Il Progetto PELCOM

1. Il Progetto PELCOM Una veloce presentazione (Silvio GRIGUOLO - DAEST/IUAV) • Qualche slide iniziale è tratta da una presentazione di • Sander Mucher, Wageningen, coordinatore del progetto • Le ultime slides sull’applicazione alla biodiversità sono • di Camiel Heunks, del National Institute for public • Health and the Environment (RIVM) • La presentazione usa sia l’italiano che l’inglese

2. Land Cover Classification at the continental scale the PELCOM Project A shared Cost Action, EU 4th framework Environment & Climate Start September ‘96 - End November ‘99

3. PELCOM Pan European Land COver Monitoring (Research funded by the European Commission) • Wageningen UR ( formerly DLO) • Austrian Research Centre Seibersdorf (ARCS) • Centre National de Recherches Meteorologiques (CNRM) - Toulouse • National Institute for Public Health and the Environment (RIVM) • Swedish Space Corporation (SSC) • Instituto Universitario di Architettura (IUAV) • Space Applications Institute (SAI-JRC) • Geodan

4. PELCOM Homepage www.geodan.nl/ec_lu/

5. Perché il Progetto PELCOM?

6. Stato dell’arte • CORINE-LC procede a rilento • Altri database raster esistenti sono largamente basati su statistiche amministrative • La classificazione DISCover (IGBP) ha un livello di dettaglio insufficiente per l’Europa • Il progetto FIRS si concentra soprattutto sulle foreste

7. CORINE land cover database

8. Detail of IGBP global land cover database

9. In definitiva... Manca un’informazione aggiornata del Land Cover per l’intera Europa

10. Dunque…investigare l’applicabilità delle immagini satellitari NOAA-AVHRR per: Mapping Monitoring

11. Gli obiettivi del Progetto • definizione di una metodologia di • classificazione consistente • Costruzione di una database raster delle • coperture del suolo (Land Cover) ad 1 km • dell’intera Europa, da utilizzare come • input per modelli dinamici ambientali alla • scala continentale • Applicazioni sperimentali della mappa

12. Fasi (1996-99) • 1st year sviluppo della metodologia di • classificazione e monitoraggio • 2nd yearesperimentiregionali di classificazione • 3rd year Studio di casi su ambiente & • clima

13. Primi esperimenti di modellistica • Modello dinamico della bio-diversità, basato • sulla definizione di Natural Capital Index • (pressione sulla bio-diversità dovute a • cambiamenti climatici, densità di insediamento • umano, consumo e produzione, acidificazione, • eutrofizzazione, ozono, ecc.)

14. RIVM - Indice di pressione sulla bio-diversità nelle aree naturali (proiezione al 2010)

15. MeteoFrance (Toulouse): • applicazione a modelli metereologici. • Gli scambi vegetazione-atmosfera sono una • componente importante nei modelli numerici di • previsione del tempo. • La mappa PELCOM della vegetazione è stata • assunta come input per il modello metereolo- • gico ARPEGE-ALADDIN.

16. VOC emission dalle foreste usando PELCOM (ARCS) Le piante sono una delle maggiori fonti di Composti Organici Volatili, a loro volta precursori della formazione di ozono. L’emissione di composti organici è ritenuta una risposta fisiologica delle piante ai fattori di stree ambientale, come l’alta temperatura o la scarsità idrica.

17. I dati

18. Materiali • AVHRR NDVI monthly MVC’s 1997 • AVHRR Daily Multi-spectral mosaics ‘95/’96/’97 • Ancillary geographic data: • CORINE land cover data • FIRS regions and strata • Digital Chart of the World

19. Il Digital Terrain Model (raster) per la nostra area (1430x1700)

20. The digital Forest Map looks reasonable….

21. ….yet some details are quite strange.

22. Regional approach - FIRS regions and strata Regions in Colours Strata in Yellow lines Similar NDVI profiles may have a different meaning in different regions

23. Regional approach • Black linesFIRS regions • Red lines FIRS strata • AOI per partner: • Yellow: SSC • Green:SC-DLO • Blue:CNRM • Purple:ARCS • Orange: IUAV Source: EMAP unit (SAI-JRC)

24. Defined Classification Methodology Regions and strata Multi-spectral AVHRR data NDVI ‘97 Masks CORINE Pure Pixels Classification Masked NDVI Data base Compilation Enhancements Post-classification 1st - best 2nd - best classes Signatures Distances

25. PELCOM 1km land cover database Conif. Forest Decid. Forest Mixed Forest Grassland Arable land Irrigated land Permanent crops Shrubland Barren land Ice and Snow Wetlands Water Urban

26. PELCOM land cover- Pixel: 1.1 km

27. Our Areas of Interest, each including one or more FIRS strata. The parts pointed at by arrows show where strata extend into regions for which no CORINE info exists.

28. IUAV - South-East Europe - Final classified image

29. Scelta delle immagini e problemi connessi • Archivio MARS/JRC : immagini NOAA-AVHRR, • 1995, multispettrali, diverse date; • cattiva registrazione, nuvole • Archivio MARS/JRC: immagini decadali NDVI, MVC • cattiva registrazione, nuvole • Archivio MARS/JRC: immagini processate SMART • problemi di registrazione • Archivio EROS (IGBP) immagini 1995 • migliori, ma forse è solo apparente • DLR Berlino: MVC NDVI, mensili e decadali

47. Le immagini EROS sembrano buone? Chissà… E’ stata applicata una maschera all’acqua, non è dato sapere quanto ben registrate fossero le immagini daily usate per costruire le MVC. Anche quelle MARS diventerebbero accettabili (almeno in apparenza) se si mascherasse l’acqua. Ma il “blurring” rimane.

48. Immagini SMART 1991: la registrazione sembra buona...

49. …ma quelle relative al 1997, non mascherate, sono meno convincenti Esempio di “blurring” causato dalla cattiva registrazione delle immagini giornaliere usate come input