DERIVAZIONE DI BATIMETRIA DA REMOTO IN ACQUE BASSE COSTIERE E FOCIVE: CASI STUDIO NEL PONENTE LIGURE

Abstract

I corpi idrici rivestono notevole importanza dal punto di vista ambientale, naturalistico, economico e sociale. La conoscenza della profondità di mari e fiumi, e delle relative variazioni nel tempo, è un argomento di particolare rilevanza. L'intento di questo lavoro è di valutare se l'impiego di un algoritmo empirico per la derivazione della batimetria, possa dare risultati accurati. Le aree interessate dallo studio sono una zona fociva e un porticciolo costiero, entrambi nel ponente ligure. Partendo da rilevamenti SBES, si è confrontato l'impiego dell'algoritmo su immagini multispettrali; nello specifico: ortofoto aeree (da aeroplano o da UAV), e immagini satellitari Sentinel-2. Tramite l'impiego di software GIS è stato possibile definire un dataset vettoriale partendo dalle misure in-situ. I punti georeferenziati hanno così dato forma sia al set di calibrazione sia a quello di successiva validazione. La suddivisione dei punti è stata operata casualmente e in proporzione variabile. L'algoritmo utilizzato è quello di Stumpf, che prevede di valutare il rapporto tra coppie di bande RGB. Il processo è stato eseguito più volte per ogni tipologia di immagine, in modo da valutare se vi fosse della variabilità introdotta dalla scelta casuale dei punti. Le batimetrie derivate sono state confrontate con i set di punti di validazione. I dati ottenuti mostrano una forte dipendenza dall'immagine in input, e anche la variabilità introdotta dalla scelta casuale dei punti ha diverso valore a seconda dell'immagine considerata. Le accuratezze sono risultate variabili, con dati migliori nella zona fociva piuttosto che nell'area costiera. Per il momento, le prestazioni di detti strumenti non pongono gli stessi come assoluti protagonisti nel rilievo batimetrico, dove la misura diretta è ancora imprescindibile. Tuttavia soluzioni come quelle presentate, possono essere utili come integrazione ai dati, o laddove gli standard non prescrivano livelli stringenti di accuratezza.

Oceans and rivers have taken on great importance. It occurred in the environmental and naturalistic subject, as in the economic and social one. Depth measurement of water bodies is a relevant issue, especially considering coastal or river evolution over time. This work aims to evaluate whether accurate results can be obtained using an empirical algorithm for the derivation of the bathymetry. The areas of interest involve river mouth shallow waters and a small marina coastal shallow waters, both in western Liguria. The characteristics of the Ligurian Sea generally interfere with remote sensing of bathymetry, but with a solid calibration set, satisfactory results can be achieved. Starting from SBES surveys, the application of the algorithm on multispectral images was evaluated; more specifically, aerial (from plane or UAV) orthophotos, and Sentinel-2 satellite images. Relying on GIS software a vector dataset was defined, starting from the in-situ measurements. The calibration set and the validation one were both generated from the georeferenced points. The points subdivision was randomly performed and in varying proportions. The used algorithm is the Stumpf’s one, which uses the ratio between pairs of RGB bands. The process was performed several times for each kind of image, in order to assess whether any variability had been introduced by the random choice of points. The derived bathymetry was compared with the validation set.. The obtained data show a strong dependence on the input image. The variability introduced by the random choice of the points has different magnitude depending on the considered image. The level of accuracy varied, with better data in the river mouth area. At present, these instruments do not represent the ultimate standalone solution in the bathymetric survey, where direct measurement remains essential. However, solutions such as those presented can be a useful integration to the data, or whenever stringent levels of accuracy are not required.