Academic literature on the topic 'Iperspettrale'

This study introduces a first assessment of the capabilities of PRISMA (PRecursore IperSpettrale della Missione Applicativa)—the new hyperspectral satellite sensor of the Italian Space Agency (ASI)—for Non-Photosynthetic Vegetation (NPV) monitoring, a topic which is becoming very relevant in the field of sustainable agriculture, being an indicator of crop residue (CR) presence in the field. Data-sets collected during the mission validation phase in croplands are used for mapping the NPV presence and for modelling the diagnostic absorption band of cellulose around 2.1 μm with an Exponential Gaussian Optimization approach, in the perspective of the prediction of the abundance of crop residues. Results proved that PRISMA data are suitable for these tasks, and call for further investigation to achieve quantitative estimates of specific biophysical variables, also in the framework of other hyperspectral missions.

Using new remote sensing technology to study agricultural crops will support advances in food and water security. The recently launched, new generation spaceborne hyperspectral sensors, German DLR Earth Sensing Imaging Spectrometer (DESIS) and Italian PRecursore IperSpettrale della Missione Applicativa (PRISMA), provide unprecedented data in hundreds of narrow spectral bands for the study of the Earth. Therefore, our overarching goal in this study was to use these data to explore advances that can be made in agricultural research. We selected PRISMA and DESIS images during the 2020 growing season in California's Central Valley to study seven major crops. PRISMA and DESIS images were highly correlated (R 2of 0.9–0.95). Out of the 235 DESIS bands (400–1000 nm) and 238 PRISMA bands (400–2500 nm), 26 (11%) and 45 (19%) bands, respectively, were optimal to study agricultural crops. These optimal bands provided crop type classification accuracies of 83–90%. Hyperspectral vegetation indices to estimate plant pigment content, stress, biomass, moisture, and cellulose/lignin content were also identified.

Abstract. The PRecursore IperSpettrale della Missione Applicativa (PRISMA) satellite of the Italian Space Agency, lunched in 2019, has provided a new generation source of hyperspectral data showing to have high potential in vegetation variable retrieval. In this study, the newly available PRISMA spectra were exploited to retrieve Leaf Area Index (LAI) of sugarcane using a new kind of Artificial Neural Networks (ANN) so-called Bayesian Regularized Artificial Neural Network (BRANN). The suggested BRANN retrieval model was implemented over a dataset collected during a field campaign in Amir Kabir Sugarcane Agro-Industrial zone, Khuzestan, Iran, in 2020. Principle Component Analysis (PCA) was utilized to reduce the dimensionality of PRISMA data cube. An accuracy assessment based on the bootstrapping procedure indicated RMSE of 0.67 m2/m2 for the LAI retrieval by applying the BRANN model. This study is a confirmation of the high performance of the BRANN method and high potential of PRISMA images to retrieve sugarcane LAI.

A quantum machine is a human-made device whose collective motion follows the laws of quantum mechanics. Quantum machine learning (QML) is machine learning for quantum computers. The availability of quantum processors has led to practical applications of QML algorithms in the remote sensing field. Quantum machines can learn from fewer data than non-quantum machines, but because of their low processing speed, quantum machines cannot be applied to an image that has hundreds of thousands of pixels. Researchers around the world are exploring applications for QML and in this work, it is applied for pseudo-labelling of samples. Here, a PRISMA (PRecursore IperSpettrale della Missione Applicativa) hyperspectral dataset is prepared by quantum-based pseudo-labelling and 11 different machine learning algorithms viz., support vector machine (SVM), K-nearest neighbour (KNN), random forest (RF), light gradient boosting machine (LGBM), XGBoost, support vector classifier (SVC) + decision tree (DT), RF + SVC, RF + DT, XGBoost + SVC, XGBoost + DT, and XGBoost + RF with this dataset are evaluated. An accuracy of 86% was obtained for the classification of pine trees using the hybrid XGBoost + decision tree technique.

Abstract. This paper deals with the analysis and detection of wildfires by using PRISMA imagery. Precursore IperSpettrale della Mis­sione Applicativa (Hyperspectral Precursor of the Application Mission, PRISMA) is a new hyperspectral mission by ASI (Agenzia Spaziale Italiana, Italian Space Agency) launched in 2019. This mission provides hyperspectral images with a spectral range of 0.4–2.5 µm and an average spectral resolution less than 10 nm. In this work, we used the PRISMA hypercube acquired during the Australian bushfires of December 2019 in New South Wales. The analysis of the image is presented considering the unique amount of information contained in the continuous spectral signature of the hypercube. The Carbon dioxide Continuum-Interpolated Band Ratio (CO2 CIBR), Hyperspectral Fire Detection Index (HFDI), and Normalized Burn Index (NBR) will be used to analyze the informative content of the image, along with the analysis of some specific visible, near-infrared and shortwave-infrared bands. A multiclass classification is presented by using a I-dimensional convolutional neural network (CNN), and the results will be com­pared with the ones given by a support vector machine classifier reported in literature. Finally, some preliminary results related to wildfire temperature estimation are presented.

Different forest types based on different tree species composition may have similar spectral signatures if observed with traditional multispectral satellite sensors. Hyperspectral imagery, with a more continuous representation of their spectral behavior may instead be used for their classification. The new hyperspectral Precursore IperSpettrale della Missione Applicativa (PRISMA) sensor, developed by the Italian Space Agency, is able to capture images in a continuum of 240 spectral bands ranging between 400 and 2500 nm, with a spectral resolution smaller than 12 nm. The new sensor can be employed for a large number of remote sensing applications, including forest types discrimination. In this study, we compared the capabilities of the new PRISMA sensor against the well-known Sentinel-2 Multi-Spectral Instrument (MSI) in recognition of different forest types through a pairwise separability analysis carried out in two study areas in Italy, using two different nomenclature systems and four separability metrics. The PRISMA hyperspectral sensor, compared to Sentinel-2 MSI, allowed for a better discrimination in all forest types, increasing the performance when the complexity of the nomenclature system also increased. PRISMA achieved an average improvement of 40% for the discrimination between two forest categories (coniferous vs. broadleaves) and of 102% in the discrimination between five forest types based on main tree species groups.

Over the last decades, remote sensing techniques have contributed to supporting cultural heritage studies and management, including archaeological sites as well as their territorial context and geographical surroundings. This paper aims to investigate the capabilities and limitations of the new hyperspectral sensor PRISMA (Precursore IperSpettrale della Missione Applicativa) by the Italian Space Agency (ASI), still little applied to archaeological studies. The PRISMA sensor was tested on Italian terrestrial (Alba Fucens, Massa D’Albe, L’Aquila) and marine (Sinuessa, Mondragone, Caserta) archaeological sites. A comparison between PRISMA hyperspectral imagery and the well-known Sentinel-2 Multi-Spectral Instrument (MSI) was performed in order to better understand features and outputs useful to investigate the aforementioned areas. At first, bad bands analysis and noise removal were performed, in order to delete the numerically corrupted bands. Principal component analysis (PCA) was carried out to highlight invisible details in the original image; then, spectral signatures of representative areas were extracted and compared to Sentinel-2 data. At last, a classification analysis (ML and SAM) was performed both on PRISMA and Sentinel-2 imagery. The results showed a full agreement between Sentinel and PRISMA data, enhancing the capability of PRISMA in extrapolating more spectral information and providing a better reliability in the extraction of the features.

Atmospheric compensation (AC) allows the retrieval of the reflectance from the measured at-sensor radiance and is a fundamental and critical task for the quantitative exploitation of hyperspectral data. Recently, a learning-based (LB) approach, named LBAC, has been proposed for the AC of airborne hyperspectral data in the visible and near-infrared (VNIR) spectral range. LBAC makes use of a parametric regression function whose parameters are learned by a strategy based on synthetic data that accounts for (1) a physics-based model for the radiative transfer, (2) the variability of the surface reflectance spectra, and (3) the effects of random noise and spectral miscalibration errors. In this work we extend LBAC with respect to two different aspects: (1) the platform for data acquisition and (2) the spectral range covered by the sensor. Particularly, we propose the extension of LBAC to spaceborne hyperspectral sensors operating in the VNIR and short-wave infrared (SWIR) portion of the electromagnetic spectrum. We specifically refer to the sensor of the PRISMA (PRecursore IperSpettrale della Missione Applicativa) mission, and the recent Earth Observation mission of the Italian Space Agency that offers a great opportunity to improve the knowledge on the scientific and commercial applications of spaceborne hyperspectral data. In addition, we introduce a curve fitting-based procedure for the estimation of column water vapor content of the atmosphere that directly exploits the reflectance data provided by LBAC. Results obtained on four different PRISMA hyperspectral images are presented and discussed.

Il lavoro svolto è stato commissionato dall’azienda CNI, la quale ha richiesto al Dipartimento di Fisica e Astronomia dell’università di Bologna la costruzione di una camera iperspettrale per uso industriale. In questo elaborato sono descritte le tecniche di progettazione e realizzazione dell’apparato ottico, adatto ad indagare lunghezze d’onda nel range visibile. Questo apparato è composto da un obiettivo focalizzatore, uno spettroscopio e un sensore finale. La realizzazione pratica dello strumento è stata raggiunta attraverso tre fasi distinte: la calibrazione, l’assemblaggio e i test finali; ciò ha permesso di ottenere risultati in accordo con quelli previsti in fase di progettazione. Poiché i risultati ottenuti si sono rivelati conformi alle richieste dell’azienda, si è potuto procedere all’applicazione di una particolare copertura della camera iperspettrale. Questo procedimento di copertura e chiusura della camera è stato necessario sia per permettere all’azienda di svolgere test con lo spettroscopio in condizioni di elevata oscurità, sia per preservare i vari elementi ottici da movimenti meccanici esterni. Terminato così il lavoro, è stata consegnata all’azienda la camera chiusa. Essa sarà testata per l’analisi spettrale di campioni, che passano attraverso una linea illuminata di lunghezza 1 m e ad una distanza di 1,5 m, su un rullo autotrasportatore. In futuro è prevista anche la realizzazione di un’altra camera iperspettrale che indaghi le lunghezze d’onda nel vicino infrarosso.

L’evoluzione dei sensori multispettrali e la prospettiva di sviluppo dei sensori iperspettrali nel campo del telerilevamento ottico offrono nuovi strumenti per l’indagine del territorio e rinnovano la necessità di ridefinire potenzialità, limiti e accuratezza delle metodologie tradizionali. Nel caso delle immagini iperspettrali, in particolare, l’elevatissima risoluzione spettrale apre nuove possibilità di sviluppo di modelli fisicamente basati per correlare grandezze radiometriche con indicatori fisico-chimici caratteristici delle superfici osservate, a prezzo però di maggiori oneri nella gestione del dato. Il presente lavoro mira appunto ad esaminare, per alcune applicazioni di carattere ambientale e attraverso casi di studio specifici, le criticità del problema del rilevamento da remoto nel suo complesso: dai problemi di correzione radiometrica delle immagini, all'acquisizione di dati di calibrazione sul campo, infine all'estrazione delle informazioni di interesse dal dato telerilevato. A tal fine sono stati sperimentati diversi modelli di trasferimento radiativo ed è stata sviluppata un’interfaccia per la gestione del modello 6SV. Per quest’ultimo sono state inoltre sviluppate routine specifiche per il supporto dei sensori Hyperion e World View 2. La ricerca svolta intende quindi offrire un contributo alla definizione di procedure operative ripetibili, per alcune applicazioni intimamente connesse all’indagine conoscitiva ed al monitoraggio dei processi in atto sul territorio. Nello specifico, si è scelto il caso di studio dell’oasi del Fayyum, in Egitto, per valutare il contenuto informativo delle immagini satellitari sotto tre diversi profili, soltanto in apparenza distinti: la classificazione della litologia superficiale, la valutazione dello stato di qualità delle acque ed il monitoraggio delle opere di bonifica. Trattandosi di un’oasi, le aree coltivate del Fayyum sono circondate dai suoli aridi del deserto libico. La mancanza di copertura vegetale rappresenta una condizione privilegiata per l’osservazione della litologia superficiale da remoto, auspicabile anche per la scarsa accessibilità di alcune aree. Il fabbisogno idrico dell’oasi è garantito dall’apporto di acque del fiume Nilo attraverso una rete di irrigazione che ha, come recettore finale, il lago Qarun, situato nella porzione più depressa dell’oasi. Questo lago, privo di emissari, soffre enormi problemi di salinizzazione, visto il clima iper-arido in cui si trova, e di inquinamento da fertilizzanti agricoli. Il problema della sostenibilità ambientale dello sfruttamento agricolo intensivo dell’oasi è un problema di deterioramento della qualità dell’acqua e della qualità dei suoli. È un problema che richiede una adeguata conoscenza del contesto geologico in cui questi terreni sono inseriti ed una capacità di monitoraggio degli interventi di bonifica ed estensione delle coltivazioni in atto; entrambe conoscenze necessarie alla definizione di un piano di sviluppo economico sostenibile. Con l’intento di contribuire ad una valutazione delle effettive potenzialità del telerilevamento come strumento di informazione territoriale, sono state sperimentate tecniche di classificazione di immagini multispettrali ASTER ed iperspettrali Hyperion di archivio per discriminare la litologia superficiale sulle aree adiacenti al lago Qarun nell’oasi del Fayyum. Le stesse immagini Hyperion di archivio più altre appositamente acquisite sono state utilizzate, assieme ad immagini multispettrali ALI, per la valutazione qualitativa e quantitativa di parametri di qualità delle acque, attraverso l’applicazione di modelli empirici di correlazione. Infine, per valutare l’ipotesi che il deterioramento della qualità delle acque possa essere correlato ai processi di bonifica ed estensione delle coltivazioni in atto negli ultimi decenni, le immagini dell’archivio Landsat sono state utilizzate per analisi di change detection. Per quanto riguarda il problema della validazione dei risultati, si è fatto uso di alcuni dati di verità a terra acquisiti nel corso di un survey preliminare effettuato nell’Ottobre 2010. I campioni di roccia prelevati e le misure di conducibilità elettrica delle acque del lago, benché in numero estremamente limitato per la brevità della missione e le ovvie difficoltà logistiche, consentono alcune valutazioni preliminari sui prodotti ottenuti dalle elaborazioni. Sui campioni di roccia e sabbie sciolte, in particolare, sono state effettuate misure di riflettività in laboratorio ed analisi mineralogiche dettagliate. Per la valutazione della qualità delle acque, più precisamente delle concentrazioni di clorofilla, la metodologia utilizzata per il caso di studio egiziano è stata applicata anche sul tratto costiero adriatico antistante le foci dei fiumi Tronto e Salinello. In questo sito sono state effettuate misure in situ di conducibilità elettrica ed il prelievo di campioni di acqua per la determinazione in laboratorio delle concentrazioni di clorofilla. I risultati ottenuti hanno evidenziato le potenzialità offerte dall’informazione spettrale contenuta nelle immagini satellitari e consentono l’individuazione di alcune pratiche operative. D’altro canto hanno anche messo in luce le carenze dei modelli attualmente esistenti, nonché le criticità legate alla correzione atmosferica delle grandezze radiometriche rilevate.

L’evoluzione dei sensori multispettrali e la prospettiva di sviluppo dei sensori iperspettrali nel campo del telerilevamento ottico offrono nuovi strumenti per l’indagine del territorio e rinnovano la necessità di ridefinire potenzialità, limiti e accuratezza delle metodologie tradizionali. Nel caso delle immagini iperspettrali, in particolare, l’elevatissima risoluzione spettrale apre nuove possibilità di sviluppo di modelli fisicamente basati per correlare grandezze radiometriche con indicatori fisico-chimici caratteristici delle superfici osservate, a prezzo però di maggiori oneri nella gestione del dato. Il presente lavoro mira appunto ad esaminare, per alcune applicazioni di carattere ambientale e attraverso casi di studio specifici, le criticità del problema del rilevamento da remoto nel suo complesso: dai problemi di correzione radiometrica delle immagini, all'acquisizione di dati di calibrazione sul campo, infine all'estrazione delle informazioni di interesse dal dato telerilevato. A tal fine sono stati sperimentati diversi modelli di trasferimento radiativo ed è stata sviluppata un’interfaccia per la gestione del modello 6SV. Per quest’ultimo sono state inoltre sviluppate routine specifiche per il supporto dei sensori Hyperion e World View 2. La ricerca svolta intende quindi offrire un contributo alla definizione di procedure operative ripetibili, per alcune applicazioni intimamente connesse all’indagine conoscitiva ed al monitoraggio dei processi in atto sul territorio. Nello specifico, si è scelto il caso di studio dell’oasi del Fayyum, in Egitto, per valutare il contenuto informativo delle immagini satellitari sotto tre diversi profili, soltanto in apparenza distinti: la classificazione della litologia superficiale, la valutazione dello stato di qualità delle acque ed il monitoraggio delle opere di bonifica. Trattandosi di un’oasi, le aree coltivate del Fayyum sono circondate dai suoli aridi del deserto libico. La mancanza di copertura vegetale rappresenta una condizione privilegiata per l’osservazione della litologia superficiale da remoto, auspicabile anche per la scarsa accessibilità di alcune aree. Il fabbisogno idrico dell’oasi è garantito dall’apporto di acque del fiume Nilo attraverso una rete di irrigazione che ha, come recettore finale, il lago Qarun, situato nella porzione più depressa dell’oasi. Questo lago, privo di emissari, soffre enormi problemi di salinizzazione, visto il clima iper-arido in cui si trova, e di inquinamento da fertilizzanti agricoli. Il problema della sostenibilità ambientale dello sfruttamento agricolo intensivo dell’oasi è un problema di deterioramento della qualità dell’acqua e della qualità dei suoli. È un problema che richiede una adeguata conoscenza del contesto geologico in cui questi terreni sono inseriti ed una capacità di monitoraggio degli interventi di bonifica ed estensione delle coltivazioni in atto; entrambe conoscenze necessarie alla definizione di un piano di sviluppo economico sostenibile. Con l’intento di contribuire ad una valutazione delle effettive potenzialità del telerilevamento come strumento di informazione territoriale, sono state sperimentate tecniche di classificazione di immagini multispettrali ASTER ed iperspettrali Hyperion di archivio per discriminare la litologia superficiale sulle aree adiacenti al lago Qarun nell’oasi del Fayyum. Le stesse immagini Hyperion di archivio più altre appositamente acquisite sono state utilizzate, assieme ad immagini multispettrali ALI, per la valutazione qualitativa e quantitativa di parametri di qualità delle acque, attraverso l’applicazione di modelli empirici di correlazione. Infine, per valutare l’ipotesi che il deterioramento della qualità delle acque possa essere correlato ai processi di bonifica ed estensione delle coltivazioni in atto negli ultimi decenni, le immagini dell’archivio Landsat sono state utilizzate per analisi di change detection. Per quanto riguarda il problema della validazione dei risultati, si è fatto uso di alcuni dati di verità a terra acquisiti nel corso di un survey preliminare effettuato nell’Ottobre 2010. I campioni di roccia prelevati e le misure di conducibilità elettrica delle acque del lago, benché in numero estremamente limitato per la brevità della missione e le ovvie difficoltà logistiche, consentono alcune valutazioni preliminari sui prodotti ottenuti dalle elaborazioni. Sui campioni di roccia e sabbie sciolte, in particolare, sono state effettuate misure di riflettività in laboratorio ed analisi mineralogiche dettagliate. Per la valutazione della qualità delle acque, più precisamente delle concentrazioni di clorofilla, la metodologia utilizzata per il caso di studio egiziano è stata applicata anche sul tratto costiero adriatico antistante le foci dei fiumi Tronto e Salinello. In questo sito sono state effettuate misure in situ di conducibilità elettrica ed il prelievo di campioni di acqua per la determinazione in laboratorio delle concentrazioni di clorofilla. I risultati ottenuti hanno evidenziato le potenzialità offerte dall’informazione spettrale contenuta nelle immagini satellitari e consentono l’individuazione di alcune pratiche operative. D’altro canto hanno anche messo in luce le carenze dei modelli attualmente esistenti, nonché le criticità legate alla correzione atmosferica delle grandezze radiometriche rilevate.

La seguente ricerca di dottorato ha come obiettivo lo sviluppo di nuove strategie in grado di migliorare la stima e l’interpretazione del segnale di fluorescenza indotto dalla luce solare (SIF) emesso dalla clorofilla. In particolare la SIF emessa a livello del suolo è stata utilizzata per migliorare la comprensione del funzionamento della vegetazione terrestre ed acque interne. Nuove metriche di fluorescenza sono state definite a partire dello spettro completo di SIF ottenuto tramite l’algoritmo SpecFit applicato a misure spettrali di campo Top-Of-Canopy. Tali metriche sono state concepite per caratterizzare lo spettro totale di SIF, in termini di valori massimi di emissione (SIFred, SIFfar-red), posizione dei picchi ed integrale di fluorescenza (SIFINT). Il loro comportamento su scale stagionale e giornaliera è stato dunque confrontato con la SIF valutata nelle bande di assorbimento dell’ossigeno atmosferico (SIF760, SIF687) ed indici di riflettanza (NDVIred-edge, CIred-edge, NIRv, PRI), questi ultimi usati come proxy di parametri biofisici di vegetazione. Il SIF valutato ai picchi mostra sempre una forte correlazione con i corrispondenti valori delle bande O2, mentre il SIFINT rappresenta un parametro più completo e mostra dinamiche peculiari. A scala diurna, l'uso combinato di indici di riflettanza e metriche SIF permette una migliore caratterizzazione delle dinamiche delle diverse colture investigate. Stagionalmente, gli indici di SIF e di riflettanza sono caratterizzati dalla medesima evoluzione temporale in quanto entrambi guidati da cambiamenti della luce incidente e nella biomassa della canopy, del suo contenuto di clorofilla. Tuttavia, a tale scala, il riassorbimento della fluorescenza che avviene a livello fogliare e di chioma affligge la forma spettrale e intensità della SIF. In accordo con l’analisi condotta su misure spettrali simulate, il riassorbimento impedisce la corretta stima del rendimento di fluorescenza (SIFyield): pertanto, correggere lo spettro SIF per questo processo è cruciale. Con questo obiettivo, sono stati sviluppati due possibili approcci. Il metodo parametrico consente di correggere la SIF per il riassorbimento sfruttando relazioni parametriche con variabili spettrali misurate a livello TOC. Tuttavia, l’accuratezza di questo metodo dipende dallo stadio di sviluppo della pianta: migliori risultati sono ottenuti per chiome di media densità. Tale comportamento preclude l’utilizzo del metodo a scale stagionale. Il secondo approccio accoppia l’analisi della trasformata di Fourier con tecniche di Machine Learning. In questo caso, sia lo spettro SIF corretto che parametri biofisici quali LAI, Cab, SIFyield e aPAR, sono calcolati con maggiore accuratezza, indipendentemente dalla vegetazione considerata. In generale, il metodo parametrico può essere utilizzato in modo più semplice, ma manca di accuratezza quando applicato a vegetazioni rade, mentre l'algoritmo Fourier-ML è più complesso, ma offre risultati migliori. Per quanto concerne le acque interne, l’algoritmo Fluorescence Line Height è stato modificato per poter essere applicato a tali ambienti sfruttando misure iperspettrali di campo. L’evoluzione temporale del proxy di SIF così ottenuto concorda con l’andamento osservato per indici spettrali convenzionali (EPAR, R550, [Chl-a]), specialmente nei giorni caratterizzati da cielo sereno. Nuovi modelli di produzione primaria del fitoplancton sono stati inoltre definiti adattando per le acque interne il modello LUE (Light Use Efficiency) sviluppato per la vegetazione. Risultati promettenti sono stati ottenuti quando la SIFFLH e un nuovo proxy di efficienza di fotosintesi sono contemplati nel modello.
The PhD research aimed to develop novel strategies able to better retrieve and interpret the chlorophyll Solar-Induced Fluorescence (SIF) signal emitted by terrestrial vegetation and inland waters at ground level, to advance the understanding of ecosystems structure and functioning. SIF metrics were defined taking advantage of the full SIF spectrum available from the recently developed “spectrum-fitting” algorithm (SpecFit). The metrics were designed to characterize the SIF spectrum, in terms of red and far-red peaks maximum values (SIFred, SIFfar-red), corresponding wavelengths and the spectrally integrated value (SIFINT). SIF typically evaluated in the O2-A (SIF760) and O2-B (SIF687) bands and reflectance indices (used as proxies for canopy biophysical parameters) have been compared to the SIF spectrum. The reflectance indices selected are the NDVIred-edge, CIred-edge, NIRv and PRI. The analysis has been carried out at seasonal/diurnal scales, exploiting top-of canopy (TOC) spectral measurements acquired over three crops. The SIF evaluated at the peaks always show a strong correlation with the corresponding O2 bands values, while the SIFINT represents a more complete parameter and shows peculiar dynamics. At diurnal scale, the combined use of reflectance indices and TOC SIF metrics allows to gain a better knowledge of the crops dynamics. Seasonally, the SIF and reflectance indices show more similar temporal evolution along the growth-phases because they are mainly driven by changes in the overall canopy biomass, chlorophyll content and incident light. The reabsorption of the SIF within the canopy-leaf system affects the overall SIF spectral shape and magnitude at this temporal scale. As demonstrated on the synthetic dataset, the reabsorption effect prevents an accurate evaluation of the fluorescence quantum yield (SIFyield). Correcting the TOC SIF spectrum for the reabsorption is pivotal. In this regard, two different approaches have been developed and tested. The parametric method enables to correct SIF for the reabsorption (SIFRC) establishing parametric relationships with spectral variables routinely measured at TOC. The method accuracy depends on the plant growth phase, showing better results for medium-dense canopies. This behavior compromises the application of the method on the full seasonal analysis. The second approach based on Fourier-Machine Learning algorithm retrieves the SIFRC, and biophysical parameters (LAI, Cab, SIFyield, aPAR) with a better accuracy for all the conditions. The two approaches have been compared by considering synthetic simulations and real field measurements. Two methods were developed and tested starting from different assumptions: the parametric method can be used in a simpler way but it lacks accuracy for sparse conditions; while the Fourier-Machine Learning algorithm is more complex but offer better results. Regarding clear lake waters, a novel version of the Fluorescence Line Height approach has been implemented. The SIF proxy obtained agree with the temporal evolution of other conventional spectral indices (EPAR, R550 and [Chl-a]). Novel phytoplankton primary production models have been defined and tested adapting the vegetation Light Use Efficiency model for inland waters. Promising results have been obtained when the SIFFLH and a novel photosynthesis efficiency proxy here introduced are considered. In conclusion, the results obtained highlight the relevance to retrieve the SIF spectrum and the importance to employ SIF reabsorption correction methods to obtain relevant parameters better related with terrestrial vegetation functioning and less affected from canopy structure. This study has demonstrated that the hyperspectral and frequency measurements allow to follow the phytoplankton dynamics, particularly in clear sky days. Furthermore, the use of parameters linked to the SIF represents a promising approach for monitoring the phytoplankton primary production in lakes.

Negli ultimi decenni, il telerilevamento è stato utilizzato con successo per monitorare la vegetazione grazie alla sua capacità intrinseca di fornire informazioni quantitative ripetute e spazialmente distribuite circa le sue proprietà. Tuttavia, la ricerca si è concentrata prevalentemente sulla descrizione delle proprietà strutturali e biochimiche della vegetazione piuttosto che sulla comprensione del suo funzionamento. Negli ultimi decenni, il telerilevamento della fluorescenza della clorofilla indotta dal sole (F) è emerso come strumento innovativo utile allo studio del funzionamento delle piante. F è un debole segnale emesso nelle regioni spettrali del rosso e infrarosso vicino (~650-800 nm) dal cuore dell’apparato fotosintetico per dissipare l’eccesso di energia assorbita. Il suo potenziale risiede nella relazione esistente tra fotochimica e vie dissipative: poiché la fotochimica compete con la dissipazione sotto forma di F e calore, F può essere un indicatore diretto del funzionamento della fotosintesi. L’obiettivo principale di questo dottorato è stato l’utilizzo di dati ottici (i.e., riflettanza e fluorescenza) per migliorare la comprensione del funzionamento della vegetazione e della sua variabilità spaziale. In particolare, il lavoro si è focalizzato sullo studio del legame tra proprietà ottiche della vegetazione, plant traits (PT) e ecosystem functional properties (EFP) in una foresta di media latitudine. A tale scopo, sono state utilizzate tecniche di telerilevamento innovative per studiare il funzionamento della vegetazione a partire da dati ottici ad altissima risoluzione spettrale acquisiti tramite il sensore aviotrasportato ad immagine HyPlant. Il lavoro si è focalizzato su due obiettivi principali: i) l’analisi della relazione spaziale tra F e EFP per comprendere la variabilità della funzionalità a scala regionale; ii) l’analisi del potenziale di F come indice sintetico della diversità funzionale. I risultati dimostrano l’efficacia dell’utilizzo di F come proxy della funzionalità della vegetazione, sottolineando allo stesso tempo la complessità del legame tra F, PT e EFP e la necessità di integrare dati differenti per interpretare correttamente il segnale di F. In particolare, i risultati mostrano che: i) F è relazionata alla variabilità spaziale delle EFP, dimostrando che tale relazione tipicamente osservata nel dominio temporale si mantiene in quello spaziale; ii) F è uno strumento più promettente rispetto agli indici tradizionali basati sulla riflettanza per spiegare la diversità funzionale. Globalmente, i risultati mostrano il ruolo fondamentale dell’eterogeneità spaziale nel controllare l’uptake del carbonio, migliorando così la comprensione della complessa relazione tra F e funzionalità. Futuri studi in questa direzione sono una priorità per migliorare la comprensione del ruolo della vegetazione nel bilancio globale del carbonio.
Remote Sensing (RS) data have been successfully exploited in the last decades to monitor vegetation due to their inherent capacity of providing repeated and spatially-distributed quantitative information about vegetation properties. However, most research focused on the description of the structural and biochemical properties of vegetation rather than on the understanding of its functioning. In the last decade, RS of sun-induced chlorophyll fluorescence (F) emerged as a novel and promising tool for assessing plant functional status. F is a weak signal emitted by the core of the photosynthetic machinery in the red and far-red spectral regions (~650-800 nm) as a side product of light absorption. The potential of F relies on the relationship existing between photochemistry and the energy dissipation pathways: since photochemistry competes with F emission and heat dissipation for the absorbed energy, F can be a direct indicator of plant actual functional state. The main aim of this Ph.D. research was to exploit optical data (i.e., reflectance and fluorescence) to advance the understanding of vegetation functioning and of its variability across space. In particular, the work aimed at better understanding the link between vegetation optical properties, plant traits (PTs) and ecosystem functional properties (EFPs) in a case study represented by a mid-latitude forest ecosystem. At this purpose, innovative RS techniques were exploited to infer information about the vegetation functioning from fine and ultra-fine spectral resolution optical measurements acquired with the HyPlant airborne imaging spectrometer. The analyses were focused on two main work streams: i) the investigation of the spatial relationship between F and EFPs to better understand the variability of the ecosystem functioning at regional scale; ii) the analysis of the potential of F as a synthetic descriptor of the ecosystem functional diversity. Results provided evidence of the effectiveness of F as a tool for assessing vegetation functioning, but also pointed out the complexity of the link existing between F, PTs and EFPs and the need to integrate different RS derived products to obtain an unambiguous interpretation of the F signal. In particular, results showed that: i) F can be related to the spatial variability of the EFPs, thus demonstrating that this link usually observed in the temporal domain holds in the spatial domain; ii) F is a more powerful tool compared to traditional reflectance-based indices for explaining the functional diversity. Overall, these results improved the understanding of the complex relationship between F and vegetation functioning by adding new insights into the critical role of the spatial heterogeneity in controlling the carbon uptake. Further research in this direction constitutes a high priority for advancing the understanding of the imprint of plants on the global carbon balance.

Questo elaborato ha lo scopo di presentare un algoritmo di clustering gerarchico per matrici iperspettrali ad alta risoluzione. Dato un set di immagini che contiene copie della stessa fotografia scattate a diverse lunghezza d'onda luminose, l'obiettivo è quello di determinare gli elementi che appaiono nell'immagine. Gli algoritmi che permettono di separare gli elementi costitutivi di un'immagine sono detti algoritmi di blind hyperspectral unmixing e trovano applicazioni in svariati campi tra cui l'analisi delle immagini. In particolare, sono utilizzati in medicina per esaminare le culture batteriche e in radiologia per la diagnostica di immagini, in chimica per analizzare il risultato di alcune reazioni e per monitorare l'inquinamento, ma anche nell'industria alimentare per controllare la qualità del cibo. Per esempio, uno dei dataset di immagini iperspettrali più diffusi è quello di Cuprite che raffigura una zona mineraria situata nel sud del Nevada. L'algoritmo applicato a questo set ha rivelato la presenza di più di 15 minerali differenti tra cui alunite, montmorillonite, goethite, ossidi di ferro e molti altri. Inizialmente sarà presente un unico cluster contenente tutti i pixel. A ogni iterazione si selezionerà il cluster in modo da minimizzare l'errore al passo successivo e si separerà il cluster scelto in due. In seguito si utilizzerà una fattorizzazione matriciale di rango due (NMF) al fine di spezzare il cluster. Si illustrerà poi come questo metodo possa essere applicato a differenti matrici iperspettrali come algoritmo di estrapolazione degli elementi presenti nei dataset. Infine, si confronterà il metodo proposto e l'algoritmo classico delle k-medie e si discuteranno le prestazioni dei due metodi su matrici iperspettrali reali.

Questa tesi ha lo scopo di analizzare i principali fenomeni fisici legati all’interazione tra radiazione elettromagnetica e piante per la diagnostica ottica in agricoltura. L’uso efficiente dei fertilizzanti è un obiettivo importante per la ricerca agricola per migliorare le prestazioni delle colture, la qualità ambientale e la sostenibilità delle produzioni. La gestione dinamica delle fertilizzazioni permette di somministrare i nutrienti, come l’azoto (N), quando sono cruciali per lo sviluppo della pianta, evitando mancanze o eccessi. Questo è possibile mediante tecniche di spettrometria che permettono di valutare lo stato di N nelle colture tramite misure di riflettanza spettrale delle foglie. La riflettanza di una copertura vegetale è legata al suo contenuto di clorofilla che è a sua volta correlato alla concentrazione di azoto. Partendo dalle basi fisiche della radiazione elettromagnetica, si analizzano le principali grandezze radiometriche e ci si concentra in particolare sulla natura della riflessione, speculare e diffusa, per meglio comprendere la riflettanza di una chioma. Si esaminano il principio di funzionamento di un generico spettrometro e i parametri più importanti attorno a una misura spettrale. Viene data una panoramica dei principali sensori attualmente più diffusi. Infine, si effettuerà un’attenta valutazione sulla geometria della spettroscopia di campo e i principali fattori che influenzano le misure di riflettanza.

La fattorizzazione matriciale non negativa (NMF) è un metodo di riduzione di dimensione lineare recentemente studiato nell'ambito dell'analisi dei dati per le sue proprietà di estrazione di informazioni facilmente interpretabili da una matrice dei dati non negativa. Dopo una breve rassegna sulle approssimazioni matriciali a rango ridotto passiamo allo studio di alcuni algoritmi standard per la risoluzione della NMF. Sfruttiamo poi gli stessi per effettuare esperimenti in due ambiti applicativi: il text mining e il riconoscimento facciale. Infine introduciamo una variante ortogonale del problema, chiamata ONMF, di cui riportiamo l'equivalenza matematica con una variante pesata del metodo delle k-medie sferiche. Questo risultato consente di svolgere un confronto tra i risultati ottenuti da diversi algoritmi nel clustering di immagini iperspettrali.