Tecniche di elaborazione delle immagini satellitari in geofisica
Penginderaan jauh berbasis satelit telah menjadi salah satu tulang punggung penting dalam penelitian dan aplikasi geofisika modern. Melalui citra satelit, geofisikawan dapat mengamati permukaan Bumi secara luas, periodik, dan konsisten—mulai dari karakteristik geologi, dinamika tektonik, perubahan garis pantai, hingga deformasi permukaan akibat gempa atau aktivitas vulkanik. Namun, citra satelit tidak serta-merta siap digunakan. Diperlukan serangkaian teknik pengolahan untuk meningkatkan kualitas data, mengekstrak informasi geofisika yang relevan, sekaligus meminimalkan gangguan seperti awan, noise, atau distorsi geometrik. Artikel ini membahas teknik-teknik utama pengolahan citra satelit dalam konteks geofisika, dari tahap praproses sampai analisis lanjutan.
1. Tipologie di immagini satellitari comunemente utilizzate in geofisica
Dalam geofisika, beberapa jenis dati satellitari yang sering dimanfaatkan adalah:
1. Optik multispektral (misalnya 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. Termal (misalnya 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 (Synthetic Aperture Radar/SAR: Sentinel-1, ALOS PALSAR)
Mampu menembus awan dan bekerja siang-malam. Sangat penting untuk pemetaan struktur, perubahan permukaan, serta analisis deformasi dengan teknik InSAR.
4. Altimetri dan gravitasi satelit (misalnya 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.
Pemilihan jenis data akan menentukan alur pengolahan yang sesuai, karena karakter noise, resolusi, serta sifat fisis sinyalnya berbeda-beda.
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
Principal Component Analysis (PCA) mereduksi dimensi data multispektral dan menyoroti variasi dominan yang dapat terkait perbedaan geologi. Rasio band (band ratio) sering dipakai dalam esplorare mineral karena beberapa mineral memiliki ciri serapan pada panjang gelombang tertentu. Dalam geofisika terapan, rasio band dapat menjadi petunjuk awal zona prospek sebelum survei lapangan atau geofisika detail.
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
Salah satu kontribusi terbesar citra satelit bagi geofisika adalah InSAR , yang memanfaatkan perbedaan fase gelombang radar dari dua atau lebih akuisisi untuk menghitung perubahan jarak satelit–permukaan. Dengan InSAR, deformasi beberapa sentimeter hingga milimeter dapat dipetakan pada area luas untuk:
– deformazione cosismica e post-sismica,
– inflazione/deflazione vulcanica,
– penurunan tanah akibat ekstraksi air tanah,
– 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:
– magnetik dan gravitasi untuk menduga struktur dan densitas bawah permukaan,
– seismik untuk geometri lapisan dan sesar,
– geokimia untuk verifikasi alterasi,
– GPS dan leveling untuk validasi deformasi hasil 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
Beberapa tantangan utama pengolahan citra satelit dalam geofisika meliputi heterogenitas topografi, tutupan awan, perbedaan karakter sensor, serta kebutuhan komputasi untuk data besar. Namun, perkembangan komputasi awan dan platform seperti Google Earth Engine, serta kemajuan machine learning dan deep learning, mempercepat pengolahan multi-temporal dan multi-sensor. Ke depan, dati di integrazione satelit optik, SAR, termal, dan geofisika klasik akan semakin memperkuat kemampuan pemantauan proses dinamik Bumi secara hampir real-time.
Chiusura
Teknik pengolahan citra satelit dalam geofisika mencakup praproses (koreksi radiometrik, geometrik, filtering), peningkatan citra, klasifikasi dan ekstraksi fitur, hingga analisis lanjutan seperti InSAR untuk deformasi permukaan. Dengan pendekatan yang tepat, citra satelit menjadi alat yang sangat efektif untuk memahami proses geologi dan geodinamika, mendukung eksplorasi risorsa, serta mitigasi bencana. Kunci keberhasilan terletak pada pemilihan data yang sesuai, pengolahan yang teliti, integrasi multi-sumber, dan verifikasi lapangan yang memadai.
