Regione dello spettro Numero bande Intervallo spettrale (nm)
Tabella 3.2 Coordinate Gauss-Boaga dei 13 siti campionati
media s.d.
1n1 4.69 1.6 non irrigato33n1 13.60 1.1 non irrigato1n2 2.43 1.3 non irrigato1n3 3.32 1.0 non irrigato1n4 2.08 0.6 non irrigato32n1 5.48 4.1 irrigato2n1 0.75 0.2 non irrigatoA 3.47 2.2 non irrigatoB 1.98 1.6 irrigatoC 2.48 0.8 non irrigatoD 3.19 1.7 non irrigatoX 1.87 0.9 non irrigatoY 0.70 0.8 non irrigato
Pratica irrigua
SITO TDR (%)
Tabella 3.3 Valori di umidità del suolo e descrizione relativa alle pratiche irrigue.
67
SLW (g/cm2) media s.d. media s.d. media s.d. media s.d peso fresco/area
Durante la campagna di misure a terra effettuate tra il 1 e il 4 luglio 2003 sono state effettuate
misure di riflettività e trasmettività su un totale di 164 campioni prelevati dai 13 siti in esame,
con uno spettroradiometro Fieldspec-FR Pro accoppiato attraverso una fibra ottica alla sfera
integratrice Li-Cor 1800-12S (§ 3.3.).
Le analisi delle firme di riflettanza, illustrate in questo capitolo, sono state condotte utilizzando
un software sviluppato appositamente in ambiente IDL (Interactive Data Language).
3.4.1.1. Tecniche di f i l t rag g io
Le firme spettrali registrate dallo strumento sono state corrette per eliminare il rumore registrato
(Figura 3.18) soprattutto nelle lunghezze d’onda riprese dal secondo spettroradiometro del
FieldspecFR.
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
400 550 700 850 1000 1150 1300 1450 1600λ (nm)
ρ
1n11d111n12t122
Figura 3.18 Esempio di due firme con basso EWT (la firma in blu) e con alto EWT (firma in viola) : si può notare il rumore registrato in corrispondenza del secondo spettroradiometro del FieldspecFR.
Capitolo3 Materiali e metodi
70
Come trattato nell’articolo di Rollin and Milton (1998), si è deciso di utilizzare le funzioni di
convoluzione e le procedure semplificate dei minimi quadrati descritte da Savitzky and Golay
(1967).
Sono stati applicati diversi gradi di “smoothing” al fine di esaminare gli effetti delle diverse
convoluzioni sui risultati ottenuti in termini di spostamento delle lunghezze d’onda nei punti di
massimo assorbimento: sono stati ottenuti identici risultati utilizzando polinomi di secondo e
terzo grado.
Il rumore si riduce aumentando il numero dei punti di interpolazione: sono state confrontate le
correlazioni del contenuto d’acqua con gli indici calcolati dalle firme, e più precisamente con
firme non filtrate, filtrate a 5, 10, 20, 30 e 40.
L’analisi è stata fatta prendendo in considerazione le correlazioni ottenute con due scale spaziali
diverse: scala foglie (Figura 3.19) e scala alberi (mediando le riflettanze delle foglie appartenenti
agli stessi alberi) (Figura 3.20).
scala foglie
0.29
0.34
0.39
0.44
0.49
0.54
0.59
0.64
0 5 10 15 20 25 30 35 40n° punti interp.
r2
NDWI
MSI
SRWI
WSI
RATIO_WSI PWI
Figura 3.19 Variazione del grado di correlazione (R2) in funzione della variazione del numero dei punti di interpolazione del polinomio utilizzato.
Capitolo3 Materiali e metodi
71
scala alberi
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0 5 10 15 20 25 30 35 40n° punti interp.
r2 NDWI
MSI
SRWI
WSI
RATIO_WSI
PWI
WI
RATIO1200
Figura 3.20 Variazione del grado di correlazione (R2), ad una scala alberi, in funzione della variazione del numero dei punti di interpolazione del polinomio utilizzato
Si può notare un miglioramento della bontà della correlazione già utilizzando un polinomio con
5 punti di interpolazione; aumentando successivamente i punti di interpolazione non si riscontra
un significativo aumento dell’ R2. In conclusione si è scelto di procedere gli studi con le firme
filtrate con un polinomio con 10 punti di interpolazione: esso sembra il miglior compromesso
tra un basso numero di punti di interpolazione ed un alto grado di correlazione in “fitting”.
In Figura 3.21 è messa in evidenza la differenza tra una firma non filtrata e la stessa firma filtrata
con la funzione di convoluzione di Savitzky e Golay utilizzando un polinomio di secondo grado
con 10 punti di interpolazione.
Capitolo3 Materiali e metodi
72
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0.45
0.50
350 550 750 950 1150 1350 1550
λ (nm)
ρ
1n331(non filtrata)1n331 (filtrata)
0.410
0.412
0.414
0.416
0.418
0.420
950 960 970 980 990 1000
λ (nm)
ρ
1n331(non filtrata)1n331 (filtrata)
Figura 3.21 Esempio tra una firma non filtrata (linea tratteggiata) e la stessa filtrata utilizzando un polinomio di secondo grado con 10 punti di interpolazione (linea continua)
3.4.1.2. Ricampionamento
Spesso gli spettroradiometri campionano con ampiezza spettrale variabile (solitamente 2 nm-4
nm) ma i calcoli sono invece da eseguirsi su intervalli costanti. Quindi in genere si interpola
linearmente per avere una ampiezza costante.
Lo spettroradiometro utilizzato in questo studio acquisisce dati nell’intervallo di lunghezza
d’onda compreso tra 350 e 1600 nm, con un intervallo di campionamento di 1.4 nm tra le
lunghezze d’onda 350-1000 nm e di 2 nm nell’intervallo 1000-1600 nm: i dati sono stati
ricampionati ad 1 nm.
3.4.1.3. Coef f i c i ente di cor r e laz ione l inear e di Pearson
Prima di analizzare le correlazioni tra il contenuto idrico e gli indici ottici, è importante studiare il
coefficiente di correlazione di Pearson (Danson et al.,1992) tra il parametro indagato e tutte le
lunghezze d’onda comprese tra i 350 e i 1600 nm; si costruisce un grafico tra i coefficienti
calcolati e le delle lunghezze d’onda. Il grafico è utile per vedere quali lunghezze d’onda si
correlano meglio con il parametro biofisico indagato.
Capitolo3 Materiali e metodi
73
3.4.1.4. Calco lo der ivata prima (1DGVI)
E’ una tecnica molto utile perché gli spettri così ottenuti si correlano bene al contenuto d’acqua. Danson et al. (1992) dimostrarono che quando sono presenti variazioni nella struttura interna
della foglia, la derivata prima della riflettanza fogliare si correla meglio della riflettanza
originale al contenuto idrico fogliare: quindi la derivata della riflettanza calcolata nelle bande di
assorbimento dell’acqua minimizza gli effetti dovuti alla struttura della foglia, massimizzando
la sensitività del contenuto idrico fogliare. Una volta calcolato lo spettro della derivata prima è
stato calcolato il coefficiente di correlazione di Pearson.
3.4.2. Correlazioni tra contenuto d’acqua e VIs
Al fine di stimare il contenuto d’acqua fogliare sono stati calcolati una serie di indici di
vegetazione sulle firme di riflettanza:
1240858
1240858
ρρρρ
+−
=NDWI [Normalised Difference Water Index (Gao, 1996)]
970
900
ρρ
=WI [Water Band Index (Penuelas et al., 1993)]
1240
858
ρρ
=SRWI [Simple Ratio Water Index (Zarco-Tejada et al., 2003)]
680800
680800
ρρρρ
+−
=NDVI [Normalised Difference Vegetation Index]
1450820
1450820
ρρρρ
+−
=WSI [Water Spectral Index (Questo studio)]
1116
11501116
max
minmax
ρρρ
ρρρ −
=−
=RDI [Relative Depth Index (Rollin and Milton, 1998)]
Capitolo3 Materiali e metodi
74
11001090940920
990960975
2
−−
−
+=
ρρρ
RATIO [(Pu et al., 2003; Gao et al., 1993; Feind and Welch, 1995)]
1258126511101090
122011801200
2
−−
−
+=
ρρρRATIO [(Pu et al., 2003; Gao et al., 1993; Feind and Welch, 1995)]
16001320
14502ρρ
ρ+
=WSIRATIO [Water Spectral Index Ratio (Questo studio)]
3820
14501200970
ρρρρ ××
=PWI [Product Water Index (Questo studio)]
( ) ( )217565 1265120012651090
1ρρρρ −−−
=TWI [Triangular Water Index (Questo studio)]
1649820
1649820
ρρρρ
+−
=NDII [Normalised Difference Infrared Index (Hardinsky et al., 1983)]
820
1600
ρρ
=MSI [Moisture Stress Index (Hunt and Rock,1989);Simple
Ratio Water Index a 1600 e 820 (Ceccato et al., 2001)
Successivamente gli indici sono stati correlati con il contenuto d’acqua fogliare, espresso in
termini di RWC, FMC, EWT. La stima del contenuto d’acqua è stata studiata con l’applicazione
di due diversi modelli regressivi semi-empirici: OLS e RMA.
Le correlazioni sono state studiate a due scale spaziali differenti:
• Scala foglie
• Scala alberi (ottenuta mediando i valori relativi alle diverse foglie appartenenti allo stesso
albero)
Capitolo3 Materiali e metodi
75
3.4.3. Correlazioni tra indici derivati da CR e contenuto d’acqua
Sulle firme in riflettanza è stata applicata la tecnica del Continuum Removal (§ 2.3.): sono stati
calcolati sia i nuovi spettri BNC e BNA, sia una serie di indici legati alle geometrie delle buche di
assorbimento dell’acqua. Le buche di assorbimento studiate sono tre, centrate nei seguenti
intervalli:
- 920-1070 nm
- 1116-1284 nm
- 1280-1600 nm
Come suggerito Whiting et al. (2004), la tecnica CR è stata applicata anche dopo aver convertito
gli spettri in riflettanza nel loro logaritmo naturale (§ 2.3.).
In ogni buca di assorbimento e per ogni firma sono stati inoltre calcolati i seguenti indici:
∼ ρ_min valore minimo di riflettanza della buca di assorbimento
∼ λ_min lunghezza d’onda corrispondente alla ρ_min
∼ CR_min valore minimo dello spettro continuum removed
∼ MD profondità del massimo assorbimento nel continuum (MD= 1- CRmin)
∼ AA area assorbimento, integrale calcolato nel continuum
∼ BNAE MD/AA
∼ AA_sx area assorbimento a sinistra di MD
∼ AA_dx area assorbimento a destra di MD
∼ RA_aa rapporto assimmetria area assorbimento AAsx/ AAdx
∼ AS area assorbimento semplificata (AS = MD*ab, con ab individuato a
metà di MD)
∼ AS_dx area assorbimento semplificata a sinistra di MD
∼ AS_sx area assorbimento semplificata a destra di MD
∼ RA_as rapporto assimmetria area assorbimento semplificata
∼ WINTDIR CR_min / (λinizio finestra di ass./λ_min)
∼ WACI Σλiλn ((ρi+ i dρ/dλ ∆λi) – ρi) ∆λi in pratica corrisponde all’area
Aρ calcolata alle differenze finite, quindi con meno precisione che con
l’integrale.
Capitolo3 Materiali e metodi
76
Sui due nuovi spettri BNA e BNC sono state applicate delle regressioni Step Wise (§ 2.2.) al fine
di selezionare quelle lunghezze d’onda che meglio si correlano con il contenuto d’acqua.
Gli indici derivati da CR sono stati correlati con il contenuto d’acqua con tecniche regressive
ortogonali.
3.4.4. Correlazioni tra EWTfogliare ed EWTstimato con l’equazione di Lambert-Beer
Applicando l’approccio basato sull’equazione di Lambert-Beer (§ 2.3.) sono stati calcolati i valori
di EWTstimato, utilizzando il coefficiente di Palmer (§ 1.4.), a partire dagli spettri sia di riflettanza
che di trasmittanza.
Gli intervalli di lunghezza d’onda studiate sono quattro:
867(920) – 1088 nm (Serrano et al., 2000)
920 – 1070 nm (Sims and Gamon, 2003)
1002 – 1068 nm (Roberts et al., 1998)
1132 – 1200 nm (Roberts et al., 1998)
I valori di EWTstimato sono stati correlati con i valori misurati a terra di EWTfogliare con tecniche di
regressione OLS e RMA.
3.4.5 Correlazioni tra contenuto di clorofilla e VIs
Al fine di stimare il contenuto di clorofilla sono stati calcolati una serie di indici di vegetazione
sulle firme di riflettanza diversi di quelli utilizzati per il contenuto d’acqua.
I modelli semi-empirici per la predizione del contenuto di clorofilla a partire dalla riflettanza si
basano preferibilmente sulla riflettanza nelle regioni vicine a 550 o 700 nm, dove sono richiesti
contenuti maggiori di clorofilla per saturare l’assorbimento (§ 1.3.).
Particolare interesse riveste, per quanto riguarda la clorofilla, la porzione di spettro denominata
Red Edge.
Gli indici calcolati sugli spettri di riflettanza sono:
720
7401ρρ
=Vog [Vogelmann et al., 1993]
Capitolo3 Materiali e metodi
77
555
7501_ρρ
=MG [Gitelson e Merzlyak, 1994]
726715
7477342ρρρρ
+−
=Vog [Vogelmann et al., 1993]
680780
7107803ρρρρ
−−
=Datt [Datt, 1999; Maccioni et al., 2001]
680850
7108504ρρρρ
−−
=Datt [Datt, 1999]
445705750
705750
2705
ρρρρρ−+
−=mND [Sims e Gamon, 2002]
445705
445750705ρρρρ
−−
=mSR [Sims e Gamon, 2002]
760
710
ρρ
=ctr [Carter, 1994]
705750
705750
ρρρρ
+−
=NDI [Gitelson e Merzlyak, 1994]
780550
672
*1
ρρρ
=Datt [Datt, 1998]
)()( 672701720749 ρρρρ −−−=DD [Le Maire et al., 2004]
La stima del contenuto d’acqua è stata ottenuta correlando gli indici con il contenuto di clorofilla
con le tecniche regressive OLS e RMA.
Capitolo3 Materiali e Metodi
78
3.5. ELABORAZIONI A LIVELLO DI CANOPY
3.5.1. Acquisizione delle immagini
I dati telerilevati sono stati acquisiti il giorno 02/07/03 dalla CGR (Compagnia Generale Riprese
Aeree) tra le ore 08:51 e le 11:19 (ora solare locale, Greenwich + 1).
Il sorvolo è stato effettuato ad una quota di 2000 metri circa; sono state riprese 10 strisciate che
ricoprono l’intera superficie boschiva del territorio del Parco (Figura 3.22). Ciascuna strisciata ha
lunghezza variabile e larghezza pari a 755 pixel, corrispondenti a 3.02 km. Ogni pixel rappresenta
infatti una superficie al suolo di 4x4 metri.
Figura 3.22 Rappresentazione grafica delle strisciate riprese durante il volo MIVIS
Area di studio
Capitolo3 Materiali e Metodi
79
3.5.2. Pre-elaborazioni dati MIVIS
Calibraz ione Radiometri ca
La calibrazione radiometrica dei dati avviene mediante l’uso di riferimenti interni al MIVIS
(corpi di riferimento) e di coefficienti di calibrazione al banco di taratura. I valori di radianza per
i riferimenti interni sono raccolti al momento dell’acquisizione delle immagini, mentre i
coefficienti di calibrazione dello spettrometro sono predisposti al banco di taratura prima che sia
effettuato il volo.
Per accertare la qualità dei dati MIVIS, ad ogni missione, vengono eseguite le procedure di
calibrazione radiometrica dello strumento, prima e dopo l’instalazione dello spettrometro a
bordo dell’aereo.
I dati di calibrazione vengono poi inseriti nell’hard disk del MIVIS assieme ai dati acquisiti
durante l’utilizzo dello strumento.
La sensibilità dello strumento è determinata dalla misura del rapporto segnale su rumore
prodotta da una sorgente di radianza nota. La sorgente di radianza per le bande del visibile e del
vicino infrarosso è un pannello di riflettanza calibrata, illuminato da lampade calibrate; mentre la
sorgente di radianza per l’infrarosso termico è una sorgente di riferimento contenuta all’interno
della testa di scansione.
Per il set di bande spettrali 1÷92 del MIVIS, la calibrazione radiometrica permette di ottenere
valori di radianza in Watt*m-2*sr-1 utilizzando la seguente formula:
AGFRR
R ri **
0 −=
dove:
Ri è il valore di radianza corretta dal sistema MIDAS per la banda i-esima,
R0 è il valore registrato dal sensore per quel pixel,
Rr è la radianza del corpo di riferimento interno che varia per ogni linea di scansione e per ogni
banda spettrale durante il volo,
F (scale Factor) è un fattore di scala (DN/radianza) che permette di quantificare come radianza il
numero digitale registrato dal sensore (DN = Digital Number),
G (Gain value) e A (Attenuation factor) sono valori di correzione rispettivamente per
l’amplificazione e la riduzione del segnale in arrivo per ciascuna delle prime 92 bande
Capitolo3 Materiali e Metodi
80
(l’opportuna amplificazione e riduzione del segnale permette di memorizzare ogni dato
come un numero intero a 12 bit).
3.5.3. Pre-elaborazione delle immagini
Prima di venire utilizzate per la stima di parametri biochimici e biofisici della vegetazione, le
immagini sono state pre-elaborate, attraverso correzioni geometriche e atmosferiche.
3.5.3.1. Cor r ez ioni geometr i che
Le immagini relative alle strisciate MIVIS sono state georiferite utilizzando il software di
Tabella 4.1 Coefficienti di correlazione r ottenuti dalle correlazioni tra EWT e gli indici ottici utilizzando i metodi OLS e RMA ad una scala FOGLIE (n=163). Il termine (n.s.) “indica non significativo” per valori di p>0.1.
Tabella 4.2 Coefficienti di correlazione r ottenuti dalle correlazioni tra EWT e gli indici ottici utilizzando i metodi OLS e RMA ad una scala ALBERI (n=43).
Tabella 4.3 Coefficienti di correlazione r ottenuti dalle correlazioni tra EWT e gli indici ottici utilizzando i metodi OLS e RMA ad una scala SITI (n=13).
Dalla lettura delle due tabelle è possibile fare delle considerazioni tra i due metodi regressivi
utilizzati (OLS e RMA).
Si può osservare come i due metodi, OLS e RMA, abbiano gli stessi valori del coefficiente di
correlazione, sebbene diverso coefficiente angolare (Figure 4.6 e 4.7).
Tabella 4.4 risultati delle regressioni Step Wise per la tecnica CR nella zona di assorbimento tra i 1280 e i 1600 nm.
Il secondo approccio basato sulla tecnica del Continuum Removal prevede il calcolo di una serie
di indici legati alle geometrie delle buche di assorbimento (§ 2.3.). Le uniche relazioni
significative tra gli indici e il contenuto d’acqua si sono riscontrate, anche in questo caso, solo
nella terza buca di assorbimento (1280-1600 nm) e sono riassunte nelle Tabelle 4.5 e 4.6: gli
indici sono stati calcolati sia sugli spettri di riflettanza sia convertendo gli spettri stessi nel loro
logaritmo naturale (§ 2.3.). Le regressioni sono state ottenute con il metodo RMA.
Spettro in riflettanza
indice r Q2 RMSEcv
MD -0.71 0.41 0.000926 AA 0.78 0.54 0.000817
Tabella 4.5 Coefficienti delle regressioni ortogonali tra gli indici calcolati con la tecnica CR e EWT.
Spettro ln(1/R)
indice r Q2 RMSEcv
AA 0.70 0.39 0.000938 WACI 0.78 0.55 0.00081
Tabella 4.6 Coefficienti delle regressioni ortogonali tra gli indici calcolati con la tecnica CR e EWT.
Capitolo4 Risultati e discussioni
97
A partire dalle regressioni migliori ottenute dai due approcci diversi sono stati costruiti due
modelli per la stima del contenuto d’acqua utilizzando la tecnica CR.
Il primo modello è il risultato di una regressione Step Wise tra lo spettro BNC, calcolato sul
logaritmo naturale della riflettanza, e EWT:
011170.0*0237.0*034362.0*018288.0*032832.0)/(
1577
1522141314972
−−+++=
ρρρρcmgEWT
Il secondo modello è stato costruito a partire dalla regressione ortogonale tra EWT e l’indice
WACI (corrisponde all’area della buca di assorbimento calcolata alle differenze finite, quindi con
meno precisione che con l’integrale):
00313.0*000154.0)/( 2 −= WACIcmgEWT
4.1.3. Stime a partire dall’equazione modificata di Lambert-Beer
Le correlazioni tra EWTstimato e EWT misurato sono molto basse e variano a seconda della buca
di assorbimento utilizzata. Si è osservato che EWT si correla meglio con EWT stimato a partire
dagli spettri di trasmittanza (Tabella 4.7). Le uniche correlazioni trovate sfruttano l’intervallo di
lunghezze d’onda compreso tra i 920 e i 1088 nm (R2=0.23): i risultati ottenuti sono molto simili
a quelli di Sims and Gamon (2003) (R2=0.36) e Serrano et al. (2000) (R2=0.25).
intervallo spettro r2 Riferimento bibliografico
R 0.13 867(920)-1088 nm T 0.23
Serrano et al.
R 0.14 920-1070 nm T 0.20 Sims and Gamon
R n.r. 1002-1068 nm T n.r. Roberts
R 0.14 1132-1200 nm T 0.13
Roberts
Tabella 4.7 Coefficienti di correlazione tra EWT fogliare ed EWT stimato con l’approccio basato sull’equazione di Lambert-Beer. (n.r. indica che non vi è nessuna relazione).
Capitolo4 Risultati e discussioni
98
4.2. STIMA DEL CONTENUTO DI CLOROFILLA A LIVELLO DI
FOGLIA
4.2.1. Stime a partire dai VIs
In questo paragrafo saranno mostrati tutti i risultati ottenuti, a livello di foglia, correlando il
contenuto di clorofilla con gli indici di vegetazione (VIs).
Di seguito è riportata la tabella riassuntiva (Tabella 4.8) che mostra le correlazioni migliori
ottenute le tecniche regressive OLS e RMA
OLS RMA
Indice r p Q2 RMSEcv r Q2 RMSEcv
Vog1 0.78 <0.0001 0.28 3.38 0.78 0.51 2.79
G_M1 0.71 <0.0001 -0.11 4.19 0.71 0.33 3.24
Vog2 -0.79 <0.0001 0.34 3.24 -0.79 0.54 2.70
ctr -0.73 <0.0001 0.01 3.95 -0.73 0.36 3.18
Datt3 0.77 <0.0001 0.22 3.52 0.77 0.48 2.87
Datt4 0.76 <0.0001 0.20 3.55 0.76 0.47 2.89
mND705 0.76 <0.0001 0.16 3.63 0.76 0.45 2.95
mSR705 0.79 <0.0001 0.34 3.22 0.79 0.54 2.69
NDI 0.72 <0.0001 -0.12 4.21 0.72 0.29 3.35
Datt1 0.76 <0.0001 0.18 3.61 0.72 0.47 2.90
DD 0.77 <0.0001 0.21 3.54 0.77 0.47 2.89
Tabella 4.8 Coefficienti di correlazione r ottenuti dalle correlazioni tra EWT e gli indici ottici utilizzando i metodi OLS e RMA (n=39)
Dalla lettera della Tabella 4.8 si può notare come tutti gli indici siano ben correlati con il
contenuto di clorofilla (il coefficiente di correlazione r varia tra 0.73-0.79): la regressione RMA
Capitolo4 Risultati e discussioni
99
ha più potere predittivo di OLS, mantenendo inoltre valori di RMSEcv più bassi. Le Figure 4.10 e
4.11 mostrano le correlazioni migliori (r e Q2 maggiori) ottenute con regressioni ortogonali.
2.0
2.5
3.0
3.5
4.0
4.5
5.0
5.5
6.0
10 15 20 25 30Contenuto di clorofilla (µg/cm2)
mSR
705
Figura 4.10 Correlazione tra il contenuto di clorofilla e l’indice spettrale mSR705
Tabella 4.9 Significatività dei coefficienti delle regressioni relative ai parametri LAI (Leaf Area Index) e EWTfogliare (Equivalent Water Thickness). Il termine (n.s.) indica “non significativo” per valori di p>0.1.
Tabella 4.10 Significatività dei coefficienti delle regressioni relative ai parametri Fc (Fractional cover), SLA (Specific Leaf Area), LAI (Leaf Area Index) e FMC (Fuel Moisture Content). Il termine (n.s.) indica “non significativo” per valori di p>0.1.
Tabella 4.11 Significatività dei coefficienti delle regressioni relative ai parametri Fc*h (Fractional cover e spessore della chioma e RWC (Relative Water Content). Il termine (n.s.) indica “non significativo” per valori di p>0.1.
indice Equazione della regressione R2 p(Fc) p(EWT)
Tabella 4.12 Significatività dei coefficienti delle regressioni relative ai parametri Fc (Fractional cover) e EWT (Equivalent Water Thickness). Il termine (n.s.) indica “non significativo” per valori di p>0.1.
Capitolo 4 Risultati e discussioni
105
indice Equazione della regressione R2 p(Fc*h) p(EWT)
Tabella 4.13 Significatività dei coefficienti delle regressioni relative ai parametri Fc*h (Fractional cover moltiplicata per l’altezza dello spessore della chioma) e EWT (Equivalent Water Thickness). Il termine (n.s.) indica “non significativo” per valori di p>0.1.
Le variabili significative sono sostanzialmente definite dal LAI e pertanto le vie di scaling
preferibile è quella proposta da Ceccato et al. (2002).
Sulla base dei risultati illustrati nelle Tabelle 4.9, 4.10, 4.11, 4.12 e 4.13 sono stati costruiti
modelli semi-empirici per la stima del contenuto d’acqua a livello di canopy (Tabelle 4.14, 4.15 e
Tabella 4.17 Significatività dei coefficienti delle regressioni relative ai parametri RSR (Reduced Simple Ratio) e EWT (Equivalent Water Thickness). Il termine (n.s.) indica “non significativo” per valori di p>0.1.
Infine è stato sviluppato un ulteriore metodo che permette la stima del contenuto d’acqua
fogliare direttamente dai dati telerilevati. Sono stati calcolati nuovi indici ottici ottenuti
normalizzando gli indici rispetto all’indice NDVI. NDVI riflette maggiormente la struttura
fogliare, il colore, la perdita di pigmenti e quindi indirettamente è relazionato al contenuto
d’acqua: il rapporto tra un indice e NDVI spiega meglio le variazioni del contenuto d’acqua
(Peñuelas et al., 1997) . I nuovi indici vengono correlati direttamente con il contenuto d’acqua
fogliare. Le analisi della significatività delle regressioni sono riassunte in Tabella 4.18.