portafolio

Últimas noticias

TOPS (Transform to Open Science) de la NASA Open Science 101 para la ciencia comunitaria de datos abiertos

Ruta de formación con la prioridad de desarrollar una infraestructura de formación sobre las mejores prácticas de ciencia abierta

abril 2024

Finalización del Módulo 2 sobre herramientas y recursos abiertos y concesión de la insignia.

Objetivos alcanzados:

Definir los elementos fundamentales de la ciencia abierta: productos de investigación, el marco de “usar, crear, compartir” y el papel de un plan de ciencia abierta y gestión de datos. Enumerar y explicar el propósito de los recursos utilizados para descubrir y evaluar productos de ciencia abierta para la investigación. reutilización, incluidos archivos, portales de búsqueda, publicaciones, documentación como archivos README, metadatos y licencias. Desarrollar una estrategia de alto nivel para la creación y el intercambio de datos que utilice principios FAIR, incorporando un plan de gestión de datos, que los rastree y a los autores con identificadores persistentes. y citas, y utiliza formatos de datos y herramientas apropiados para crear y compartir resultados. Describir el ciclo de vida del software y diseñar una estrategia de alto nivel para crear y compartir que considere el uso de un plan de gestión de software, las herramientas necesarias para el desarrollo, incluido el código fuente. , kernels, lenguajes de programación, software de terceros y control de versiones, y las herramientas y documentación utilizadas para publicar y seleccionar software abierto. Enumere los recursos para compartir productos de investigación, incluidas preimpresiones, publicaciones de acceso abierto, sistemas de gestión de referencias y recursos de soporte. reproducibilidad.

Febrero y marzo 2024

Finalización del Módulo 1 sobre la ética de la ciencia abierta y concesión de la insignia.

Objetivos alcanzados:

Significado de la ciencia abierta, buenas prácticas, beneficios y desafíos de la adopción de la ciencia abierta. Descripción de las prácticas de la ciencia abierta, incluidas consideraciones a la hora de elaborar un plan de gestión y actividades en el marco de Usar, Crear, Compartir. Evaluación de las opciones disponibles de determinados productos de investigación. si deben ser abiertos o no. Formas de entrar en contacto con otras realidades que forman parte de la comunidad científica abierta.

Programa de formación formativa ARSET (Programa de formación en teledetección aplicada) de la NASA

13 de febrero de 2024

Descripción general de SeaDAS 8.4.1 para procesar, analizar y visualizar datos de teledetección óptica para el monitoreo de la calidad del agua.

24 de octubre, 31 de octubre y 1 de noviembre de 2023

Detección y seguimiento de inundaciones, hielo marino y hundimientos por extracción de aguas subterráneas, con datos satelitales SAR (Synthetic Aperture Radar).

Colaboraciones

DXC Tecnología Italia

2023: cálculo y evaluación del índice de humedad promedio estacional del suelo con datos Sentinel-2 del programa Copernicus y Corine Land Cover 2018 para áreas agrícolas y forestales.

Habilidades

Teledetección: análisis de imágenes adquiridas desde satélites y plataformas aéreas (UAS*)

Teledetección pasiva: operaciones básicas para monitoreo territorial y aplicaciones operativas basadas en Big Data de la misión Copernicus Sentinel-2 y las constelaciones Earth Explorer USGS Landsat8-9; cálculo de índices espectrales (humedad, incendios, vegetación, cuerpos de agua, temperatura de la superficie terrestre) con SNAP (ESA) y QGIS toolbox; análisis multitemporal del territorio, técnicas de clasificación automática de imágenes supervisadas y no supervisadas (machine learning); técnicas y análisis de modelos digitales del terreno; teledetección activa con datos SAR (Synthetic Aperture Radar) Constelación Sentinel-1 del programa Copernicus: exploración de datos de radar con polarización VV y VH; análisis de metadatos de radar con la caja de herramientas SNAP; creación de imágenes de amplitud e intensidad; detección de áreas urbanas, huella urbana y diferencias de retrodispersión, seguimiento de compensación (campos de velocidad superficial de los glaciares); interferometría (cálculo de deformaciones del suelo, terremotos, erupciones volcánicas, inundaciones, hundimientos, cartografía urbana). Agricultura de precisión: herramientas y técnicas para la mejora económica y ambiental en el sector agrícola; seguimiento y adquisición de datos desde sensores terrestres, satelitales y aéreos (drones); elaboración de mapas de prescripción de fertilizantes y nitrógeno.

SIG de código abierto

QGIS: análisis geográfico, base de datos, geoprocesamiento raster y vectorial, modelos digitales del terreno, análisis hidrológico con DEM; clasificación automática de imágenes supervisadas y no supervisadas (aprendizaje automático) WebGIS: aplicaciones de mapeo web, creación de webgis con servidor QGIS y Lizmap, configuración y provisión de servicios WMS y WFS.

* Piloto de UAS (dron) subcategoría abierta A1/A3 A2, en fase de planificación de entrenamiento de vuelo y obtención de la correspondiente certificación académica.

Los proyectos

El procesamiento de datos obtenidos de imágenes satelitales y aéreas (drones) puede contribuir a la mitigación de escenarios de eventos esperados, también gracias al análisis y estudio multitemporal del territorio. En una era en la que los fenómenos producidos por la crisis climática y los eventos extremos cada vez más esperados están afectando la vida social y económica de todo el planeta Tierra, es necesario implementar acciones concretas.

La monitorización del Sistema del Medio Ambiente Terrestre (SATmonitoring) forma parte del panorama de la Observación de la Tierra y pretende contribuir activamente a la búsqueda de soluciones inmediatas.

Aquí hay unos ejemplos:

GeoAI contra incendios

BRAM (Boschifire Risk Assessment Model) es un modelo predictivo experimental sobre el riesgo de propagación de incendios desde campos agrícolas hacia bosques y bosques. El uso combinado de los algoritmos SAM y Random Forest para identificar zonas boscosas cercanas a incendios de campo (quema de rastrojos) se basa en una clasificación de Random Forest e imágenes RGB infrarrojas de onda corta (Sentinel-2) especialmente segmentadas gracias a GeoAI. La combinación de estas técnicas puede proporcionar una primera visión general y detallada de áreas particulares en riesgo, como las áreas protegidas.
Botón
Segmentación SAM de la fotosíntesis

Segment Anything (SAM) es un modelo de inteligencia artificial de preaprendizaje que permite generar máscaras de objetos a partir de imágenes de satélite. Cuanto mayor sea la resolución, mayor será la precisión del modelo GeoAI que, en este caso, se aplicó a una imagen Sentinel-2 del programa Copernicus. El objetivo de la segmentación fue una identificación inicial de bosques de coníferas con fotosíntesis activa para una posible clasificación posterior. El método puede proporcionar información importante sobre el estado de salud de los bosques y bosques, pero también para controlar los cultivos agrícolas.
Botón
Olas de calor

Con la temporada estival que nos espera, además de los clásicos "tomar el sol" para los amantes del mar, según los científicos, en tierra (pero también en el mar), las temperaturas serán cada vez más extremas. Las olas de calor de 2023 fueron el ejemplo: ciudades cada vez más calurosas y riesgos para la salud de la población, especialmente para las personas mayores. Luego está el capítulo de los incendios, devastadores para el medio ambiente, la agricultura y la propia salud humana. En esta elaboración demostrativa se realiza un análisis del riesgo de olas de calor en los municipios de Buitre Alto-Bradano (Basilicata). Sin embargo, los datos térmicos de las imágenes del satélite Landsat-9 (USGS-NASA) procesadas se refieren al mes de julio de 2022. El municipio con mayor riesgo en términos de LST promedio y densidad de población es Lavello, seguido inmediatamente por Melfi, Venosa, Palazzo San Gervasio y Maschito. Urge que los municipios se doten de un "plan isla de calor" específico que se integre en los planes municipales de Protección Civil ya existentes
Botón
diferencial LST

El cálculo del diferencial de temperatura de la superficie terrestre (ΔLST) permite el desarrollo de mapas de islas de calor urbanas (UHI) utilizando datos estadísticos y de uso del suelo. En este caso de ejemplo, generamos una zona de influencia de 15 km a partir de un centroide y calculamos los índices NDVI y LST a partir de imágenes de satélite USGS/NASA Landsat 9 (bandas 4, 5 y 10) con una resolución de 30 m/px. Posteriormente, se calcularon las anomalías de temperatura con respecto a las áreas no urbanas y el análisis de uso del suelo gracias al Corine Land Cover 2018. El resultado arrojó los promedios LST, que pueden interpretarse como la diferencia de temperatura respecto a puntos preestablecidos en una corona de superficie, resultante de la diferencia de amortiguamiento de 15 y 5 km, de la que se valora el LST al menos a una distancia de 300 m del suelo urbanizado. La diferencia de temperatura LST es alta en las zonas agrícolas (hasta 5°C), menor en las zonas boscosas (hasta -9°C). El mismo procedimiento se puede extender a áreas urbanas para identificar islas de calor (preferiblemente para barrios).
Botón
El sensor MODIS en la placa térmica

El siguiente procesamiento es el resultado del monitoreo térmico satelital gracias al espectrorradiómetro de resolución moderada (MODIS) a bordo de los satélites Aqua y Terra de la NASA. Este sensor midió la temperatura de la superficie de la Tierra durante el día con una resolución de 1 km durante la temporada de verano de 2023 (°C en la leyenda - metadatos Kelvin). Las áreas con una escala de colores del rojo al negro indican temperaturas del suelo superiores a los 40°C, coincidiendo en la mayoría de los casos con áreas cultivadas con tierra cultivable, que luego de la cosecha fueron afectadas por incendios debido a la práctica de quemar el rastrojo.
Botón
Recortes forestales

De la amplitud de la señal de radar de la imagen del satélite SAR Sentinel-1 del programa Copernicus se puede obtener una serie de información muy importante desde el punto de vista forestal. Si los valores positivos indican un aumento de la reflectividad del radar y por tanto el crecimiento de nueva vegetación o un aumento de la rugosidad de la superficie; Los valores negativos indican exactamente lo contrario, es decir, eliminación de vegetación, construcción de nuevas estructuras u otros cambios en la cobertura del suelo. Razonando sobre los valores negativos, y en particular sobre la eliminación de la cubierta vegetal, es posible establecer qué áreas boscosas han sido objeto de talas forestales en un período de tiempo específico.
Botón
Monitoreo de erupciones volcánicas

Una comparación con los cálculos sobre la deformación vertical del suelo del par interferométrico SAR Sentinel-1 (del 6 y 18 de diciembre de 2023) y una imagen infrarroja de onda corta compuesta (superresolución) de la imagen Sentinel-2 donde se encuentra el frente de lava de la erupción del 14 de enero de 2024, que afectó a la zona de la localidad de Grindavìk (Islandia). Se sabía desde hacía tiempo que el terreno se estaba elevando, como lo demuestran los mapas y el histograma. Queda por ver si el magma subterráneo podrá volver a escapar con nuevas erupciones de fisuras en el interior de la ciudad de Grindavìk.
Botón
Cambios después de los incendios

Huella urbana RGB: compuesto RGB de la huella urbana. El rojo indica coherencia, el verde el promedio de la retrodispersión y el azul la diferencia. NBR compuesto: combinación de cuatro imágenes NBR (relación de grabación normalizada) distintas, cada una adquirida en diferentes momentos. Este compuesto proporciona una representación temporal consolidada de los cambios en las condiciones de la vegetación y del suelo después de los incendios. El análisis combina información espectral de diferentes procesamientos NBR, lo que permite una evaluación más profunda y comparativa de las áreas afectadas por incendios a lo largo del tiempo.
Botón
Población estimada 2100

SEDAC es un centro de datos y aplicaciones socioeconómicas de la NASA que proporciona una variedad de estudios e información sobre la dinámica de la población urbana, rural y total. Utilizando el servicio abierto, se desarrolló este mapa: cruzando los datos de 2018 sobre la huella urbana (a partir de imágenes Sentinel-1) y la previsión de población del SEDAC para 2100, se obtiene un "modelo de previsión" para el Buitre Alto Bradano. Las zonas donde se espera una mayor concentración de población son: a la cabeza Rionero en el Buitre (137 hab/km2), Atella, Barile, Rapolla y Melfi; seguido de Venosa y Lavello, la zona de San Nicola di Melfi actualmente un polígono industrial y hacia Gaudiano. Fuente de datos: SEDAC Gao, J. 2020. Año base de la población mundial (2010 – 2100) escalado por 1 km y cuadrículas de proyección basadas en trayectorias socioeconómicas compartidas, revisión 01. Palisades, Nueva York: NASA-SEDAC.
Botón
Clasificación de la huella urbana

El uso del aprendizaje automático nos permite continuar el análisis de la huella urbana y los cambios multitemporales relacionados. El algoritmo de clasificación SOM fue fundamental para identificar áreas con diferencias de retrodispersión en un par de imágenes InSAR Sentinel-1 del programa Copernicus. La clasificación de las imágenes autoorganizadas en un mapa, sin supervisión, arrojó información que se presta a interpretaciones en el contexto urbano en presencia de coherencia interferométrica. Con una coherencia > 0,6 también fue posible identificar las llamadas diferencias durante un período de 4 años en zonas suburbanas, agrícolas y forestales. Una herramienta, la Clasificación SOM, que ya se ha utilizado en el pasado en la evaluación de riesgos. Sin embargo, el análisis "en profundidad" de la huella urbana ha resultado muy útil.
Botón
Huella urbana

La monitorización de la huella urbana desde satélite puede ser de gran utilidad para diversos sectores. En este procesamiento de dos escenas SAR de Sentinel-1, con un lapso de tiempo de cuatro años, fue posible identificar cambios en función de las imágenes de amplitud y la estimación de la coherencia interferométrica. En la representación compuesta RGB, el canal de banda de color rojo indica coherencia, el verde indica la retrodispersión promedio y el azul indica la diferencia.
Botón
Elementos geomorfológicos

La determinación de las formas y geometrías del terreno mediante “visión artificial” para extraer elementos geomorfológicos de un MDT (Modelo Digital del Terreno), arroja información útil para el análisis. Si por un lado el cálculo de la deformación vertical del suelo a partir de 7 imágenes InSAR Sentinel-1 arroja datos para ser analizados y explorados con mayor profundidad, por otro lado, los elementos geomorfológicos, pendiente y pendiente, pueden ayudar al analista a identificar mejor las anomalías proporcionadas por los datos del satélite.
Botón
Tasa de prescripción de nitrógeno variable

Servicio de cartografía para proporcionar índices y mapas de prescripción de dosis variables de cultivo, riego programado y controlado y rendimiento gracias a testers (conductímetro y ph). En la figura, ejemplo de mapa de prescripción de nitrógeno para un olivar, un viñedo y una tierra cultivable. Utilizando el método Harmonize "Robin Hood" (tomar a los ricos para dárselo a los pobres), se calculó la cantidad de nitrógeno necesaria para los tres cultivos a partir de la imagen del satélite Sentinel-2 del programa Copernicus. Con el servicio de teledetección con drones es posible obtener una precisión centimétrica de las imágenes adquiridas, que posteriormente podrán ser analizadas también con la colaboración preferible de un agrónomo.
Botón
Proteger los viñedos de los incendios.

Desde la clasificación supervisada con el algoritmo Random Forest a partir del índice compuesto RGB NBR (Normalized Burn Ratio) de cuatro imágenes multitemporales distintas, hasta un nuevo "training input" de los viñedos gracias a los mapas de densidad y concentración basados en los centroides y posteriores zonas de amortiguamiento de viñedos expuestos a riesgo de incendio. La evaluación se basó en áreas quemadas en el verano de 2023 y podría extenderse a conjuntos de datos históricos. Con SAGA Next Gen probó un nuevo algoritmo de estimación de densidad del kernel (KDE). La elaboración de mapas de densidad y concentración de viñedos asociados a la clasificación supervisada de zonas quemadas podría mitigar fuertemente el fenómeno de los incendios para proteger un patrimonio vitivinícola que necesita ser protegido.
Botón
Monitorear los glaciares

Entre los efectos más importantes del cambio climático se encuentra el derretimiento de los glaciares y el consiguiente aumento del nivel del mar. En este procesamiento con datos Sentinel-1 SAR del programa Copernicus se realiza el monitoreo multitemporal del glaciar Perito Moreno ubicado en la Provincia de Santa Cruz (Patagonia) en Argentina. Se consideraron 7 imágenes del año 2015 al 2021 para el cálculo de la desviación del hielo en m/día. Procedimiento con SNAP: aplicación de archivos orbitales, co-registro de imágenes, segmentación y aplicación del algoritmo Offset Tracking, finalmente geocodificación.
Botón
Humedad del suelo e inundaciones.

Análisis hidrológico y topográfico con nuevos algoritmos y por tanto nuevos cálculos para prevenir y/o mitigar el riesgo hidrogeomorfológico. El índice de humedad SAGA, similar al índice de humedad topográfico (TWI), se basa en el cálculo de un área de captación modificada a partir de un modelo de elevación digital (DEM) producido por Sentinel-1A. Las celdas ubicadas en el fondo de los valles con una pequeña distancia vertical desde un canal proporcionan una humedad potencial del suelo más realista y mayor que el cálculo estándar de TWI. El cálculo de este índice, gracias a algoritmos específicos de SAGA, es útil para pronosticar zonas potencialmente inundables en caso de eventos meteorológicos extremos.
Botón
Clasificación al fuego

La clasificación supervisada con Random Forest aplicada al índice NBR (Normalized Burn Ratio) es un proceso que implica el uso de un algoritmo específico de Machine Learning llamado Random Forest Classification para clasificar áreas o píxeles específicos en una imagen de satélite utilizando el índice NBR. Este índice se utiliza comúnmente para identificar y mapear áreas afectadas por incendios o cambios en la vegetación. El modelo entrenado distinguió áreas con marcas de quemaduras (con valores específicos en la NBR) y áreas no afectadas por incendios. El proceso: 1) Preparación de datos: recopilación de imágenes de satélite y cálculo del índice NBR para un período determinado. 2) Entrenamiento del modelo: uso de píxeles con etiquetas asignadas (áreas quemadas y no quemadas) para entrenar el RFC para que pueda aprender a reconocer estas diferencias. 3) Clasificación de imágenes: aplicar el modelo entrenado a todos los píxeles de la imagen de índice NBR para clasificar y mapear áreas quemadas y no quemadas.
Botón
Incendios y sequedad del suelo

¿Qué pasa después de un incendio? La sustancia orgánica de los suelos se ve comprometida, los suelos se vuelven áridos, son posibles fenómenos erosivos y, con el tiempo, los procesos de degradación pueden conducir a la esterilidad y luego a la desertificación. El conjunto de índices, como áreas quemadas, humedad del suelo, aridez, pueden proporcionar lecturas interesantes de un territorio determinado. Además del cálculo del índice BSI, se ha superpuesto en el mapa una capa que contiene las zonas quemadas desde gravedad media-baja hasta gravedad alta. De una primera observación se desprende que los suelos afectados por incendios han sufrido cambios significativos en los valores de BSI. Hoy en día esas superficies de suelo tienden a ser áridas, especialmente con valores de humedad bajos. De ello se deduce que los análisis de imágenes procesadas a partir de observaciones satelitales, en el caso Sentinel-2 del programa Copernicus, son una excelente indicación para planificar y planificar a corto plazo intervenciones forestales y de mejora de cultivos, especialmente para salvaguardar el valor biológico, como así como iniciar una amplia campaña de sensibilización que involucre a todas las estructuras involucradas, en todos los niveles.
Botón
Derrumbes

Cálculo de la deformación superficial "relativa" y "absoluta" con el mapa de coherencia interferométrica. Los valores positivos en un mapa de deformación del suelo elaborado a partir de datos del satélite inSAR (Sentinel-1 Copernicus) podrían indicar un aumento de la presión o tensión en el suelo debido a tensiones mecánicas, precipitaciones u otras condiciones. En este caso, el análisis se refiere a zonas afectadas por el incendio con valores de humedad decrecientes (detección de cambios NDWI). Los cambios de vegetación, las variaciones térmicas, los propios hundimientos, la presencia de vegetación débil y la recesión del terreno pueden ser factores desencadenantes de fenómenos erosivos por hinchamiento del terreno (para valores positivos de deformación/cambios). La interpretación de los datos de deformación del terreno siempre requiere una evaluación en profundidad con la participación directa de expertos en geología y geotecnia.
Botón
Riesgo de inundación basado en datos históricos

El aprendizaje automático, aunque con algunos problemas, puede ser una herramienta útil para mapear inundaciones previstas en conjuntos de datos históricos. Los estudios académicos afirman que los algoritmos de clasificación KMeans y clasificación SOM se utilizan para la evaluación de riesgos. Utilizando un conjunto de datos específico de imágenes del satélite Sentinel-1 del programa Copernicus, y en particular un par interferométrico junto con imágenes individuales SAR, se desprende que, durante un evento meteorológico extremo, áreas con ciertas características geomorfológicas están más predispuestas a estos fenómenos, especialmente si se analizan los datos de humedad del suelo correspondientes a cuencas de drenaje de agua: las llamadas zonas de recarga. El conocimiento de los puntos "vulnerables" permite implementar acciones preventivas y/o de mitigación.
Botón
Seguimiento geomorfológico

Este procesamiento cartográfico muestra claramente los cambios en la biomasa agroforestal tras un incendio ocurrido en Monte Vulture (Basilicata), parque regional y sitio de interés comunitario. A partir del análisis hidrológico se extrapolaron las redes de drenaje de las aguas que alimentan la red hidrográfica natural. Con las temporadas de lluvias, el riesgo de deslizamientos y/o flujos en las zonas afectadas por el incendio es muy alto. Este es un ejemplo del servicio de datos abiertos implementado gracias a un WebGIS específico y en constante actualización. La integración de la "detección de cambios" del índice NDVI (Índice de Vegetación de Diferencia Normalizada) nos permite obtener información útil en términos de prevención relativa al riesgo geomorfológico.
Botón
Calidad del aire

Análisis de la calidad del aire de la región de Lombardía, sobre las concentraciones atmosféricas de dióxido de azufre o dióxido de azufre (SO2) con un intervalo temporal del 15 de agosto al 9 de septiembre de 2023, con datos satelitales (ESA Sentinel-5P) y Google Earth Engine (GEE). La media de SO2 en mol/m^2, transformada en masa molecular (1 mol = 64,0638 g/mol), nos da un valor de 0,0013362 g/mol de dióxido de azufre presente en los cielos de Lombardía. El máximo calculado es de 0,03555 g/mol y afecta a las zonas de Mantua y Besnate. Evidentemente son los organismos encargados de garantizar el seguimiento de la calidad del aire con "instrumentos terrestres". Sin embargo, el sensor Tropomi nos permite mantener todo el planeta bajo observación sobre las variaciones en las concentraciones de SO2.
Botón
LST en el mes más cálido

Primera elaboración del índice LST (Land Surface Temperature) a partir de imágenes del satélite Landsat8 (USGS/NASA) del 18 de julio de 2023. En algunas zonas de Basílicata se registraron picos de 50°C en tierra. La imagen de satélite procesada muestra datos LST del período anterior a la ola de calor que azotó Italia en la última semana de julio de 2023, por lo que el índice se prestaría a aumentos significativos de la temperatura del suelo. Sin embargo, entre los días más calurosos del pasado julio estuvo sin duda el 25 de julio, con temperaturas atmosféricas que registraron 37°C en Potenza, 44°C en Policoro y 45°C en Matera. El cálculo del índice LST sobre la temperatura de la superficie terrestre puede ser útil para monitorear el microclima urbano y las condiciones del suelo en la agricultura.
Botón
Monitoreo atmosférico Ozono

El ozono troposférico (O3) puede tener impactos negativos en la salud humana, el medio ambiente, la agricultura y el clima. A diferencia del ozono estratosférico, que nos protege de la radiación solar, es un auténtico contaminante producido por las actividades industriales y el tráfico de vehículos. Es un gas de efecto invernadero responsable del calentamiento global y contiene óxidos de nitrógeno (NOx) y compuestos orgánicos volátiles (COV). Las altas concentraciones de O3 también pueden causar daños a la vegetación, como necrosis foliar, alterar la fotosíntesis y reducir la producción agrícola. Los dos mapas de Italia muestran cómo han cambiado las concentraciones de ozono atmosférico en dos meses (junio y julio de 2023). Los valores máximos y mínimos de ozono son valores estándar que reflejan el rango típico de concentraciones de O3 en la troposfera. muestran cambios significativos en el ozono a lo largo del tiempo.
Botón
Monitoreo atmosférico de NO2

Utilizando también el GEE y el satélite Sentinel-5P del programa Copernicus, se han elaborado estos dos mapas sobre las concentraciones atmosféricas de dióxido de nitrógeno (NO2) para el mes de julio de 2023: del 1 al 15 y del 15 al 30 de julio. En la primera imagen se ve inmediatamente que las concentraciones de NO2 están más presentes en el norte de Italia, y en el centro-sur se incluyen las zonas de Roma, Nápoles, pero también Taranto, Catania y Siracusa. En la segunda imagen, sin embargo, podemos ver un valor casi saturado de concentración de NO2 en Nápoles, y más precisamente en la zona del aeropuerto internacional, pero también en Taranto en Puglia.
Botón
Monitoreo atmosférico de SO2

Sentinel-5P es un satélite de la ESA (Agencia Espacial Europea) lanzado el 13 de octubre de 2017 para controlar la contaminación del aire. Está equipado con un sensor a bordo llamado Tropomi (Instrumentos de monitoreo troposférico). Gracias a Google Earth Engine (GEE) y a datos atmosféricos de Sentinel-5P (Precursor), se elaboró este mapa de Basílicata (basado en falso color urbano de imagen satelital Landsat8) con las concentraciones atmosféricas de dióxido de azufre o dióxido de azufre (SO2) con un intervalo de tiempo del 1 de julio al 27 de julio de 2023. La figura al lado muestra la "penacho" de SO2 proveniente de Sicilia,
Botón
Humedad del suelo e índice LST.

Los datos de Sentinel-1 SAR del programa Copernicus también pueden ayudarnos a comprender la humedad del suelo. Si se compara con otros procesamientos con datos ópticos (en el caso del Landsat-9 NASA/USGS) -representado, en este caso, por el mapa sobre el índice LST (Land Surface Temperature)- y con las áreas quemadas en el año anterior -de cual el índice dNBR (Normalized Burd Ratio) normalizado permite analizar el riesgo potencial de incendio de determinadas zonas. Un buen modelo de previsión, o mejor dicho, preventivo en la lucha contra los incendios forestales. Muchas áreas afectadas por el incendio de 2022 coinciden con áreas de baja humedad al 12 de julio de 2023.
Botón
Áreas quemadas e índice LST

Este procesamiento compara los datos de las áreas quemadas con la temperatura radiante de la superficie terrestre (LST) de 2022 para la región de Basílicata. Tras normalizar el índice NBR (Normalized Burd Ratio) durante el período comprendido entre el 5 de junio y el 27 de octubre de 2022, se aislaron los píxeles con valores de 0,35 clasificables según la escala cromática del USGS como de gravedad moderada y las zonas localizadas, por tanto, cubiertas por el fuego. Evidentemente, las zonas quemadas también afectan al fenómeno de la quema de rastrojos, una práctica obsoleta que se espera que algún día quede prohibida para siempre.
Botón
Áreas quemadas

Con la temporada estival el gran peligro de incendios forestales es cíclico. La prevención es el primer paso a dar. En este procesamiento QGIS se muestran las áreas cubiertas por el incendio de la temporada 2022 gracias al cálculo del índice NBR (Normalized Burd Ratio) a partir de imágenes satelitales Landsat9 (NASA-USGS). Luego se normalizó el índice (también para reducir las condiciones atmosféricas) con la diferencia de NBR (antes y después del incendio). Los valores superiores a 0 indican zonas con mayor gravedad de quemaduras y, por tanto, cubiertas por el fuego. Finalmente, para evitar que el índice dNBR excluya suelos con menor cobertura vegetal previa al incendio, se aplicó un índice relativizado denominado RBR (Relativized Burn Ratio). Este estudio de caso se aplicó a los archivos vectoriales relacionados con los territorios cubiertos por bosques y bosques (en el caso de robles mesófilos en el área de Venosa - Basílicata) y aquellos sujetos a restricciones de reforestación, sujetos a protección - Código del Patrimonio Cultural y del Paisaje (RSDI Basílicata). Portal de la región).
Botón
Cambios de uso de suelo

La clasificación y cambios de uso del suelo (cambio de cobertura del suelo) con aprendizaje automático nos permite observar los cambios en una de las áreas forestales más importantes de Basílicata: Monte Buitre. Parque natural regional y antigua reserva, así como lugar de interés comunitario y zona de especial protección. Se consideraron dos imágenes del satélite Sentinel-2 del programa Copernicus (agosto de 2019 y agosto de 2022) para comprender cómo la zona boscosa ha sido modificada por la influencia antrópica. Las áreas internas y los perímetros de las áreas boscosas han sufrido reducción de cobertura forestal, (clasificación: agua, bosque y campos agrícolas) para calcular la matriz de cobertura de variación del suelo. A través del Cambio de Cobertura Terrestre es posible obtener los píxeles variados con superficie relativa y la variación de clase de referencia. Una herramienta muy útil para el seguimiento de cambios en las superficies forestales. Con el índice NDVI se observó en cambio que en tres años la vegetación ha perdido vigor, debido a factores ambientales y antrópicos.
Botón
Inundaciones y aprendizaje automático

El mapeo de las inundaciones de la zona de las salinas de Cervia tras el debido procesamiento de las imágenes del satélite SAR Sentinel-1 del programa Copernicus (la única escena disponible de la zona más afectada por las inundaciones en Emilia Romagna). Posteriormente se utilizó la técnica de aprendizaje automático gracias a SOMClassification, un método de clasificación basado en Mapas Autoorganizados que utiliza redes neuronales artificiales. Se basa en modelos de mapas autoorganizados y algoritmos de agrupación para agrupar datos similares en clases lógicas o representaciones visuales de un área determinada. El análisis permitió calcular las áreas inundadas al 18 de mayo de 2023.
Botón
hundimiento lento

Algunos casos de hundimientos lentos y localizados en los que se representan las gráficas de densidad de dispersión relativa (scatter). Con la calculadora ráster QGIS se aislaron las áreas con valores negativos (< -0.06 m) considerando valores de coherencia mayores a 0.8. Los resultados nos permitieron identificar movimientos milimétricos en el suelo (eje y) teniendo en cuenta valores de coherencia cercanos a 1. Los movimientos de hundimiento lento a partir de datos satelitales sólo se pueden calcular si estamos en condiciones "coherentes". Otro ejemplo más de aplicaciones prácticas gracias a las imágenes del satélite SAR Sentinel-1 del programa Copernicus que pueden ser una válida herramienta de prevención.
Botón
Análisis hidrológico

El análisis hidrológico con un DEM (Modelo Digital de Elevación) permite desarrollar información como cuencas y/o subcuencas, canales de drenaje, áreas de recarga, desembocaduras de ríos. Una "zonificación" hidrológica detallada puede resultar útil si se compara con los PAI (Planes de Estructuras Hidrogeológicas) que contienen datos relativos a los riesgos geomorfológicos e hidráulicos de un territorio. Saberlo de antemano permite planificar intervenciones de mitigación, o mejor dicho, de prevención.
Botón
Clasificación del suelo

Ejemplos de aplicaciones prácticas de Inteligencia Artificial y Machine Learning, gracias a QGIS y al procesamiento de imágenes satelitales, para crear una serie de mapas que contienen información territorial: desde el cálculo del índice TVI (Índice de Vegetación Transformada) sobre biomasa estresada por sequía, hasta la clasificación del uso del suelo no supervisado (Clasificación Semiautomática), hasta el análisis geográfico gracias a Mapflow. El territorio en cuestión es Rapolla (Pz) en Basílicata.
Botón
Temperatura de la superficie terrestre

El cálculo de la temperatura de la superficie terrestre con imágenes del satélite Landsat-9 (NASA-USGS) nos permite obtener una serie de información útil para la gestión de los cultivos agrícolas. Para llegar al índice LST (Land Surface Temperature), se consideraron las bandas 4 (Roja), 5 (Infrarrojo Cercano - NIR) y 10 (Infrarrojo Térmico - TIR1). Una vez obtenida la reflectancia TOA (Top of Atmosphere) para las (bandas 4 y 5) y para la banda térmica 10 (TOA Brightness Temperature), se calculó el índice NDVI y posteriormente la estimación de la proporción vegetativa y la emisividad de la superficie. terrestre (fuente: prof. C. Zanetti, Universidad de Padua).
Botón
Contrarrestar la sequía

Se está observando la presa de Marana en Capacciotti, en Apulia, que con sus 48 millones de metros cúbicos de agua garantiza las necesidades de la campiña de Ceriñola. Después de calcular el índice NDWI2 basándose en las mediciones de reflectancia de las bandas verde y del infrarrojo medio cercano, se crearon máscaras en rangos de valores de banda específicos. Las superficies acuosas con alta absorción de radiación NIR tienen valores de reflectancia bajos. De ello se deduce que la superficie del embalse presenta zonas con mayores concentraciones de agua. A partir de las imágenes también es posible hacer una primera estimación de las zonas de sequía.
Botón
Inundaciones y humedad del suelo

La teledetección activa permite el análisis de múltiples factores/dinámicas ambientales, incluidas las inundaciones y la propia humedad del suelo. Se consideraron dos escenas multitemporales de Sentinel-1 de la región de Schleswig-Holstein en Alemania (al norte de Hamburgo), con un intervalo de un año. Se está observando un afluente del Elba y con él la zona agrícola. Se puede observar la diferencia en el suministro de agua del río Stör respecto al año anterior, con una clara zona inundada, así como suelos muy húmedos. El gráfico muestra el perfil de la intensidad de la humedad distribuida a lo largo de una línea correspondiente a suelos húmedos.
Botón
Daños por terremoto

Estudio interferométrico del evento máximo del terremoto Mwpd 7,9 (Turquía-Siria) del 6 de febrero de 2023 a partir de imágenes del satélite SAR Sentinel-1 del programa Copernicus, con un lapso de tiempo de 13 días (28 de enero - 9 de febrero de 2023), segmentado posteriormente para un superficie de 10.500 km2 aproximadamente. Se calcularon las diferencias de deformación para las ciudades de Gaziantep (Turquía) y Alepo (Siria), a 31 km y 110 km del epicentro respectivamente. En la ciudad turca se observaron deformaciones que oscilaron en torno a -0,33 m, mientras que en la ciudad siria de Alepo -0,04 m.
Botón
control de hundimiento

Cálculo de subsidencia lenta con imágenes del satélite Sentinel-1 SAR. del programa Copérnico. Desde la geocodificación hasta el interferograma, para luego "desenrollar" la fase interferométrica (unwrapping) y llegar al perfil de deformación absoluto. Se consideraron dos imágenes satelitales de primer plano (12 días) de la Provincia de Chubut (Argentina), zona afectada por depósitos minerales. La zona, al ser "estable" desde el punto de vista de la coherencia, permitió estimar el hundimiento del suelo con desplazamientos calculados en milímetros.
Botón
Control de la deformación del terreno

Estudio de caso de coherencia interferométrica (estimación) a partir de imágenes del satélite Sentinel-1 SAR. Cálculo de la estimación de coherencia y análisis de la deformación superficial "relativa" a partir de la cual es posible obtener desplazamientos milimétricos de las superficies (procesamiento interferométrico, pero sin fase desenvuelta para perfil de deformación absoluto). En las imágenes se pueden apreciar los puntos de Craco (Basilicata) donde probablemente todavía hay movimientos activos (ed. La antigua Craco fue abandonada en 1963 debido a un gran deslizamiento de tierra) detallada en la última figura.
Botón
Comparación del PAI con zonas inundadas

Caso de "Flood Mapping" de un tramo del río Basento (Basilicata) elaborado a partir de imágenes del satélite Sentinel-1 SAR con polarización VV (polarización vertical tanto de la señal emitida como de la recibida) de las que se extrae retrodispersión (intensidad de la señal medida por el sensor del radar) menores en correspondencia con cuerpos de agua, mientras que los valores más altos los dan los centros urbanos (presencia de reflectores de esquina). El resultado obtenido se comparó con la base de datos topográfica de aguas de transición del PAI (Plan de Estructuras Hidrogeológicas), a partir de la cual es posible identificar las zonas con riesgo de inundación e implementar medidas de prevención.
Botón
Cálculo de volúmenes de agua invadida.

El procesamiento de los datos del satélite Landsat-8 para el cálculo del índice NDWI, a partir del cual fue posible llegar a la superficie del agua, permite un análisis en profundidad con el análisis raster de un DEM (Modelo Digital de Elevación), creado específicamente a partir de los puntos enumerados en los mapas IGM25k, para calcular los volúmenes de agua en m3 presentes en la masa de agua. El estudio de caso se refería al embalse de Monte Cotugno (Basilicata), en el que se calcularon 229,7 millones de mc de agua del embalse al 7 de enero de 2023. Una cifra muy cercana a los datos oficiales proporcionados por el sitio de Basílicata de la Autoridad de Cuenca del Distrito de los Apeninos del Sur, equivalente a 228,9 millones mc con un nivel de embalse de 236,8 m. sobre el nivel del mar.
Botón
Monitoreo de superficies acuosas.

Seguimiento de los embalses de Monte Cotugno, Pertusillo y San Giuliano (Basilicata): a partir de la escena Landsat-8 (NASA-USGS) del 7 de enero de 2023, fue posible crear una imagen en color natural (archivo multibanda) de la región de Basílicata. Aplicando una máscara de agua con los vectores de los principales embalses presentes en la región, se calculó con precisión el índice NDWI (Índice de Diferencia Normalizada del Agua) para llegar al contenido de agua en los cuerpos de agua. El rango de 0,2 a 1 corresponde a superficies acuosas; 0 a 0,2 inundación y humedad; -0,3 a 0 superficies no acuosas con sequía moderada; -1 a -0,3 superficies no acuosas con sequía.
Botón
Monitoreo de deslizamientos de tierra

El seguimiento satelital de los deslizamientos de tierra requiere objetivos (fuertes), los llamados Dispersiones Permanentes (rocas, edificios, tuberías, etc.). En el caso en cuestión se utilizaron los datos PAI (Planes Hidrogeológicos) existentes de la Autoridad de la Cuenca de los Apeninos del Sur de la zona de Matera. Una vez creada una máscara a partir de los vectores PAI, se consiguió coherencia interferométrica "localizada" a partir de imágenes Sentinel-1 (zonas de riesgo de deslizamientos R1, R2, R3, R4) en las que se observó y analizó una zona rocosa específica (R4 con valores 0, 86 - 1), precisamente donde se produjo un caso de fractura de un espolón rocoso. Para lograr una coherencia absoluta (desplazamientos milimétricos, se requiere un procesamiento adicional).
Botón
Cambios ambientales

El análisis de la respuesta espectral en una imagen de satélite (en el caso de Sentinel-2) permite obtener una serie de información sobre cambios ambientales provocados por actividades naturales y/o antropogénicas. Aplicando tres pines en correspondencia con diferentes superficies (aguas continentales, suelo desnudo y vegetación), es posible crear etiquetas correspondientes, asignando los atributos NIR, ROJO y VERDE (valores de reflectancia de las bandas correspondientes). El producto es un diagrama que muestra la tendencia de la reflectancia en función de la longitud de onda relativa.
Botón
Esterilidad del suelo

Puglia (Italia): mapas de los índices de vegetación NDVI (Índice de vegetación de diferencia normalizada) y de humedad del suelo NDMI (Índice de humedad de diferencia normalizada) en comparación con el índice BSI (Índice de suelo desnudo) sobre esterilidad del suelo y con el índice de brillo BI (Índice de brillo) permiten identificar procesos de salinización con la consiguiente esterilidad del suelo (drenaje del agua de los pozos de riego, con el consiguiente descenso del nivel freático). El caso en cuestión afectó a las zonas entre Canosa di Puglia y Andria, utilizando imágenes del satélite Sentinel-2 del programa Copernicus.
Botón
Estado de salud vegetativo.

Monte Vulture (Basilicata, Italia): la variación del índice NDVI a partir de imágenes de satélite multitemporales, aplicada al sector forestal, puede proporcionarnos una serie de informaciones como la tala de árboles, el vigor de las plantas y su estado de salud, biomasa relativa, áreas cubiertas por incendios, operaciones forestales.
Botón
Clasificación de la senescencia del viñedo

Provincia de Mendoza (Argentina): el cálculo del índice de reflectancia de senescencia (relación carotenoide/clorofila), a partir de imágenes de Sentinel-2, permite detectar la salud, el estrés fisiológico, la producción y el rendimiento del cultivo. El cálculo del índice PSRI también permitió identificar viñedos jóvenes y viejos.
Botón
Vegetación sana

Monte Vulture (Basilicata): comparación entre índices de vegetación diferencial normalizado (NDVI) y avanzado (EVI). EVI mejora la precisión del NDVI corrigiendo las señales de fondo del suelo y las influencias atmosféricas. Los valores de EVI de 0,2 a 0,8 indican una vegetación sana.
Botón
Monitoreo de cuerpos de agua

Presa de Pertusillo (Basilicata, Italia). El cálculo del índice NDWI2, sobre imágenes de satélite multitemporales, y los filtros morfológicos aplicados a las superficies de cobertura del suelo, pueden proporcionar información sobre el contenido de agua de las masas de agua.
Botón
La capa de nieve

Parque Nacional Tierra del Fuego (Patagonia, Argentina): el análisis de imágenes satelitales multitemporales con la composición de color infrarrojo de las bandas espectrales (cerca de NIR, Rojo, Verde) permite monitorear la vegetación y el manto de nieve a lo largo del tiempo.
Botón