Pubblicato il 22 luglio 2025

FIND - Suoli antropici

Identificazione automatica dei suoli degradati per cause antropiche e potenzialmente rivalorizzabili. Amministrazioni beneficiarie: Cantone Ticino e Cantone Vaud.

Contesto

Per garantire alla popolazione svizzera un approvvigionamento alimentare minimo in caso di crisi, la legislazione federale sulla pianificazione del territorio prevede la creazione e la protezione di superfici per l’avvicendamento delle colture (SAC). Le SAC corrispondono a terreni agricoli produttivi la cui qualità deve essere protetta e di cui ogni cantone è tenuto a conservare una superficie minima. Tuttavia, può accadere che progetti di costruzione richiedano l'utilizzo di SAC. In tal caso, è necessario compensare le perdite creando nuove SAC di superficie equivalente. Al fine di determinare le superfici da convertire prioritariamente in SAC, i cantoni sono tenuti a fornire un registro o una mappa indicativa dei suoli rivalorizzabili e coltivabili. La priorità può essere data, ad esempio, ai suoli degradati in passato per cause antropiche. Queste superfici corrispondono generalmente a terreni inquinati, discariche, ecc.

In questo progetto, il STDL è stato sollecitato dai cantoni Ticino e Vaud per sviluppare un metodo di rilevamento automatico dell'uso del suolo nel corso del tempo. In particolare, sono stati identificati i siti che hanno ospitato attività antropiche.

Metodologia

Gli esperti hanno creato una ground truth per le classi «attività non agricola» e «movimento del terreno». Quest'ultima comprende una selezione di oggetti tra il 1950 e il 2023 ed è stata utilizzata per addestrare il rilevatore di oggetti dell’STDL al fine di segmentare le due classi di interesse nel corso degli anni. Sono stati effettuati dei test per omogeneizzare i colori delle immagini RGB e in bianco e nero, ma in ultimo i migliori risultati sono stati ottenuti utilizzando le immagini originali.

Immagine precedente

Immagine successiva

Risultati

Il miglior modello di rilevatore di oggetti dello STDL ha fatto registrare un recall del 38% e una precisione del 60%. Questi risultati sono stati ritenuti insoddisfacenti a causa dei troppi oggetti mancanti e della confusione tra le due classi. Grazie alla combinazione di diversi modelli e a un post-processing, il recall è stato migliorato fino al 58%, rendendo i risultati più accettabili.

Il Cantone del Ticino ha fornito dei layer vettoriali che consentono di individuare determinati utilizzi del suolo al fine di restringere le rilevazioni automatiche alle sole zone valorizzabili in SAC. Il Cantone di Vaud ha preferito conservare tutte le rilevazioni automatiche.

Ulteriori informazioni

La documentazione ed il codice sorgente di tutti i progetti dello STDL sono rilasciati sotto licenza aperta.

• Documentazione tecnica del progetto

  Automatic identification of anthropogenic soils potentially suitable for rehabilitation

• Codici

  • GitHub - A deep learning model trained to segment human activity in a multi-year dataset of aerial imagery from 1946 to 2023
  • GitHub - A suite of Python scripts allowing the end-user to use Deep Learning to detect objects in georeferenced raster images.

Ritorna alla pagina principale dello STDL