Statistica spaziale e modellazione di serie temporali per dati satellitari: mappatura semi-automatica di frane d’evento

Abstract

La tesi analizza l’effetto della dimensione delle patch sulla rilevazione di anomalie nelle serie temporali della media spaziale dell’NDVI, a supporto dell’individuazione di frane d’evento. Lo studio utilizza immagini Sentinel-2 e riguarda le frane associate al terremoto del 1° gennaio 2024 nella Penisola di Noto, in Giappone. Per i siti di Ichinose, Machinomachi e Teraji River vengono confrontate patch di lato pari a 400, 700 e 1000 metri, nelle aree interessate da frana e nelle corrispondenti aree di controllo, per un totale di 18 configurazioni. Per ciascuna configurazione, un modello GAMLSS con distribuzione normale e componenti stagionali per la media e la deviazione standard viene stimato sulle osservazioni pre-evento. Le prime tre acquisizioni valide post-evento vengono confrontate con il quantile inferiore dell’intervallo di previsione di ordine 0,01 per identificare eventuali anomalie. In tutte le configurazioni delle aree interessate da frana viene rilevata almeno un’anomalia, mentre nei controlli non emergono segnalazioni nelle acquisizioni considerate. I risultati evidenziano la rilevanza della scala spaziale, senza individuare una dimensione ottimale generale. Le conclusioni si limitano a tre casi dello stesso evento e risentono della dipendenza tra le configurazioni e delle differenze nelle date disponibili.

This thesis investigates how patch size affects anomaly detection in time series of spatially averaged NDVI (Normalized Difference Vegetation Index), supporting the identification of event-induced landslides. The study uses Sentinel-2 imagery and focuses on landslides associated with the 1 January 2024 earthquake on Japan's Noto Peninsula.

Square patches with side lengths of 400, 700 and 1000 m are compared at Ichinose, Machinomachi and Teraji River, considering landslide-affected areas and corresponding control areas, for a total of 18 configurations. Analyses of spatial dependence and NDVI distributions inform pixel sampling. For each configuration, a GAMLSS model with a normal distribution and seasonal components for the mean and standard deviation is fitted to pre-event observations. The first three valid post-event acquisitions are compared with the lower 0.01 quantile of the forecast interval to identify negative anomalies.

At least one anomaly is detected in every configuration of the landslide-affected areas, while no anomalies are detected in the controls for the acquisitions examined. The findings show the relevance of spatial scale but do not identify a universally optimal patch size. Conclusions are limited to three cases associated with the same event and are affected by dependence between configurations and differences in the available acquisition dates.