studi scientifici a supporto della joint hyperspectral ... · consiglio nazionale delle ricerche...

CONSIGLIO NAZIONALE DELLE RICERCHE Istituto di Fisica Applicata “Nello Carrara”

Via Madonna del Piano, 10 50019 SESTO FIORENTINO - ITALIA

Bando dell’Agenzia Spaziale I taliana su

“Studi Scientifici a Supporto della Missione PRISMA”

_OPTIMA_ metodologie avanzate per l’analisi, l ’integrazione e

l’ottimizzazione dei prodotti di l ivello 1 e 2 della missione PRISMA

PROPOSTA SCIENTIFICA

23 settembre 2009

Studi Scientifici a Supporto della Missione PRISMA OPTIMA

Pag. 2 / 96

Documento CNR – IFAC n. 090923 del 23 settembre 2009

Preparato da

Luciano Alparone

Responsabili di WP

Università di Firenze-DET associato a CNR - IFAC

Stefano Baronti CNR - IFAC

Roberto Carlà CNR - IFAC

Andrea Garzelli Università di Siena- DII associato a CNR - IFAC

Ivan Pippi CNR - IFAC

Verificato da Ivan Pippi Responsabile di progetto CNR - IFAC

Approvato da Renzo Salimbeni Direttore CNR - IFAC CNR - IFAC


Pag. 3 / 96

INDICE

Lista degli acronimi .......................................................................................................... V

SEZIONE TECNICA .......................................................................................................... 7

1 INTRODUZIONE ......................................................................................................... 8

2 DESCRIZIONE DELLE ATTIVITÀ ................................................................................ 9

2.1 PREMESSA ................................................................................................................... 9

2.2 OBIETTIVI ................................................................................................................... 9

2.3 ATTIVITÀ RELATIVE AL TASK 1 ................................................................................... 11

2.3.1 COORDINAMENTO DEL PROGETTO E SUPPORTO ALL’ASI - WP 100 ....................... 11

2.3.2 SIMULAZIONE DATI - WP 200 .............................................................................. 12

2.3.3 QUALITÀ DEL DATO – WP 300 ............................................................................. 15

2.3.3.1 NOISE MODELING – WP 310 ......................................................................... 16

2.3.3.2 CARATTERISTICHE SPAZIALI E SPETTRALI – WP 320 ..................................... 17

2.3.4 OTTIMIZZAZIONE DEI PRODOTTI DI LIVELLO 1 E 2 – WP 400 .............................. 17

2.3.4.1 CORREZIONI RADIOMETRICHE – WP 410 ...................................................... 18

2.3.4.2 CORREZIONI ATMOSFERICHE – WP 420 ........................................................ 21

2.3.5 ELABORAZIONE ED INTEGRAZIONE DEI DATI – WP 500 ....................................... 24

2.3.5.1 DATA FUSION– WP 510................................................................................. 24

2.3.5.2 FEATURE EXTRACTION & UNMIXING–WP520 ................................................. 26

2.3.5.3 IMAGE EHNANCEMENT & RESTORATION – WP 530 ........................................ 29

2.3.6 VALUTAZIONE DELLE POTENZIALITÀ APPLICATIVE AI PROCESSI AMBIENTALI: – WP 600 30

2.3.6.1 STIMA DELL’UMIDITA’ SUPERFICIALE – WP 610 ............................................. 31

2.3.6.2 ANALISI DI AREE INTERESSATE DA INCENDI – WP 620 ................................. 33

2.4 ATTIVITÀ RELATIVE AL TASK 2 ................................................................................... 36

2.4.1 SUPPORTO ALL’AGENZIA SPAZIALE ITALIANA ....................................................... 36

2.5 ASPETTI INNOVATIVI ................................................................................................. 38

2.6 SINERGIE CON ALTRI PROGRAMMI ............................................................................. 38

SEZIONE ECONOMICA................................................................................................... 41

ALLEGATI ....................................................................................................................... 45

3 I - WORK BREAKDOWN STRUCTURE E WORK PACKAGE DESCRIPTION ................ 46

3.1 WP 100 – COORDINAMENTO DEL PROGETTO E SUPPORTO ALL’A.S.I. .......................... 47


Pag. 4 / 96

3.2 WP 200 – SIMULAZIONE DATI .................................................................................... 48

3.3 WP 300 – QUALITÀ DEL DATO .................................................................................... 49

3.4 WP 310 – NOISE MODELING ....................................................................................... 50

3.5 WP 320 – CARATTERISTICHE SPAZIALI E SPETTRALI .................................................. 51

3.6 WP 400 – OTTIMIZZAZIONE DEI PRODOTTI DI LIVELLO 1 E 2 ..................................... 52

3.7 WP 410 – CORREZIONI RADIOMETRICHE .................................................................... 53

3.8 WP 420 – CORREZIONI ATMOSFERICHE ...................................................................... 54

3.9 WP 500 – ELABORAZIONE ED INTEGRAZIONE DATI .................................................... 55

3.10 WP 510 - DATA FUSION ............................................................................................. 56

3.11 WP 520 - FEATURE EXTRACTION & UNMIXING ............................................................ 57

3.12 WP 530 – ENHANCEMENT AND RESTORATION ............................................................ 58

3.13 WP 600 – VALUTAZIONE DELLE POTENZIALITÀ APPLICATIVE AI PROCESSI AMBIENTALI 59

3.14 WP 610 – STIMA DI PARAMETRI IDROGEOLOGICI ....................................................... 60

3.15 WP 620 – ANALISI DI AREE INTERESSATE DA INCENDI ............................................... 61

4 II – PIANIFICAZIONE DELLE ATTIVITÀ .................................................................. 62

4.1 SVILUPPO TEMPORALE ............................................................................................... 65

5 III - STRUTTURA E DESCRIZIONE DEL TEAM DI PROGETTO .................................. 66

5.1 TEAM PROPONENTE ................................................................................................... 66

5.2 CURRICULUM VITAE ................................................................................................... 69

5.3 PROGETTI PERTINENTI .............................................................................................. 82

5.4 PUBBLICAZIONI PERTINENTI ...................................................................................... 84

5.5 STRUMENTI E FACILITIES .......................................................................................... 92

6 IV - DELIVERABLES ................................................................................................. 94

6.1 LISTA DEI DELIVERABLES .......................................................................................... 95


Pag. 5 / 96

Lista degli acronimi

AFRL Air Force Research Laboratory

ALISEO Aerospace Leap-frog Imaging Stationary interferometer for Earth Obsevation

ASI Agenzia Spaziale Italiana

ASTER Advanced Spaceborne Thermal Emission and Reflection Radiometer

AVHRR Advanced Very High Resolution Radiometer

CETTO CEntro Toscano di Telerilevamento in Ottica

CHRIS Compact High Resolution Imaging Spectrometer

CNES Centre National d'Etudes Spatiales

CNR Consiglio Nazionale delle Ricerche

CTOTUS Capacità Tecnologica ed Operativa della Toscana per l’Utilizzo dello Spazio

DN Digital Number

EOPI Earth Observation Principal Investigator

ESA European Space Agency

HRV High Resolution Visible

ICA Independent Component Analysis

IRS Indian Remote Sensing satellites

ITT Invitatation To Tender

IFAC Istituto di Fisica Applicata “Nello Carrara”

KOM Kick-Off Meeting

MIVIS Multispectral Infrared and Visible Imaging Spectrometer

MODIS MOderate Resolution Imaging Spectroradiometer

MORFEO MOnitoraggio e Rischio da Frana mediante dati EO

MS Multi-Spectral

MNF Minimum Noise Fraction

MTF Modulation Transfer Function

MVT Minimum Volume Transform

NASA National Aeronautics and Space Administration

NIR Near InfraRed


Pag. 6 / 96

PAN PANchromatic

PCA Principal Component Analysis

PPI Pixel Purity Index

PRISM Panchromatic Remote-sensing Instrument for Stereo Mapping

PRISMA PRecursore IperSpettrale della Missione Applicativa

PROBA Project for On Board Autonomy

PSF Point Spread Function

RID Review Item Discrepancy

RFQ Request For Quotation

SIMGA Sistema Iperspettrale Modulare

SPOT Satellite Pour l'Observation de la Terre

SSI Sample Space Interval

SSM Surface Soil Moisture

SVD Singular Value Decomposition

SW SoftWare

SWIR Short Wave InfraRed

TIR Thermal InfraRed

TLE Two-Lines Element

TM/ETM Thematic Mapper/Enhanced Thematic Mapper

VCA Vertex Component Analysis

VIRS Visible and Infrared Scanner

VNIR Visible Near InfraRed

WBS Work Breakdown Structure

WP Work Package

WPD Work Package Description


Pag. 7 / 96

PARTE PRIMA

SEZIONE TECNICA


Pag. 8 / 96

1 INTRODUZIONE

Questo documento contiene la Proposta Scientifica del progetto OPTIMA sottoposta dall’Istituto di Fisica Applicata “Nello Carrara” del Consiglio Nazionale delle Ricerche in risposta al bando su ”Studi scientifici a supporto della missione PRISMA” dell’Agenzia Spaziale Italiana.

Il progetto OPTIMA riguarda lo sviluppo e l’integrazione di metodologie avanzate di osservazione della Terra per ottimizzare i prodotti di livello 1 e 2 della missione PRISMA.

La proposta è presentata dall’Istituto di Fisica Applicata “Nello Carrara” del Consiglio Nazionale delle Ricerche (CNR-IFAC) che partecipa alle attività della proposta attraverso tre gruppi di ricerca.

La proposta è diretta da Ivan Pippi, responsabile del gruppo di ricerca su “Sensori Ottici Aerospaziali ad Alta Risoluzione” del CNR-IFAC.

Qui di seguito è presentata la Proposta Scientifica secondo quanto richiesto nel Disciplinare e Capitolato Tecnico dell’Agenzia Spaziale Italiana relativi al bando per “Studi scientifici a supporto della missione PRISMA”.

Struttura del Documento

Parte Prima Sezione Tecnica

Parte Seconda Sezione Economica

Parte Terza Allegati: I – WBS e WPD II – Pianificazione delle attività III- Struttura e descrizione del team di progetto IV – Lista dei deliverables


Pag. 9 / 96

2 DESCRIZIONE DELLE ATTIVITÀ

2.1 PREMESSA

PRISMA (PRecursore IperSpettrale della Missione Applicativa) è una piccola missione di tipo dimostrativo tecnologico preoperativo, dedicata all’osservazione della Terra e basata su un sistema ottico che integra un sensore iperspettrale con una camera pancromatica ed una unità di calibrazione.

Tale sistema ottico infatti è composto da un telescopio d’ingresso anastigmatico a tre specchi con un campo di vista di 2,45° (corrispondente a 30 km a terra da 700 km di quota) seguito da una camera pancromatica (con risoluzione spaziale a terra di 5 m) e da un doppio spettrometro ad immagine (con risoluzione spaziale a terra di 30 m e risoluzione spettrale di 10 nm) operante nel visibile e vicino infrarosso (VNIR da 400 a 1010 nm) e nell’infrarosso tra 920 e 2505 nm (SWIR). A differenza degli altri sistemi ottici satellitari dedicati all’osservazione della Terra i sensori di PRISMA condividono quindi tutti la stessa ottica d’ingresso. Inoltre è presente un sistema di calibrazione che sfrutta la radiazione solare.

2.2 OBIETTIVI

La proposta qui descritta si propone di studiare le caratteristiche del sensore PRISMA e di indagare le sue potenzialità applicative. Questa ricerca darà luogo allo sviluppo di vari algoritmi di elaborazione e pre-elaborazione dei dati PRISMA, relativi alla stima dei prodotti del telerilevamento di livello 1, 2 e superiori.

Da un punto di vista metodologico, la proposta si pone l’obiettivo di sfruttare la particolare integrazione ottica dei sensori PRISMA, dove la camera pancromatica ed il sensore iperspettrale condividono lo stesso sistema ottico d’ingresso. Questa circostanza potrà avere ricadute importanti per le attività e gli algoritmi di image enhancement, image restoration e data fusion, e potrebbe dar luogo a miglioramenti importanti nei prodotti del telerilevamento di ordine 2 e superiori. Questi aspetti saranno discussi dal punto di vista tecnico nelle sezioni seguenti.

Un’altra caratteristica metodologica della proposta qui descritta concerne le caratteristiche generali di autonomia e rapidità d’esecuzione delle procedure di calcolo che saranno considerate. Gli algoritmi sviluppati si baseranno, tutte le volte che ciò sarà possibile, sull’impiego di tecniche automatiche di calcolo e di stima. In altre parole, si darà la preferenza alle metodologie autonome di elaborazione dei dati e delle immagini acquisiti. Gli algoritmi di calcolo si dicono autonomi quando essi possono essere eseguiti senza la supervisione di un operatore, così da snellire e standardizzare le operazioni del segmento di terra. In generale, questo tipo di procedure di calcolo non richiede un’interazione complessa con l’operatore, la selezione di molti parametri d’ingresso o l’immissione manuale di grandi quantità di dati. Tra tutti gli algoritmi autonomi saranno preferiti quelli che richiederanno per la loro esecuzione la minore potenza di calcolo. Perciò, il secondo requisito che verrà considerato sarà connesso con la possibilità di ottenere procedure di calcolo che possano essere eseguite in tempo reale, sebbene questo sia considerato un requisito di minor importanza.


Pag. 10 / 96

Le attività del progetto trarranno vantaggio dall’utilizzazione del test-site di San Rossore (Pisa), in particolare per le fasi di simulazione dei dati PRISMA e di validazione dei prodotti del telerilevamento ottenuti con vari algoritmi.

Coerentemente con il bando ASI cui la presente proposta fa riferimento, le attività del progetto sono suddivise in due task, secondo lo schema di seguito illustrato.

1. TASK 1. Questo task contiene tutte le attività tecniche e di ricerca relative al progetto, come la simulazione dei dati PRISMA, lo sviluppo di nuovi algoritmi di calcolo, lo studio delle capacità applicative del sensore, etc.

2. TASK 2. Il bando richiede che lo staff tecnico del progetto eroghi a favore di ASI un’attività di consulenza tecnica, relativa alla missione PRISMA o anche ad altre missioni correlate. Quest’attività di consulenza deve essere considerata, almeno inizialmente, come un’attività tecnica ma non di ricerca. Per questa loro caratteristica di non contenere attività di ricerca, le attività del task 2 sono state aggregate con le attività manageriali e di coordinamento nella strutturazione a pacchetti del progetto e nella relativa WBS. Si noti che nell’attività di coordinamento vengono facilmente sintetizzati i principali risultati scientifici conseguiti nelle varie fasi del progetto, risultati che sono poi l’opus principale dell’attività di consulenza richiesta da ASI (task 2). Per questa ragione l’aggregazione delle due fasi (coordinamento del Progetto e consulenza / supporto ad ASI) in un unico pacchetto di lavoro facilita la comprensione della struttura del progetto ed appare una scelta descrittiva coerente.

Le sezioni seguenti del presente documento illustrano in dettaglio la proposta nei suoi aspetti, scientifici, metodologici e gestionali.


Pag. 11 / 96

2.3 ATTIVITÀ RELATIVE AL TASK 1

Pur considerando molte delle applicazioni inerenti all’osservazione della Terra, questa proposta è prevalentemente focalizzata sui seguenti obiettivi:

1. La caratterizzazione ottica e spettrale dell’atmosfera al fine di implementare procedure autonome, iterative per correggerne gli effetti sui dati acquisiti da PRISMA; l’autonomia delle procedure di elaborazione dei dati significa anche che si tenterà di minimizzare l’uso nei calcoli dei dati di calibrazione e validazione indipendenti dalle immagini telerilevate (ad esempio l’uso dei dati misurati in sito).

2. Lo studio e la caratterizzazione del sensore PRISMA, delle sue prestazioni e delle sue capacità diagnostiche ed applicative.

3. Il miglioramento delle tecniche di correzione, pre-processamento e ottimizzazione dei dati iperspettrali e pancromatici, e la loro fusione per ottenere immagini / dati sintetici di elevato valore aggiunto.

4. Lo studio dell’applicazione di PRISMA all’indagine ed il monitoraggio di particolari processi e fenomeni fisici di rilievo per molti rischi naturali (e.g. frane, inondazioni, etc)

A tal fine vengono qui di seguito dettagliate le attività che si intendono portare avanti durante il progetto.

2.3.1 COORDINAMENTO DEL PROGETTO E SUPPORTO ALL’ASI - WP 100

In questo Work Package si integrano le attività di coordinamento degli altri WP con il supporto al team di gestione di PRISMA. In particolare in questo WP si armonizzano le esperienze ed i risultati provenienti dagli altri WP facilitandone la diffusione e quindi permettendo di supportare al meglio le decisioni ASI.

A tal fine il coordinamento si concretizza nelle seguenti attività

1. Assistere il Responsabile del Progetto OPTIMA nei rapporti con l’ASI e con la comunità scientifica.

2. Assicurare la coerenza delle varie attività previste.

3. Coordinare il gruppo di scienziati, responsabili di ciascun WP, nell’analisi e nello sviluppo delle metodologie e nell’implementazione degli algoritmi identificati.

4. Curare la stesura dei report avvalendosi dei contributi elaborati e forniti da ciascun Responsabile di WP.

Le attività di supporto all’Agenzia Spaziale Italiana per la missione PRISMA sono dettagliate nella descrizione delle attività relative al task 2.

• ELENCO DEI PARTECIPANTI


Pag. 12 / 96

- Ivan Pippi (Responsabile del Progetto)

- Luciano Alparone (Responsabile di WP)

- Stefano Baronti (Responsabile di WP)

- Roberto Carlà (Responsabile di WP)

- Andrea Garzelli (Responsabile di WP)

2.3.2 SIMULAZIONE DATI - WP 200

Il problema della simulazione di dati acquisiti da un sensore ottico è comunemente affrontato nella progettazione di nuovi sensori per permetterne una valutazione delle potenzialità applicative introducendo eventuali correzioni prima della sua realizzazione [Aiazzi, 2001; Barducci, 1999;.Barducci, 2007; Huck, 1999; Kerekes, 2003; Park, 1999].

Durante la prima parte del progetto OPTIMA, in mancanza della disponibilità dei dati provenienti dalla missione PRISMA, verranno simulati dati ed immagini acquisiti dai sensori iperspettrale e pancromatico, al fine di verificare le potenzialità dei sensori e la funzionalità degli algoritmi che saranno messi a punto per migliorare la qualità dei prodotti di livello 1 e 2 alla luce delle applicazioni identificate dalla missione.

Le immagini simulate verranno quindi fornite come dati grezzi (per il livello 0), in unità di radianza al sensore (per il livello 1) e di riflettanza delle superfici osservate (per il livello 2). Particolare attenzione sarà dedicata alle caratteristiche strumentali dei sensori da includere nelle simulazioni ed alla quantificazione degli effetti introdotti dall’atmosfera terrestre.

La simulazione terrà conto dei requisiti delle applicazioni, delle modalità operative della missione e delle principali caratteristiche tecniche del sistema elettro-ottico. In particolare saranno considerati i seguenti parametri:

• Parametri operativi: • Caratteristiche orbitali del satellite (TLE previsti) • Angoli di puntamento in fase di acquisizione

• Parametri strumentali: • Dimensioni dell’area per ogni singola acquisizione • Numero di pixel ortogonali alla direzione di volo e lungo la direzione di volo • Campo di vista totale • Campo di vista istantaneo • Intervallo di campionamento spaziale • MTF del sistema ottico, integrazione sul pixel ed MTF globale • Bande spettrali: numero, posizione, ampiezza, forma • Caratteristiche spettrofotometriche dei mezzi dispersivi impiegati (i.e. reticolo di

diffrazione): o PSF dello spettrografo o effetto Smile o effetto Keystone

• Caratteristiche radiometriche dei rivelatori utilizzati e dell’elettronica di quantizzazione del segnale, anche al fine di quantificare le varie tipologie di rumore: o Shot noise o Errori di trasferimento delle cariche elettriche


Pag. 13 / 96

o Rumore fotonico o Smearing o Effetto gamma

• Rapporto segnale-rumore in funzione della lunghezza d’onda per un determinato albedo della superficie osservata.

• Quantizzazione del segnale

Il prodotto delle simulazioni consisterà in immagini iperspettrali e pancromatiche, corredate di dati ausiliari, rappresentative di tipici scenari e quindi di applicazioni della missione PRISMA. In ogni caso il prodotto iniziale delle simulazioni sarà costituito dai dati simulati di livello 0 (espressi in Digital Number, DN), a partire dai quali saranno poi stimati i prodotti di livello 1 e 2.

Si può notare come la procedura di simulazione delle immagini PRISMA ripercorra in ordine inverso tutti i passi normalmente eseguiti per generare i prodotti di livello 2 (e.g. mappe di riflettanza). Il punto di partenza della procedura sarà costituito da delle mappe di riflettanza al suolo, che potranno essere derivate da immagini telerilevate già disponibili (immagini naturali) o da mappe sintetiche di riflettanza (immagini sintetiche). Questi tra i prodotti del telerilevamento rappresentano dati di livello 2 che vengono posti all’ingresso dell’algoritmo di simulazione. Il primo passo dell’algoritmo sarà quello di degradare le mappe di riflettanza al suolo in ingresso aggiungendo tutti gli effetti atmosferici simulati per la regione geografica prescelta. La simulazione degli effetti atmosferici potrà essere eseguita mediante modelli e programmi di calcolo quali il Modtran 5. Al termine di questo passo iniziale saranno disponibili i dati PRISMA simulati di livello 1, cioè le immagini di radianza al sensore. La seconda parte del calcolo consisterà quindi nel simulare il campionamento spaziale e spettrale eseguito dai sensori PRISMA, in modo da stimare i prodotti di livello 0: le immagini grezze espresse in DN. Questa seconda parte del calcolo terrà in conto di tutte le caratteristiche tecniche del sensore, delle sue modalità di campionamento della radianza e dei vari fenomeni e artefatti elencati nella lista precedente. Si otterranno così simulazioni estremamente fedeli e raffinate delle immagini PRISMA.

La Figura 1 mostra lo schema generale delle elaborazioni dei dati eseguite nel WP 200 e la loro relazione ai risultati conseguiti nel WP 400. Si noti che nel caso della simulazione completa, nella quale vengono rigorosamente rappresentate tutte le caratteristiche tecniche di PRISMA senza approssimazioni, i dati in uscita dal WP 400 rappresentano anche una stima dei dati d’ingresso del WP 200. Questa circostanza offre la possibilità di eseguire una validazione parziale dei calcoli e degli algoritmi sviluppati nell’ambito dei due WP. Ovviamente le mappe di riflettanza stimate dal WP 400 devono essere compatibili (teoricamente identiche) con quelle date in ingresso agli algoritmi sviluppati nel WP 200.

Lo schema di elaborazione semplificata, prevede invece un adattamento di ipotetici dati iperspettrali telerilevati in ingresso (e.g. immagini acquisite dal sensore Hyperion, che come noto ha caratteristiche tecniche molto simili a quelle del sensore iperspettrale di PRISMA), che vengono resi il più possibile simili a quelli acquisiti da PRISMA. In questo caso il calcolo di adattamento eseguito nel WP 200 è semplificato e darà luogo a dati solo parzialmente rappresentativi di PRISMA. Tuttavia, questo schema di calcolo offrirà l’opportunità di usare in misura maggiore le immagini telerilevate per la simulazione dei dati di PRISMA.


Pag. 14 / 96

Fig. 1 diagramma di flusso delle attività di elaborazione dei dati nei WP 200 e WP 400. Lo schema mostra anche l’interazione tra i due WP nelle varie fasi di elaborazione dei dati.

A partire dalle immagini simulate di livello 0 potranno poi essere applicate le procedure del WP 300 per stimare i vari aspetti relativi alla qualità dei dati o le procedure del WP 400 per simulare i prodotti successivi dei dati telerilevati mediante i sensori PRISMA. Queste informazioni costituiranno anche l’ingresso degli altri WPs, ad esempio il WP500.

In particolare per ottenere questi prodotti si partirà da immagini sia “virtuali” (sintetiche) che “reali”; queste ultime acquisite da sensori aerospaziali iperspettrali aventi caratteristiche migliori / simili di / a quelle del sensore iperspettrale montato su PRISMA (per esempio CHRIS/Proba 1 e MIVIS). Queste immagini saranno scelte e generate tenendo conto del tipo e dell’accuratezza dei parametri da rilevare e quindi saranno elaborate (attraverso un ricampionamento spaziale e/o spettrale) tenendo conto dei parametri operativi e strumentali della missione PRISMA. La simulazione includerà anche gli effetti dovuti all’atmosfera terrestre considerando tipiche situazioni in cui si effettueranno le acquisizioni. Allo scopo di valutare gli effetti del discostamento dall’ipotesi di lambertianità delle superfici naturali, le immagini simulate saranno caratterizzate da scenari osservati secondo differenti geometrie di vista. Inoltre, saranno simulati e sovrapposti al segnale teorico le componenti stocastiche ed i vari disturbi, al fine di migliorare la verosimiglianza dei dati sintetici ottenuti.


Pag. 15 / 96

Nei primi mesi del progetto con tutti gli utilizzatori verrà deciso in dettaglio il tipo, il numero e le caratteristiche delle immagini e dei dati da fornire.

• Bibliografia di riferimento

B.Aiazzi, L.Alparone, A.Barducci, S.Baronti, I.Pippi. “Information-Theoretic Assessment of Sampled Hyperspectral Imagers”, IEEE Transactions on Geoscience and Remote Sensing, vol.39, n.7, pp.1447-1458, July 2001.

A.Barducci, I.Pippi. "Object Recognition by Edge Analysis: a Case Study” Optical Engineering, vol.38, n.2, pp.284-294, February 1999.

A.Barducci, D.Guzzi, P.Marcoionni, I.Pippi, “Assessing Noise Amplitude in Remote Sensing Images Using Bit-plane and Scatterplot Approaches”, IEEE Transactions on Geoscience and Remote Sensing, Vol.45(8), pp.2665-2675, 2007.

F.O. Huck, C.L. Fales, R. Alter-Ganterberg, S.K. Park, Z. Rahman, Information-theoretic assessment of sampled imaging systems, J. Opt. Eng. 38 (5) (1999) 742–762.

J.P. Kerekes and J.E. Baum, "Hyperspectral Imaging System Modeling", Lincoln Laboratory Journal, Vol. 14 (1), pp. 117-130, 2003

S.K. Park, Z. Rahman, Fidelity analysis of sampled imaging systems, J. Opt. Eng. 38 (5) (1999) 786–800.


- Luciano Alparone (Responsabile del WP 200)

- Ivan Pippi

- Alessandro Barducci

- Cinzia Lastri

- Vanni Nardino

2.3.3 QUALITÀ DEL DATO – WP 300

In questo campo sono state recentemente sviluppate varie metodologie per la verifica del modello segnale-rumore, per la stima dei parametri del rumore e del contenuto informativo (sotto certe ipotesi) delle immagini iperspettrali [Aiazzi, 2001; Aiazzi, 2002; Huck, 1999; Park, , 1999;Roger 1996; Aiazzi, 2006, Alparone, 2009]. Data la peculiarità dei sensori moderni, e quindi anche di PRISMA, in cui si può avere prevalenza del rumore fotonico (dipendente dal segnale e intrinseco del processo di acquisizione optoelettronico) rispetto a quello elettronico (indipendente dal segnale e suscettibile di ridursi con il progresso della tecnologia), è importante caratterizzare il modello ibrido di rumore risultante dalla sovrapposizione dei due effetti. In questa prospettiva lo studio verterà sulla valutazione della validità dei metodi sviluppati ai dati acquisiti (simulati) da


Pag. 16 / 96

PRISMA e riguarderà i seguenti aspetti strumentali: Noise modeling e Spectral and spatial evaluation.

La stima del modello segnale-rumore, dei parametri del rumore e delle MTF di sistema è fondamentale per gli algoritmi di denoising, di filtraggio inverso e per alcuni dei metodi più efficienti di pansharpening.

Responsabile di questo Work Package è Stefano Baronti

2.3.3.1 NOISE MODELING – WP 310

Gli aspetti specifici che saranno oggetto dell’attività riguardano:

• Metodo per la verifica del modello segnale-rumore del sensore;

• Determinazione della qualità delle immagini basata su misure oggettive dei parametri che caratterizzano il rumore e di indici globali quali il SNR;

• Valutazione della possibilità di stimare la quantità d'informazione contenuta nei dati iperspettrali alla luce del modello segnale-rumore del sensore [Aiazzi, 1999; Aiazzi 2001b; Alparone 2009; Aiazzi, 2001; Aiazzi, 2002; Aiazzi, 2006].


B. Aiazzi, P. Alba, L. Alparone, S. Baronti, Lossless compression of multi/hyper-spectral imagery based on a 3-D fuzzy prediction, IEEE Trans. Geosci. Remote Sensing 37 (5) (1999) 2287–2294.

B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, I. Pippi, Information-theoretic assessment of sampled hyperspectral imagers, IEEE Trans. Geosci. Remote Sensing 39 (7) (2001) 1447–1458.

B. Aiazzi, L. Alparone, S. Baronti, Near-lossless compression of 3-D optical data, IEEE Trans. Geosci. Remote Sensing 39 (11) (2001b) 2547–2557.

B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, I. Pippi, Estimating noise and information of multispectral imagery, J. Opt. Eng. 41 (3) (2002) 656–668.

B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, P. Marcoionni, I. Pippi, M. Selva, “Noise modelling and estimation of hyperspectral data from airborne imaging spectrometers”, Annals of Geophysics, Vol. 49, No. 1, pp. 1-9, February 2006.

L. Alparone, M. Selva, B. Aiazzi, S, Baronti, L. Chiarantini and F. Butera, Signal-Dependent Noise Modelling and Estimation of New-Generation Imaging Spectrometers, first international Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing, 26-29 August 2009, Grenoble, France.

F.O. Huck, C.L. Fales, R. Alter-Ganterberg, S.K. Park, Z. Rahman, Information-theoretic assessment of sampled imaging systems, J. Opt. Eng. 38 (5) (1999) 742–762.


R.E. Roger, J.F. Arnold, Reliably estimating the noise in AVIRIS hyperspectral images, Int. J. Remote Sensing 17 (10) (1996) 1951–1962.


Pag. 17 / 96



- Bruno Aiazzi

- Ivan Pippi

- Stefano Baronti

- Cinzia Lastri

- Massimo Selva

2.3.3.2 CARATTERISTICHE SPAZIALI E SPETTRALI – WP 320

La disponibilità di due immagini a risoluzione sensibilmente diversa e con sovrapposizione spettrale, anche se parziale, rende possibile applicare metodi di stima delle MTF [ Delvit, 2004; Ltry, 2004] spaziali dei canali iperspettrali dai dati osservati. Verrà quindi considerato il problema della stima della MTF di sistema a partire dai dati osservati. La MTF verrà utilizzata per il pansharpening e per la verifica dell’aliasing introdotto.


J-M. Delvit, D. Leger, S. Roques, C. Valorge, Modulation transfer function estimation from nonspecific images Opt. Eng. 43(6) 1355–1365, June 2004.

C Latry, V Despringre, C Valorge, Automatic MTF measurement through a least square method", 2004, Proceedings of SPIE 5570, p. 233 (2004).



- Stefano Baronti (Responsabile del WP 320)

- Bruno Aiazzi

- Luciano Alparone

- Cinzia Lastri

- Massimo Selva

2.3.4 OTTIMIZZAZIONE DEI PRODOTTI DI LIVELLO 1 E 2 – WP 400


Pag. 18 / 96

Al fine di essere utilizzati per le varie applicazioni previste dalla missione PRISMA, i dati acquisiti dal sensore iperspettrale e dalla camera pancromatica dovranno essere pre-elaborati al fine di ottenere le immagini di radianza al sensore e quelle di riflettanza spettrale al suolo. Le uscite del WP 400, cioè i dati suddetti, rappresenteranno le informazioni basilari in ingresso agli altri WP e più in generale le immagini in ingresso per lo sviluppo delle varie applicazioni relative all’osservazione della Terra.

I dati in ingresso a questo WP saranno costituiti dalle immagini PRISMA simulate nell’ambito del WP 200 e dalle immagini naturali acquisite dai sensori nella fase operativa della missione. Le elaborazioni dei dati eseguite nel WP 200 e nel WP 400 sono in parte interdipendenti, e si può mostrare che in genere le immagini in uscita dal WP 400 (mappe di riflettenza al suolo di livello L2) sono anche una stima dei dati di ingresso al WP 200. In questo modo è possibile validare reciprocamente i risultati conseguiti nei due WP. La precedente Figura 1 offre uno schema della sequenza complessiva di elaborazione dei dati che riguarda il WP 200 ed il WP 400.

Responsabile di questo Work Package è Ivan Pippi; il WP 400 si articola in due sotto pacchetti di lavoro, denominati WP 410 (Correzione Radiometriche) e WP 420 (Correzioni Atmosferiche).

2.3.4.1 CORREZIONI RADIOMETRICHE – WP 410

Nella catena di elaborazione dei dati telerilevati il primo passo da effettuare è la conversione dei dati acquisiti (il segnale digitalizzato dal convertitore di solito espresso in digital number) in unità fisiche di radianza al sensore. Ciò comporta che siano determinati i valori della corrente di buio del sensore insieme ai coefficienti di guadagno per ogni elemento fotosensibile che compone il sensore utilizzato. Una descrizione abbastanza completa della procedura di calibrazione radiometrica è discussa in Barducci et al. (2008). Inoltre, potrà essere applicata la correzione di un possibile effetto gamma e di altre non linearità nella risposta del rivelatore selezionato (si veda anche Davis et al, 2002). Si noti che il payload di PRISMA comprende anche un’unità di calibrazione che permetterà di verificare la calibrazione del sensore iperspettrale durante la missione. Tale calibrazione potrà essere affiancata e verificata effettuando una procedura di calibrazione vicaria utilizzando, ad esempio, il nostro sito di calibrazione/validazione situato all’interno del Parco di San Rossore (Pisa).

La procedura di correzione radiometrica dei dati conterrà una fase di rimozione del rumore spazialmente e spettralmente coerente tipico dei sensori iperspettrali in configurazione pushbroom, anche noto come striping. A questo scopo verrà considerata una procedura classica di destriping sviluppata in precedenza presso il CNR-IFAC e descritta in Barducci and Pippi (2001). Saranno inoltre investigati gli effetti delle possibili non linearità caratteristiche della risposta radiometrica del rivelatore (effetto gamma) sul fenomeno di striping. Ciò potrebbe comportare la necessità di un adattamento dell’algoritmo di correzione dei dati. La stima dei profili di sensibilità radiometrica relativa del rivelatore potrà essere dedotta a partire dalle sole immagini telerilevate (simulate) usando un metodo di stima autonomo molto efficace che non richiede la loro misura in laboratorio (impiegando sfere integratrici ed altre apparecchiature molto sofisticate). Come risulta dalla letteratura scientifica relativa a questo argomento, l’algoritmo di destriping suddetto è stato già impiegato producendo risultati ottimali sia sui immagini acquisite da sensori aerei (e.g. VIRS e HYPER-SIMGA), sia su immagini acquisite da satellite (e.g. CHRIS-PROBA), come mostrato in Gómez-Chova et al. (2008). Un ulteriore aspetto di rilievo connesso con questa procedura di destriping è costituito dal fatto che questa non richiede misure di calibrazione particolarmente accurate da effettuare in laboratorio prima del lancio o in volo durante la fase operativa. Inoltre, l’implementazione dell’algoritmo è costituita da una procedura autonoma di elaborazione dei dati, che non richiede l’intervento di alcun


Pag. 19 / 96

operatore per l’immissione di dati, la scelta di parametri di elaborazione, etc (Barducci and Pippi, 2001).

Successivamente alla rimozione dello striping e del segnale medio di buio, il segnale risultante sarà trasformato in unità fisiche di radianza al sensore, usando un modello parametrico (funzione matematica) in grado di rappresentare la relazione di I/O del sensore stesso. Allo stato attuale si pensa alla possibilità di implementare la correzione di un possibile effetto gamma introdotto dal rivelatore. Tuttavia, l’espressione matematica definitiva del modello di I/O da considerare sarà oggetto di indagine nell’ambito del presente progetto. A questo scopo verranno considerate anche esperienze analoghe relative ad altri sensori con caratteristiche tecniche simili. L’intera procedura di calibrazione radiometrica e rimozione dello striping sarà testata usando le immagini sintetiche generate nell’ambito del WP 200. Successivamente la stessa procedura sarà applicata alle immagini naturali acquisite da PRISMA.

Dal punto di vista metodologico si cercherà di utilizzare proficuamente la caratteristica di PRISMA i cui due strumenti (la camera pancromatica ed il sensore iperspettrale) condividono le stesse ottiche d’ingresso. Naturalmente questa circostanza migliora la comparabilità della risposta radiometrica dei due sensori e rende teoricamente possibile un’analisi incrociata dei loro fattori di calibrazione. La comparazione dei segnali ottenuti dai due sensori richiederà la generazione di dati di confronto mediante:

• Integrazione spaziale dei dati pancromatici

• Integrazione spettrale dei dati iperspettrali

In questo modo sarà possibile eseguire un’analisi comparativa della risposta radiometrica dei due sensori, anche se si ritiene che la grande larghezza di banda del canale pancromatico genererà problemi di ordine pratico nello svolgimento di tale analisi. Eventualmente, questo problema potrà essere mitigato utilizzando acquisizioni di bersagli (suoli, rocce, sabbie, etc) aventi una debole caratterizzazione spettrale (bersagli grigi). Nella sua forma più semplice, l’analisi comparativa consiste in una validazione incrociata della calibrazione radiometrica dei due strumenti. In questo caso si parte dal presupposto, valido in particolare per PRISMA, che la radianza al sensore misurata dai due rivelatori debba necessariamente essere identica. In pratica, si dovrà verificare che i dati di confronto ottenuti mediante la camera pancromatica ed il sensore iperspettrale, attraverso la procedura di ricampionamento suddetta, dovranno essere uguali entro i limiti dell’errore sperimentale. Questo tipo di validazione però non offrirà la garanzia totale della correttezza della calibrazione radiometrica dei due strumenti. Si noti anche, che l’esecuzione delle operazioni di integrazione spaziale ed integrazione spettrale dei dati acquisiti dai due sensori richiederà la conoscenza delle corrispondenti curve di sensibilità spaziale (per la camera pancromatica) e spettrale (per il sensore iperspettrale).

Durante lo svolgimento del progetto si valuterà dal punto di vista tecnico l’opportunità di ricorrere a fasi di calibrazione incrociata, in particolare per il sensore iperspettrale per il quale la disponibilità di dati di calibrazione radiometrica di qualità elevata è una circostanza di grande importanza. I sensori esterni in grado di fornire informazioni di calibrazione radiometrica incrociata saranno individuati durante le attività del WP 410, anche se è già possibile indicare una lista parziale di candidati: AVIRIS, MIVIS, HYPER-SYMGA, VIRS-200, ALISEO.

Infine, sarà sviluppato un algoritmo di calibrazione radiometrica in grado di utilizzare i dati ancillari misurati attraverso il calibratore di bordo. Allo stato attuale è noto che tale calibratore permetterà al sistema ottico di osservare la radiazione solare in arrivo, dunque i fattori di calibrazione potranno essere dedotti direttamente dalla conoscenza dello spettro della radianza solare (cioè dalla costante solare). Si noti a questo proposito che è stata accumulata nel corso di oltre un secolo una conoscenza approfondita del campo di radiazione solare, sia per quanto


Pag. 20 / 96

riguarda la potenza emessa, sia per la sua composizione spettrale. Sarà necessario introdurre le piccole correzioni per tener conto dell’eccentricità dell’orbita terrestre e delle fluttuazioni stocastiche della potenza elettromagnetica irraggiata dal Sole. Tali fluttuazioni possono essere dovute a diversi fenomeni solo in parte noti, quali i fenomeni eliosismici, le instabilità cromosferiche e coronali nella struttura del campo magnetico solare (in grado di produrre i brillamenti), la presenza di macchie solari (fotosfera solare), etc. Si veda a questo proposito i seguenti lavori: Javaraiah et al. (2009), e Bertello and Caccin (1988). Nello sviluppo degli algoritmi per la calibrazione radiometrica basata sui dati ancillari (del calibratore di bordo) sarà considerata l’esperienza scientifica maturata in missioni spaziali recenti; ad esempio quella di MODIS (Sun et al. 2007).

È giusto notare che la procedura di calibrazione radiometrica dovrà essere applicata a dati già depurati dagli effetti dello striping, che potrebbe dar luogo ad errori nel calcolo dei fattori di calibrazione. Inoltre, la potenza della componente aleatoria del rumore additivo nel segnale di entrambi i sensori potrà essere stimata con accuratezza anche utilizzando solo le immagini telerilevate, rinunciando all’uso di dati di calibrazione. Le procedure e gli algoritmi utili a questo scopo sono stati descritti in Barducci et al. (2007).

Si noti infine che anche in questo WP si tenterà di realizzare, ove possibile, procedure di calcolo autonome, che non richiedano alcuna interazione con l’operatore, e che possano essere eseguite in tempo reale.


A. Barducci, I. Pippi “Analysis and rejection of systematic disturbances in hyperspectral remotely sensed images of the Earth”, Applied Optics, vol. 40, No. 9, pp.: 1464 – 1477, (2001)

L. Gómez-Chova, L. Alonso, L. Guanter, G. Camps-Valls, J. Calpe, and J. Moreno, "Correction of systematic spatial noise in push-broom hyperspectral sensors: application to CHRIS/PROBA images," Appl. Opt. Vol. 47, No. 28, F46-F60 (2008)

C. O. Davis, J. Bowles, R. A. Leathers, D. Korwan, T. V. Downes, W. A. Snyder, W. J. Rhea, W Chen, J. Fisher, W. P. Bissett, and R. A. Reisse, “Ocean PHILLS hyperspectral imager: design, characterization, and calibration”, Optics Express, Vol. 10, No. 4 (2002)

A. Barducci, F. Castagnoli, G. Castellini, D. Guzzi, P. Marcoionni, I. Pippi, “The Aerospace Imaging Interferometer ALISEO: Further Improvements of Calibration Methods and Assessment of Interferometer Response”, XXI Congress of the International Society for Photogrammetry and Remote Sensing (ISPRS 2008), Pechino (Cina), 3 - 11 July 2008. In stampa

J.-Q. Sun, X. Xiong, W. L. Barnes, and B. Guenther, “MODIS reflective solar bands on-orbit lunar calibration”, IEEE Trans. On Geosci. Rem. Sens., vol. 45, No. 7, (2007)

J. Javaraiah, R. K. Ulrich, L. Bertello, J. E. Boyden, “Search for Short-Term Periodicities in the Sun's Surface Rotation: A Revisit”, Solar Physics, Vol. 257, No. 1, 61-69, (2009)

L. Bertello, B. Caccin, “On the diagnostic of 5m oscillations through photospheric line profiles”, In ESA, Seismology of the Sun and Sun-Like Stars p 17-20, SEE N89-25819 19-92 (1988)

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi, “Assessing Noise Amplitude in Remote Sensing Images Using Bit-plane and Scatterplot Approaches”, IEEE Transactions on Geoscience and Remote Sensing, Vol.45(8), pp.2665-2675, 2007.


Pag. 21 / 96


- Alessandro Barducci (Responsabile del WP 410)

- Ivan Pippi

- Donatella Guzzi

- Cinzia Lastri

2.3.4.2 CORREZIONI ATMOSFERICHE – WP 420

La correzione degli effetti atmosferici rappresenta uno dei passi più delicati di tutta la catena di pre-elaborazione delle immagini iperspettrali. Il livello di qualità di tutti i prodotti del telerilevamento dipende in modo fondamentale dalla disponibilità di una procedura ottimale di correzione degli effetti atmosferici, come indicato da Tanre et al. (1981). L’algoritmo di correzione di tali effetti è importante per due aspetti indipendenti, come specificato nella lista seguente.

1. La correzione degli effetti atmosferici conduce direttamente alla disponibilità dei dati di livello 2, cioè delle mappe di riflettanza o di emissività del suolo. Questo tipo di informazione a sua volta costituisce il punto di partenza per l’elaborazione di mappe tematiche, la stima dell’abbondanza di sostanze o materiali, etc.

2. Una buona correzione degli effetti atmosferici richiede la conoscenza dell’abbondanza dei costituenti atmosferici aventi mixing-ratio non costante (e.g. ozono, ossidi di carbonio, H2O, aerosol, etc). A questo proposito la verifica positiva (validazione) delle mappe di riflettanza risultanti dalle correzioni atmosferiche per una data parametrizzazione dell’atmosfera, costituisce anche una determinazione indiretta delle caratteristiche locali dell’atmosfera. In altre parole la disponibilità di correzioni ottimali degli effetti atmosferici ha come sottoprodotto la stima dei principali parametri atmosferici, che rappresenta il secondo aspetto collegato con le correzioni atmosferiche (Barducci et al., 2004).

Da un punto di vista metodologico si evidenziano i seguenti due aspetti principali che saranno adottati nello svolgimento delle attività del progetto.

• L’uso della versione più recente del programma Modtran per la simulazione completa degli effetti atmosferici. Attualmente, l’Istituto proponente (C.N.R.-I.F.A.C.) dispone in virtù di un accordo con AFRL di questo SW nella versione 5.2.11. Si noti che questo modello di simulazione del trasferimento radiativo all’interno dell’atmosfera terrestre è quello più completo e sofisticato attualmente disponibile, come mostrato da Berk et al. (2005). Rispetto alle versioni precedenti del Modtran la risoluzione spettrale delle simulazioni è aumentata dal livello iniziale di 1 cm-1, già disponibile nel Modtran 4, al livello attuale di 0.1 cm-1. Si noti anche che il Modtran è il codice di simulazione avente il più ampio intervallo spettrale di funzionamento, che riesce a coprire anche la regione dell’infrarosso termico. Si noti infine come implementazioni alternative di modelli di propagazione elettromagnetica nell’atmosfera terrestre (e.g. 6S, si veda Vermote et al., 1997) o interfacce semplificate di precedenti versioni del Modtran (e.g. Flaash) abbiano fornito nel passato recente risultati significativamente peggiori di quelli ottenuti con la versione 5.2.11 Modtran.

• Conformemente alle scelte metodologiche e tecniche caratteristiche della presente proposta sarà data la precedenza ad algoritmi di tipo autonomo per le fasi di calcolo e correzione dei dati.


Pag. 22 / 96

Le attività relative allo sviluppo di algoritmi di correzione e di stima degli effetti atmosferici si baseranno su due caratteristiche tecniche principali qui di seguito descritte.

1. La disponibilità presso l’Istituto proponente di una libreria di funzioni in grado di codificare e decodificare i dati di ingresso e uscita del programma Modtran, per le versioni dalla 3.5 fino alla 5.2 (ad esempio gli archivi TAPE5 e TAPE6). Questa libreria è stata interamente codificata usando i linguaggi C e C++ ed è stata testata usando tre versioni successive del Modtran. La libreria, denominata anch’essa Modtran, fa parte di una libreria di funzioni di pre-trattamento delle immagini telerilevate sviluppata presso il nostro Istituto e denominata Geolib. La disponibilità di questa libreria di funzioni permette ai codici di calcolo sviluppati presso i nostri laboratori di utilizzare direttamente il SW Modtran nella versione disponibile, senza che l’operatore debba preoccuparsi della generazione manuale dei dati d’ingresso (TAPE5), dell’esecuzione del Modtran ed infine della formattazione dei dati d’uscita compatibile con un programma di calcolo assegnato. I metodi di calcolo presenti nella libreria in questione sono in grado di determinare autonomamente la maggior parte dei parametri d’ingresso del Modtran, decodificando automaticamente le informazioni contenute nel file header associato all’immagine da elaborare (e.g. il formato hdf caratteristico del SW Envi). In questo modo i metodi della libreria determinano il campionamento spettrale richiesto ai dati di uscita del Modtran, le coordinate geografiche, l‘orario e la data dei calcoli. Inoltre vengono determinate autonomamente l’altezza del sensore e i vari parametri geometrici della simulazione atmosferica. I restanti parametri d’ingresso (e.g. il modello di banda d’assorbimento) possono essere raccolti in file di ingresso al programma di correzione degli effetti atmosferici, ottenendo così delle procedure di calcolo autonome, che richiedono un’interazione modesta con l’operatore.

2. La disponibilità di un algoritmo autonomo basato sulla libreria Modtran dedicato alla correzione degli effetti atmosferici nelle immagini tele rilevate, si veda anche Guzzi et al. (2009). Questo algoritmo risolve il secondo grande problema insito nello sviluppo di una procedura autonoma: quello della stima automatica dell’abbondanza dei principali assorbitori atmosferici a mixing ratio variabile. Si tratta, come noto, prevalentemente degli ossidi di carbonio, dell’ozono, del vapore acqueo e del metano. Un altro parametro di grande rilievo in genere sconosciuto è rappresentato dal carico di aerosol, che influenza pesantemente la visibilità atmosferica. L’algoritmo di correzione disponibile è in grado, usando la libreria Modtran, di eseguire autonomamente l’omonimo programma di calcolo per la simulazione degli effetti atmosferici. In questo modo il Modtran viene eseguito più volte iterativamente, al fine di determinare l’insieme dei parametri atmosferici (visibilità ed abbondanza degli assorbitori) che danno luogo alla migliore correzione atmosferica. La principale innovazione insita in questo algoritmo è costituita oltre che dalla sua struttura, anche dai parametri selezionati per misurare la bontà della correzione atmosferica ottenuta. In particolare, l’algoritmo cerca di determinare la correzione atmosferica che:

a. meglio approssimi i dati di verità al suolo eventualmente disponibili, in termini di irradianza solare al suolo e di spettro di riflettanza di aree del terreno.

b. dia luogo a spettri di riflettanza il più possibile costanti nelle bande di assorbimento delle righe di Fraunhofer telluriche. Si noti che un eventuale errore nella selezione delle abbondanze degli assorbitori si riverbera sullo spettro di riflettanza stimato lasciando un eccesso di assorbimento o un’emissione residua in corrispondenza della riga studiata. Naturalmente i residui delle righe di Fraunhofer telluriche se presenti negli spettri di riflettanza stimati rappresentano sempre degli artefatti, dovuti ad errori nella procedura di correzione.

I parametri suddetti vengono composti matematicamente per dar luogo ad una quantità scalare che rappresenta il costo nell’algoritmo di correzione automatica. Quindi, l’algoritmo di correzione esegue una procedura di ottimizzazione numerica avente vari parametri liberi, con lo scopo di


Pag. 23 / 96

determinare la combinazione dei loro valori che minimizza il costo. A questo scopo è stata selezionata una procedura di minimizzazione autonoma molto efficace, in grado di calcolare il minimo vincolato relativo della funzione di costo (il vincolo viene applicato mediante il metodo della penalizzazione esatta). In questo modo si è ottenuto un algoritmo di correzione sostanzialmente autonomo, in grado di determinare automaticamente le principali caratteristiche ottiche dell’atmosfera terrestre. Una descrizione completa di questo algoritmo può essere trovata in Barducci et al. (2007).

L’algoritmo autonomo di calcolo (vedi punto 2 della lista precedente) deve ancora essere ottimizzato e migliorato al fine di:

• ridurre i tempi di calcolo richiesti (attualmente dell’ordine di 12 h)

• migliorare l’accuratezza dei risultati conseguiti relativamente alla stima delle abbondanze degli assorbitori (attualmente compresa tra 1% e 10% a seconda del parametro considerato)

• ridurre l’effetto introdotto da possibili errori nella conoscenza della funzione di sensibilità spettrale dei vari canali spettrali del sensore

Gli sviluppi tecnici relativi ai punti precedenti, assieme alle attività di test dell’algoritmo e dei suoi risultati costituiranno una parte fondamentale delle attività di progetto relative al WP 420. Naturalmente sarà anche necessario apportare alcuni adattamenti alla procedura di calcolo per ottimizzare la sua compatibilità con le caratteristiche tecniche del sensore considerato (PRISMA).

Le attività di sviluppo dell’algoritmo di correzione e di testing dei suoi risultati trarranno vantaggio dall’utilizzazione dell’area di test localizzata nel Parco di San Rossore – Migliarino – Massaciuccoli. Si tratta, come noto, di un’area di test che il nostro Istituto ha attrezzato ed ha studiato approfonditamente a partire dal 1999. Per quest’area sono disponibili lunghe serie storiche di dati iperspettrali telerilevati (e.g. una serie lunghissima di acquisizioni CHRIS-PROBA; circa 12 acquisizioni / anno), affiancate alla conoscenza dettagliata dell’area ed alla disponibilità di dati misurati in loco (dati di temperatura atmosferica, flussi di CO2, irradianza down-welling, misure lidar nella bassa atmosfera, etc).


D. Tanre, M. Herman, and P. Y. Deschamps, “Influence of the background contribution upon space measurements of ground reflectance”, Applied Optics, vol. 20, No. 20, 3676-3684 (1981)

D. Guzzi, A. Barducci, P. Marcoionni, I. Pippi, “An Atmospheric Correction Iterative Method for High Spectral Resolution Aerospace Imaging Spectrometers”, 2009 IEEE International Geoscience and Remote Sensing Symposium (IGARSS 2009), Cape Town (South Africa), 13 - 17 July 2009. In press

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi, “An atmospheric correction iterative method for very high resolution aerospace imaging spectrometers”, 2007 SPIE Europe International Symposium on Remote Sensing, Firenze (Italy), September 2007. Proc. SPIE, vol. 6745, 674517 (2007); doi:10.1117/12.739278

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi, “Algorithm for the Retrieval of Columnar Water Vapour from Hyperspectral Remotely Sensed Data”, Applied Optics, vol.43, n.29, pp.5552 - 5563, (2004)


Pag. 24 / 96

A. Berk, G. P. Anderson, P. K. Acharya, L. S. Bernstein, M. Fox, “MODTRAN5: A Reformulated Atmospheric Band Model with Auxiliary Species and Practical Multiple Scattering Options”, Proc. SPIE, Vol. 5806, 662 (2005); doi:10.1117/12.606026

E. F. Vermote, D. Tanré, J. L. Deuzé, M. Herman, and J.-J. Morerette, “Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: an overview”, IEEE Trans. Geosci. Rem. Sens., vol. 35, No. 3 (1997)

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi, “Overview of CHRIS acquisitions over San Rossore as a tool for integrated observation of the environment at regional scale”, 4th CHRIS / PROBA Workshop, ESRIN, Frascati (I), 19-21 September (2006)


• Donatella Guzzi (Responsabile del WP 420)

• Ivan Pippi

• Alessandro Barducci

• Nardino Vanni

2.3.5 ELABORAZIONE ED INTEGRAZIONE DEI DATI – WP 500

Responsabile di questo Work Package è Andrea Garzelli

2.3.5.1 DATA FUSION– WP 510

La missione PRISMA prevede l’acquisizione contemporanea di un’immagine pancromatica (PAN) con SSI presumibile di 5m e di una iperspettrale (IPER) con SSI presumibile di 30m della stessa area. Tale concomitanza rende estremamente interessante affrontare e valutare algoritmi che permettano di ottenere un miglioramento della risoluzione spaziale dell’immagine iperspettrale con tecniche di pansharpening che sono ormai comunemente utilizzate per immagini PAN e multispettrali (MS) [Tu, 2004; Aiazzi, 2002; Núñez, 1999; Ranchin, 2000; Aiazzi, 2007; Gonzáles Audícana, 2004;. Aiazzi, 2006]. IFAC ha sviluppato algoritmi di fusione dati per MS e PAN che sono stati riconosciuti a livello internazionale (miglior algoritmo per la fusione di dati simulati di Pleiades per le bande nel visibile nel progetto organizzato da CNES [Baronti, 2003] e miglior algoritmo in assoluto nel Data Fusion Contest organizzato da IEEE-DFC nel 2006 [Alparone, 2007]). Date le caratteristiche spaziali e spettrali dei due sensori sarà necessario affrontare i seguenti aspetti:

• valutare tecniche di fusione che permettano di operare con rapporti di scala 1:6 (5m/30m) il che esclude in tal caso metodi di tipo wavelet in quanto tali tecniche operano per fattori di scala che sono potenza di 2;

• valutare l’efficacia di tali tecniche per rapporti di scala da 1:4 fino a 1:12 per SSI delle immagini diversi;

• valutare modelli di iniezione dei dettagli spaziali efficaci tenendo conto della correlazione dell’immagine IPER con l’immagine PAN e ipotizzando un modello che sia valido per le bande IPER che non presentano una sovrapposizione spettrale con l’immagine PAN;

• valutare modelli di iniezione che preservino quanto più possibile la qualità dei dati iperspettrali fusi e in particolare l’SNR dell’immagine fusa;


Pag. 25 / 96

• estendere alle immagini iperspettrali fuse i protocolli di valutazione comunemente adottati per immagini MS e PAN [Alparone 2004; Alparone, 2008].


B. Aiazzi, L. Alparone, S. Baronti, and A. Garzelli, “Context-driven fusion of high spatial and spectral resolution data based on oversampled multiresolution analysis,” IEEE Trans. Geosci. Remote Sens., vol. 40, no. 10, pp. 2300–2312, Oct. 2002. B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, and M. Selva, “MTF tailored multiscale fusion of high-resolution MS and pan imagery,” Photogramm. Eng. Remote Sens., vol. 72, no. 5, pp. 591–596, May 2006. B. Aiazzi, S. Baronti, and M. Selva, “Improving component substitution Pansharpening through multivariate regression of MS+pan data,” IEEE Trans. Geosci. Remote Sens., vol. 45, no. 10, pp. 3230–3239, Oct. 2007. L. Alparone, L. Wald, J. Chanussot, C. Thomas, P. Gamba, and L. Mann Bruce, “Comparison of Pansharpening algorithms: Outcome of the 2006 GRS-S data-fusion contest,” IEEE Trans Geosci. Remote Sens., vol. 45, no. 10, pp. 3012–3021, Oct. 2007. L. Alparone, S. Baronti, A. Garzelli, and F. Nencini, “A global quality measurement of pan-sharpened multispectral imagery,” IEEE Geosci. RemoteSens. Lett., vol. 1, no. 4, pp. 313–317, Oct. 2004. L. Alparone, B. Aiazzi, S. Baronti, A. Garzelli, F. Nencini, and M. Selva, “Multispectral and panchromatic data fusion assessment without reference,” Photogramm. Eng. Remote Sens., vol. 74, no. 2, pp. 193– 200, Feb. 2008.

S. Baronti, B. Aiazzi, L. Alparone, “Pan-sharpening of very-high resolution multispectral images via generalised Laplacian pyramid fusion,” Bulletin de la SFPT (French Society of Photogrammetry and Remote Sensing), Special Issue on CNES-CCT Workshop “Méthodes de fusion multi-résolution pour la synthèse d’images”, Bulletin. 169 (2003-1), pp. 17-25, 2003.

M. Gonzáles Audícana, J. L. Saleta, R. García Catalán, and R. García, “Fusion of multispectral and panchromatic images using improved IHS and PCA mergers based on wavelet decomposition,” IEEE Trans. Geosci. Remote Sens., vol. 42, no. 6, pp. 1291–1299, Jun. 2004. J. Núñez, X. Otazu, O. Fors, A. Prades, V. Palà, and R. Arbiol, “Multiresolution-based image fusion with additive wavelet decomposition,”IEEE Trans. Geosci. Remote Sens., vol. 37, no. 3, pp. 1204–1211, May 1999. T. Ranchin and L. Wald, “Fusion of high spatial and spectral resolution images: The ARSIS concept and its implementation,” Photogramm. Eng., Remote Sens., vol. 66, no. 1, pp. 49–61, Jan. 2000. T.-M. Tu, P. S. Huang, C.-L. Hung, and C.-P. Chang, “A fast intensity–hue–saturation fusion technique with spectral adjustment for IKONOS imagery,” IEEE Geosci. Remote Sens. Lett., vol. 1, no. 4, pp. 309–312, Oct. 2004.



Pag. 26 / 96

- Stefano Baronti (Responsabile del WP 510)

- Bruno Aiazzi

- Luciano Alparone

- Andrea Garzelli

- Massimo Selva

2.3.5.2 FEATURE EXTRACTION & UNMIXING–WP520

I sensori iperspettrali permettono di campionare densamente le firme spettrali dei vari tipi di materiali e classi di copertura al suolo, migliorando la discriminazione fra classi simili rispetto ai tradizionali sensori multispettrali. L’elevato numero N di bande spettrali ha tuttavia un impatto diretto sull’analisi dei dati, sui tempi di elaborazione e sulla scelta di un’opportuna rappresentazione del dato che consenta di evidenziare, nello spazio N-dimensionale, delle strutture intrinsecamente significative dal punto di vista informativo.

La soluzione classica a questo problema consiste nell’estrazione di un numero di caratteristiche, in numero ridotto rispetto alla dimensione spettrale del dato originale. Piuttosto che seguire questo approccio, ovvero selezionare le caratteristiche più informative tra quelle misurate dal sensore, il progetto si propone di verificare l’efficacia delle moderne tecniche di manifold learning (trasformazioni non-lineari di riduzione della dimensionalità) sui dati della missione PRISMA. Tali tecniche fanno parte delle metodologie che operano una trasformazione nonlineare dello spazio originale [Van der Maaten, 2009, Burges 2005, Venna 2007]. L’obiettivo è determinare una rappresentazione del dato iperspettrale avente una dimensione corrispondente alla dimensionalità intrinseca del dato stesso [Fukunaga, 1990].

Da un punto di vista matematico, si intende per manifold uno spazio matematico astratto che a scala sufficientemente piccola si può ricondurre ad uno spazio Euclideo di una certa dimensione, detta manifold dimension. Perciò ciascun punto di un manifold n-dimensionale ha un intorno in cui si può definire un omeomorfismo con uno spazio euclideo di dimensione n, ovvero una corrispondenza biunivoca fra due spazi topologici che ne preserva la topologia.

Nel campo dell’elaborazione di dati telerilevati, in particolare di immagini iperspettrali, l’obiettivo principale delle tecniche di manifold learning consiste nel mappare i dati a dimensione ridotta rispetto a quella di partenza, allo scopo di svolgere un’analisi migliore e più efficace, mantenendo al contempo le caratteristiche topologiche (spettrali) originali [Bachmann 2005, Bachmann 2006].

Saranno prese in considerazione le seguenti tecniche non-lineari di riduzione della dimensionalità: Kernel PCA [Scholkopf, 1998], ISOMAP [Tenenbaum et al., 2000], Maximum Variance Unfolding [Weinberger et al., 2004], oltre ovviamente, per opportuno confronto, alle classiche tecniche lineari di riduzione della dimensionalità, Independent component analysis (ICA) e Principal component analysis (PCA). L’efficacia delle tecniche sarà valutata in relazione a specifici requisiti funzionali alle applicazioni su dati PRISMA individuate nell’ambito del progetto.

Il WP520 affronterà parallelamente il problema dell’unmixing spettrale dei dati PRISMA che è strettamente connesso con la rappresentazione del dato tramite opportune trasformazioni spettrali. Tralasciando gli effetti atmosferici e strumentali [Gaddis et al., 1996], possiamo vedere come il segnale rilevato dal sensore iperspettrale ad una data banda e ad un dato pixel sia un


Pag. 27 / 96

mixing (miscela) di energie riflesse dalle sostanze costituenti, che si trovano nello spazio coperto dal pixel [Healey and Slater, 1999]. A seconda della scala di mixing ad ogni pixel, le combinazioni osservate possono essere lineari o non lineari. Il mixing di tipo lineare si ha quando l’area coperta dal pixel è grande e c’è poca interazione fra endmember distinti. Se invece l’area coperta dal pixel è piccola e la radiazione solare incidente viene riflessa, con cammini multipli, fra i vari endmember si ha mixing di tipo non lineare.

L’unmixing spettrale lineare è stato oggetto negli ultimi anni, di una intensa ricerca [Hu et al., 1999; Keshava and Mustard, 2002]. Sotto questo modello ed assumendo che il numero di sostanze ed i loro spettri di riflettanza siano conosciuti, l’unmixing dei dati iperspettrali diviene un semplice problema di tipo lineare di cui sono state proposte molte soluzioni: stima a massima verosimiglianza, matching delle firme spettrali, mappatura degli angoli spettrali, metodi di proiezione in sottospazi e metodi ai minimi quadrati vincolati [Chang et al., 1998; Chang, 1998; Tu et al., 1999]. In moltissimi casi però non si conosce ne il numero di endmember ne le firme spettrali. In questo caso si può utilizzare l’ICA (Independent Component Analysis) [Hyvarinen et al., 2001] che è un processo non supervisionato di separazione delle componenti. L’ICA è stata applicata con successo nella BSS (Blind Source Separation), nella “feature extraction” e nella classificazione non supervisionata. L’ICA consiste nel trovare una decomposizione dei dati osservati in componenti statisticamente indipendenti. Nel caso di dati iperspettrali, nell’ipotesi di mixing lineare, è possibile usare l’ICA come strumento per l’unmixing delle classi spettrali [Tu et al., 2001]. Il problema è che l’ICA si basa sull’ipotesi fondamentale che le componenti (abbondanze) siano statisticamente indipendenti, mentre nel caso iperspettrale la somma delle abbondanze è costante, ed in conseguenza di ciò, sono statisticamente dipendenti. Tuttavia è stato recentemente dimostrato [Nascimento and Bioucas-Dias, 2005a] che l’ICA è in grado di eseguire correttamente l’unmixing delle componenti, in quanto entrano in gioco ulteriori fattori come perturbazioni casuali delle firme spettrali ed elevata dimensionalità dei dati iperspettrali che rendono applicabile l’ICA.

Possiamo vedere l’unmixing lineare anche dal punto di vista geometrico. In particolare questo ricade nella parte della geometria che si occupa di insiemi convessi (convex set). Infatti i vettori pixel osservati in una scena, stanno all’interno di un simplesso i cui vertici corrispondono agli endmember. Sono stati studiati molti metodi per sfruttare questa caratteristica geometrica delle immagini iperspettrali: la Minimum Volume Transform (MVT) determina il simplesso con minor volume che contiene i dati al suo interno. L’approccio utilizzato dalla MVT è complesso dal punto di vista computazionale, in quanto generalmente questi algoritmi prima trovano il guscio convesso definito dai dati osservati e successivamente su di esso trovano il simplesso a minimo volume. Passando ad algoritmi a minore complessità computazionale troviamo il Pixel Purity Index (PPI), il N-FINDR [Winter, 1999] e la Vertex Component Analysis (VCA) [Nascimento and Bioucas-Dias, 2005b]. Tutti questi algoritmi basano il loro funzionamento sull’ipotesi che esista per ogni endmember un pixel puro. Questo è un requisito molto stretto, che non è verificato in molti insiemi di dati. In ogni caso questi algoritmi possono trovare l’insieme dei pixel “più puri” all’interno dei dati. La PPI utilizza una Minimum Noise Fraction (MNF) come pre-processing iniziale per diminuire la dimensionalità ed aumentare il SNR. L’algoritmo proietta successivamente ogni vettore spettrale su di un grande numero di vettori casuali (skewer). Viene memorizzato il punto corrispondente all’estremo per ogni “skewer” e il numero di volte che ogni pixel viene trovato essere un estremo. I pixel con il più alto punteggio sono i pixel più puri. Il N-FINDR si basa sul fatto che in uno spazio vettoriale di dimensione p, il volume definito dal simplesso di dimensione p formato dai pixel più puri è più grande rispetto ad ogni altro volume formato da una qualsiasi combinazione di pixel. L’algoritmo trova l’insieme di pixel che definiscono il più grande volume espandendo un simplesso all’interno dei dati. La VCA utilizza una decomposizione ai valori singolari (SVD) per l’inizializzazione; dopo di che esegue


Pag. 28 / 96

iterativamente la proiezione ortogonale al sottospazio composto dagli endmember già determinati, scegliendo come nuovo endmember l’estremo della proiezione.


C.M. Bachmann, T.L. Ainsworth, R.A. Fusina, “Exploiting manifold geometry in hyperspectral imagery”, IEEE Transactions on Geoscience and Remote Sensing, 43(3):441–454, Mar 2005.

C.M. Bachmann, T.L. Ainsworth, R.A. Fusina, “Improved manifold coordinate representations of large-scale hyperspectral scenes”, IEEE Transactions on Geoscience and Remote Sensing, 44(10):2786–2803, Oct. 2006.

C.J.C. Burges, “Data Mining and Knowledge Discovery Handbook: A Complete Guide for Practitioners and Researchers”, chapter ‘Geometric Methods for Feature Selection and Dimensional Reduction: A Guided Tour’, Kluwer Academic Publishers, 2005.

K. Fukunaga. Introduction to Statistical Pattern Recognition. Academic Press Professional, Inc., San Diego, CA, USA, 1990.

L.K. Saul, K.Q. Weinberger, J.H. Ham, F. Sha, D.D. Lee, “Spectral methods for dimensionality reduction”, in “Semisupervised Learning”, Cambridge, MA, USA, 2006. The MIT Press.

B. Scholkopf, A.J. Smola, K.-R. Muller, “Nonlinear component analysis as a kernel eigenvalue problem”, Neural Computation, 10(5):1299–1319, 1998.

J.B. Tenenbaum, V. de Silva, J.C. Langford, “A global geometric framework for nonlinear dimensionality reduction”, Science, 290(5500):2319–2323, 2000.

L.J.P. van der Maaten, E.O. Postma, H.J. van den Herik, “Dimensionality Reduction: A Comparative Review”, Journal of Machine Learning Research 10 (2009), in corso di stampa (disponibile a http://ict.ewi.tudelft.nl/~lvandermaaten/Publications_files/JMLR_Paper.pdf)

J. Venna, “Dimensionality reduction for visual exploration of similarity structures”, Ph.D. Thesis, Helsinki University of Technology, 2007.

K.Q. Weinberger, F. Sha, L.K. Saul, “Learning a kernel matrix for nonlinear dimensionality reduction”, in Proceedings of the 21st International Confernence on Machine Learning, 2004.

Chang, Chein-I.; Xiao-Li Zhao; Althouse, M.L.G.; Jeng Jong Pan (1998), “Least squares subspace projection approach to mixed pixel classification for hyperspectral images”, IEEE Transactions on Geoscience and Remote Sensing, 36(3):898-912.

Chang, Chein-I. (1998), “Further results on relationship between spectral unmixing and subspace projection”, IEEE Transactions on Geoscience and Remote Sensing, 36(3):1030-1032.

Gaddis, L.R.; Soderblom, L.A.; Kieffer, H.H.; Becker, K.J.; Torson, J.; Mullins, K. (1996),

“Decomposition of AVIRIS spectra: extraction of surface-reflectance, atmospheric, and instrumental components”, IEEE Transactions on Geoscience and Remote Sensing, 34(1):163-178.

Healey, G.; Slater, D. (1999), “Models and methods for automated material identification in hyperspectral imagery acquired under unknown illumination and atmospheric conditions”, IEEE Transactions on Geoscience and Remote Sensing, 37(6):2706–2717.


Pag. 29 / 96

Hu, Y.H.; Lee, H.B.; Scarpace, F.L. (1999), “Optimal linear spectral unmixing”, IEEE Transactions on Geoscience and Remote Sensing 37(1):639-644.

Hyvarinen, A.; Karhunen, J.; Oja, E. (2001), “Independent Component Analysis”, John Wiley & Sons.

Keshava, N.; Mustard, J.F. (2002), “Spectral unmixing”, IEEE Signal Processing Magazine, 19(1):44–57.

Nascimento, J.M.P.; Bioucas-Dias, J.M. (2005a), “Does independent component analysis play a role in unmixing hyperspectral data?”, IEEE Transactions on Geoscience and Remote Sensing, 43(1):175-187.

Nascimento, J.M.P.; Bioucas-Dias, J.M. (2005b), “ Vertex component analysis: a fast algorithm to unmix hyperspectral data”, IEEE Transactions on Geoscience and Remote Sensing, 43(4):898-910.

Tu, Te-Ming; Shyu, Hsuen-Chyun; Lee, Ching-Hai; Chang, Chein-I. (1999), “An oblique subspace projection approach for mixed pixel classification in hyperspectral images”, Pattern Recognition 32:1399-1408.

Tu, Te-Ming; Huang, P.S.; Chen, P.-Y. (2001), “Blind separation of spectral signatures in hyperspectral imagery”, IEE Proceedings Vision, Image and Signal Processing, 148(4):217–226.

Winter M.E. (1999), “N-FINDR: an algorithm for fast autonomous spectral end-member determination in hyperspectral data”, Proc. SPIE, Vol. 3753:266-277.


- Andrea Garzelli (Responsabile del WP 520)

- Bruno Aiazzi

- Luciano Alparone

- Stefano Baronti

- Luca Capobianco

2.3.5.3 IMAGE EHNANCEMENT & RESTORATION – WP 530

Le tecniche di image enhancement e restoration sono comunemente utilizzate per migliorare la qualità dei dati. Quelle che considereremo nel progetto sono specifiche per i sensori di PRISMA e verranno studiate sulla base delle loro caratteristiche spaziali e radiometriche. In particolare si terrà conto delle MTF di sistema [Latry, 2004, Aiazzi, 2006] e dei parametri di rumore stimati [Aiazzi, 2001] durante il controllo di qualità [Park, 1999]. Le attività considerate riguarderanno:

• studio per la correzione dell’immagine PAN mediante filtraggio inverso e successiva riduzione del rumore in alta frequenza;

• Valutazione sull’efficacia di un filtraggio adattivo che tenga conto del modello segnale rumore e dei parametri del rumore;


Pag. 30 / 96


B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, and I. Pippi, “Information-Theoretic Assessment of Sampled Hyperspectral Imagers”, IEEE Trans. Geoscience and Remote Sensing, Vol. 39, No. 7, pp. 1447-1458, July 2001 .

B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, M. Selva, “MTF-tailored multiscale fusion of high resolution MS and Pan imagery”, Photogrammetric Engineering & Remote Sensing, Vol. 72, No. 5, pp. 591-596, May 2006.

C Latry, V Despringre, C Valorge, Automatic MTF measurement through a least square method", 2004, Proceedings Proceedings of SPIE 5570, p. 233 (2004).




- Ivan Pippi

- Bruno Aiazzi

- Stefano Baronti

- Massimo Selva

2.3.6 VALUTAZIONE DELLE POTENZIALITÀ APPLICATIVE AI PROCESSI AMBIENTALI: – WP 600

Da quasi un trentennio il telerilevamento da satellite e da aereo trova applicazione nello studio dell’ambiente. Le immagini di sensori satellitari sono, infatti, le sole a fornire, per aree geograficamente estese e con una elevata ricorrenza temporale, grandi quantità di dati relativi allo stato fisico, chimico e biologico della superficie della terra.

Tuttavia l’impiego del telerilevamento da satellite a livello operativo ha incontrato notevoli ostacoli, riferibili principalmente al fatto che i sensori orbitanti associano ad ampi campi di vista una risoluzione spaziale e/o spettrale insufficiente. In breve, i motivi che fino ad ora hanno limitato la diffusione del telerilevamento da satellite negli studi sull’ambiente sono da ricondursi alle difficolta’ di estrarre dal dato telerilevato informazioni significative per l’identificazione ed il monitoraggio di quei fenomeni ambientali che si manifestano su limitate porzioni della superficie della terra o che a grande scala hanno una elevata variabilita’ spaziale.

Ciò e’ particolarmente vero per il settore della identificazione, caratterizzazione e monitoraggio di alcuni rischi ambientali e/o di parametri geofisici e biofisici ad essi connessi, quali quelli relativi ai movimenti franosi ed agli incendi di aree vegetate. Tali fenomeni, in generale, interessano aree di modeste dimensioni (da uno a pochi ettari) e sono caratterizzati da features morfologiche che, tradizionalmente, vengono studiate da operatori esperti tramite l’impiego di tecniche di fotointerpretaizone di immagini aereo-satellitari ad alta risoluzione spaziale e l’osservazione diretta su campo. Tuttavia, sia la prima che la seconda operazione richiedono tempi lunghi e sono fortemente dipendenti dall’esperienza del rilevatore. A ciò si aggiungono la difficolta’ di


Pag. 31 / 96

ottenere un quadro di insieme di porzioni estese di territorio e l’onere economico e logistico derivante dalla ripetizione periodica di rilevamenti delle zone di interesse.

La valutazione delle effettive potenzialità delle immagini acquisite da sensori iperspettrali di recente sviluppo, nell’ambito dello studio dei fenomeni naturali ed antropici suddetti nella molteplicità dei suoi obiettivi di individuazione, controllo o verifica e monitoraggio non sembra, a tutt’oggi, essere stata affrontata in maniera sistematica, almeno per quanto riguarda la varietà informativa (spaziale, temporale e spettrale) delle attuali tecnologie di telerilevamento ed alla luce dello sviluppo dei metodi di integrazione di informazione derivante da sensori differenti (data fusion, information fusion).

Dalle considerazioni esposte, emergono l’interesse scientifico e l’utilita’ applicativa di una valutazione della potenzialità del sensore iperspettrale PRISMA ai fini della stima di parametri e variabili ambientali utili alla individuazione, caratterizzazione e monitoraggio delle aree interessate da rischi naturali ed antropici quali processi di frana e incendi di aree vegetate.

Responsabile di questo Work Package è Roberto Carlà

2.3.6.1 STIMA DELL’UMIDITA’ SUPERFICIALE – WP 610

La stima periodica dello stato di umidità del suolo rappresenta un’informazione importante per molteplici campi applicativi, quali i modelli atmosferici e climatologici, il monitoraggio delle colture, il controllo di aree interessate da rischi idrogeologici (alluvioni, frane, ecc.). Lo stato di umidità di un suolo in termini di contenuto volumetrico di acqua degli strati superficiali del terreno è un parametro di difficile misurazione anche da satellite, ma a tutt’oggi non esiste alcuna tecnica alternativa realistica per la misura periodica di superfici estese a livello operativo. Peraltro, per molte applicazioni è sufficiente la conoscenza dello stato di umidità superficiale del suolo (SSM, surface soil moisture), con una quantizzazione della sua variabilità in pochi livelli. A causa delle differenti caratteristiche alle diverse lunghezze d’onda, numerosi studi e metodi volti alla stima dello stato di SSM sono stati sviluppati negli ultimi trenta anni utilizzando dati e immagini acquisiti da sensori satellitari nelle microonde, nell’infrarosso termico e nelle bande di riflettanza del visibile-infrarosso (Choudhury et al., 1988; Nemani et al., 1993; Claps et al., 2004).

I metodi volti alla stima dello stato di SSM mediante il telerilevamento alle lunghezze d’onda nell’intervallo tra 0.4 e 2.5 micron sono basati sulle variazioni di riflettanza alle varie lunghezze d’onda (Ben-Dor et al.,1999; Lobell et al., 2002; Liu et al., 2002) indotte dalla presenza dell’acqua nel suolo. Molti metodi empirici e semi-empirici sono stati proposti in letteratura, tutti basati sulle potenzialità delle immagini multispettrali fornite da sensori quali TM/ETM, SPOT, ASTER, MODIS, etc. (Liu et al., 2003). Mentre buoni risultati sono stati raggiunti con metodi che impiegano bande VNIR congiuntamente con l’informazione termica (Xue et al., 2006; Smith et al., 1991; Vestraeten et al., 2006; Carlson et al., 1994; Gillies et al., 1997), non altrettanto si può dire di quelli che impiegano solo la radianza riflessa. Solo recentemente alcuni studi hanno proposto e sperimentato metodi per la stima della SSM basati sia su bande del visibile che NIR e SWIR, fornendo interessanti risultati e prospettive (Dupgny-Giroux et al., 1999; Wang et al., 2007; Wang et al., 2008). In conseguenza di ciò, assume particolare rilevanza la valutazione delle potenzialità dei sensori iperspettrali di recente sviluppo ai fini dello sviluppo di algoritmi e metodi volti alla stima dell’umidità del suolo, anche alla luce delle metodologie e degli algoritmi volti all’integrazione di informazione e immagini multirisoluzione e multi-sensore.


Pag. 32 / 96

Alla luce di quanto detto, si intende sviluppare uno studio volto, da una parte a valutare le potenzialità dei metodi ed algoritmi per la stima della SSM (Surface Soil Moisture) nelle bande di riflettanza utilizzando immagini simulate del sensore PRISMA, dall’altra alla modifica ed alla ottimizzazione di tali metodi mediante lo sfruttamento delle caratteristiche iperspettrali dell’informazione. I risultati potranno essere validati mediante analisi comparata con quelli ottenuti da metodi NIR-TIR che utilizzano anche l’informazione termica. In particolare, lo studio si articolerà nelle seguenti attività:

• Analisi dei metodi ed algoritmi esistenti e dei principi fisici, in relazione all’informazione iperspettrale disponibile;

• analisi della significatività fisica delle singole bande spettrali o di gruppi di bande spettrali di PRISMA, in relazione allo stato di umidità;

• sperimentazione e/o ottimizzazione di metodi per la stima della SSM, in base agli intervalli spettrali più idonei;

• aquisizione ed elaborazione di immagini nell’infrarosso termico con caratteristiche spaziali congruenti con il sensore PRISMA;

• generazione prototipale di mappe di SSM sulle aree di studio definite e concordate nell’ambito del progetto, mediante l’impiego di metodi NIR-TIR;

• analisi comparata tra i risultati ottenuti dalle immagini iperspettrali di PRISMA e quelli ottenuti con sensori multispettrali;

• studio di metodi di integrazione dell’informazione iperspettrale PRISMA con immagini termiche acquisite da altri sensori/satelliti, ai fini dello sviluppo di una metodologia operativa.

• Produzione di linee-guida relative ai risultati teorico-pratici conseguiti.

I risultati conseguiti potranno essere utilizzati e/o validati nell’ambito dei modelli statistici multivariati volti allo studio ed al monitoraggio delle aree interessate da processi di frana.


Ben-Dor E, Irons J R, Epema G F (1999). Soil reflectance. In: Rencz AN, ed. Remote Sensing for the Earth Sciences: Manual of Remote Sensing. New York: Wiley & Sons, 111–188

Carlson T, Gillies R, Perry E (1994). A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover. Remote Sensing Reviews, 9: 161–173

Choudhury B J, Golus R E (1988). Estimating soil wetness using satellite data. International Journal of Remote Sensing, 9: 1251–1257

Claps P, Laguardia G (2004). Assessing spatial variability of soil water content through Thermal Inertia and NDVI. In: Owe M, D'Urso G, Moreno J F, Calera A, eds. Remote Sensing for Agriculture, Ecosystems, and Hydrology V. Proceedings of SPIE, Bellingham, SPIE, 5232: 378–387

Dupigny-Giroux L, Lewis J E (1999). A moisture index for surface characterization over a semiarid area. Photogrammetric Engineering and Remote Sensing, 65: 937–946

Gillies R, Carlson T, Kustas W, Humes K (1997). A verification of the “triangle” method for obtaining surface soil water content and energy fluxes from remote measurements of the


Pag. 33 / 96

Normalized Difference Vegetation Index (NDVI) and surface radiant temperature. Int J Remote Sens, 18: 3145–3166

Lobell D B, Asner G P (2002). Moisture effects on soil reflectance. Soil Sci Soc Am J. 66: 722–727

Liu W, Baret F, Gu X, Zhang B, Tong Q, Zheng L (2003). Evaluation of methods for soil surface moisture estimation from reflectance data, international journal of remote sensing, 24(10): 2069–2083

Liu W, Baret F, Gu X, Tong Q, Zheng L, Zhang B (2002). Relating soil surface moisture to reflectance. Remote sensing of environment, 81:238–246 (doi:10.1016/S0034-4257(01)00347-9)

Nemani R, Pierce L, Running S N, Goward S N (1993). Developing satellite-derived estimates of surface moisture status. Journal of Applied Meteorology, 32: 548–557

Sandholt I, Rasmussen K, Andersen J (2002). A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status. Remote Sensing of Environment, 79: 213–224

Smith R C G, Choudhury B J (1991). Analysis of normalized difference and surface temperature observations over southeastern Australia. International Journal of Remote Sensing, 12: 2021–2044.

Verstraeten WW, Veroustraete F, van der Sande C J, Grootaers I, Feyen J (2006). Soil moisture retrieval using thermal inertia, determined with visible and thermal spaceborne data, validated for European forests. Remote Sensing of Environment, 101: 299–314 Xue H, Ni S (2006). Progress in the study on monitoring of soil moisture with thermal infrared remote sensing. Agricultural Research in the Arid Areas, 24: 168–172

Wang L, Qu J J, Hao X (2008). Forest fire detection using the normalized multi-band drought index (NMDI) with satellite measurements. Agricultural and Forest Meteorology, 148(11): 1767–1776

Wang L, Qu J J (2007). NMDI: A normalized multi-band drought index for monitoring soil and vegetation moisture with satellite remote sensing. Geophysical Research Letters, 34: L20405. 10.1007/s11707-009-0023-7doi:10.1029/2007GL031021


- Roberto Carlà (Responsabile del WP 610)

- Ivan Pippi

- Leonardo Santurri

2.3.6.2 ANALISI DI AREE INTERESSATE DA INCENDI – WP 620

Con l’aumentare dell’attenzione verso le problematiche ambientali e le risorse naturali, il tema della lotta agli incendi ha assunto sempre più importanza, soprattutto in paesi come l’Italia, nei quali le risorse forestali sono limitate e sono ingenti i danni arrecati annualmente dagli incendi boschivi. Numerosi a livello mondiale sono le attività (studi, applicazioni e servizi a livello operativo) in cui si utilizzano dati satellitari nella gestione del rischio d’incendio nelle sue fasi di


Pag. 34 / 96

produzione delle mappe di rischio, individuazione di fuochi attivi (allerta precoce) e valutazione a posteriori dell’impatto ambientale dell’incendio (fire severity).

Le tecniche ed i metodi di telerilevamento per tali attività sono stati in gran parte sviluppati in contesti, quali ad esempio quello Americano o quello Australiano, profondamente diversi da quello Mediterraneo (Milne, 1986; Kasischke et al., 1995; Malingreau et al., 1985; Fraser et al., 2003). Quest’ultimo è infatti caratterizzato dal verificarsi di molti incendi di piccole dimensioni in gran parte di origine colposa o dolosa che interessano un territorio con copertura vegetata eterogenea e con forte presenza dell’uomo. In questo caso diventano di secondaria importanza le attività di mappatura del rischio (in quanto l’incendio doloso prescinde da un rischio alto) e di early-warning (in un territorio antropizzato l’allarme viene quasi immediatamente dalla popolazione). Di particolare importanza, anche alla luce dei vincoli imposti sulle aree percorse da incendio è invece la fase di individuazione, mappatura e monitoraggio della evoluzione delle aree incendiate, per la quale è necessaria una elevata accuratezza.

Molti algoritmi e metodi volti all’evidenziazione e/o individuazione automatica delle aree bruciate sono stati proposti durante l’ultimo ventennio (Pereira et al., 1997; Chuvieco et al., 1998; Koutsias et al., 1998). Qualunque sia l’approccio metodologico impiegato è necessario in primo luogo definire le principali caratteristiche delle aree incendiate in relazione agli intervalli spettrali impiegati dai sensori operativi (Pereira et al., 1993, 1999; Trigg et al., 2001).

Allo stato attuale delle cose e con i dati attualmente disponibili non risultano ancora essere stati definiti algoritmi o metodi che siano contemporaneamente capaci di conseguire un grado di accuratezza elevato (con basso numero di falsi positivi e falsi negativi) e sufficientemente flessibili da potere operare in contesti ambientali differenti con lo stesso livello di affidabilità (i risultati riportati in letteratura sono spesso relativi ad aree di studio limitate, a volte a livello locale del singolo incendio).

Infine, è degno di nota il fatto che quasi tutte le sperimentazioni in questo settore sono state effettuate utilizzando, per lo più, immagini multispettrali Landsat-TM/ETM+, SPOT4-HRV, IRS-1C/1D per analisi a media scala e NOAA-AVHRR per studi a livello regionale a bassa risoluzione spaziale e per la mappatura a piccola scala. Peraltro, sono noti pochi casi di sperimentazioni volte a valutare le potenzialità di sensori di ultima generazione ad altissima definizione spaziale (SPOT-5, IKONOS-2, QuickBird), a causa delle loro limitate potenzialità spettrali.

La valutazione dell’influenza degli incendi sull’ambiente o “fire severity” include la valutazione di vari aspetti, i principali dei quali sono:

• esame delle principali tecniche multi- ed iper-spettrali volte alla individuazione e

caratterizzazione di aree interessate da incendio • sviluppo e sperimentazione di metodi basati su immagini iperspettrali, per la individuazione

automatica a scala regionale di aree incendiate; • sperimentazione ed ottimizzazione di metodologie di region growing volte alla

identificazione e perimetrazione delle aree incendiate; • Ottimizzazione delle metodologie di individuazione e caratterizzazione delle aree interessate

da incendio; • sperimentazione ed ottimizzazione di metodi per la stima dell’effetto degli incendi sulla

copertura vegetale; • sperimentazione di metodologie multitemporali volte al monitoraggio della evoluzione della

copertura vegetale in seguito ad eventi di incendio L’attività proposta nell’ambito del progetto, intende analizzare potenzialità offerte dal nuovo sensore iperspettrale PRISMA ai fini dello studio e del monitoraggio delle aree vegetate


Pag. 35 / 96

interessate da incendi nella zona mediterranea, relativamente alle fasi di individuazione, perimetrazione e mappatura dell’intensità. Dapprima verranno prese in considerazione e valutate le tecniche più usate in letteratura, opportunamente adattate al nuovo sensore PRISMA. Successivamente saranno studiati e messi a punto metodi innovativi volti a sfruttare al meglio le caratteristiche iperspettrali del sensore. Avendo come obiettivo generale la messa a punto di metodologie volte a generare automaticamente mappe di inventario e di intensità degli eventi di incendio, particolare attenzione sarà posta nella valutazione dell’accuratezza dei risultati, in termini di errori di omissione e soprattutto di commissione.


Chuvieco, E. and Congalton, R.G. (1998). Mapping and inventory of forest fires from digital processing of TM data, Geocarto international,4: 41-53.

Fraser, R.H., Fernandes, R., Latifivic, 2003, R., Multi-temporal Mapping of burned Forest over Canada Using Satellite-based Change Metrics, Geocarto International, Vol.18, n. 2 June, 37-47.

Kasischke, E.S. and French, N.H.F. (1995). Locating and estimating the areal extent of wildfires in Alaskan boreal forests using multiple-season AVHRR NDVI composite data. Remote Sensing of Environment 51: 263-275.

Koutsias, N. and Karteris, M. (1998). Logistic regression modelling of Thematic Mapper data for burnt area mapping, Int. J. Remote Sensing, vol. 19, no. 18, 3499-3514.

Malingreau, J.P., Stephens, G. and Fellows, L. (1985). Remote sensing of forest fires: Kalimantan and North Borneo in 1982-83. Ambio 14(6): 314-321.

Milne, A.K. (1986). The use of remote sensing in mapping and monitoring vegetational change associated with bushfire events in Eastern Australia. Geocarto International (1): 25-35.

Pereira, J.M.C., Chuvieco, E., Beaudoin, A., Desbois, N., Remote Sensing of burned areas: a review, in “A review of remote sensing methods for the study of large wildland fires”, Emilio Chuvieco Editor, Universidad de Alcalà, Alcalà de Henares (Spain), August 1997, ISBN 84-8498-578-4.

Pereira and Setzer, Spectral characteristics of fire scars in Landsat-5 TM images of Amazzonia, International Journal of Remote Sensing 14 (1993) 2061-2078.

Pereira, J.M., Sà, A.C., Sousa, A.M., Silva, J.M., Santos, T.N., and Carreiras, J.M., 1999, Spectral Characterization and discrimination of burnt areas. In Remote Sensisng of large Fires, E Chuvieco (Ed.), pp. 123-138 (Berlin: Spriger).

Trigg, S. And Flasse, S., 2001, An evaluation of different bi-spectral spaces for discriminating burned shrub-savannah, Int. J. of Remote Sensing, vol. 22, no. 13, pp. 2641-2647.


- Roberto Carlà (Responsabile del WP 620)

- Ivan Pippi

- Leonardo Santurri


Pag. 36 / 96

2.4 ATTIVITÀ RELATIVE AL TASK 2

2.4.1 SUPPORTO ALL’AGENZIA SPAZIALE ITALIANA

Al fine di supportare il team di progetto dell’ASI per tutti gli aspetti di carattere scientifico per la completa realizzazione ed il successo della missione PRISMA, questa proposta si propone di:

- Contribuire al miglioramento della qualità dei dati di livello 1 e 2 in stretto rapporto con i realizzatori dei segmenti di volo e di terra di PRISMA.

- Contribuire al soddisfacimento dei requisiti utente nei diversi ambiti applicativi, mettendo a disposizione l’esperienza acquisita per migliorare i prodotti di livello superiore (3 e 4).

Queste attività riguardano il concorso al supporto scientifico richiesto dall’Agenzia Spaziale Italiana per tutta la durata del programma PRISMA, relativamente ai seguenti aspetti:

- Attività di missione / sistema

- Definizione di requisiti per eventuali missione future

- Qualifica pre-operativa della missione

- Verifica dello sviluppo dei prodotti del sistema (algoritmi e loro implementazione)

- Definizione dei piani e verifica delle attività di calibrazione / validazione del sistema (a terra ed in volo)

- Definizione di linee guida per la data policy

- Definizione della background mission

- Preparazione e partecipazione alle review e alle riunioni previste dalla missione PRISMA (progetto industriale), anche attraverso la valutazione della documentazione di progetto e l’elaborazione di note tecniche

- Preparazione e partecipazione a riunioni specifiche organizzate da ASI su aspetti relativi allo sviluppo delle applicazioni

- Attività di diffusione dei risultati scientifici (workshop, conferenze, pubblicazioni, ecc.)

- Collaborazione con la comunità scientifica internazionale e con gli utenti finali

Quindi in dettaglio si intende effettuare le seguenti attività:

- Partecipare alle riunioni organizzate da ASI

- Valutare la documentazione prodotta nell’ambito del contratto industriale

- Elaborare documenti o relazioni su richiesta dell’ASI, anche in supporto ad attività ASI di sviluppo delle applicazioni

Si noti che le attività del Task 2 sono state raggruppate nella WBS nel WP 100, assieme alle attività di coordinamento del progetto. Si tratta in questo caso di una scelta che meglio delinea la struttura delle fasi costituenti il progetto, che è già stata motivata nella parte introduttiva di


Pag. 37 / 96

questo documento. Si ricorda che le attività di coordinamento raccolgono e sintetizzano i risultati scientifici delle attività del Task 1 e rappresentano allo stesso tempo una parte importante delle attività di consulenza richieste nel bando.


- Ivan Pippi (Responsabile del Progetto)

- Luciano Alparone (Responsabile di WP)

- Stefano Baronti (Responsabile di WP)

- Roberto Carlà (Responsabile di WP)

- Andrea Garzelli (Responsabile di WP)


Pag. 38 / 96

2.5 ASPETTI INNOVATIVI

Come evidenziato in precedenza un importante aspetto innovativo della proposta consiste nello sviluppo e nell’integrazione di metodologie che, attraverso l’utilizzo congiunto di tutti i dati acquisiti dal doppio spettrometro e dalla camera pancromatica di PRISMA, migliorino la qualità dei dati di livello 1 e 2 e permettano una più accurata estrazione dei dati di livello superiore. In pratica si cercherà di mettere a frutto dal punto di vista tecnico la peculiarità di PRISMA di ospitare sul piano focale dello stesso telescopio due sensori indipendenti, una camera pancromatica ed un sensore iperspettrale. Si assume che questa caratteristica possa portare benefici importanti alle attività di integrazione e fusione dei dati provenienti dai due sensori. Inoltre, si ritiene che la stessa proprietà del sensore possa essere vantaggiosamente sfruttata per le procedure di image restoration e image enhancement.

In generale, altri aspetti innovativi della proposta riguardano la preferenza accordata agli algoritmi autonomi di elaborazione dati e tra questi alle loro implementazioni real-time.

Uno degli aspetti innovativi di maggior interesse in questa proposta è costituito dalla possibilità di realizzare una procedura autonoma di correzione degli effetti atmosferici, fondata sull’ipotesi che la stima delle abbondanze colonnari degli assorbitori a mixing ratio variabile possa essere eseguita usando quasi esclusivamente i dati delle immagini iperspettrali stesse.

Infine, l’utilizzo di metodi iterativi di correzione degli effetti atmosferici, ricorrendo anche ai dati forniti da sensori montati su altri satelliti, rappresenta un approccio originale anche nell’ottica di limitare alle attività di calibrazione vicaria l’esigenza di misure atmosferiche da aree di test a terra appositamente attrezzate.

2.6 SINERGIE CON ALTRI PROGRAMMI

I risultati derivanti da questo studio saranno in rapporto sinergico con i seguenti programmi che vengono svolti o sono stati proposti dal team proponente.

Programmi dell’Agenzia Spaziale I taliana:

- Missione MIOSAT: Completate le Fasi A e B per la realizzazione del payload costituito dall’interferometro ad immagine ALISEO

- Missione COSMO-Skymed: Finanziata la partecipazione di due unità opeartive lla Call per l’utilizzo scientifico dei dati

- Progetto MORFEO (MOnitoraggio e Rischio da Frana mediante dati EO) per gli aspetti riguardanti l’analisi e l’elaborazione dei dati Earth Observation ottici.

- Proposta per l’utilizzo dell’aereo stratosferico unmanned Global Hawk della NASA come piattaforma per strumentazione avanzata di Osservazione della Terra.

Programmi dell’Agenzia Spaziale Europea:

- Progetto in collaborazione co Galileo Avionica dal titolo “Study on coupling radiometry-image quality for hyper-spectral applications” in risposta alla RFQ dell’ESA sulla verifica dell’aliasing nelle immagini simulate del sensore iperspettrale PRISM dell’ALCATEL.


Pag. 39 / 96

- Contratto ( dal 2001 ad oggi) con ESA EOPI cat. 1-LBR Project ID.2832 ‘‘Assimilation of biophysical and biochemical variables in biochemical and hydrological models at landscape scale’’ relativo all’acquisizione di dati/immagini del sensore CHRIS/PROBA1 sul sito di calibrazione/validazione di San Rossore (Pisa) e su quello di Ratno Ostrvo (Belgrado, Serbia)

- Nell’ambito del programma ESA di Osservazione della Terra che pvede la messa in orbita della costellazione di satelliti Sentinell è stata effettuata la campagna di misura aterra e da aereo SEN3EXP a San Rossore dal 16 giugno 2009 al 10 luglio 2009 per supportare lo sviluppo di algoritmi geofisici di calibrazione/validazione.

- Proposta in fase di valutazione in risposta alla ITT ESA su FUEGOSAT Synthesis Study per la caratterizzazione di un payload ottico per il monitoraggio delle anomalie termiche (incendi, rischi naturali ed antropici)

Programmi Regione Toscana:

- Accordo per l’utilizzo delle strutture site all’interno del Parco Naturale di San Rossore (Pisa) per campagne di calibrazione/validazione a terra di sensori montati su aereo o su satellite.

- Progetto CeTTO “Centro Toscano di Telerilevamento Ottico per la sperimentazione di servizi pre-operativi basati sull’acquisizione, processamento e distribuzione di dati telerilevati da satellite ed aereo” dalla Regione Toscana nell’ambito del DoCUP 1.7.1 svoltosi nel periodo 01/09/2007- 30/06/2008.

- Progetto SKY-EYE, finanziato dalla Regione Toscana nell’ambito del Programma Quadro “Ricerca e trasferimento tecnologico per il sistema produttivo”su l’elaborazione ed estrazione di informazione dai dati iperspettrali dei dati prodotti con il nuovo sensore aereo SIM-GA, sviluppato da Selex Galileo.

- CTOTUS, progetto biennale della Regione Toscana nell’ambito del POR CREO-FESR 2007/2013, attività 1.1.d, dal titolo Capacità Tecnologica ed Operativa della Toscana per l’Utilizzo dello Spazio, approvato con decreto n.4181 del 27 agosto 2009.

Programmi Ministeriali

- “Development and validation of innovative data fusion techniques for environmental remote sensing” (MIUR 2006 – 2007)


Pag. 40 / 96


Pag. 41 / 96

PARTE SECONDA

SEZIONE ECONOMICA


Pag. 42 / 96

Per quanto riguarda i pagamenti si identificano 4 milestones contrattuali che coincidono con le Riunioni di Avanzamento (rispettivamente a T0+12 mesi, T0+24 mesi, T0+36 mesi) e con la Riunione Finale (T0+24 mesi).

L’importo di ogni pagamento da effettuarsi da parte dell’Agenzia Spaziale Italiana corrisponderà alla quarta parte del finanziamento totale assegnato.

Di seguito vengono riportati in dettaglio i costi per lo svolgimento del progetto OPTIMA, che costituiscono la nostra offerta valida 12 mesi dalla data di scadenza della presentazione della proposta (quindi con validità fino al 25 settembre 2010).

Il totale dell’offerta è pari a euro 400.000,00 ( Euro Quattrocentomila/00)

E’ da notare che il proponente dichiara di mettere a disposizione a titolo gratuito le informazioni provenienti da esperienza pregressa che sono necessarie ed indispensabili allo svolgimento delle attività oggetto della proposta. Rinuncia anche a qualsiasi tipo di rivalsa relativamente alla proprietà, in tutto o in parte, dei risultati che conseguiranno l’esecuzione delle attività proposte, qualora contrattualizzate.


Pag. 43 / 96

Titolo WP Costi per WP (Euro)WP 100 Coordinamento del Progetto e Supporto all'ASI 13 52000WP200 Simulazione Dati 11 44000WP300 Qualità del dato 14 56000

WP310 Noise modeling 7WP320 Caratteristiche spaziali e spettrali 7

WP 400 Ottimizzazione di prodotti livello 1 e 2 21 84000WP 410 Correzioni radiometriche 11WP 420 Correzioni atmosferiche 10

WP 500 Elaborazione ed integrazione dati 24 96000WP 510 Data fusion 8WP520 Feature extraction & Unmixing 11WP 530 Enhancement & Restoration 5

WP 600 Valutazione potenzialità applicative ai processi ambientali 13 52000WP 610 Stima dell'umidità superficiale 6WP620 Analisi di aree interessate da incendi 7

TOTALI 96 384000

mesi/uomo personale afferente al WPWP ID

Riunioni KO, RT, RA, RF Task 1 9 di cui 4 presso CNR-IFAC 5 160 4000Riunioni aggiuntive 4 1 160 640

Workshop in Italia Task 2 (2 gg) 16 1 360 5760Workshop in Europa Task 2 (2 gg) 4 1 1400 5600

Totale Riunioni 16000

Totale Progetto OPTIMA 400000


Pag. 44 / 96


Pag. 45 / 96

PARTE TERZA

ALLEGATI

I – WBS e WPD II – Pianificazione delle attività III- Struttura e descrizione del team di progetto IV – Lista dei deliverables


Pag. 46 / 96

3 I - WORK BREAKDOWN STRUCTURE E WORK PACKAGE DESCRIPTION

Progetto OPTIMA

Coordinamento del Progetto e

Supporto all’ASI

WP 100

Elaborazione ed integrazione dati

WP 500

Valutazione delle potenzialità applicative ai

processi ambientali

WP 600

Simulazione Dati

WP 200

Ottimizzazione prodotti di livello 1 e 2

WP 400

Qualità del dato

WP 300

Correzioni radiometriche

WP 410

Correzioni atmosferiche

WP 420

Data Fusion

WP 510

Feature Extraction

& Unmixing

WP 520

Enhancement & Restoration

WP 530

Stima dell’umidità superficiale

WP 610

Analisi di aree interessate da

incendi

WP 620

Noise modeling

WP 310

Caratteristiche spaziali e spettrali

WP320


Pag. 47 / 96

3.1 WP 100 – COORDINAMENTO DEL PROGETTO E SUPPORTO ALL’A.S.I.

DESCRIZIONE DEL PACCHETTO DI LAVORO Progetto OPTIMA Fase

WP ID Titolo Organizzazione Responsabile

100 COORDINAMENTO DEL PROGETTO E SUPPORTO ALL’A.S.I.

CNR - IFAC Ivan Pippi

Data inizio Data fine Legame con altre attività

T0 T0+48 mesi tutte

INPUTS • Contratto ASI • Minuta del Kick Off Meeting e relativi allegati, forniti da ASI, descrittivi della missione

PRISMA • RID di ASI relative alle varie riunioni

DESCRIZIONE

Assicura la coerenza delle varie attività del progetto attraverso la loro armonizzazione Coordinamento del Progetto:

• Coordina il gruppo di ricerca che aggiorna il “PRISMA products and applications” tenendo conto dei risultati più recenti.

• Cura il rispetto delle scadenze contrattuali e la produzione della documentazione di progetto.

• Valuta i risultati scientifici ottenuti Supporto all’Agenzia Spaziale Italiana:

• Armonizza i rapporti con l’ASI e con il gruppo di ricerca. • Supporta l’ASI per le attività di diffusione dei risultati ottenuti partecipando a workshop

scientifici e curando le pubblicazioni scientifiche • Contribuisce alle riunioni tecniche del Team di Progetto PRISMA ed alle altre riunioni con

Agenzie ed Enti, ove ritenuto opportuno da ASI • Predispone la documentazione e prepara le riunioni di Avanzamento e Tecniche , nonché

la riunione Finale OUTPUTS & DELIVERABLES

• Presentazione del progetto OPTIMA Secondo le scadenze previste dal progetto:

• Documento “PRISMA products and applications” nei suoi vari aggiornamenti • Report di Avanzamento e relative presentazioni nelle varie release • Report Tecnici e relative presentazioni nelle varie release


Pag. 48 / 96

3.2 WP 200 – SIMULAZIONE DATI



200 SIMULAZIONE DATI CNR - IFAC Luciano Alparone


T0 T0+24 mesi Tutte

INPUTS • Contratto ASI • Documento “PRISMA Product and Applications” • Immagini naturali acquisite da altri sensori iperspettrali • Modelli di MTF spaziale di PRISMA • Modelli di MTF spettrale di PRISMA • Modello di disturbo di PRISMA, in particolare componente fotonica ed elettronica • Mappe tematiche provenienti dalla classificazione di dati acquisiti da altri sensori

DESCRIZIONE • Produzione dei dati di simulati partendo da quelli di un sensore aviotrasportato attraverso

ricampionamento spaziale e spettrale • Controllo dell’aliasing spaziale e spettrale attraverso le MTF di PRISMA (teoriche) • Introduzione del rumore strumentale secondo il modello usato e tenendo conto del

rumore del dato di partenza • Produzione di dati simulati completamente sintetici, generati a partire da mappe di

classificazione e miscele di spettri di riflettanza di laboratorio o misurati a terra, comprendenti gli effetti strumentali (MTF e disturbi)

OUTPUTS & DELIVERABLES • Primo insieme di dati simulati a partire dalla prima riunione tecnica (a T0 + 6 mesi) • Secondo insieme di dati simulati a partire dalla prima riunione di avanzamento (a T0 + 12

mesi) • Terzo insieme di dati simulati alla seconda riunione di avanzamento e conclusione del

WP200 (a T0 + 24 mesi)


Pag. 49 / 96

3.3 WP 300 – QUALITÀ DEL DATO



300 QUALITA DEL DATO CNR - IFAC Stefano Baronti


T0 T0+48 mesi tutte

INPUTS • Contratto ASI • Documento “PRISMA Product and Applications” • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a T0

+ 6 mesi) • Secondo insieme di dati simulati da parte del WP200 a valle della prima riunione di

avanzamento (a T0 + 12 mesi) • Terzo insieme di dati simulati da parte del WP200 a valle della seconda riunione di

avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi) • Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di

avanzamento (a T0 + 24 mesi) • Prodotti di livello 1 e 2 corretti da distorsioni atmosferiche e radiometriche forniti dal

WP400 a partire dalla prima riunione di avanzamento (a T0 + 12 mesi)

DESCRIZIONE

L’attività di questo WP è fondamentale per gli algoritmi di denoising, di filtraggio inverso e per alcuni dei metodi più efficienti di pansharpening che sono oggetto dell’attività del WP500. L’attività di questo WP riguarda essenzialmente:

• Verifica del modello segnale-rumore • Stima dei parametri del rumore • Stima delle MTF di sistema • Aggiornamento del documento “PRISMA Product and Applications”

OUTPUTS & DELIVERABLES • Contributo al Rapporto tecnico della prima riunione di avanzamento • Parametri relativi alla qualità del dato prodotto nel WP300 a (a T0 + 6 mesi), a (a T0 + 12

mesi) e a (a T0 + 24 mesi) fino alla conclusione dell’attività • Report e file con i parametri relativi alla qualità dei dati PRISMA fino alla conclusione

dell’attività • Software dimostrativo relativo alle tecniche prescelte per la stima dei parametri del rumore

e della MTF di sistema(a T0 + 36 mesi) • Documento “PRISMA Product and Applications”


Pag. 50 / 96

3.4 WP 310 – NOISE MODELING



310 NOISE MODELING CNR - IFAC Luciano Alparone

Data inizio Data fine Legame con altre attività T0 T0+48 mesi tutte

INPUTS

• Contratto ASI • Documento “PRISMA Product and Applications” • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a T0






DESCRIZIONE L’attività di questo WP riguarda la verifica del modello segnale-rumore e la stima dei parametri del rumore a partire dai dati. L’attività prevista riguarda:

• Metodo per la verifica del modello segnale-rumore del sensore • Determinazione della qualità delle immagini basata su misure oggettive dei parametri che

caratterizzano il rumore e di indici globali quali il SNR • Valutazione della possibilità di stimare la quantità d'informazione contenuta nei dati

iperspettrali alla luce del modello segnale-rumore evidenziato

• Contributo al Rapporto tecnico della prima riunione di avanzamento • Verifiche del modello modello segnale-rumore sui dati prodotti nel WP300 a (a T0 + 6

mesi), a (a T0 + 12 mesi) e a (a T0 + 24 mesi) e sui dati PRISMA fino alla conclusione dell’attività

• Report e file con i parametri di rumore sui dati prodotti nel WP300 a (a T0 + 6 mesi), a (a T0 + 12 mesi) e a (a T0 + 24 mesi) e sui dati PRISMA fino alla conclusione dell’attività

• Software dimostrativo relativo alle tecniche prescelte per la stima dei parametri del rumore (a T0 + 36 mesi)

• Contributo al rapporto tecnico finale con ottimizzazione degli algoritmi su dati PRISMA (a T0 + 48 mesi)


Pag. 51 / 96

3.5 WP 320 – CARATTERISTICHE SPAZIALI E SPETTRALI



320 CARATTERISTICHE SPAZIALI E SPETTRALI

CNR - IFAC Stefano Baronti


T0 T0+48 mesi tutte

INPUTS • Contratto ASI • Documento “PRISMA Product and Applications” • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a T0






DESCRIZIONE L’attività di questo WP riguarda la qualità spaziale e spettrale dei dati che si concretizza attraverso la stima delle MTF di sistema. L’attività prevista riguarda:

• stima della MTF dei canali iperspettrali dai dati osservati utilizzando come immagine ideale ad alta risoluzione l’immagine PAN

• valutazione dell’aliasing dei dati iperspettrali campionati a partire dalle MTF di sistema (nominali e stimate)

• Stima della MTF di sistema del canale pancromatico e relativa stima dell’aliasing introdotto dal campionamento

• Contributo al Rapporto tecnico della prima riunione di avanzamento • Stime delle MTF e dell’aliasing dei dati prodotti nel WP300 a (a T0 + 6 mesi), a (a T0 + 12

mesi) e a (a T0 + 24 mesi) fino alla conclusione dell’attività • Report e file con i parametri relativi alle MTF ed all’aliasing dei dati PRISMA fino alla

conclusione dell’attività • Software dimostrativo relativo alle tecniche prescelte per la stima della MTF di sistema(a

T0 + 36 mesi) • Contributo al rapporto tecnico finale con ottimizzazione degli algoritmi su dati PRISMA (a

T0 + 48 mesi)


Pag. 52 / 96

3.6 WP 400 – OTTIMIZZAZIONE DEI PRODOTTI DI LIVELLO 1 E 2



400 OTTIMIZZAZIONE DEI PRODOTTI DI LIVELLO 1 E 2

CNR - IFAC Ivan Pippi


T0 T0+48 mesi Tutte

INPUTS • Contratto ASI • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a

T0 + 6 mesi). • Secondo insieme di dati simulati (tutte le tipologie) da parte del WP200 a valle della prima

riunione di avanzamento (a T0 + 12 mesi) • Terzo insieme di dati simulati (tutte le tipologie) da parte del WP200 a valle della seconda

riunione di avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi) • Immagini naturali acquisite da altri sensori iperspettrali (T0) • Documento “PRISMA products and applications” • Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di

avanzamento (a T0 + 24 mesi) DESCRIZIONE

Esecuzione delle fasi di calibrazione radiometrica, destriping, correzione degli effetti atmosferici. In particolare si affronteranno le seguenti tematiche: • Contributo all’aggiornamento del documento “PRISMA products and applications” nel

quale saranno anche riportati le metodologie e gli algoritmi di correzione dati • Sviluppo degli algoritmi per la correzione atmosferica e la calibrazione radiometrica • Implementazione della modellistica di simulazione usando il linguaggio C • Ottenimento di immagini di radianza al sensore, di immagini corrette per gli effetti dello

striping e di immagini corrette per gli effetti atmosferici attraverso l’utilizzo di metodi diretti ed autonomi

• Validazione dei prodotti di livello 1 e 2 • Uso del sito di calibrazione di San Rossore, esecuzione di misure in campo • Valutazione di potenziali attività di calibrazione incrociata

OUTPUTS & DELIVERABLES • Contributo all’aggiornamento del documento “PRISMA products and applications” • Fornitura su DVD di set di dati simulati, sintetici o telerilevati da altri sensori, e corretti

radiometricamente (radianza al sensore) e per gli effetti dell’atmosfera (riflettanza al suolo) completo di manuale d’uso (a T0 + 6 mesi, a T0 + 12 mesi, a T0 + 24 mesi)

• Fornitura su DVD di set di dati acquisiti e corretti radiometricamente (radianza al sensore) e per gli effetti dell’atmosfera (riflettanza delle superfici osservate) completo di manuale d’uso (a T0 + 30 mesi, a T0 + 36 mesi, ed a T0 + 48 mesi)

• Contributi ai rapporti Tecnici e di Avanzamento (a T0 + K * 6 mesi) • Contributo al Rapporto finale (a T0 + 48 mesi)


Pag. 53 / 96

3.7 WP 410 – CORREZIONI RADIOMETRICHE



410 CORREZIONI RADIOMETRICHE CNR - IFAC Alessandro Barducci


T0 T0+48 mesi Tutte

INPUTS • Contratto ASI • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a

T0 + 6 mesi) • Secondo insieme di dati simulati (tutte le tipologie) da parte del WP200 a valle della prima

riunione di avanzamento (a T0 + 12 mesi) • Terzo insieme di dati simulati (tutte le tipologie) da parte del WP200 a valle della seconda

riunione di avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi) • Immagini naturali acquisite da altri sensori iperspettrali (T0) • Documento “PRISMA products and applications” • Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di


Esecuzione delle fasi di calibrazione radiometrica e destriping. In particolare si affronteranno le seguenti tematiche: • Contributo all’aggiornamento del documento “PRISMA products and applications” nel

quale saranno anche riportati le metodologie e gli algoritmi di correzione radiometrica dei dati

• Sviluppo degli algoritmi per la calibrazione radiometrica e il destriping • Implementazione della modellistica di simulazione usando il linguaggio C • Ottenimento di immagini di radianza al sensore e di immagini corrette per gli effetti dello

striping attraverso l’utilizzo di metodi diretti • Validazione dei prodotti di livello 1 • Uso del sito di calibrazione di San Rossore, esecuzione di misure in campo • Valutazione di potenziali attività di calibrazione incrociata


radiometricamente (radianza al sensore) completo di manuale d’uso (a T0 + 6 mesi, a T0 + 12 mesi, a T0 + 24 mesi)

• Fornitura su DVD di set di dati acquisiti e corretti radiometricamente (radianza al sensore) completo di manuale d’uso (a T0 + 30 mesi, a T0 + 36 mesi, ed a T0 + 48 mesi)



Pag. 54 / 96

3.8 WP 420 – CORREZIONI ATMOSFERICHE



420 CORREZIONI ATMOSFERICHE CNR – IFAC Donatella Guzzi

Data inizio Data fine Legame con altre attività T0 T0+48 mesi Tutte

INPUTS

• Contratto ASI • Primo insieme di dati simulati da parte del WP200 e WP 410 a valle della prima riunione

tecnica (a T0 + 6 mesi) • Secondo insieme di dati simulati (tutte le tipologie) da parte del WP 200 e WP 410 a valle

della prima riunione di avanzamento (a T0 + 12 mesi) • Terzo insieme di dati simulati (tutte le tipologie) da parte del WP200 e WP 410 a valle

della seconda riunione di avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi)

• Immagini naturali acquisite da altri sensori iperspettrali (T0) • Documento “PRISMA products and applications” • Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di


Esecuzione delle fasi di calibrazione radiometrica, destriping, correzione degli effetti atmosferici. In particolare si affronteranno le seguenti tematiche: • Contributo all’aggiornamento del documento “PRISMA products and applications” nel

quale saranno anche riportati le metodologie e gli algoritmi di correzione dati • Sviluppo degli algoritmi per la correzione atmosferica • Implementazione della modellistica di simulazione usando il linguaggio C • Ottenimento di immagini di immagini corrette per gli effetti atmosferici attraverso l’utilizzo

di metodi diretti ed autonomi. • Validazione dei prodotti di livello 2 • Uso del sito di calibrazione di San Rossore, esecuzione di misure in campo • Valutazione di potenziali attività di calibrazione incrociata


per gli effetti dell’atmosfera (riflettanza al suolo) completo di manuale d’uso (a T0 + 6 mesi, a T0 + 12 mesi, a T0 + 24 mesi)

• Fornitura su DVD di set di dati acquisiti e corretti per gli effetti dell’atmosfera (riflettanza delle superfici osservate) completo di manuale d’uso (a T0 + 30 mesi, a T0 + 36 mesi, ed a T0 + 48 mesi)



Pag. 55 / 96

3.9 WP 500 – ELABORAZIONE ED INTEGRAZIONE DATI



500 ELABORAZIONE ED INTEGRAZIONE DATI

CNR - IFAC Andrea Garzelli

Data inizio Data fine Legame con altre attività T0 + 6 mesi T0+48 mesi tutte

INPUTS

• Contratto ASI • Documento “PRISMA products and applications” • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a T0



avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi) • Specifiche sulla qualità del dato dal WP300 a partire dalla prima riunione tecnica (a T0 + 6

mesi) fino alla conclusione dell’attività • Prodotti di livello 1 e 2 corretti da distorsioni atmosferiche e radiometriche forniti dal

WP400 a partire dalla prima riunione di avanzamento (a T0 + 12 mesi) • Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di


• Contributo all’aggiornamento del documento “PRISMA products and applications” • Valutazione delle tecniche di fusione multirisoluzione, e relativi modelli di iniezione, per

rapporti di scala pari a 1/6 su dati simulati e su dati acquisiti da PRISMA (WP510) • Estrazione di caratteristiche tramite tecniche di riduzione della dimensionalità di tipo non

lineare su dati simulati e su dati acquisiti da PRISMA (WP520) • Valutazione di tecniche di unmixing spettrale di dati simulati e di dati acquisiti da PRISMA

corretti atmosfericamente (WP520) • Valutazione di tecniche di miglioramento della qualità radiometrica dell’immagine PAN

mediante filtraggio inverso e successiva riduzione del rumore in alta frequenza (WP530)

OUTPUTS & DELIVERABLES • Contributo all’aggiornamento del documento “PRISMA products and applications” • Contributo al Rapporto tecnico della prima riunione di avanzamento con l’analisi dello stato

dell’arte delle tecniche trattate nel WP500 e l’indicazione delle tecniche più promettenti per i dati in esame (a T0 + 12 mesi)

• Scelta degli algoritmi e ottimizzazione su dati simulati (a T0 + 24 mesi) • Software dimostrativo relativo alle tecniche prescelte per il pansharpening, il manifold

learning, l’unmixing spettrale e l’enhancement (a T0 + 36 mesi) • Contributo al rapporto tecnico finale con ottimizzazione degli algoritmi su dati PRISMA (a T0

+ 48 mesi)


Pag. 56 / 96

3.10 WP 510 - DATA FUSION



510 DATA FUSION CNR - IFAC Stefano Baronti

Data inizio Data fine Legame con altre attività T0 + 6 mesi T0+48 mesi Tutte

INPUTS

• Contratto ASI • Primo insieme di dati simulati da parte del WP200 a valle della prima riunione tecnica (a T0







• Esame e valutazione delle principali tecniche di fusione (da T0+6 a T0+12) che permettano di operare con rapporti di scala 1:6 in particolare e con rapporti di scala da 1:4 fino a 1:12 ed individuazione di quelle più promettenti.

• Sviluppo di modelli di iniezione dei dettagli spaziali del PAN nelle immagini IPER su dati simulati (a partire da T0+12) e su dati PRISMA (a partire da T0+24)

• Estensione alle immagini iperspettrali fuse dei protocolli di valutazione comunemente adottati per immagini MS e PAN (da T0+24 a T0+36)

• Ottimizzazione degli algoritmi (da T0+24 a T0+36) • Sviluppo di software dimostrativo (da T0+36 T0+48)

OUTPUTS & DELIVERABLES • Contributo al Rapporto tecnico della prima riunione di avanzamento con l’analisi dello stato


• Scelta degli algoritmi e ottimizzazione su dati simulati (a T0+ 24 mesi) • Software dimostrativo relativo alle tecniche prescelte per il pansharpening (a T0 + 36 mesi) • Contributo al rapporto tecnico finale con ottimizzazione degli algoritmi su dati PRISMA (a

T0+ 48 mesi)


Pag. 57 / 96

3.11 WP 520 - FEATURE EXTRACTION & UNMIXING



520 FEATURE EXTRACTION & UNMIXING CNR - IFAC Andrea Garzelli


INPUTS








• Esame delle principali tecniche non lineari di riduzione della dimensionalità (da T0+6 a T0+12) ed individuazione delle tecniche più promettenti per i dati in esame

• Analisi delle principali tecniche di unmixing spettrale (da T0+6 a T0+12) ed individuazione delle tecniche più promettenti per i dati in esame

• Sviluppo e sperimentazione di alcune tecniche di manifold learning su dati simulati (a partire da T0+12) e su dati PRISMA (a partire da T0+24)

• Sviluppo e sperimentazione di alcune tecniche di unmixing spettrale su dati simulati (a partire da T0+12) e su dati PRISMA (a partire da T0+24)




• Scelta degli algoritmi e ottimizzazione su dati simulati (a T0 + 24 mesi) • Software dimostrativo relativo alle tecniche prescelte per il pansharpening, il manifold

learning, l’unmixing spettrale e l’enhancement (a T0 + 36 mesi) • Contributo al rapporto tecnico finale con ottimizzazione degli algoritmi su dati PRISMA (a

T0 + 48 mesi)


Pag. 58 / 96

3.12 WP 530 – ENHANCEMENT AND RESTORATION



530 ENHANCEMENT & RESTORATION CNR - IFAC Luciano Alparone


INPUTS








• Esame delle principali tecniche di restoration (da T0+6 a T0+12) ed individuazione delle tecniche più promettenti per i dati in esame

• Esame delle principali tecniche di enhancement (da T0+6 a T0+12) ed individuazione delle tecniche più promettenti per i dati in esame

• Sviluppo e sperimentazione delle tecniche scelte su dati simulati (a partire da T0+12) e su dati PRISMA (a partire da T0+24)




• Scelta degli algoritmi e ottimizzazione su dati simulati (a T0 + 24 mesi) • Software dimostrativo relativo alle tecniche prescelte di restoration ed enhancement (a T0

+ 36 mesi) • Contributo al rapporto tecnico finale con ottimizzazione degli algoritmi su dati PRISMA (a

T0 + 48 mesi)


Pag. 59 / 96

3.13 WP 600 – VALUTAZIONE DELLE POTENZIALITÀ APPLICATIVE AI PROCESSI AMBIENTALI



600 VALUTAZIONE DELLE POTENZIALITÀ APPLICATIVE AI PROCESSI

AMBIENTALI

CNR - IFAC Roberto Carlà


T0 + 12 mesi T0+48 mesi Tutte

INPUTS • Contratto ASI • Documento “PRISMA products and applications” • Primo e secondo insieme di dati simulati da parte del WP200 a valle della prima riunione

di avanzamento (a T0 + 12 mesi) • Terzo insieme di dati simulati da parte del WP200 a valle della seconda riunione di

avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi) • Specifiche sulla qualità del dato dal WP300 a partire dalla prima riunione tecnica (a T0 +

6 mesi) fino alla conclusione dell’attività • Prodotti di livello 1 e 2 corretti da distorsioni atmosferiche e radiometriche forniti dal


avanzamento (a T0 + 24 mesi)

DESCRIZIONE • Contributo all’aggiornamento del documento “PRISMA products and applications” • Valutazione delle potenzialità del sensore iperspettrale PRISMA ai fini della stima di

parametri e variabili ambientali utili alla individuazione, caratterizzazione e monitoraggio delle aree interessate da rischi naturali ed antropici quali processi di frana e incendi di aree vegetate.

OUTPUTS & DELIVERABLES

• Contributo all’aggiornamento del documento “PRISMA products and applications” • Contributo al rapporto di avanzamento (T0 + 24 mesi): scelta delle metodologie e

sperimentazione sui dati simulati • Contributo al rapporto di avanzamento (T0 + 36 mesi): sviluppo ed ottimizzazione delle

metodologie. • Contributo al rapporto tecnico finale (T0 + 48 mesi): risultati sperimentali relativamente

all’applicazione del dato iperspettrale PRISMA alla stima dell’umidità superficiale ed ai problemi delle aree interessate da incendio.

• Contributi ai rapporti Tecnici • Contributo all’aggiornamento del documento “PRISMA products and applications” • Metodologie prototipali per la stima di parametri e feature ambientali


Pag. 60 / 96

3.14 WP 610 – STIMA DI PARAMETRI IDROGEOLOGICI



600 STIMA DELL’UMIDITA’ SUPERFICIALE

CNR - IFAC Roberto Carlà


T0 + 12 mesi T0+48 mesi tutte INPUTS

• Primo e secondo insieme di dati simulati da parte del WP200 a valle della prima riunione di avanzamento (a T0 + 12 mesi)

• Terzo insieme di dati simulati da parte del WP200 a valle della seconda riunione di avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi)

• Specifiche sulla qualità del dato dal WP300 a partire dalla prima riunione tecnica (a T0 + 6 mesi) fino alla conclusione dell’attività

• Prodotti di livello 1 e 2 corretti da distorsioni atmosferiche e radiometriche forniti dal WP400 a partire dalla prima riunione di avanzamento (a T0 + 12 mesi)

• Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di avanzamento (a T0 + 24 mesi)

DESCRIZIONE Studio volto a valutare le potenzialità dei metodi ed algoritmi per la stima della SSM (Surface Soil Moisture) nelle bande di riflettanza utilizzando immagini simulate del sensore PRISMA, e ad ottimizzare tali metodi con lo sfruttamento delle caratteristiche iperspettrali dell’informazione. In particolare, lo studio si articolerà nelle seguenti attività: • Analisi dei metodi esistenti e dei principi fisici, in relazione all’informazione iperspettrale

disponibile, ed analisi della significatività fisica delle singole bande spettrali o di gruppi di bande spettrali di PRISMA, in relazione allo stato di umidità;

• sperimentazione e/o ottimizzazione di metodi per la stima della SSM, in base agli intervalli spettrali più idonei;

• acquisizione ed elaborazione di immagini nell’infrarosso termico con caratteristiche spaziali congruenti con il sensore PRISMA e generazione prototipale di mappe di SSM sulle aree di studio definite e concordate nell’ambito del progetto, mediante l’impiego di metodi NIR-TIR; analisi comparata tra i risultati ottenuti dalle immagini iperspettrali di PRISMA e quelli ottenuti con sensori multispettrali;

• studio di metodi di integrazione dell’informazione PRISMA con immagini termiche acquisite da altri sensori/satelliti, per lo sviluppo di una metodologia operativa.

• Produzione di linee-guida relative ai risultati teorico-pratici conseguiti. OUTPUTS & DELIVERABLES

• Contributo al rapporto di avanzamento (T0 + 24 mesi): scelta delle metodologie e sperimentazione sui dati simulati.

• Contributo al rapporto di avanzamento (T0 + 36 mesi): sviluppo ed ottimizzazione delle metodologie.

• Contributo al rapporto tecnico finale (T0 + 48 mesi): risultati sperimentali relativamente all’applicazione del dato iperspettrale PRISMA alla stima dell’umidità superficiale.

• Contributi ai rapporti Tecnici e all’aggiornamento del documento “PRISMA products and applications”

• Metodologie prototipali per la stima di parametri e feature ambientali per il rischio di frana


Pag. 61 / 96

3.15 WP 620 – ANALISI DI AREE INTERESSATE DA INCENDI



620 ANALISI DI AREE INTERESSATE DA INCENDI

CNR - IFAC Leonardo Santurri


T0 + 12 mesi T0+48 mesi tutte INPUTS

• Primo e secondo insieme di dati simulati da parte del WP200 a valle della prima riunione di avanzamento (a T0 + 12 mesi)

• Terzo insieme di dati simulati da parte del WP200 a valle della seconda riunione di avanzamento e a conclusione del WP200 tecnica (a T0 + 24 mesi)

• Specifiche sulla qualità del dato dal WP300 a partire dalla prima riunione tecnica (a T0 + 6 mesi) fino alla conclusione dell’attività

• Prodotti di livello 1 e 2 corretti da distorsioni atmosferiche e radiometriche forniti dal WP400 a partire dalla prima riunione di avanzamento (a T0 + 12 mesi)

• Dati PRISMA e relativi dati di calibrazioni forniti da ASI a partire dalla seconda riunione di avanzamento (a T0 + 24 mesi)

DESCRIZIONE Analisi delle potenzialità offerte dal nuovo sensore iperspettrale PRISMA ai fini dello studio e del monitoraggio delle aree vegetate interessate da incendi nella zona mediterranea, relativamente alle fasi di individuazione, perimetrazione e mappatura dell’intensità. Lo studio si articolerà nelle seguenti attività: • esame delle principali tecniche multi- ed iper-spettrali volte alla individuazione e

caratterizzazione di aree interessate da incendio • sviluppo e sperimentazione di metodi basati su immagini iperspettrali, per la individuazione

automatica a scala regionale di aree incendiate; • sperimentazione ed ottimizzazione di metodologie di region growing volte alla identificazione

e perimetrazione delle aree incendiate; • ottimizzazione dei metodi di individuazione e caratterizzazione di aree interessate da incendio • sperimentazione ed ottimizzazione di metodi per la stima dell’effetto degli incendi sulla

copertura vegetale • sperimentazione di metodologie multitemporali volte al monitoraggio della evoluzione della

copertura vegetale in seguito ad eventi di incendio OUTPUTS & DELIVERABLES

• Contributo al rapporto di avanzamento (T0 + 24 mesi): scelta delle metodologie e sperimentazione sui dati simulati

• Contributo al rapporto di avanzamento (T0 + 36 mesi): sviluppo ed ottimizzazione delle metodologie.

• Contributo al rapporto tecnico finale (T0 + 48 mesi): risultati sperimentali relativamente all’applicazione del dato iperspettrale PRISMA alla stima dell’umidità superficiale ed ai problemi delle aree interessate da incendio.

• Contributi ai rapporti Tecnici • Contributo all’aggiornamento del documento “PRISMA products and applications” • Metodologie prototipali per la stima di parametri e feature relative a rischi di incendio


Pag. 62 / 96

4 II – PIANIFICAZIONE DELLE ATTIVITÀ

La durata delle attività sarà di 48 mesi a partire dal Kick Off Meeting, rispettando le seguenti scadenze.

È da notare che, ipotizzando il lancio di PRISMA verso la metà del 2011 a cui seguirà la fase di commissioning, abbiamo stabilito in 24 mesi dal KOM l’istante dal quale saranno disponibili i dati acquisiti da PRISMA.

Descrizione Periodo Eventi

Kick-Off Meeting T0 • Presentazione del progetto OPTIMA • Inizio attività di WP100, WP200, WP300,

WP 400 e relativi WP di livello 2

Fornitura di documentazione T0+3 mesi • Consegna della prima versione del

documento “PRISMA products and applications”

1a Riunione Tecnica (RT1) T0+6 mesi

• Consegna del primo Report Tecnico • Prima fornitura dati simulati ed elaborati • Inizio attività di WP500 e relativi WP di

livello 2

1a Riunione di Avanzamento (RA1) T0+12 mesi

• Consegna della versione aggiornata del documento “PRISMA products and applications”

• Primo Report di Avanzamento • Seconda fornitura dati simulati ed

elaborati • Eventuali pubblicazioni e proceeding • Inizio attività di WP600 e relativi WP di

livello 2 2a Riunione Tecnica

(RT2) T0+18 mesi • Consegna del secondo Report Tecnico



• Secondo Report di Avanzamento • Terza fornitura di dati PRISMA acquisiti ed

elaborati (livello 0 (dati grezzi, livello1 (radianza al sensore) e livello 2 (riflettanza al suolo)

• Eventuali pubblicazioni e proceeding • Fine del WP200

3a Riunione Tecnica (RT3) T0+30 mesi • Consegna del terzo Report Tecnico • Prima fornitura di dati PRISMA acquisiti ed

alaborati



• Consegna del terzo Report di Avanzamento

• Eventuali pubblicazioni e proceeding


Pag. 63 / 96

• Seconda fornitura di dati PRISMA acquisiti ed elaborati (livello 0 (dati grezzi, livello1 (radianza al sensore) e livello 2 (riflettanza al suolo)

4a Riunione Tecnica (RT4) T0+42 mesi • Consegna del quarto Report Tecnico

Riunione Finale (RF) T0+48 mesi

• Consegna della versione definitiva del documento “PRISMA products and applications”

• Fornitura finale di dati PRISMA acquisiti ed elaborati (livello 0 (dati grezzi, livello1 (radianza al sensore) e livello 2 (riflettanza al suolo)

• Eventuali pubblicazioni e proceeding • Consegna del Report Finale

La riunione di Kick Off (KO) avrà lo scopo di dare l’avvio al progetto. In tale sede saranno presentati ed approfonditi gli elementi principali del contratto:

• Lo scopo del progetto

• Il contenuto

• I principali deliverables

• Le scadenze fissate

• Ruoli e responsabilità del team scientifico

Durante il progetto il documento “PRISMA products and applications” verrà arricchito di volta in volta dalle metodologie sviluppate e dai relativi algoritmi implementati durante il progetto OPTIMA.

Le Riunioni Tecniche (RT) e di Avanzamento (RA) avranno essenzialmente lo scopo di illustrare e verificare l’avanzamento del Progetto. Nei relativi report verranno esaminati almeno i seguenti punti:

• L’analisi dello stato dell’arte delle metodologie relative ai prodotti di interesse della missione PRISMA.

• L’aggiornamento delle metodologie utilizzate ed i relativi algoritmi implementati

Con la Riunione Finale (RF) si completeranno e illustreranno tutte le attività via via aggiornate nel documento “PRISMA products and applications”. In particolare nel relativo Report verranno fornite:

• La descrizione generale per ognuno dei prodotti identificati

• La descrizione della metodologia utilizzata per ottenere i prodotti identificati.

• La descrizione dell’implementazione degli algoritmi sviluppati

• L’analisi critica dei risultati ottenuti.

• La proposta di eventuali attività successive utili alla missione PRISMA (ad es. campagne di misura).

Inoltre per assolvere agli obblighi indicati nell’attività di supporto all’ASI relativa al task2, si prevede la partecipazione,oltre alle riunioni di progetto (KO, RA, RT, RF), a riunioni specifiche del team ASI di gestione del progetto PRISMA e ad almeno 16 workshop nazionali e 4 in Europa.


Pag. 64 / 96

La responsabilità della verifica e trasmissione di tale documentazione è del Responsabile Scientifico Ivan Pippi che si avvarrà del supporto tecnico-gestionale di Donatella Guzzi.


Pag. 65 / 96

4.1 SVILUPPO TEMPORALE


Pag. 66 / 96

5 III - STRUTTURA E DESCRIZIONE DEL TEAM DI PROGETTO

5.1 TEAM PROPONENTE

La proposta è presentata dall’Istituto di Fisica Applicata “Nello Carrara” del Consiglio Nazionale delle Ricerche (CNR-IFAC) che partecipa alle attività della proposta attraverso tre gruppi di ricerca strutturati come commesse del CNR.

Gruppo di Ricerca (Unità Operativa) Responsabile gruppo Commessa/Modulo

SOA - Sensori Ottici Aerospaziali ad Alta Risoluzione

Ivan Pippi CNR-IFAC INT.P07.002

ESI - Sistemi, Tecniche e Metodi di Acquisizione, Trattamento ed Analisi di Dati di Telerilevamento Multidimensionali Multirisoluzione

Stefano Baronti CNR-IFAC ICT.P10.005

MMT - Metodologie per il Monitoraggio del Territorio Agro-Forestale

Roberto Carlà CNR-IFAC AG.P03.001.002

Tavola I: Unità Operative CNR – IFAC coinvolte nel progetto OPTIMA.

Il team di progetto è diretto da Ivan Pippi, responsabile del gruppo di ricerca su “Sensori Ottici Aerospaziali ad Alta Risoluzione” del CNR-IFAC. Ciascun gruppo di ricerca riportato nella tabella precedente costituisce anche un’Unità Operativa del progetto proposto.

L’elenco completo degli scienziati che partecipano alle attività del progetto è mostrato nella tabella sotto riportata. Si noti che i gruppi di ricerca del CNR-IFAC comprendono anche il personale di ricerca esterno (cioè dipendente da un Ente terzo) che partecipa al Progetto in quanto già da tempo associato al CNR-IFAC per svolgere attività di ricerca presso il gruppo di ricerca stesso.


Pag. 67 / 96

PARTECIPAZIONE AL PROGETTO DEL TEAM PROPONENTE

Partecipante Istituto (Unità Operativa) Posizione W

P 1

00

WP

200

WP

300

WP

400

WP

500

WP

600

TOTA

LE M

ESI

WP

310

WP

320

WP

410

WP

420

WP

510

WP

520

WP

530

WP

610

WP

620

Aiazzi Bruno CNR-IFAC (ESI) Ricercatore 2 1 1 1 1 6

Alparone Luciano Associato CNR-IFAC (ESI) Professore associato Università di Firenze 2 2 1 1 1 1 1 9

Barducci Alessandro CNR-IFAC (SOA) Collaboratore 2 3 2 7

Baronti Stefano CNR-IFAC (ESI) Primo Ricercatore 2 1 2 1 1 1 8

Capobianco Luca Associato CNR-IFAC (ESI) Borsista di ricerca 4 4

Carlà Roberto CNR-IFAC (MMT) Ricercatore 2 4 2 8

Garzelli Andrea Associato CNR-IFAC (ESI) Professore associato Università di Siena 2 3 4 9

Guzzi Donatella CNR-IFAC (SOA) Assegnista di ricerca 1 3 3 7

Lastri Cinzia CNR-IFAC (SOA) Assegnista di ricerca 2 1 1 3 7

Nardino Vanni Associato CNR-IFAC (SOA) Borsista di ricerca 3 4 7

Pippi Ivan CNR-IFAC (SOA) CTER IV livello 4 2 1 2 1 1 1 12

Santurri Leonardo CNR-IFAC (MMT) Ricercatore tempo determinato 2 4 6

Selva Massimo Associato CNR-IFAC (ESI) Borsista di ricerca 1 2 2 1 6

TOTALE MESI 13 11 7 7 11 10 8 11 5 6 7 96

13 11 14 21 24 13 96

N.B. : sono evidenziati in verde i responsabili di WP di livello 1 ed in giallo quelli di livello 2

I


Pag. 68 / 96

Per quanto riguarda l’esperienza del team proponente, di cui vengono riportati i rispettivi CV,si può affermare che ha raggiunto un ottimo livello internazionale nei seguenti campi:

Spettrometria ad immagine

- Esecuzione di studi per lo sviluppo e la realizzazione di spettrometri ad immagine da montarsi sia su aereo che su satellite.

- Verifica della calibrazione dei dati, determinazione del rapporto segnale - rumore, studio e soppressione dei disturbi spazialmente e spettralmente coerenti, studio degli effetti di aliasing, sviluppo di tecniche di fusione dati.

Interferometria ad immagine

- Studio delle potenzialità dell’interferometria ad immagine quale tecnica di telerilevamento dell’ambiente.

- Progettazione e realizzazione di interferometri ad immagine in configurazione Sagnac in versione da aereo e da satellite

- Analisi della qualità dei dati ottenuti utilizzando interferometri operanti nell’infrarosso per il monitoraggio da aereo di gas di origine vulcanica e di incendi.

Sviluppo di modelli ed implementazione di algoritmi per la correzione delle immagini telerilevate

- Per ottenere dai dati acquisiti immagini corrette in radianza al sensore. - Per correggere gli effetti dell’atmosfera sui dati telerilevati al fine di ottenere mappe

di riflettanza nel visibile e vicino infrarosso o temperatura ed emissività nell'infrarosso termico.

- Per correggere le distorsioni geometriche.

Allestimento e gestione di laboratori e di stazioni di misura permanenti e temporanee nell’area di test e studio di San Rossore (Pisa)

- Messa a punto di metodologie per la calibrazione in laboratorio di spettrometri ed interferometri ad immagine.

- Calibrazione periodica dei sensori di eddy-covariance per la misura dei flussi di CO2 e H2O nella pineta del Parco di San Rossore.

- Esecuzione presso il Parco di San Rossore (Pisa) di campagne di misura per la calibrazione e validazione dei dati telerilevati da vari spettrometri ad immagine montati su aereo, dallo spettrometro ad immagine CHRIS montato a bordo del satellitare PROBA 1 dell’ESA e per SEN3EXP in vista della missione Sentinel 3.

Applicazioni avanzate

- Studio e verifica delle potenzialità degli spettrometri ad immagine al monitoraggio degli incendi, delle coste in prossimità di foci di fiumi, delle zone umide, delle discariche, dell’inquinamento luminoso.

- Studio teorico e misure in laboratorio ed in campo per la determinazione della BRDF di superfici naturali e manufatti, con particolare riguardo agli effetti sulla correzione dei dati telerilevati.


Pag. 69 / 96

5.2 CURRICULUM VITAE

Ivan Pippi Responsabile scientifico del progetto Responsabile WP 100 e WP 400

Impegno temporale: 12 mesi Impegno percentuale: 12.5%

Dati anagrafici Nato a Firenze il 16/02/1949 Titolo di studio Diploma di Perito Industriale (specializzazione in Elettronica Industriale) Posizione CTER IV livello

Responsabile presso l’IFAC della Commessa “Sistemi Ottici Aerospaziali” (INT.P07.002) del Consiglio Nazionale delle Ricerche

Competenze Dal 1969 ha partecipato alla realizzazione e messa a punto della

strumentazione elettronica in esperimenti di radiometria ed interferometria operanti nel lontano infrarosso e montati a terra, su aereo e su pallone stratosferico, per la misura della radiazione di fondo cosmico.

Dal 1976 si è occupato della realizzazione di sistemi lidar per applicazioni in meteorologia prima e quindi in agricoltura integrando l’utilizzo di sensori aerospaziali ottici a scansione.

Dal 1986, come di responsabile di gruppo di ricerca, coordina lo studio delle applicazioni, lo sviluppo di prototipi aerospaziali e la calibrazione, validazione e interpretazione dei dati telerilevati da spettrometri ed interferometri ad immagine operanti nel visibile e nell’infrarosso. L’attività di elaborazione dati è focalizzata sull’estrazione dai dati grezzi acquisiti del dato di radianza al sensore (considerando le caratteristiche del sensore e la sua calibrazione) e da questo dei parametri fisici delle superfici osservate quali riflettanza, emissività e temperatura (considerando gli effetti dell’atmosfera).

Dal 1996 al 2002 è stato membro del Consiglio Scientifico del CNR-IROE.

Dal 1999 al 2004 è stato coordinatore italiano del Progetto Internazionale Priroda per l’utilizzo dei sensori ottici per telerilevamento montati a bordo della stazione spaziale MIR, nel quadro della cooperazione scientifica tra Consiglio Nazionale delle Ricerche ed Accademia Russa delle Scienze.

E’ coinvolto nella gestione e nell’esecuzione di vari progetti nazionali ed internazionali finanziati principalmente da Selex Galileo, dall’ESA e dall’ASI tra cui gli studi per lo spettrometro ad immagine da aereo HYPER/SIM-GA, l’utilizzo del sensore CHRIS per studi ambientali sul Parco Naturale di San Rossore (Pisa).

Ha terminato la progettazione (Fase A e B) dell’interferometro ad immagine ALISEO per la piccola missione MIOSAT dell’Agenzia Spaziale Italiana.


Pag. 70 / 96

Luciano Alparone Responsabile WP 200, WP310, WP 530 Impegno temporale: 9 mesi

Impegno percentuale: 9.375% Dati anagrafici Nato a Firenze il 05/04/1960 Titolo di studio Laurea in Ingegneria Elettronica, Dottorato di Ricerca Posizione Professore Associato presso il Dipartimento di Elettronica e Telecomunicazioni

dell’ Università di Firenze

Competenze Dal 1992 fa parte del Dipartimento di Elettronica e Telecomunicazioni,

Università degli Studi di Firenze, come ricercatore. Negli anni 2000-2001 è stato "Visiting Researcher" e controrelatore di tesi di dottorato presso il "Tampere International Centre for Signal Processing" (TICSP) dell'Università di Tampere, in Finlandia. Dal 2002 è professore associato presso il DET, Università di Firenze. È stato responsabile locale per il Progetto di Rilevante Interesse Nazionale (PRIN) finanziato dal MIUR per il biennio 2001-2002: “Classificazione ed analisi di dati iperspettrali in sistemi di telerilevamento”, sottoprogetto: “Analisi e modellazione di processi stocastici spazio-spettrali per dati di radianza da spettrometri a immagine”. È stato responsabile per il PRIN, biennio 2002-2003: “Elaborazione ed analisi di immagini telerilevate multitemporali e ipertemporali per il monitoraggio ambientale”, sottoprogetto: “Integrazione multitemporale a multirisoluzione e compressione a perdita controllata di sequenze tempo-varianti di dati d’immagine telerilevati”. Nella veste di collaboratore scientifico dell’istituto, è stato responsabile dell’Unità di Firenze c/o IFAC-CNR del progetto preliminare per un “Sistema di interpretazione di immagini SAR” (contratto ASI n. I/008/04/0) nel periodo Maggio-Novembre 2004. Nel biennio 2008–2009 è stato responsabile di unità del progetto coordinato SKY-EYE, finanziato dalla Regione Toscana nell’ambito del Programma Quadro “Ricerca e trasferimento tecnologico per il sistema produttivo”, coordinatore prof. Sandro Moretti, Dipartimento di Scienze della Terra, Università degli Studi di Firenze, partner Galileo Avionica, società del gruppo Finmeccanica. L’unità DET-UniFI è responsabile dell’elaborazione ed estrazione di informazione dai dati iperspettrali, utilizzando tecniche innovative di unmixing spettrale sviluppate “ad hoc” e tuttora in fase di raffinamento attraverso campagne di misura con il nuovo sensore aereo SIM-GA, sviluppato da Galileo Avionica. Nel luglio 2009 è risultata selezionata da ASI e ammessa al finanziamento la sua proposta di progetto scientifico per Cosmo-SkyMed dal titolo “Development of advanced segmentation-based multiresolution methods for speckle reduction and texture restoration in high-resolution SAR imagery”. È risultato vincitore del premio per miglior articolo dell'anno 2004 sulla rivista IEEE Geoscience and Remote Sensing Letters, insieme a Stefano Baronti, Andrea Garzelli e Filippo Nencini. E' autore, da solo o in collaborazione, di oltre sessanta articoli su riviste internazionali e di oltre trecento lavori su atti di convegni, oltreché di svariati capitoli di libri.


Pag. 71 / 96

Stefano Baronti Responsabile WP 300, WP 320, WP 510 Impegno temporale: 8 mesi

Impegno percentuale: 8.33% Dati anagrafici Nato a Firenze il 25/06/1954 Titolo di studio Laurea in Ingegneria Elettronica Posizione Primo Ricercatore presso l’Istituto di Fisica Applicata “Nello Carrara” del

Consiglio Nazionale delle Ricerche

Competenze E’ stato assunto nel CNR nel Gennaio 1985 come ricercatore presso l’IFAC (ex

IROE) a Firenze. È stato responsabile IFAC di vari progetti CNR, ASI, ESA e CNES concernenti le applicazioni dell’elaborazione digitale di immagini nei campi del Telerilevamento, della Visione Artificiale e dei Beni Culturali. In particolare, è stato responsabile IFAC del progetto ESA Advanced Methods for Lossless Compression of Hyperspectral Data, avente come obiettivo la realizzazione di algoritmi di compressione senza perdita per sensori iperspettrali; co-responsabile del progetto ESA Study on coupling radiometry-image quality for hyper-spectral applications, il cui obiettivo è stato di verificare e quantificare la presenza di aliasing nelle immagini prodotte dal sensore hyperspettrale PRISM e della relativa CCN sullo studio dell’aliasing prodotto dal campionamento spettrale in tale sensore; responsabile del progetto ASI Development and realization of advanced algorithms suitable for space application for lossless and near-lossless compression of single-band and multi/hyperspectral optical data che ASI ha finanziato nell’ambito del bando 2001 per la ricerca di base; responsabile del progetto Europeo patrocinato da CNES Multiresolution Image Fusion Study su dati SPOT ad alta risoluzione nel cui ambito l’algoritmo di fusione dati sviluppato dall’IROE è risultato il migliore per dati multispettrali true color; resposabile IFAC nel 2004 dello studio ASI sulla CIA – Camera Iperspettrale Avanzata. È attualmente responsabile della commessa CNR Sistemi, tecniche e metodi di acquisizione, trattamento ed analisi di dati di telerilevamento multidimensionali multirisoluzione. È Vincitore dell’IEEE Geoscience and Remote Sensing Society 2005 Letters Prize Paper Award. È vincitore nel 2006 del Data Fusion Contest “Fusion of Multispectral and Panchromatic Images” organizzato dall’IEEE GRS-S Data Fusion Technical Committee. È coautore di circa 250 lavori pubblicati da riviste internazionali e da proceeding di conferenze internazionali. È membro IEEE della Signal Processing Society e della Geoscience and Remote Sensing Society - Data Fusion Committee. I suoi interessi di ricerca riguardano l’elaborazione digitale delle immagini ed in particolare i campi della compressione dati, del filtraggio adattivo, della fusione di immagini e degli algoritmi basati su decomposizioni multi-risoluzione.


Pag. 72 / 96

Alessandro Barducci Responsabile WP 410 Impegno temporale: 7 mesi

Impegno percentuale: 7.29 % Dati anagrafici Nato a Firenze il 30/09/1961 Titolo di studio Laurea in Fisica Posizione Collaboratore dell’ Istituto di Fisica Applicata “Nello Carrara” del Consiglio

Nazionale delle Ricerche. Professore a contratto presso dell’Università di Siena dal 1997 per i seguenti insegnamenti: Teoria dei Segnali, Teoria dei Segnali Aleatori, Telecomunicazioni Multimediali, Sistemi di Telecomunicazione, Fisica Sperimentale.

Competenze Dal 01/04/1993 al 30/03/1994 è stato dipendente del Consorzio CEO - Centro

di Eccellenza Optronica, dove, all’interno del progetto ALINSPEC ha lavorato all’applicazione della diagnostica per immagini ai sistemi di controllo della qualità delle lavorazioni industriali.

Nel 1994 ha iniziato un’attività di consulenza e fornitura di servizi nei settori dell’automazione industriale, applicazioni informatiche, telerilevamento e ricerca industriale. I suoi lavori più significativi sono rappresentati da varie collaborazioni con il Consiglio Nazionale delle Ricerche, con vari dipartimenti delle università di Firenze, di Parma, e di Siena, e con la Sezione di Firenze dell’INFN. Egli sta inoltre collaborando con aziende operanti nei settori dell’automazione industriale, dell’informatica e della tecnologia avanzata, per lo sviluppo di software, robot industriali e sistemi automatici di controllo qualità, dosaggio, guida e misura. Alessandro Barducci è stato responsabile scientifico di vari progetti di ricerca industriale, acquisendo molta esperienza nella direzione di progetti e gruppi di ricerca. Egli è consulente di vari Ministeri (MAP, MUR) ed autorità regionali italiane (Toscana, Emilia Romagna e Piemonte) per la valutazione tecnico scientifica di proposte di progetti di ricerca industriale e sviluppo precompetitivo (FAR, FIT, PIA, PRIN, Docup, PON, PRIITT, POR).

Alessandro Barducci è membro della SIF, della SPIE e dell’IEEE (Geoscience and Remote Sensing Society). Alessandro Barducci è registrato dal 1997 come “European Physicist” presso la European Physical Society. Egli è iscritto all’Albo degli Esperti del MIUR per la valutazione tecnico scientifica dei Progetti di Ricerca Industriale e Sviluppo Precompetitivo.

Membro del Comitato Scientifico del Fourth Golden West International Conference on Intelligent Systems - San Francisco (USA, 1995) e del International Conference on Intelligent Systems - Reno (USA, 1996) e delle Conferenze IGARSS 2005, IGARSS 2006 e IGARSS 2007 (IEEE International Geoscience and remote Sensing Symposium).


Pag. 73 / 96

Donatella Guzzi Responsabile WP 420 Impegno temporale: 7 mesi

Impegno percentuale: 7.29% Dati anagrafici Nata a Firenze il 02/05/1963 Titolo di studio Laurea in Fisica Posizione Assegnista dell’ Istituto di Fisica Applicata “Nello Carrara” del Consiglio

Nazionale delle Ricerche

Competenze Laureata in Fisica presso l’Università degli studi di Firenze nel 1990. Dal

1991, presso l’IROE-CNR, si è occupata per 4 anni dello sviluppo di sensori ottici per il monitoraggio ambientale. In seguito, dal 1995 al 2000 ha lavorato nel campo della Fisica dell’Atmosfera nell’analisi dei dati Lidar con particolare riguardo alla caratterizzazione dei costituenti gassosi ell’atmosfera, dell’aerosol atmosferico e delle nuvole.

Dal 2001 lavora nel gruppo di ricerca del CNR-IFAC (già CNR-IROE) su “Sensori ottici aerospaziali operanti ad alta risoluzione”. Le principali attività sono l’implementazione e lo sviluppo di algoritmi per la correzione atmosferica di dati telerilevati da spettrometri ed interferometri ad immagine operanti nel visibile e nell’infrarosso, lo sviluppo e la calibrazione di sensori ottici aerospaziali ad alta risoluzione e la validazione di dati tele rilevati tramite misure in campo. Attualmente è anche coinvolta nella progettazione dell’interferometro ad immagine ALISEO per il piccolo satellite tecnologico MIOSAT dell’Agenzia Spaziale Italiana. Ha inoltre collaborato con il Dipartimento di Colture Arboree dell’Università di Bologna nel campo dell’integrazione di dati tele rilevati con misure di riflettanza di copertura vegetativa e modelli matematici per la stima del bilancio del carbonio della vegetazione. E’ coautrice di più di 120 lavori pubblicati da riviste internazionali e da proceeding di conferenze internazionali.


Pag. 74 / 96

Andrea Garzelli Responsabile WP 500, WP 520 Impegno temporale: 9 mesi

Impegno percentuale: 9.375 % Dati anagrafici Nato a Livorno il 26/11/1964 Titolo di studio Laurea in Ingegneria Elettronica.

Dottorato di Ricerca in Ingegneria Informatica e delle Telecomunicazioni Posizione Professore Associato e titolare dei corsi di ‘Elaborazione Numerica dei Segnali’

e ‘Sistemi e Sensori per il Telerilevamento’ presso la Facoltà di Ingegneria dell’Università di Siena.

Competenze Dal 2001 è Professore Associato presso il Dipartimento di Ingegneria

dell’Informazione dell’Università di Siena Dal 2002 è Presidente del Corso di Studio sia del Corso di Laurea in Ingegneria delle Telecomunicazioni che del Corso di Laurea Specialistica in Ingegneria delle Telecomunicazioni. I suoi interessi di ricerca riguardano l’analisi, l’elaborazione e la trasmissione dei segnali e delle immagini: tecniche di filtraggio, analisi di dati SAR, classificazione e fusione di immagini ottiche e SAR per il telerilevamento. Ha svolto attività di ricerca, sia come partecipante che come responsabile di unità operativa, di diversi progetti nazionali e internazionali finanziati da MIUR, ASI, CNR, ESA, Ministero della Difesa, e dall’Unione Europea.

http://www.dii.unisi.it/~garzelli/?Research:Projects

E’ autore (o co-autore) di più di 150 pubblicazioni scientifiche, su riviste scientifiche internazionali, capitoli di libro e atti di conferenze internazionali.

http://www.dii.unisi.it/~garzelli/?Research:Publications

E’ membro della IEEE Geoscience and Remote Sensing Society e del Data Fusion Committee. Svolge regolamente attività di revisore per almeno dieci riviste internazionali tra cui, IEEE Transactions on Geoscience and Remote Sensing, IEEE Transactions on Image Processing, Remote Sensing of Environment, Photogrammetric Engineering & Remote Sensing. E’ stato membro del Consiglio Scientifico (2001-2002) e del Consiglio Direttivo (2003-2007) del Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT). Ha conseguito, insieme ai co-autori, il premio “IEEE Geoscience and Remote Sensing Society Letters Prize Paper Award 2004” per l’articolo “A Global Quality Measurement of Pan-Sharpened Multispectral Imagery”. E’ Senior Member dell’IEEE dal gennaio 2006 e membro dell’IEEE Data Fusion Technical Committee.

http://www.dii.unisi.it/~garzelli/?Research:Projects�

http://www.dii.unisi.it/~garzelli/?Research:Publications�


Pag. 75 / 96

Roberto Carlà Responsabile WP 600, WP 610 Impegno temporale: 8 mesi

Impegno percentuale: 8.33 % Dati anagrafici Nato a Firenze il 17/03/1952 Titolo di studio Laurea in Ingegneria Elettronica Posizione Ricercatore presso l’Istituto di Fisica Applicata “Nello Carrara” del Consiglio


Competenze Dal 1984 è ricercatore del Consiglio Nazionale delle Ricerche, presso l’Istituto

di Fisica Applicata “N. Carrara” IFAC-CNR (ex Istituto di Ricerche sulle Onde Elettromagnetiche), dove si occupa di tecniche e metodi per l’elaborazione delle immagini di telerilevamento ai fini della valutazione ed il monitoraggio di informazioni sull’ambiente. Dal 1985 è responsabile dell’attività di ricezione ed elaborazione di immagini di telerilevamento da satellite, e in questo ambito ha ha coordinato e partecipato direttamente alla progettazione e la realizzazione dei sistemi per la ricezione diretta delle immagini trasmesse dai satelliti METEOSAT-HR e NOAA-AVHRR. Per oltre venti anni ha approfondito tematiche relative alla preelaborazione, georeferenziazione e ortonormalizzazione di immagini satellitari, alla generazione di modelli digitali del terreno ad alta definizione, all'analisi multispettrale e multitemporale ed alle tecniche di integrazione di dati da sensori diversi ai fini della valutazione ed il monitoraggio di variabili geofisiche e parametri ambientali. Ha partecipato, anche in qualità di responsabile e coordinatore, a numerosi progetti scientifici nazionali ed internazionali, in particolare è stato: • responsabile del progetto bilaterale “Validation of operational cloud cover and precipitation analysis by METEOSAT and NOAA/AVHRR imagery and surface observations: an application for the mediterranean region, nell'ambito del protocollo Intergovernativo di Cooperazione Scientifica e Tecnologica Italia-Grecia, ed a partecipato a progetti quali ad esempio: • progetto della Agenzia Spaziale Italiana "Caratterizzazione fisica, monitoraggio e previsione delle colate detritiche a mezzo dell’impiego integrato del telerilevamento e delle tecnologie GIS", • Progetto CNR-MURST - PRISMA-2, Sottoprogetto 5: “Monitoraggio e Telerilevamento” Attualmente partecipa al progetto ASI “MORFEO” (MOnitoraggio e Rischio da Frana mediante dati EO). Ha svolto studi e ricerche inerenti anche l’impiego dei dati da satellite nell'ambito della modellistica idrologica per la previsione delle alluvioni, la stima delle precipitazioni, la valutazione di informazioni sullo stato di umidita' del suolo, l’analisi dei processi di desertificazione in regioni Saheliane e l’influenza del regime idrico stagionale nel Delta Interno del fiume Niger (Mali), lo studio e la caratterizzazione delle aree interessate da frana mediante GIS e telerilevamento, l’individuazione delle aree percorse da incendio per mezzo dell’impiego di immagini multispettrali e multitemporali da satellite, l’analisi della qualità delle acque marine.


Pag. 76 / 96

Leonardo Santurri Responsabile WP 620 Impegno temporale: 6 mesi

Impegno percentuale: 6.25 % Dati anagrafici Nato a Firenze il 09/07/1964 Titolo di studio Laurea in Ingegneria Elettronica Posizione Ricercatore presso l’Istituto di Fisica Applicata “Nello Carrara” del Consiglio


Competenze Dopo la laurea ha svolto un anno di lavoro come tecnico laureto presso

l’università di Firenze, occupandosi di watermarking e commercio digitale. Ha poi frequentato il Corso di Perfezionamento e di Alta Formazione post Laurea denominato ‘Master in Multimedia’ ” organizzato dall’Università degli studi di Firenze. Dal 1999 inizia la formazione con borse di studio e assegni successivi presso l’Istituto di Fisica Applicata “N. Carrara” IFAC-CNR (ex Istituto di Ricerche sulle Onde Elettromagnetiche); in questo periodo si occupa di: qualità dell’immagine (impatto della qualità delle immagini numeriche - nonché delle relative applicazioni - sulle metodiche di archiviazione in formato compresso) e preelaborazione dei dati telerilevati ad alta e media risoluzione.. Nel periodo 2002-2004, svolge il dottorato di ricerca in Telematica e società della informazione sempre presso l’IFAC-CNR, occupandosi di modellazione software di sensori con particolare riferimento alle problematiche di aliasing del sensore PRISM. Dal 2005 al 2007 continua l’attività di formazione presso l’IFAC-CNR occupandosi di analisi e osservazione dell’alta troposfera con tecniche di limb sounding. Nel 2006 partecipa inoltre alla scuola NATO-ASI (North Atlantic Treaty Organization - Advanced Study Institute) “Imaging for Detection and Identification”.

Dal 2008 è ricercatore a tempo determinato sempre presso l’IFAC-CNR, dove inizia ad occuparsi di studio ed analisi quantitativa delle caratteristiche e del contenuto informativo di immagini di telerilevamento ottico da satellite ad alta e altissima risoluzione spaziale e spettrale, con particolare riferimento al settore applicativo degli incendi e delle frane. Nel corso della sua carriera partecipa a diversi progetti sia nazionali che internazionali, fra cui il Progetto ASI “MORFEO - MOnitoraggio e Rischio da Frana mediante dati EO”


Pag. 77 / 96

Bruno Aiazzi Impegno temporale: 6 mesi

Impegno percentuale: 6.25 % Dati anagrafici Nato a Borgo San Lorenzo il 30/01/1961 Titolo di studio Laurea in Ingegneria Elettronica Posizione Ricercatore presso l’Istituto di Fisica Applicata “Nello Carrara” del Consiglio


Competenze Si è laureato in Ingegneria Elettronica il 10/06/1991 presso la Facoltà di

Ingegneria dell'Università di Firenze, discutendo una tesi dal titolo: Confronto tra metodi di compressione di immagini numeriche per la misura della qualità visiva. Dal 2001 è ricercatore CNR presso l’IFAC a Firenze. Ha collaborato e collabora a vari progetti riguardantì i temi della compressione dati ed il telerilevamento ed in particolare al progetto ESA Advanced Methods for Lossless Compression of Hyperspectral Data, al progetto ASI Development and realization of advanced algorithms suitable for space application for lossless and near-lossless compression of single-band and multi/hyperspectral optical data che ASI ha finanziato nell’ambito del bando 2001 per la ricerca di base, e al progetto Europeo patrocinato da CNES Multiresolution Image Fusion Study su dati SPOT ad alta risoluzione. Attualmente si occupa di trattamento numerico delle immagini e in particolare di metodi di compressione di dati acquisiti da sensori multi ed iperspettrali e SAR, di fusione di immagini con metodi multirisoluzione e di metodi di classificazione basati su tecniche fuzzy. È Vincitore nel 2006 del Data Fusion Contest “Fusion of Multispectral and Panchromatic Images” organizzato dall’IEEE GRS-S Data Fusion Technical Committee. È coautore di circa 160 lavori pubblicati da riviste internazionali e da proceeding di conferenze internazionali


Pag. 78 / 96

Luca Capobianco Impegno temporale: 4 mesi

Impegno percentuale: 4.20 % Dati anagrafici Nato a Benevento il 03/06/1979 Titolo di studio Laurea in Ingegneria delle Telecomunicazioni.

Dottorato di Ricerca in Ingegneria dell’Informazione. Posizione Borsista di studio dell’ Università di Firenze

Competenze Dal novembre 2007 al giugno 2008 è stato collaboratore di ricerca presso il

Dipartimento di Ingegneria Elettronica dell’Università di Valencia (Spagna) con tutor il Prof. Gustavo Camps Valls, riguardo alle seguenti tematiche: Semi-Supervised Kernels Methods in Hyperspectral Images; Composite Kernels in Hyperspectral Images. Tale attività ha contribuito allo sviluppo della tesi di Dottorato di Ricerca in Ingegneria dell’Informazione presso l’Università di Siena, “Advances in Hyperspectral Kernel Target Detection” (Relatori: Prof. Andrea Garzelli, Prof. Gustavo Camps Valls). Settembre- Ottobre 2007 : Collaborazione con Agorà, Spin-Off dell’Università degli studi di Siena, per la realizzazione di demo per il riconoscimento automatico di stringhe numeriche contenute in immagini JPEG ricevute via UMTS, riguardo ai temi: Jpeg Image Enhancement; Image Object Segmentation and Extraction; Object features extraction and recognition. Marzo - Aprile 2006 : ciclo di seminari in qualità di relatore/esercitatore su tecniche radar automotive in banda UWB presso la STMicroelectronics di Catania; realizzazione del software e dei simulatori in ambiente Matlab/Simulink. Aprile 2005: Collaborazione con l’Università di Siena per la realizzazione di software per la simulazione di un sistema radar OTH operante in banda HF, composto da trasmettitore, canale e ricevitore, realizzato in ambiente Matlab/Simulink. Dal 2006 ad oggi ha partecipato ai progetti di ricerca: “Distributed image coding for remote sensing applications”, (ESA); LOTHAR - “Pre-feasibility study of an adaptive Over-The-Horizon HF radar for the surveillance of the Mediterranean Sea”, (Ministero della Difesa); LOTHAR-FATT - “Feasibility study of an adaptive Over-The-Horizon HF radar for the surveillance of the Mediterranean Sea”, (Ministero della Difesa). E’ Student Member dell’IEEE dal 2007.


Pag. 79 / 96

Cinzia Lastri Impegno temporale: 7 mesi

Impegno percentuale: 7.29 % Dati anagrafici Nato a Firenze il 12/06/1976 Titolo di studio Laurea in Ingegneria delle Telecomunicazioni.

Dottorato di Ricerca in Informatica multimedialità e telecomunicazioni. Posizione Assegnista dell’ Istituto di Fisica Applicata “Nello Carrara” del Consiglio


Competenze Ha ottenuto la Laurea in Ingegneria delle Telecomunicazioni nel luglio 2002,

presso l’Università degli Studi di Firenze, con una tesi sperimentale intitolata “Compressione reversibile su piattaforma satellitare di dati d’immagine iperspettrali telerilevati”. Nel gennaio 2003 ha superato l’esame di abilitazione alla professione di ingegnere e nel 2007 ha ottenuto il dottorato di ricerca in Informatica, Multimedialità e Telecomunicazioni presso l’università degli studi di Firenze. Dal 2003 ha collaborato continuativamente con IFAC-CNR di Firenze, come borsista e successivamente con assegni di ricerca, occupandosi di trattamento numerico delle immagini e di metodi di compressione di dati acquisiti da sensori multi ed iperspettrali per applicazioni al telerilevamento, stima della qualità di dati telerilevati, inclusa la definizione di metriche innovative. Durante questi anni ha partecipato attivamente a diversi progetti nazionali e internazionali legati all’acquisizione, elaborazione e disseminazione di dati telerilevati (contratto ESA/ESTEC 15662/01/NL/MM "Advanced Met hods for Lossless Compression of Hyperspectral Data", contratti ASI “SAR Images Lossy Compression and Encryption”, “Development and realization of advanced algorithm suitable for space application for lossless and linear lossless compression of single-band and multi/hyperspectral optical data”, e altri). Recentemente a collaborato al progetto ALISEO su MIOSat per lo sviluppo di un interferometro ad imagine, curando in particolare l’interfaccia di acquisizione dati e il processamento degli interferogrammi. E’ coautrice di alcuni articoli su riviste internazionali, di tre capitoli su libri e numerosi articoli su proceedings di congressi internazionali.


Pag. 80 / 96

Vanni Nardino Impegno temporale: 7 mesi

Impegno percentuale: 7.29 % Dati anagrafici Nato a Firenze il 01/02/1978 Titolo di studio Laurea in Fisica Posizione Borsista di studio dell’ Università di Firenze

Competenze Si è occupato, presso il dipartimento di Dipartimento di Fisica dell’Università

degli Studi di Firenze e, successivamente, presso l’Istituto di Fisica applicata Nello Carrara, di sviluppo ed implementazione di procedure per la caratterizzazione del dato satellitare, simulazione degli effetti atmosferici, sviluppo e validazione di algoritmi per la determinazione della riflettanza del suolo. La ricerca, oggetto della pubblicazione, è proseguita anche dopo la conclusione del rapporto di lavoro. Successivamente ha curato lo sviluppo e la realizzazione di differenti progetti di ricerca e sviluppo per aziende private, occupandosi di: procedure per la correzione di immagini satellitari dagli effetti atmosferici; campagne di acquisizione dati tramite sensori ottici; sviluppo di algoritmi per la caratterizzazione della colonna atmosferica, della riflettanza del suolo osservato e dei parametri ambientali utilizzando immagini satellitari in differenti bande dello spettro; implementazione di procedure numeriche per la previsione ed il monitoraggio dell’irradianza solare nelle bande del visibile e dell’ultravioletto; modellazione, simulazione e telecontrollo di impianti fotovoltaici tramite misure satellitari e sensori in situ. Parallelamente ha svolto il Dottorato in Fisica Applicata presso l’Università di Pisa occupandosi di caratterizzazione della colonna atmosferica e determinazione dell’irradianza al suolo (la tesi di dottorato è prossima ad essere discussa). Attualmente Vanni Nardino, presso l’Istituto di Fisica applicata Nello Carrara, è coinvolto nella progettazione dell’interferometro ad immagine ALISEO per il piccolo satellite tecnologico MIOSAT dell’Agenzia Spaziale Italiana.


Pag. 81 / 96

Massimo Selva Impegno temporale: 6 mesi

Impegno percentuale: 6.25 % Dati anagrafici Nato a Borgo San Lorenzo il 09/08/1974 Titolo di studio Laurea in Ingegneria Elettronica Posizione Borsista di studio dell’ Università di Firenze

Competenze Dopo essersi laureato nel 2001 acquisendo competenza sull’interpolazione

Spline, si è indirizzato verso l’attività di ricerca nel campo del telerilevamento. In questo ambito ha approfondito la conoscenza di vari linguaggi di programmazione ed in particolare quella ad oggetti nei linguaggi C++, Java e Matlab, ENVI-IDL. Per quanto riguarda l’attività di ricerca ha partecipato a vari progetti aventi come oggetto la fusione di immagini telerilevate ad elevata risoluzione spaziale, la modellazione del rumore e la stima dei relativi parametri, le correzioni geometriche di immagini iperspettrali. In questo ambito ha acquisito una conoscenza specifica del sensore iperspettrale CHRIS su piattaforma PROBA. È Vincitore nel 2006 del Data Fusion Contest “Fusion of Multispectral and Panchromatic Images” organizzato dall’IEEE GRS-S Data Fusion Technical Committee. È autore oltre 30 articoli su riviste e proceedings internazionali.


Pag. 82 / 96

5.3 PROGETTI PERTINENTI

I gruppi di ricerca attivi presso IFAC su tematiche legate al trattamento delle immagini iperspettrali hanno alle spalle una lunga esperienza che è particolarmente significativa per i sistemi di acquisizione, la compressione dati, le correzioni radiometriche e atmosferiche, la valutazione di qualità dei dati e del loro contenuto informativo, la fusione di immagine e il trattamento dei dati orientato alle applicazioni. Fra i progetti più significativi che hanno avuto come oggetto studi su sensori ottici o compressione di immagini negli ultimi 3 anni ricordiamo:

Tematica: Simulazione Dati e Ottimizzazione Prodotti di Livello 1 e 2

• 2009 - Contratto con l’Università di Bologna per lo svolgimento di rilievi a terra di parametri atmosferici (temperatura, pressione ed umidità), dell’irradianza totale solare (dal visibile al medio infrarosso) e dell’irradianza spettrale solare diretta e diffusa (nel visibile e vicino infrarosso) in corrispondenza di alcuni sorvoli dei satelliti ENVISAT e PROBA-1 dell’ESA e dell’aereo Casa 212 dell’INTA sopra il sito sperimentale di San Rossore (Pisa) nell’ambito della campagna di misura SEN3EXP (dal 16 giugno 2009 al 10 luglio 2009). Nell’ ambito del contratto è prevista anche l’attività di analisi, correzione ed elaborazione delle immagini multi-angolari del sito di San Rossore acquisite dal sensore CHRIS montato a bordo di PROBA-1 per fornire immagini dei radianza al sensore e di riflettanza delle superfici osservate.

• 2009 - ESA / ESTEC Contract N0. 21264/07/NL/FF per lo svolgimento del Task 2: Comparative analysis of different vegetation fluorescence retrieval methods.

• 2007 – 2009 - Progetto ICT-ONE “Sistema integrato su piattaforma ICT per l’alta formazione, la ricerca e l’innovazione industriale nei settori Ottica, Nanotecnologie ed Energia” dalla Regione Toscana nell’ambito del POR regionale

• 2007 - 2008 - Contratto Agenzia Spaziale Italiana per l’interferometro ad immagine ALISEO su MIOSAT relativo alle fasi A e B.

• 2007 – 2008 - Progetto CeTTO “Centro Toscano di Telerilevamento Ottico per la sperimentazione di servizi pre-operativi basati sull’acquisizione, processamento e distribuzione di dati telerilevati da satellite ed aereo” dalla Regione Toscana nell’ambito del DoCUP 1.7.1 svoltosi nel periodo 01/09/2007- 30/06/2008

- 2001- 2009 - Contratto con European Space Agency EOPI cat. 1-LBR Project ID.2832 ‘‘Assimilation of biophysical and biochemical variables in biochemical and hydrological models at landscape scale’’ relativo all’acquisizione di dati/immagini del sensore CHRIS/PROBA1 sul sito di calibrazione/validazione di San Rossore (Pisa) e su quello di Ratno Ostrvo (Belgrado, Serbia).

Tematica: Elaborazione ed Integrazione Dati

• 2003 – 2005 Progetto ASI Development and realization of advanced algorithms suitable for space application for lossless and near-lossless compression of single-band and multi/hyperspectral optical data che ASI ha finanziato nell’ambito del bando 2001 per la ricerca di base.


Pag. 83 / 96

• 2004 Studio ASI sulla CIA – Camera Iperspettrale Avanzata, nel quale IFAC si è occupata dei problemi di compressione dati, fusione dati e restoration dei dati pancromatici.

• 2002 - 2004 Contratto ESA Advanced Methods for Lossless Compression of Hyperspectral Data espressamente dedicato alla compressione senza perdita di dati iperspettrali.

• Contratto ESA Study of coupling radiometry-image quality for hyper-spectral applications nel quale IFAC e GALILEO AVIONICA hanno caratterizzato l’aliasing prodotto nel sensore iperspettrale PRISM

• Contratto CNES Multi-resolution Image Fusion in the Optical HR Domain nell’ambito del progetto Pleiades con l’obiettivo di generare un set di quattro immagini multispettrali a 0.7m di risoluzione spaziale a partire da una immagine pancromatica a 0.7m e quattro immagini multispettrali a 2.8m. L’algoritmo realizzato da IFAC è stato ritenuto il migliore nella composizione R, G, B delle tre bande corrispondenti del visibile.

Tematica: 2.3.6 VALUTAZIONE DELLE POTENZIALITÀ APPLICATIVE AI PROCESSI AMBIENTALI

• 2008–2010 Responsabilità dell’U.O. IFAC-CNR nell’ambito del progetto “MOnitoraggio e Rischio da Frana mediante dati EO” (MORFEO), finanziato dall’Agenzia Spaziale Italiana.

• 2008 – Convenzione con CESIA nell’ambito del progetto RISK–EOS ESA per lo “Sviluppo di medodologie per la mappatura di aree incendiate tramite l-utilizzo di dati telerilevati dai satelliti SPOT e IRS.

• 2007 – Partecipazione al progetto ESA-ESRIN contract 17580/03/I-OL “Support to MIPAS Level 2 product validation”.

• 2007 – Convenzione con CESIA (regione Abruzzo) per “Sviluppo ed implementazione di metodologie di elaborazione ed analisi di dati telerilevati per l’ osservazione dell’ambiente costiero in Abruzzo.“

• 2007 – Contratto nell’ambito del progetto con il Dip. di Scienze Umanistiche e dell’antichita’ dell’Universita’ di Sassari.

• 2002-2006 – Partecipazione al progetto ESA MARSCHALS (Millimetre-wave Airborne Receivers for Spectroscopic CHaracterisation in Atmospheric Limb Sounding), contr. ESA-ESTEC 16530/02/NL/MM: “The Scientific Analysis of limb-Sounding Observation of the Upper Troposphere”, intrapreso dall’IFAC (ex IROE) per l’ ESA (European Space Agency).


Pag. 84 / 96

5.4 PUBBLICAZIONI PERTINENTI

Tematica: Simulazione Dati

Riviste internazionali:

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi: “Assessing noise amplitude in hyperspectral remote sensing images using bit-plane and scatterplot approaches”. IEEE Transaction on Geoscience and Remote Sensing, Vol.45(8), pp.2665-2675, August 2007

B.Aiazzi, L.Alparone, A.Barducci, S.Baronti, I.Pippi, “Estimating Noise and Information of Multispectral Imagery”. Optical Engineering, vol.41, n.3, pp.656-668, March 2002.

B.Aiazzi, L.Alparone, A.Barducci, S.Baronti, I.Pippi, “Information-Theoretic Assessment of Sampled Hyperspectral Imagers”. IEEE Transactions on Geoscience and Remote Sensing, vol.39, n.7, pp.1447-1458, July 2001.

B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, and I. Pippi, “Information-Theoretic Assessment of Sampled Hyperspectral Imagers”, IEEE Trans. Geoscience and Remote Sensing, Vol. 39, No. 7, pp. 1447-1458, July 2001 .

A. Barducci, I.Pippi, "Object Recognition by Edge Analysis: a Case Study”. Optical Engineering, vol.38, n.2, pp.284-294, February 1999.

Tematica: Qualità del Dato


L. Santurri ,“Aliasing assessment in wavelength domain of hyperspectral data” on Journal of Real-Time-Image Processing, Vol.1, No. 2, pp. 131-141, December, 2006. [DOI: 10.1007/s11554-006-0019-4].

Pubblicazioni su libri di atti di congressi internazionali:

B. Aiazzi, S. Baronti, L. Santurri, A. Capanni, R. Vitulli: “Aliasing assessment and mitigation of PRISM hyperspectral sensor simulated images”, Proc. 22nd EARSel Symposium, Prague, Czech Republic, 4-7 Jun. 2002, in Geoinformation for European-wide integration, T. Benes (Ed.), Millpress, Rotterdam, Netherlands, pp. 71-78, 2003. ISBN 90-77017-71-2.

Tematica: Ottimizzazione Prodotti di Livello 1 e 2


A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi: “Investigating the Angular and Spectral Properties of Natural Targets Using Chris-Proba Images of San Rossore Test Site”. International Journal of Remote Sensing, Vol. 30 (3), pp. 533 – 553, 2009 doi:10.1080/01431160802139930

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi: “Aerospace wetland monitoring by hyperspectral imaging sensors: a case study in the coastal zone of San Rossore Natural Park”. Journal of Environmental Monitoring, Vol. 90 (7), pp. 2278 – 2286, 2009. doi: 10.1016/jenvman.2007.06.033

V. Nardino, F. Martelli, P. Bruscaglioni, G. Zaccanti, S. Del Bianco, D. Guzzi, P. Marcoionni, I. Pippi: “McCART: Monte Carlo Code for Atmospheric Radiative Transfer”. IEEE Transaction on


Pag. 85 / 96

Geoscience and Remote Sensing, Vol. 46 (6), pp.1740-1752, June 2008. doi:10.1109/TGRS.2008.9.16464

A.Barducci, M.Benvenuti, L.Bonora, F.Castagnoli, D.Guzzi, P.Marcoionni, I.Pippi: “Hyperspectral Remote Sensing for Ligth Pollution Monitoring”. Annals of Geophysics, February 2006, vol.49, n.1, pp.305 – 310

A.Barducci, D.Guzzi, P.Marcoionni, I.Pippi, “Comparison of Fire Temperature Retrieved from SWIR and TIR Hyperspectral Data”. Infrared Physics & Technology, 46, pp.1 – 9, (2004).

A.Barducci, D.Guzzi, P.Marcoionni, I.Pippi, “Algorithm for the Retrieval of Columnar Water Vapour from Hyperspectral Remotely Sensed Data”. Applied Optics, October 2004, vol.43, n.29, pp.5552 - 5563.

A.Barducci, D.Guzzi, P.Marcoionni, I.Pippi, “A New Algorithm for Temperature and Spectral Emissivity Retrieval over Active Fires in the TIR Spectral Range”. IEEE Transactions on Geoscience and Remote Sensing, vol.42, n.7, pp.1521-1529, July 2004.

A.Barducci, F.Castagnoli, D.Guzzi, P.Marcoionni, I.Pippi, M.Poggesi, “Solar Spectral Irradiometer for Validation of Remotely Sensed Hyperspectral Data”. Applied Optics, January 2004, vol.43, n.1, pp.183 - 195.

A.Barducci, P.Marcoionni, I.Pippi, M.Poggesi, “Effects of Light Pollution Revealed During a Nocturne Aerial Survey by Two Hyperspectral Imagers”. Applied Optics - LP, July 2003, vol.42, n.21, pp.4349 - 4361.

A.Barducci, D.Guzzi, P.Marcoionni, I.Pippi, “Infrared Detection of Active Fires and Burnt Areas: Theory and Observations”. Infrared Physics & Technology, 43, pp.119 – 125, (2002).

A.Barducci, I.Pippi, “Analysis and Rejection of Systematic Disturbances in Hyperspectral Remotely Sensed Images of the Earth”. Applied Optics - LP, 20 March 2001, vol.40, n.9, pp.1464-1477.

A.Barducci, I.Pippi, "Temperature and Emissivity Retrieval from Remotely Sensed Images Using the ‘Grey Body Emissivity’ Method". IEEE Transactions on Geoscience and Remote Sensing, vol.34, n.3, pp.681-695, May 1996.

Pubblicazioni su libri di atti di congressi internazionali:

A. Barducci, F. Castagnoli, G. Castellini, D. Guzzi, P. Marcoionni, I. Pippi: 2008, “ALISEO on MIOSAT: an Imaging Interferometer for Earth Observation”, ICSO 2008, Tolosa (F), 14-17 ottobre 2008.

M. Mazzoni, P. Falorni, S. Del Bianco, D. Guzzi, I. Pippi: 2008, “A new methodology for Sun-induced leaf fluorescence retrieval from space in the atmospheric O2 absorption bands”, ICSO 2008, Tolosa (F), 14-17 ottobre 2008.

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi: 2008, “Atmospheric correction iterative method for high resolution aerospace imaging spectrometers”, ISPRS 2008, Pechino (Cina), 3-11 July 2008, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B1. Beijing 2008, pp. 357 -361.


Pag. 86 / 96

A. Barducci, F. Castagnoli, G. Castellini, D. Guzzi, P. Marcoionni: 2008, “The aerospace imaging interferometer ALISEO: further improvements of calibration methods and assessment of interferometer response”, ISPRS 2008, Pechino (Cina), 3-11 July 2008, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B1. Beijing 2008, pp. 935 - 940.

A. Barducci, D. Guzzi, P. Marcoionni, I. Pippi: 2007, ” An atmospheric correction iterative method for very high resolution aerospace imaging spectrometers” ”, 14th SPIE International Symposium on “Remote Sensing”, Firenze (I), 17 – 20 September 2007, CD Vol. 6745-32, pp. 674517-1 – 674517-10

B. Aiazzi, L. Alparone, A. Barducci , S. Baronti, D. Guzzi, P. Marcoionni, I. Pippi , M. Selva: 2007, “Assessment of Quality Parameters for a New-Generation Hyperspectral Imager”, 14th SPIE International Symposium on “Remote Sensing”, Firenze (I), 17 – 20 September 2007, CD Vol. 6748-28, pp. 67480Q-1 - 67480Q12

A. Barducci, F. Castagnoli, D. Guzzi, P. Marcoionni, I. Pippi: 2007, ” The aerospace imaging interferometer ALISEO: further improvements of calibration methods and assessment of interferometer response”, 14th SPIE International Symposium on “Remote Sensing”, Firenze (I), 17 – 20 September 2007, CD Vol. 6744-52 pp. 67441J-1 – 67441J-10

A. Barducci, D. Guzzi, P.Marcoionni, I.Pippi: “Assessment of signal-to-noise ratio of CHRIS/PROBA and other hyperspectral sensors using images acquired overf the San Rossore (Italy) test site”. "Image and Signal Processing for Remote Sensing XI” edited by L.Bruzzone, SPIE vol. 5982, pp. 59820P-1 - 13. Proceedings of SPIE Europe International Symposium on “Remote Sensing”, Bruges (Belgium), 19-22 September 2005.

A. Barducci, D.Guzzi, P.Marcoionni, I.Pippi: "Bi-Directional Reflectance Distribution Function (BRDF) Retrieval from Laboratory Multiangle Measurements". XX Congress of the International Society for Photogrammetry and Remote Sensing (ISPRS 2004), Istanbul (Turkey), 12 - 23 July 2004. Proceedings: IAPRS, Vol.XXXV, ISSN 1682-1750 , pp. 322 – 326

A. Barducci, D.Guzzi, P.Marcoionni, I.Pippi: “Atmospheric Effects on Hyperspectral Data Acquired with Aerospace Imaging Spectrometers”. "Optics in Atmospheric Propagation and Adaptive Systems V” edited by A. Kohle, J.D. Gonglewski, SPIE vol. 4884, pp. 1 – 9. Proceedings of 9th International Symposium on “Remote Sensing”, Aghia Pelagia (Creta, GR), 22-27 September 2002.

Tematica: Elaborazione ed Integrazione Dati


A. Garzelli and F. Nencini, “Hypercomplex quality assessment of multi/hyper-spectral images,” IEEE Geoscience and Remote Sensing Letters, vol. 6, 2009, in press.

L. Capobianco, A. Garzelli, and G. Camps-Valls, “Target detection with semi-supervised kernel orthogonal subspace projection,” IEEE Transactions on Geoscience and Remote Sensing, vol. 47, 2009, in press.

F. Bovolo, L. Bruzzone, L. Capobianco, S. Marchesi, F. Nencini, and A. Garzelli, “Analysis of the Effects of Pansharpening in Change Detection on VHR Images,” IEEE Geoscience and Remote Sensing Letters, vol.6, 2009, in press.


Pag. 87 / 96

M. M. Khan, L. Alparone, J. Chanussot, “Pansharpening quality assessment using the modulation transfer functions of instruments”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 47, No. 10, October 2009.

F. Argenti,T. Bianchi, G. Martucci di Scarfizzi, L. Alparone, “LMMSE and MAP estimators for reduction of multiplicative noise in the nonsubsampled contourlet domain”, Signal Processing, Vol. 89, No. 10, pp. 1891-1901, October 2009.

B. Aiazzi, S. Baronti, L. Alparone, “Lossless compression of Hyperspectral images using multiband lookup tables”, IEEE Signal Processing Letters, Vol. 16, No. 6, pp. 481-484, June 2009.

B. Aiazzi, S. Baronti, F. Lotti, M. Selva, “A Comparison Between Global and Context Adaptive Pansharpening of Multispectral Images”, IEEE Geoscience and Remote Sensing Letters, Vol. 6, No. 2, pp. 302–306, April 2009.

T. Bianchi, F. Argenti, L. Alparone, “Segmentation-based MAP despeckling of SAR images in the undecimated wavelet domain,” IEEE Transactions on Geoscience and Remote Sensing, Vol. 46, No. 9, pp. 2728–2742, September 2008.

L. Alparone, B. Aiazzi, , S. Baronti, A. Garzelli, F. Nencini, M. Selva, “Multispectral and panchromatic data fusion assessment without reference”, Photogrammetric Engineering & Remote Sensing, Vol. 74, No. 2, pp. 193 – 200, February 2008.

A. Garzelli, F. Nencini, and L. Capobianco, “Optimal MMSE Pan Sharpening of Very High Resolution Multi-spectral Images,” IEEE Transactions on Geoscience and Remote Sensing, vol. 46, pp. 228–236, January 2008.

A. Garzelli and F. Nencini, “Panchromatic sharpening of remote sensing images using a multiscale Kalman flter,” Pattern Recognition, vol. 40, pp. 3568–3577, Dec 2007.

B. Aiazzi, S. Baronti, M. Selva, ” Improving component substitution pansharpening through multivariate regression of MS+Pan data”, IEEE Trans. Geoscience and Remote Sensing, Vol. 45, No. 10, pp. 3230–3239, October 2007.

L. Alparone, L. Wald, J. Chanussot, C. Thomas, P. Gamba, L. M. Bruce, “Comparison of pansharpening algorithms: Outcome of the 2006 GRS-S Data Fusion contest,” IEEE Transactions on Geoscience and Remote Sensing, Special Issue on IGARSS 2006, Vol. 45, No. 10, pp. 3012–3021, October 2007.

B. Aiazzi, L. Alparone, S. Baronti, C. Lastri, “Crisp and Fuzzy Adaptive Spectral Predictions for Lossless and Near-Lossless Compression of Hyperspectral Imagery”, IEEE Geoscience and Remote Sensing Letters, Vol. 4, No. 4, pp. 532–536, October 2007.

F. Nencini, A. Garzelli, S. Baronti, L. Alparone, “Remote sensing image fusion using the curvelet transform”, Information Fusion, Vol. 8, No. 2, pp. 143-156, April 2007.

F. Argenti, T. Bianchi, L. Alparone, “Multiresolution MAP despeckling of SAR images based on locally adaptive generalized Gaussian PDF modeling,” IEEE Transactions on Image Processing, Vol. 15, No. 11, pp. 3385-3399, November 2006.

A. Garzelli and F. Nencini, “PAN-sharpening of very high resolution multispectral images using genetic algorithms,” International Journal of Remote Sensing, vol. 27, pp. 3273–3292, Aug. 10 2006.


Pag. 88 / 96

B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, M. Selva, “MTF-tailored multiscale fusion of high resolution MS and Pan imagery”, Photogrammetric Engineering & Remote Sensing, Vol. 72, No. 5, pp. 591-596, May 2006.

B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, P. Marcoionni, I. Pippi, M. Selva, “Noise modelling and estimation of hyperspectral data from airborne imaging spectrometers”, Annals of Geophysics, Vol. 49, No. 1, pp. 1-9, February 2006.

F. Argenti, G. Torricelli, L. Alparone, “MMSE filtering of generalised signal-dependent noise in spatial and shift-invariant wavelet domains,” Signal Processing, Vol. 86, No. 8, pp. 2056-2066, August 2006.

A. Garzelli and F. Nencini, “Interband structure modeling for Pan-sharpening of very high-resolution multispectral images,” Information Fusion, vol. 6, no. 3, pp. 213–224, 2005.

B. Aiazzi, S. Baronti, L. Santurri, M. Selva, L. Alparone, “Information-theoretic assessment of multi-dimensional signals”, Signal Processing, Special Issue on Information Theoretic Signal Processing, Vol. 85, No. 5, pp. 903-916, May 2005.

L. Alparone, S. Baronti, A. Garzelli, F. Nencini, “Landsat ETM+ and SAR image fusion based on generalized intensity modulation,” IEEE Transactions on Geoscience and Remote Sensing, Vol. 42, No. 12, pp. 2832-2839, December 2004.

L. Alparone, S. Baronti, A. Garzelli, F. Nencini, “A Global Quality Measurment of Pan-Sharpened Multispectral Imagery”, IEEE Geoscience and Remote Sensing Letters, Vol. 1, No. 4, pp. 313–317, October 2004.

S. Baronti, B. Aiazzi, L. Alparone, “Pan-sharpening of very-high resolution multispectral images via generalised Laplacian pyramid fusion,” Bulletin de la SFPT (French Society of Photogrammetry and Remote Sensing), Special Issue on CNES-CCT Workshop “Méthodes de fusion multi-résolution pour la synthèse d’images”, Bulletin. 169 (2003-1), pp. 17-25, 2003.

T. Ranchin, B. Aiazzi, L. Alparone, S. Baronti, L. Wald, “Image fusion – the ARSIS concept and some successful implementation schemes,” ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 58(2003), pp. 4-18, 2003.

B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, “Context-driven fusion of high spatial and spectral resolution data based on oversampled multiresolution analysis,” IEEE Trans. Geoscience and Remote Sensing, Vol. 40, No. 10, pp. 2300–2312, October 2002.

Capitoli di libri a livello internazionale - CLI

A. Garzelli, L. Capobianco, F. Nencini, “Fusion of multispectral and panchromatic images as an optimisation problem”, in Image Fusion: Algorithms and Applications, (T. Stathaki Ed.), Academic Press, pp.223–250, July 9, 2008.

B. Aiazzi, S. Baronti, M. Selva, “Image fusion through multiresolution oversampled decompositions”, in Image Fusion: Algorithms and Applications, T. Stathaki Ed., Chapter 2, pp. 27-66,Academic Press, London, 2008.

B. Aiazzi, L. Alparone, S. Baronti, M. Selva, “Quality assessment of remote-sensing multi-band optical images”, in Signal and Image Processing for Remote Sensing, C. H. Chen Ed., part II chapter 28, pp. 621-642, CRC press, Taylor & Francis Group, Boca Raton FL, 2007.


Pag. 89 / 96

B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, F. Lotti, F. Nencini, M. Selva, “Context-Sensitive Pan-Sharpening of Multispectral Images”, 2007, pp.121–125 Volume: Springer Lecture Notes in Computer Science 4816, Springer, Berlin, Heidelberg - Germany

B. Aiazzi, L. Alparone, S. Baronti, C. Lastri, L. Santurri: “Near-lossless compression of hyperspectral imagery through crisp/fuzzy adaptive DPCM”, in Hyperspectral Data Compression Book, G. Motta , F. Rizzo, J. A. Storer (Eds.), Chapter 6, pp. 147-177, Springer Sience+Business Media Inc., 2006.

B. Aiazzi, S. Baronti, C. Lastri: “Remote sensing image coding”, in Document and Image Compression, M. Barni (Ed.), Chapter 15, pp. 389-411, CRC press, Taylor & Francis Group, Boca Raton FL, 2006.

B. Aiazzi, L. Alparone, S. Baronti, A. Garzelli, F. Nencini, M. Selva, “Spectral information extraction by means of MS+Pan fusion”, ESA Special Publication no. 553, in ESA Special Publication no. 553, Theory and Applications of Knowledge driven Image Information Mining, with focus on Earth Observation, 2004.

Tematica: Valutazione delle potenzialità applicative ai processi ambientali


B. Aiazzi, L. Alparone, A. Barducci, S. Baronti, R. Carlà, I. Pippi, “Aspects of multi-scale analysis for managing spectral and temporal coverages of space-borne high-resolution images”, in "Machine Vision and Advanced Image Processing in Remote Sensing", Springer Verlag, Berlin, pp. 49-60, 1999.

A. Carrara, G. Bitelli, R. Carlà, “Comparison of techniques for generating digital terrain models from contour lines”, Int. J. of Geographical Information Science, v. 11 n. 5, pp. 451-473, 1997.

V. Alessandro, R. Carlà, V. Chiarini, G.L. Del Bono, G. Bandinelli, “Influence of seasonal hydrologic regime of Niger River on southern Azaouad wet areas (Mali) by multitemporal satellite imagery analysis”, Geo-observateur, Special MARISY '92, pp. 245-253, 1992.

Pubblicazioni su libri di atti di congressi internazionali

R. Carlà, L. Santurri, L. Bonora, C. Conese,: “Improvement of dNBR burnt areas detection procedure by physical considerations based on NDVI index” Proc. VII International EARSeL Workshop, Matera (Italy), 2-5 September 2009, in Advances on Remote Sensing and GIS applications in Forest Fire Management - Towards an operational use of Remote Sensing in Forest Fire Management, Published for: EARSeL by Emilio Chuvieco and Rosa Lasaponara, Il Segno (Ed.), Potenza (Italy), 2009, pp. 203 – 209 ISBN: 978-88-904367-0-3, 2009.

F. Guzzetti, L. Candela, R. Carlà, G. Fornaro, R. Lanari, G. Mondini, G. Ober, F. Fiorucci, G. Zeni, “MORFEO project: use of remote sensing technology for mapping, monitoring and forecasting landslides”, EGU General Assembly 2009, 19-24 apr, Vienna, Austria, 2009.

A. Mondini, R. Carlà, P. Reichenbach, M. Cardinali, F. Guzzetti, “Use of remote sensing approach to detect landslide thermal behavior”, EGU General Assembly 2009, 19-24 apr, Vienna, Austria, 2009.

F. Guzzetti, L. Candela, R. Carlà, G. Fornaro, R. Lanari, G. Ober, “Exploiting Earth Observation Tehcnology to Map, Monitor and Forecast Landslides: the ASI MORFEO Project”, Proc. of “The First World Landslide Forum”, Tokyo, Japan, 18-21 nov 2008, pp239-241, 2008.


Pag. 90 / 96

C. Conese, R. Carlà; L. Bonora , “Detection of small fire affected areas by satellite data”, EGU General Assembly 2008, 13-18 apr., Vienna, Austria. XY0583; EGU2008-A-12116; IS34 - NH8.4/BG2.16-1WE3P-0583, 2008

B. Aiazzi, S. Baronti, A. Garzelli, L. Santurri, M. Selva: “Spatial enhancement of TIR ASTER data via VNIR bands and generalized Laplacian Pyramid”, Proc. 4th EARSeL Workshop on Imaging Spectroscopy, Warsaw, Poland, 27-29 Apr. 2005, in Imaging Spectroscopy- New Quality in Environmental Studies, edited by Bogdan Zagajewski and Marcin Sobczak, Warsaw University, pp.553-564, 2005. ISBN 83-89502-02-X.

Pubblicazioni su libri di atti di congressi nazionali

G. Calamita, L. Candela, R. Carlà, F. Guazzetti, Iodice A., La penna V., Natale A., Mondini A., Ober G., Perrone A., Riccio D., Santurri L., “La stima dell’umidità del suolo da dati EO a supporto del monitoraggio del rischio di frana”, 13a Conf. Naz. ASITA, Bari. 01-04 dic. (accepted), 2009.

R. Carlà, S. Baronti, M. Cardinali, F. Fiorucci, F. Guazzetti, A. Mondini, L. Santurri, Valutazione delle caratteristiche informative di immagini ad alta risoluzione IKONOS per lo studio dei fenomeni di frana, 13a Conf. Naz. ASITA, Bari. 01-04 dic. (accepted), 2009

M. Antoninetti, P.N. Blonda, L. Candela, R. Carlà, F. Guzzetti, A. Mondini, G. Ober, G. Pasquariello , M. Pep, A. Rampini, L. Santurri, Utilizzo di tecnologie e dati EO ottici a supporto della conoscenza e del monitoraggio dei fenomeni di frana, 13a Conf. Naz. ASITA, Bari. 01-04 dic. (accepted), 2009

R. Carlà R., Santurri L., Conese C., L. Bonora, “Multitemporal burnt area detection methods based on a couple of images both acquired after the fire event”, SPIE Europe Remote Sensing 2009, 31 aug – 03 sept., Berlin, Germany, 2009.

R. Carlà, L. Santurri, C. Conese, L. Bonora, “Improvement of dNBR burnt areas detection procedure by physical considerations based on NDVI index”, 7th EARSeL Workshop on Advances in RS and GIS Applications in Forest Fire Management, 02-05 sept., Matera, Italy, 2009.

A. Mondini, R. Carlà, P. Reichenbach, M. Cardinali, F. Guazzetti, “Analisi del comportamento termico delle frane attraverso l’uso di tecniche di Remote Sensing”, Atti IV Meeting Geology and Information Technology (GIT), Italian Geological Society, Cagli (PU), 15-17 Giugno, 2009.

R. Carlà, S. Baronti, M. Cardinali, F. Fiorucci, F. Guzzetti, A. Mondini, L. Santurri , “Analisi comparata di immagini satellitari IKONOS con immagini fotogrammetriche tradizionali per la mappatura di fenomeni franosi: risultati preliminari”, Atti IV Meeting Geology and Information Technology (GIT), Italian Geological Society, 15-17 Jun, Cagli (PU), Italy, 2009.

Rapporti di Progetti di Ricerca Internazionali

C. Conese, L. Bonora, R. Carlà, BAD - Burnt Area Detection - Procedura per l’individuazione delle aree forestali percorse da incendio mediante telerilevamento da satellite, rapp. finale WP 4200 del progetto RISK-EOS Phase 2 (contr. Telespazio S.p.A. con IBIMET e IFAC CNR), pp. 1-47, 2007.

C. Conese, L. Bonora, R. Carlà, Metodologie per l’individuazione di aree foresali bruciate, rapp. finale contr. tra IBIMET-CNR ed IFAC-CNR del 10/06/2005 (prot. 291/05), nell’ambito del progetto “Sviluppo di algoritmi di elaborazione dati telerilevati per il supporto alla valutazione del rischio idrogeologico susseguente ad incendi” (WPs 1030-TELE_OR2) tra TELESPAZIO S.p.A. e CNR, 2005.


Pag. 91 / 96

S. Baronti, R. Carlà, A. Iodice, R. Lanari, C. Lastri, M. Manunta, D. Riccio, Stato dei Prodotti EO”, Prog. ASI: “MORFEO – Monitoraggio e Rischio da Frana mediante dati EO”, final tech. rep. WP3200, MORFEO-TN-IREANA-006, 12/07/2004, pp78, 2004.


Pag. 92 / 96

5.5 STRUMENTI E FACILITIES

I gruppi di ricerca attivi presso IFAC su tematiche legate al trattamento delle immagini iperspettrali hanno a disposizione le seguenti facilities:

DATI PROVENIENTI DA ALTRI SENSORI AEROSPAZIALI:

• Serie completa delle immagini acquisite dal sensore CHRIS su piattaforma PROBA sul sito di Calibrazione/Validazione di San Rossore (Pisa) dal 2002 ad oggi (46 acquisizioni) nell’ ambito del contratto con European Space Agency EOPI cat. 1-LBR Project ID.2832 ‘‘Assimilation of biophysical and biochemical variables in biochemical and hydrological models at landscape scale’’. Ogni acquisizione è composta da 5 immagini del target osservato con un angolo di vista differente (+/- 55°, +/- 36°, e 0°)).

• Dati MODIS (su satelliti Terra ed Aqua) acquisiti sul sito di San Rossore (Pisa) e relativi agli anni 2004, 2005, e 2006.

• Dati HYPERION (su satellite Earth Orbiter 1) acquisiti di recente su varie arre di test della

Toscana.

• Dati MIVIS su aereo CASA 212 acquisiti sul sito di San Rossore (Pisa) ed in siti limitrofi della

Toscana come per esempio l’Isola d’Elba, Livorno, le Apuane, l’Argentario e le Colline Metallifere durante le seguenti campagne di misure:

10 Novembre 1999

21 Giugno 2000

13 Settembre 2001

9 Luglio 2002

15 Dicembre 2005

• Dati VIRS-200 su aereo CASA 212 acquisiti sul sito di San Rossore (Pisa) ed in siti limitrofi

della Toscana come per esempio l’Isola d’Elba, Livorno, le Apuane, l’Argentario e le Colline Metallifere durante le seguenti campagne di misure:

10 Novembre 1999

21 Giugno 2000

13 Settembre 2001

9 Luglio 2002

• Dati HYPER/SIMGA su aereo CASA 212 acquisiti durate la campagna di calibrazione/validazione del suddetto sensore svoltasi il 15 Dicembre 2005 sopra il sito di San Rossore (PISA) ed in siti limitrofi della Toscana come per esempio Livorno, le Apuane, l’Argentario e le Colline Metallifere.


Pag. 93 / 96

SITO DI CALIBRAZIONE

Utilizzo di un sito localizzato all’interno del Parco Naturale di San Rossore in base ad una convenzione stipulata a partire dal 2001 con la Regione Toscana e la Direzione del Parco al fine di calibrare e validare sensori ottici da aereo e/o da satellite durante apposite campagne di misura.

STRUMENTI

Nei gruppi CNR-IFAC coinvolti in questo progetto è presente una rete di calcolatori con sistemi operativi Windows e Linux dedicati all’elaborazione dei dati teleriilevati iperspettrali.

Presso il sito di calibrazione e validazione di San Rossore sono presenti:

• Stazione Meteo VAISALA (misure di temperatura, umidità, pressione, irradianza totale solare nel visibile e nell’ infrarosso)

• SpettroIrradiometro solare operante nel visibile e vicino infrarosso

• Mini-Lidar per la caratterizzazione dell’aerosol atmosferico

SOFTWARE:

• ENVI 4.5

• ERDAS Imagine 8.7

• PCI Geomatica

• Matlab 6

• Software di trasferimento radiativo MODTRAN 5.2

• Software di progettazione ottica ZEMAX

• Libreria proprietaria di algoritmi GEOLIB

• Algoritmi proprietari per la mappatura delle zone bruciate a partire da immagini multispettrali


Pag. 94 / 96

6 IV - DELIVERABLES

Alla riunione a T0 + 3 mesi verrà presentata la prima versione del documento “PRISMA products and applications”. Tale report verrà aggiornato ad ogni Riunione di Avanzamento ed alla Riunione Finale di progetto verrà consegnata la versione finale.

I contenuti del documento “PRISMA products and applications” saranno:

- Descrizione delle applicazioni scelte e dei relativi prodotti

- Dimostrazione della fattibilità dei prodotti e delle applicazioni scelte

- Liste degli utenti potenzialmente interessati

- Individuazione e descrizione degli algoritmi per i prodotti a valore aggiunto

- Requisiti operativi

Ad ogni Riunione di Avanzamento verrà anche presentato il Report di Avanzamento che conterrà le seguenti informazioni:

1) Executive summary

2) Sintesi dei principali risultati: descrizione generale dei progressi relativi al periodo includendo l’attività svolta fino ai livelli più bassi. Verrà inclusa anche una descrizione ed una valutazione della percentuale di lavoro completato.

3) Riesame dettagliato dello stato di eventuali problemi tecnico-scientifici che possano condizionare le attività di ricerca o avere un impatto sulla missine PRISMA

4) Piano delle attività a seguire

5) Elenco delle milestone raggiunte durante il periodo di riferimento e la previsione delle milestone relative al periodo futuro.

6) Lista e stato delle RID

7) Documentazione prevista in uscita e consegnata (quali pubblicazioni)

8) Temi attinenti il contratto (quali partecipazioni a workshop, convegni, riunioni inerenti la missione PRISMA o missioni simili, etc.)

9) Per le varie linee di attività:

a) Descrizione dei risultati ottenuti

b) Stato delle eventuali azioni correttive

c) Descrizione degli eventuali cambi intervenuti

d) Descrizioni delle eventuali problematiche incontrate

e) Previsione delle attività di successivo periodo

f) Stato delle reviews ( includendo lo stato delle eventuali RIDs)


Pag. 95 / 96

In preparazione per ogni Riunione Tecnica verrà fornito un breve report che illustrerà lo stato del progetto e degli studi ad esso relativi in modo da permettere una condivisione più immediata dei risultati.

Infine ad ogni riunione saranno illustrate e discusse le varie attività svolte attraverso l’utilizzo di presentazioni che verranno fornite all’ASI e messe a disposizione su un sito web appositamente allestito presso CNR – IFAC o ASI e protetto se ritenuto opportuno

Nel corso dello studio e in corrispondenza delle consegne previste contrattualmente, le informazioni su algoritmi considerati maturi e ritenuti di interesse primario per l’ASI potranno, previo consenso formale da parte del contraente, essere fornite come input per lo sviluppo industriale di un processore per produrre prodotti a valore aggiunto.

Per quanto riguarda i dati/immagini simulati e/o corretti di livello 1 e 2 e successivi, essi verranno forniti secondo uno egli standard più diffusi per la loro interoperabilità. Mentre per quanto riguarda gli algoritmi e le procedure, verrà fornita una sintetica descrizione funzionale corredata da software dimostrativo.

Relativamente al task 2 verranno espletati gli aspetti di diffusione dei risultati raggiunti e di supporto alle scelte dell’Agenzia Spaziale Italiana per la missione PRISMA. Ciò comporterà la partecipazione, oltre alle riunioni di progetto (KO, RA, RT, RF), a riunioni specifiche del team ASI di gestione del progetto PRISMA e ad almeno 16 workshop nazionali e 4 in Europa. Per tali riunioni verranno preparate presentazioni, che potrebbero richiedere approfondimenti particolari di alcune tematiche del progetto.

6.1 LISTA DEI DELIVERABLES

Riassumendo riportiamo di seguito la lista dei Deliverables del progetto divise per argomento

Presentazione del Kick Off meeting

Documento “PRISMA products and applications” n. 5 versioni Fornitura di dati simulati di tutti i livelli n. 3 versioni

Fornitura di dati simulati ed elaborati di tutti i livelli n. 3 versioni Fornitura dati PRISMA elaborati di tutti i livelli n. 3 versioni

Report tecnico e relativa presentazione n. 4 versioni Report di avanzamento e relativa presentazione n. 3 versioni

Report finale e relativa presentazione Pubblicazioni scientifiche su rivista, proceedings di congressi e

presentazioni a worshop

Per le relative scadenze di fornitura dei deliverables si veda la Pianificazione delle Attività. Per quanto riguarda le pubblicazionii scientifiche su rivista ed i proccedings e le presentazioni a workshop esse saranno concordate con ASI e consegnate alle riunioni di Avanzamento e Finale


Pag. 96 / 96

studi scientifici a supporto della joint hyperspectral ... · consiglio nazionale delle ricerche...

Documents