Le discariche nel Veneto - Università degli Studi di Padova
Le discariche nel Veneto - Università degli Studi di Padova
Le discariche nel Veneto - Università degli Studi di Padova
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Sienna<br />
Green<br />
Yellow<br />
Red<br />
Sienna: suolo presentante qualche ciuffo <strong>di</strong> vegetazione.<br />
Green: vegetazione verde scura che non presenta stresss della vegetazione a occhio nudo.<br />
Yellow: vegetazione irregolare, che presenta<br />
ciuffi sparsi <strong>di</strong> vegetazione e suolo.<br />
Red: vegetazione molto stressata, facilmentee riconoscibile sull’immagine rispetto ad una<br />
vegetazione sana.<br />
Fig. 5 – Gradazione dei colori per valutare lo stress della vegetazione.<br />
Fig. 6 – Area <strong>di</strong><br />
stu<strong>di</strong>o alla quale è stata applicata la matrice <strong>di</strong> confusione.<br />
3.1.1. Scegliere le ROIs (Region Of Interest)<br />
Queste aree corrispondono alle areee che presentano<br />
una vegetazione particolarmente stressata. Queste ROIs<br />
sono state selezionate su siti <strong>di</strong> <strong><strong>di</strong>scariche</strong> abusive già<br />
note e censitee dalle autorità pubbliche. Questi campioni<br />
formano un insieme <strong>di</strong> dati test sui quali si potrà<br />
lanciare una classificazione supervisata.<br />
La scelta<br />
<strong>di</strong> queste aree merita tutta la nostra<br />
attenzione perché sono la base del metodo che si vuole<br />
applicare. Un co<strong>di</strong>ce <strong>di</strong> colore è stato applicato in<br />
funzione del grado <strong>di</strong> stato <strong>di</strong> stress della vegetazione<br />
in modo da<br />
poter graduare i <strong>di</strong>versii stati <strong>di</strong> stress<br />
potenziali (Fig. 5).<br />
3.1.2. Lanciare la classificazione supervisata<br />
La classificazione è il risultato <strong>di</strong> una riconoscenza<br />
automatica delle riflettanze. L’algoritmo che abbiamo<br />
utilizzato è stato quello <strong>di</strong><br />
“Maximum Likelihood” che<br />
permette <strong>di</strong> valutare la varianza e la co-varianza dei<br />
temi (sienna, green, yellow, red) scelti.<br />
L’algoritmoo<br />
calcola la probabilità statistica <strong>di</strong> appartenere ad una<br />
classe.<br />
Il vantaggio principale <strong>di</strong><br />
questo tipo <strong>di</strong> algoritmo,<br />
<strong>nel</strong>l’ambito del<br />
censimento delle aree potenzialmentee<br />
nquinate, è <strong>di</strong> permettere, dopo un’analisi dei dati a<br />
terra (le ROIs estratte a partire delle <strong><strong>di</strong>scariche</strong><br />
abusive) una buona valutazione dellee matrice <strong>di</strong><br />
varianza e covarianza delle popolazioni; naturalmentee<br />
si presuppone che la <strong>di</strong>stribuzione delle popolazioni sia<br />
normale.<br />
Per fare una buona valutazione della classificazione,<br />
si crea una matrice <strong>di</strong> confusione che verifica se la<br />
maggiore parte<br />
dei pixel sono stati classificati e se le<br />
ROIs scelte sono pertinenti.<br />
43