Il presente lavoro propone una metodologia operativa per il monitoraggio spazio-temporale delle dinamiche geomorfologiche fluviali mediante dati di telerilevamento multispettrale e tecniche di classificazione automatica. L’analisi si basa su immagini Sentinel-2 utilizzate per la delineazione del canale attivo (Active Channel, AC) e delle unità macro-geomorfologiche (Macro Geomorphic Units MGU) riconducibili ad acqua, sedimento esposto e vegetazione. La classificazione è realizzata tramite una Fully Convolutional Network (FCN) affiancata da un algoritmo di Random Forest per la gestione delle situazioni spettralmente miste. A partire dalle variazioni di area delle MGU all’interno di Disaggregated Geographical Objects (DGO), viene definito un Priority Score finalizzato all’individuazione dei tratti fluviali caratterizzati da cambiamenti significativi e persistenti nell’arco temporale analizzato, valutati mediante soglie percentiliche e criteri di monotonicità su finestre triennali. La metodologia è applicata ai fiumi Po e Tagliamento, utilizzati per la validazione attraverso un’analisi qualitativa e quantitativa basata su ispezione tramite piattaforma GIS. I risultati evidenziano la capacità dell’approccio di individuare variazioni coerenti con i principali processi geomorfologici attivi, fornendo uno strumento replicabile e scalabile per il supporto al monitoraggio fluviale e alla gestione territoriale.
Analisi temporale e quantitativa della dinamica idromorfologica del canale attivo fluviale di Po e Tagliamento mediante telerilevamento satellitare e GIS
QUAGLIA, MATTEO
2025/2026
Abstract
Il presente lavoro propone una metodologia operativa per il monitoraggio spazio-temporale delle dinamiche geomorfologiche fluviali mediante dati di telerilevamento multispettrale e tecniche di classificazione automatica. L’analisi si basa su immagini Sentinel-2 utilizzate per la delineazione del canale attivo (Active Channel, AC) e delle unità macro-geomorfologiche (Macro Geomorphic Units MGU) riconducibili ad acqua, sedimento esposto e vegetazione. La classificazione è realizzata tramite una Fully Convolutional Network (FCN) affiancata da un algoritmo di Random Forest per la gestione delle situazioni spettralmente miste. A partire dalle variazioni di area delle MGU all’interno di Disaggregated Geographical Objects (DGO), viene definito un Priority Score finalizzato all’individuazione dei tratti fluviali caratterizzati da cambiamenti significativi e persistenti nell’arco temporale analizzato, valutati mediante soglie percentiliche e criteri di monotonicità su finestre triennali. La metodologia è applicata ai fiumi Po e Tagliamento, utilizzati per la validazione attraverso un’analisi qualitativa e quantitativa basata su ispezione tramite piattaforma GIS. I risultati evidenziano la capacità dell’approccio di individuare variazioni coerenti con i principali processi geomorfologici attivi, fornendo uno strumento replicabile e scalabile per il supporto al monitoraggio fluviale e alla gestione territoriale.| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi Quaglia Matteo 2086110.pdf
accesso aperto
Dimensione
2.64 MB
Formato
Adobe PDF
|
2.64 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/110915