Calibrazione di dati Landsat ETM+ per le analisi multitemporali

The advantages of Remote Sensing for the knowledge of environmental dynamics are widely ascertained by scientific community. Spatial synchronization and temporal resolution of large areas have meaningfully improved the quantity and the quality of imagery, which have assumed an important role in the field of environmental monitoring. Nevertheless, preliminary processing problems of multitemporal satellite data, as basic information in the analysis of land cover ental conditions and to geometric and radiometric distortions introduced during the acquisition and the transmission phases. In this paper calibration techniques of Landsat ETM+ data were faced. These last were referred to acquisitions comprised in 1999-2001-2002 years on a test area of southern Lazio. A normalization algorithm, based on MAD - Multivariate Alteration Detection transformation, was implemented for this aim, by executing a quantitative and qualitative comparison with the consolidated ELC (Empirical Line Calibration) method.

I vantaggi offerti dal Telerilevamento nell’ambito della conoscenza delle dinamiche ambientali sono ormai constatati ampiamente dalla comunità scientifica. Infatti, la sincronizzazione spaziale e i tempi di rivisitazione di grandi aree hanno migliorato significativamente la quantità e la qualità delle immagini, che hanno assunto un ruolo importante nel monitoraggio ambientale. Permangono, tuttavia, problematiche di trattamento preliminare dei dati satellitari multitemporali come base informativa nelle analisi dei cambiamenti di uso del suolo, a causa della presenza di errori dovuti al rumore, alle condizioni ambientali e alle distorsioni geometriche e radiometriche introdotte durante l’acquisizione e la trasmissione. Nel presente contributo vengono affrontate le tecniche di calibrazione di immagini Landsat ETM+, riferite ad acquisizioni comprese nell’arco temporale 1999-2001-2002 e relative ad un’area test del Lazio meridionale. A tal fine, è stato implementato un algoritmo di normalizzazione, basato sulla trasformazione MAD - Multivariate Alteration Detection, operandone il confronto quantitativo e qualitativo rispetto al metodo consolidato ELC (Empirical Line Calibration).