Automazione dei processi di calcolo degli indici e preparazione delle immagini satellitari

Abstract

Questa tesi descrive la progettazione e lo sviluppo di un sistema automatizzato per la post elaborazione di immagini satellitari della missione Sentinel-2, all'interno di un più ampio progetto di gestione dati presso Liguria Digitale. Se l'acquisizione dei dati grezzi costituisce il primo passo, questa fase è cruciale per trasformare le immagini in una risorsa di alta qualità e direttamente utilizzabile. L'obiettivo principale è stato risolvere problematiche comuni come la copertura nuvolosa, i pixel mancanti e gli artefatti orbitali, al fine di creare un archivio di dati corretti, omogenei e arricchiti con indici spettrali per analisi territoriali avanzate. Il sistema si basa sull'orchestrazione di pipeline di elaborazione tramite Apache Airflow, che gestisce in modo automatico e scalabile i processi definiti come DAG (Directed Acyclic Graphs). Le procedure di correzione delle immagini, il ricalcolo dei metadati e il calcolo di indici analitici come NDVI (Normalized Difference Vegetation Index) e NBR (Normalized Burn Ratio) sono stati implementati attraverso script specializzati in Python. L'architettura garantisce la tracciabilità di ogni fase di elaborazione, assicurando l'integrità e la coerenza del dato finale. I risultati dimostrano l'efficacia del sistema nel migliorare significativamente la qualità e l'usabilità dell'archivio satellitare di Liguria Digitale. La pipeline automatizzata produce dati “analysis-ready”, fornendo una base dati affidabile e robusta, indispensabile per applicazioni critiche come il monitoraggio dei cambiamenti del suolo, la prevenzione dei rischi idrogeologici e la gestione delle risorse ambientali sul territorio ligure.

This thesis describes the design and development of an automated system for the post processing of satellite images from the Sentinel-2 mission, within a broader data management project at Liguria Digitale. While the acquisition of the raw data is the first step, this phase is crucial for transforming the images into a high quality resource and directly usable. The main objective was to solve common problems such as cloud cover, missing pixels and orbital artefacts, in order to create a archive of correct, homogeneous data enriched with spectral indices for advanced spatial analysis. The system is based on the orchestration of processing pipelines via Apache Airflow, which automatically and scalably manages processes defined as DAG (Directed Acyclic Graphs). The image correction procedures, the recalculation of metadata and the calculation of analytical indices such as NDVI (Normalised Difference Vegetation Index) and NBR (Normalised Burn Ratio) were implemented through specialised scripts in Python. The architecture guarantees the traceability of each processing step, ensuring the integrity and consistency of the final data. The results demonstrate the effectiveness of the system in significantly improving the quality and the usability of Liguria Digitale's satellite archive. The automated pipeline produces “analysis-ready” data, providing a reliable and robust database, indispensable for critical applications such as soil change monitoring, hydrogeological risk prevention and environmental resource management on the Ligurian territory.