SEGMENT - Suolo e non suolo
Segmentazione automatica del suolo sulla base di immagini aeree. Amministrazioni beneficiarie: Cantone Fribourg, Cantone Vaud e Canton Basel-Stadt.
Contesto
I suoli inquinati presentano diversi rischi per la salute. In particolare, l'inquinamento da piombo, mercurio e idrocarburi policiclici aromatici (IPA) è attualmente oggetto di attenzione da parte dell'Ufficio federale dell'ambiente. Per la prevenzione e la gestione dei movimenti di terra durante i lavori di costruzione è quindi necessario conoscere con precisione la posizione dei suoli potenzialmente inquinati.
Le carte sulla natura del suolo in genere si limitano al livello di dettaglio delle particelle e sono quindi imprecise in prossimità di abitazioni (è molto probabile che una particella edificabile includa un'abitazione con giardino annesso).
Questo progetto ha avuto lo scopo di creare una mappa ad alta risoluzione (= 1 m) dei terreni potenzialmente inquinati, ovvero non impermeabilizzati, come campi, prati o suoli argillosi. La classificazione dei terreni si è basata su un metodo automatico di segmentazione delle immagini applicato a immagini aeree multicanale (R, G, B).
Con la creazione di questa mappa, si intende di:
- ridurre il tempo impiegato dai servizi pubblici per identificare le superfici di terreno libero a partire da ortofoto;
- migliorare gli inventari cantonali dei terreni potenzialmente inquinati;
- sviluppare una metodologia che possa essere utilizzata anche da altre amministrazioni.
Il progetto è stato realizzato in collaborazione con il Cantone di Friburgo.
Metodologia
Come primo passo, gli esperti del suolo del Cantone di Friburgo hanno generato della ground truth, segmentando manualmente le immagini aeree relative ad un campione del territorio friburghese, rappresentativo delle classi di suolo presenti in quest'ultimo.
Ciò ha permesso la valutazione quantitativa di alcuni modelli di deep learning dedicati alla detezione della copertura del suolo sviluppati dall'Istituto nazionale (francese, NdR) di informazione geografica e forestale (IGN), dalla Haute Ecole d'Ingénierie et de Gestion du Canton de Vaud (HEIG-VD) e dall'Ufficio federale di statistica (UST).
Successivamente, il modello sviluppato dall'HEIG-VD, che ha mostrato risultati molto promettenti in particolare nelle aree urbane, è stato ulteriormente addestrato (fine tuning) utilizzando una parte della ground truth; la restante parte è stata utilizzata per la valutazione dei risultati. In effetti, l'utilizzo delle ortofoto ad alta risoluzione disponibili per questo progetto, la considerazione di alcuni aspetti della vegetazione dovuti alle differenze stagionali e l'adozione di uno schema di classificazione personalizzato hanno permesso di migliorare le prestazioni del modello.
Risultati
Una volta ottimizzato il modello di deep learning, quest'ultimo è stato utilizzato per determinare le classi di suolo su vari ritagli delle immagini SWISSIMAGE.
A seguito di risultati preliminari già molto soddisfacenti, gli esperti del Cantone di Friburgo hanno prodotto della ground truth supplementare, al fine di migliorare ancora di più le prestazioni del modello.
Inoltre, il Cantone di Vaud ha deciso di partecipare al progetto, essendo interessato a valutare la possibilità di monitorare il suolo tra due acquisizioni successive di SWISSIMAGE 10 cm. Per questa applicazione sarà necessario affrontare nuove sfide, in particolare quella di distinguere i cambiamenti reali da quelli dovuti ad errori di predizione del modello.
In primo luogo, sarà necessario addestrare il modello sulla ground truth del Cantone di Vaud utilizzando immagini SWISSIMAGE 10 cm scattate in estate. Successivamente, in fase di post-processing, sarà necessario utilizzare altre informazioni, come ad esempio: lo score di confidenza sulle predizioni del modello, i cambiamenti di classe ammissibili, dei criteri geometrici, etc.
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