CLASSIFY - Aree libere sui tetti
Rilevamento di oggetti presenti sui tetti e identificazione degli spazi liberi. Amministrazione beneficiaria: Cantone di Geneva.
Contesto
L'attuale crisi climatica sta spingendo le amministrazioni a ripensare le loro politiche urbanistiche, il che cambierà il volto delle nostre città e dei nostri villaggi. Per rispondere alle sfide della transizione energetica ed ecologica, lo sfruttamento dei tetti rappresenta una risorsa importante per compensare l'impatto sul suolo e ottimizzare l'uso degli edifici. Ad esempio, l'installazione di tetti verdi contribuisce alla riduzione delle isole di calore e alla conservazione della biodiversità urbana. Inoltre, i tetti sono anche uno spazio fondamentale per la produzione locale di energia solare, con un impatto ridotto sul paesaggio. La conoscenza dell'occupazione effettiva dei tetti è quindi una sfida strategica per la definizione delle priorità di sviluppo. Eppure, in alcuni territori, il censimento delle superfici libere sui tetti è del tutto assente o comunque non abbastanza esaustivo.
Metodologia
L'obiettivo di questo progetto, realizzato in collaborazione con il Cantone di Ginevra, è quello di rilevare gli oggetti presenti e le superfici libere sui tetti. I prodotti finali si presentano sotto forma di layer vettoriali. Come dati in ingresso, sono state utilizzate le nuvole di punti LiDAR e le ortofoto acquisite dal Cantone di Ginevra nel 2019, insieme alle pendenze dei tetti pubblicate dal SITG nel 2023. Per 122 edifici è stata stabilita una verità di base. Sono stati testati tre metodi:
- Classificazione delle falde dei tetti in base alla loro occupazione: un'analisi statistica dell'intensità e della rugosità delle nuvole di punti LiDAR consente di classificare le falde dei tetti in base alle categorie «occupato», «potenzialmente libero» e «indefinito».
- Segmentazione dei dati LiDAR: questo metodo punta a identificare gli ostacoli che sporgono dai tetti. Gli algoritmi RANSAC e DBSCAN della libreria Python Open3D vengono utilizzati per separare i punti della nuvola appartenenti ai tetti piuttosto che ai potenziali oggetti.
- Segmentazione delle immagini: questo metodo, basato su un modello di deep learning, viene utilizzato per identificare potenziali oggetti sui tetti. Si avvale di Segment Anything Model (SAM) e segment-geospatial.
Risultati
La capacità di rilevamento degli oggetti da parte dei metodi di segmentazione è soddisfacente, con un F1-score compreso tra 0,75 e 0,76, ma l'IoU mediana, compresa tra 0,37 e 0,40, rimane relativamente bassa e può essere migliorata. Secondo gli esperti del settore, la segmentazione LiDAR produce rilevamenti con forme poco soddisfacenti e non è in grado di identificare oggetti di altezza ridotta (molto vicini al suolo).
La segmentazione delle immagini è stata giudicata soddisfacente dagli esperti, ma produce parecchi falsi positivi e richiede notevoli risorse hardware per poter essere implementata su larga scala.
Infine, il metodo di classificazione dell'occupazione dei tetti è affidabile, poiché raggiunge una precisione complessiva di ~0,84. Inoltre, presenta il vantaggio di essere poco costoso in termini di risorse di calcolo. Questo metodo è stato selezionato per essere applicato a livello cantonale a Ginevra e fornire un'indicazione sulle superfici potenzialmente libere dei tetti.
Ulteriori informazioni
La documentazione ed il codice sorgente di tutti i progetti dello STDL sono rilasciati sotto licenza aperta.
Indice
Ritorna alla pagina principale dello STDL
Swiss Territorial Data Lab
Lo Swiss Territorial Data Lab (STDL), lanciato nel 2020 nell'ambito della Strategia svizzera per la geoinformazione (SGS), rientra nel campo d'azione n. 5 «Promozione dell'innovazione». Questo laboratorio offre alle amministrazioni pubbliche uno spazio di sperimentazione in cui possono testare nuovi approcci per rispondere alle loro sfide concrete. Il laboratorio favorisce la collaborazione tra esperti tecnici e professionisti del settore per co-creare soluzioni efficaci e adeguate.
Office fédéral de topographie swisstopo
Seftigenstrasse 264
3084 Wabern