Antonio Ventura

Lo scopo di questo lavoro di tesi è stato di valutare l'accuratezza metrica di un nuovo satellite indiano, Cartosat-1, sia per quanto riguarda l'orientamento delle immagini, sia per quanto riguarda la generazione di modelli digitali delle superfici. Cartosat-1 è stato messo in orbita il 5 Maggio del 2005. La sua principale caratteristica è di avere a bordo due sensori di tipo pancromatico (ognuno con risoluzione spaziale di 2.5 m), capaci di osservare la stessa porzione di territorio da angoli di vista differenti. Lo scarto temporale tra le due acquisizioni della stessa zona, risulta molto ridotto (52 secondi). Questo breve intervallo di tempo facilita il processo di matching e permette la continua produzione di immagini stereo, cioè parzialmente sovrapposte ed adatte alla generazione di DSMs. Avendo a disposizione la stereocoppia acquisita sulla zona di Castelgandolfo, le immagini sono state orientate utilizzando sia il modello rigoroso, implementato nel programma commerciale PCI-Orthoengine, sia il modello generico degli RPC (Rapid Positioning Capability), implementato nei software scientifici SISAR e RAPORIO, sviluppati rispettivamente dall' Area di Geodesia e Geomatica - Sapienza Università degli studi di Roma- e dall' Institute of Photogrammetry and GeoInformation della Leibniz University di Hannover. Utilizzando entrambi i metodi è stato possibile ottenere un'accuratezza sull'orientamento dell'immagine inferiore alla dimensione del pixel, inoltre, i risultati dei diversi programmi usati sono pienamente confrontabili. Partendo dalla stereocoppia Cartosat-1 di Castelgandolfo, il DSM è stato generato usando due metodi diversi di matching: il primo è il Least Squares Matching, utilizzato dal programma scientifico DPCOR (Leibniz University, Hannover), il secondo è il metodo della cross-correlazione, utilizzato dal programma PCI-Orthoengine. Per valutare l'accuratezza del DSM generato da Cartosat-1, si è deciso di assumere come modello di confronto il DSM estratto da un blocco fotogrammetrico di 31 foto e di calcolare l’errore quadratico medio delle differenze di quota tra queste due superfici (RMSEz). I confronti tra i DSMs sono statti condotti sia su tutta l'area di sovrapposizione, sia selezionando diverse tipologie di suolo: la tipologia cittadina di suolo urbano, e quella delle zone il più possibile prive di vegetazione e fabbricati (aperte). Tutte le prove sono state condotte due volte: prima direttamente sui DSMs estratti in seguito al matching, e poi sui relativi DEMs (Modelli Digitali delle Elevazioni), ottenuti applicando una funzione di filtro per rimuovere tutti gli elementi non appartenenti al terreno vero e proprio (alberi, palazzi, etc.). Dall' analisi sulle differenze di altezze tra i DSM nelle zone aperte, è stato ottenuto un RMSEz di 3.05 m, mentre, dopo aver applicato il filtro, l'RMSEz diminuisce a 2.41 m, scendendo quindi sotto la dimensione del pixel. Nelle zone urbane l'RMSEz si attesta attorno 4.73, diminuendo fino a 3.96 m in seguito all' applicazione del filtro. I risultati ricavati dal confronto tra i DEM dipendono però dalla tecnica di filtraggio utilizzata. Come argomento di ricerca parallelo è stata valutata la capacità del programma SISAR di generare RPC per l'orientamento delle immagini e l'estrazione di modelli digitali del terreno. Utilizzando gli RPC generati dal programma, i quali sono 1/3 di quelli originali contenuti nei files di metadata, è stato possibile orientare la stereocoppia con un RMSEZ leggermente superiore al pixel. Il DSM generato a partire da questo orientamento presenta un'accuratezza pienamente confrontabile con quella del modello digitale ottenuto lavorando con gli RPC che vengono forniti insieme alle immagini originali. In conclusione del lavoro si può affermare che la modalità di acquisizione di Cartosat-1 risulta ottimale per la generazione di modelli digitali delle superfici. Il ridotto intervallo temporale fra le due acquisizioni favorisce il procedimento di matching automatico. L'orientamento delle immagini non presenta particolari problemi, ed entrambi gli approcci utilizzati portano ad ottenere un'accuratezza inferiore alla dimensione del pixel. L'algoritmo di generazione degli RPC, implementato all'interno del programma SISAR, si è dimostrato in grado di fornire coefficienti che portano a risultati analoghi a quelli che si ottengono utilizzando gli RPC originali forniti insieme alle immagini, sia in fase di orientamento, sia in fase di generazione del modello digitale.