Tecniche di elaborazione delle immagini satellitari in geofisica
Il telerilevamento satellitare è diventato un elemento fondamentale della ricerca e delle applicazioni geofisiche moderne. Grazie alle immagini satellitari, i geofisici possono osservare la superficie terrestre in modo esteso, periodico e costante, dalle caratteristiche geologiche e dalle dinamiche tettoniche ai cambiamenti della linea costiera e alle deformazioni superficiali causate da terremoti o attività vulcanica. Tuttavia, le immagini satellitari non sono immediatamente utilizzabili. Sono necessarie diverse tecniche di elaborazione per migliorare la qualità dei dati, estrarre informazioni geofisiche rilevanti e minimizzare le interferenze come nuvole, rumore o distorsioni geometriche. Questo articolo illustra le principali tecniche di elaborazione delle immagini satellitari in un contesto geofisico, dalla pre-elaborazione all'analisi avanzata.
1. Tipologie di immagini satellitari comunemente utilizzate in geofisica
In geofisica, diversi tipi di dati satellitari che vengono spesso utilizzati sono:
1. Ottica multispettrale (ad es. Landsat, Sentinel-2)
Fornisce informazioni sulla riflettanza superficiale a diverse lunghezze d'onda. Utile per la mappatura della litologia, dei minerali di alterazione, della vegetazione (come indicatore indiretto delle condizioni del suolo) e dei cambiamenti del paesaggio.
2. Termiche (ad es. Landsat TIRS, MODIS)
Misurazione delle emissioni di calore superficiale per l'analisi delle anomalie termiche, ad esempio per il monitoraggio di vulcani, colate laviche o variazioni di temperatura superficiale legate all'attività idrotermale.
3. Radar (Radar ad apertura sintetica/SAR: Sentinel-1, ALOS PALSAR)
Grazie alla sua capacità di penetrare le nuvole e di operare 24 ore su 24, è essenziale per la mappatura di strutture, cambiamenti di superficie e per l'analisi delle deformazioni tramite tecniche InSAR.
4. Altimetria e gravità satellitari (ad es. CryoSat, GRACE/GRACE-FO)
Sebbene non si tratti di "immagini" nel senso visivo convenzionale, questi dati vengono spesso elaborati per creare mappe geofisiche che mostrano, ad esempio, variazioni della massa d'acqua, anomalie gravitazionali o variazioni dello spessore del ghiaccio.
La scelta del tipo di dati determinerà il flusso di elaborazione appropriato, poiché le caratteristiche del rumore, la risoluzione e le proprietà fisiche dei segnali variano.
2. Pre-elaborazione: il fondamento della qualità dell'analisi
La fase di pre-elaborazione ha lo scopo di preparare i dati in modo che siano adatti all'analisi quantitativa e possano essere confrontati nel tempo o tra sensori diversi.
a. Correzioni radiometriche e atmosferiche
Le immagini ottiche registrano l'intensità, che è influenzata dalle condizioni atmosferiche (aerosol, vapore acqueo) e dall'angolo della radiazione solare. La correzione radiometrica converte i valori digitali (DN) in riflettanza o radianza fisicamente significative. La correzione atmosferica, ad esempio utilizzando il metodo di sottrazione dell'oggetto scuro (Dark Object Subtraction) o approcci basati su modelli atmosferici, contribuisce a produrre una riflettanza superficiale più accurata. In geofisica, questo è fondamentale affinché le differenze nei valori spettrali riflettano effettivamente le differenze nel materiale o nelle condizioni della superficie, piuttosto che le variazioni atmosferiche.
b. Correzione geometrica, ortorettifica e riproiezione
La distorsione geometrica può derivare dagli angoli di scansione del sensore, dalla topografia e dal movimento del satellite. L'ortorettifica utilizza un modello digitale di elevazione (DEM) per correggere gli effetti del rilievo, in modo che le posizioni dei pixel si allineino con le coordinate reali. Questo passaggio è fondamentale per la mappatura di faglie, pieghe, limiti litologici o variazioni di superficie che richiedono un'elevata precisione spaziale.
c. Mascherare nuvole e ombre
Nelle immagini ottiche, le nuvole rappresentano un ostacolo importante. Le tecniche di mascheramento utilizzano bande di qualità (bande QA), soglie spettrali o algoritmi come Fmask per identificare le nuvole e le loro ombre. Per gli studi sui cambiamenti del territorio o per la mappatura geologica nelle regioni tropicali, si utilizzano spesso strategie di composizione multitemporale per "riempire" le aree oscurate dalle nuvole.
d. Filtraggio speckle per dati SAR
Le immagini SAR presentano un rumore caratteristico chiamato speckle. Diversi filtri (Lee, Frost, Gamma-MAP) vengono utilizzati per ridurre lo speckle senza eliminare i dettagli dei bordi, che sono importanti per l'interpretazione delle strutture geologiche. La scelta del filtro richiede un equilibrio: un filtro troppo aggressivo oscurerà i lineamenti, mentre uno troppo debole lascerà del rumore.
3. Miglioramento dell'immagine per l'interpretazione geologica
Nella cartografia strutturale e litologica, il miglioramento dell'immagine ha lo scopo di evidenziare determinate caratteristiche in modo che siano facilmente riconoscibili.
a. Composizione della banda e trasformazione del colore
Le immagini composite RGB di bande specifiche possono evidenziare le differenze tra i materiali. Ad esempio, una combinazione di bande del vicino infrarosso e dell'infrarosso a onde corte è spesso efficace per distinguere i tipi di roccia o le zone di alterazione. Vengono inoltre utilizzate tecniche di decorrelazione per aumentare il contrasto tra le bande, rendendo visibili variazioni minime.
b. Nitidezza e trasformazione spaziale
Un filtro passa-alto o una maschera di contrasto possono enfatizzare bordi e lineamenti, spesso associati a zone di faglia o frattura. Inoltre, l'analisi della tessitura (ad esempio, GLCM - Matrice di co-occorrenza dei livelli di grigio) aiuta a quantificare la diversità dei modelli superficiali, utile per distinguere le unità geomorfologiche e litologiche.
c. Trasformazione spettrale: PCA e rapporto tra bande
L'analisi delle componenti principali (PCA) riduce la dimensionalità dei dati multispettrali ed evidenzia le variazioni dominanti che possono essere correlate a differenze geologiche. I rapporti tra bande sono spesso utilizzati nell'esplorazione mineraria perché alcuni minerali presentano un assorbimento caratteristico a specifiche lunghezze d'onda. Nella geofisica applicata, i rapporti tra bande possono fornire un'indicazione iniziale delle zone di potenziale interesse prima di indagini sul campo o analisi geofisiche dettagliate.
4. Classificazione ed estrazione delle informazioni
Una volta pronta l'immagine, il passo successivo consiste nell'estrarre sistematicamente le informazioni geofisiche.
a. Classificazione supervisionata e non supervisionata
La classificazione supervisionata (ad esempio, SVM, Random Forest) richiede dati di addestramento provenienti dal campo o da una mappa di riferimento. La classificazione non supervisionata (k-means, ISODATA) raggruppa i pixel in base alla somiglianza spettrale senza etichettatura preliminare. In geofisica, i risultati della classificazione possono essere utili per mappare la litologia superficiale, la distribuzione dei sedimenti, le zone di alterazione idrotermale o le unità geomorfologiche correlate ai processi tettonici.
b. Segmentazione e analisi delle immagini basata sugli oggetti (OBIA)
OBIA raggruppa i pixel in oggetti in base a caratteristiche spettrali e forma, per poi classificarli. Questo metodo è spesso più efficace per le immagini ad alta risoluzione, poiché le strutture geologiche, come lineamenti, conoidi alluvionali o reticoli idrografici, sono più significative se considerate come oggetti piuttosto che come singoli pixel.
c. Estrazione del lineamento
I lineamenti sono elementi lineari che possono rappresentare faglie, fratture o contatti litologici. Le tecniche di estrazione includono il rilevamento dei bordi (Canny, Sobel), la trasformata di Hough e il filtraggio direzionale. Le mappe dei lineamenti possono quindi essere confrontate con altri dati geofisici, come anomalie magnetiche o dati sismici, per interpretare le strutture del sottosuolo.
5. Interferometria SAR (InSAR) per la deformazione superficiale
Uno dei maggiori contributi delle immagini satellitari alla geofisica è l'InSAR, che utilizza le differenze di fase delle onde radar provenienti da due o più acquisizioni per calcolare le variazioni della distanza satellite-superficie. Con l'InSAR, è possibile mappare deformazioni di pochi centimetri o millimetri su vaste aree per:
– deformazione cosismica e post-sismica,
– inflazione/deflazione vulcanica,
– abbassamento del terreno dovuto all'estrazione di acque sotterranee,
– stabilità dei pendii e frane.
L'elaborazione InSAR prevede la coregistrazione delle immagini, la formazione dell'interferogramma, la riduzione della fase topografica (utilizzando un DEM), il filtraggio di fase, lo srotolamento e la correzione atmosferica. Le tecniche di serie temporali come PSInSAR o SBAS migliorano la precisione analizzando più immagini per un lungo periodo.
6. Integrazione con altri dati geofisici e validazione sul campo
Le immagini satellitari raramente vengono utilizzate da sole. Il loro valore massimo emerge quando vengono combinate con altri dati geofisici quali:
– magnetico e gravimetrico per stimare la struttura e la densità del sottosuolo,
– sismica per la geometria degli strati e le faglie,
– geochimica per la verifica delle alterazioni,
– GPS e livellamento per la convalida dei risultati di deformazione InSAR.
La validazione sul campo rimane importante, soprattutto per confermare le interpretazioni litologiche, individuare le faglie attive e prelevare campioni.
7. Sfide e direzioni di sviluppo
Alcune delle principali sfide dell'elaborazione di immagini satellitari in geofisica includono l'eterogeneità topografica, la copertura nuvolosa, le differenze nelle caratteristiche dei sensori e i requisiti computazionali per grandi insiemi di dati. Tuttavia, lo sviluppo del cloud computing e di piattaforme come Google Earth Engine, insieme ai progressi nell'apprendimento automatico e nell'apprendimento profondo, stanno accelerando l'elaborazione multitemporale e multisensore. In futuro, l'integrazione di dati satellitari ottici, SAR, termici e geofisici classici migliorerà ulteriormente la capacità di monitorare i processi dinamici della Terra in tempo quasi reale.
Chiusura
Le tecniche di elaborazione delle immagini satellitari in geofisica includono la pre-elaborazione (correzioni radiometriche, geometriche e di filtraggio), il miglioramento dell'immagine, la classificazione e l'estrazione di caratteristiche, nonché analisi avanzate come l'InSAR per la deformazione superficiale. Con l'approccio corretto, le immagini satellitari possono essere uno strumento estremamente efficace per la comprensione dei processi geologici e geodinamici, a supporto dell'esplorazione delle risorse e della mitigazione dei disastri. La chiave del successo risiede nella selezione appropriata dei dati, in un'elaborazione accurata, nell'integrazione di fonti multiple e in un'adeguata verifica sul campo.
