Monitoraggio multispettrale da APR di alghe sommerse in acque basse nella sacca di Goro
Abstract
Per un territorio costiero, la fioritura algale in acque basse costituisce un serio problema sia per l’economia del turismo balneare sia per le attività economiche legate alla coltivazione di molluschi (quali le vongole). Un eccesso di fioritura può, infatti, portare rapidamente a condizioni di anossia con la conseguente morte dei molluschi. Il telerilevamento da satellite o da aeromobile è spesso utilizzato nel monitoraggio delle alghe ma, negli ultimi anni, interessanti sviluppi si sono avuti grazie alla disponibilità di Aeromobili a Pilotaggio Remoto (APR) equipaggiati con camere multispettrali leggere ed a basso costo. Tali sistemi permettono di acquisire informazioni spettrali dettagliate con bande molto strette consentendo un’analisi della fioritura algale ad elevate risoluzioni, sia geometriche che spettrali. In questo lavoro è stato testato l’uso della camera multispettrale MicaSense RedEdge-M montata su un drone DJI Phantom 3 PRO nella mappatura, quantificazione e monitoraggio delle alghe sommerse, analizzando, in particolar modo, l’importanza dei dati di calibrazione radiometrica (non utilizzati o utilizzati solo parzialmente nelle applicazioni di monitoraggio ambientale). Il caso di studio si trova nella Sacca di Goro (Emilia-Romagna, Italia) e rappresenta una zona di grande rilevanza economica per l’allevamento di vongole. Le immagini digitali acquisite in due voli successivi, a distanza di 39 giorni l’uno dall’altro e ad una quota di 70 m, sono state processate sia mediante il software Agisoft PhotoScan Professsional che attraverso Pix4D Mapper Pro. I risultati del lavoro confermano che il monitoraggio algale in un ambiente costiero e di laguna, attraverso l’impiego di una camera multispettrale montata su APR, è possibile, ma per raggiungere risultati accurati ed affidabili, risulta fondamentale l’applicazione della calibrazione radiometrica basata sui dati del sensore di irradianza ambientale
Downloads
Downloads
Pubblicato
Come citare
Fascicolo
Sezione
Licenza
Copyright (c) 2019 Yuri Taddia, Paolo Russo, S Lovo, Alberto Pellegrinelli
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Condividi allo stesso modo 4.0.