Cavani, Claudia
(2026)
Individuazione e classificazione della mucillagine nel Mare Adriatico da immagini satellitari multispettrali.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria per l'ambiente e il territorio [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
L’estate 2024 è stata caratterizzata da un’estesa presenza di mucillagine nel Mare Adriatico, un fenomeno complesso da monitorare con strumenti tradizionali in situ per via della sua rapida evoluzione e della forte variabilità spaziale. Il telerilevamento multispettrale Sentinel‑2 offre osservazioni frequenti e ad alta risoluzione, ma gli indici comunemente utilizzati per individuare materiali galleggianti, come l’Adjusted Floating Algae Index (AFAI), presentano un limite critico: nuvole, sedimenti e acqua torbida possono generare risposte spettrali simili alla mucillagine, rendendo impossibile una discriminazione affidabile basata su singole feature. Il cuore di questo lavoro consiste quindi nello sviluppare una metodologia di classificazione supervisionata capace di separare classi intrinsecamente sovrapposte nello spazio spettrale, sfruttando la combinazione simultanea di bande multispettrali e indici dedicati.
Dopo aver selezionato le immagini multispettrali nelle date di interesse, è stato costruito un dataset bilanciato contenente campioni etichettati per mucillagine, acqua, sedimenti e nuvole, e uno stack di feature comprendente bande Sentinel‑2 e indici per torbidità, acqua, materiali galleggianti e copertura nuvolosa. Il modello Random Forest è stato addestrato e ottimizzato, mostrando elevate prestazioni (accuratezza 0.998; F1‑score macro 0.86 in validazione) e una capacità significativamente superiore rispetto agli approcci mono‑indice nel distinguere la mucillagine dalle classi spettralmente affini. Una fase di post‑processing basata sulle probabilità di classificazione ha ulteriormente ridotto i falsi positivi nelle zone di transizione, migliorando la robustezza del risultato finale. I risultati confermano l’efficacia dell’approccio supervisionato rispetto ai metodi basati su singoli indici, evidenziando il potenziale del telerilevamento satellitare come strumento operativo per il monitoraggio della mucillagine marina.
Abstract
L’estate 2024 è stata caratterizzata da un’estesa presenza di mucillagine nel Mare Adriatico, un fenomeno complesso da monitorare con strumenti tradizionali in situ per via della sua rapida evoluzione e della forte variabilità spaziale. Il telerilevamento multispettrale Sentinel‑2 offre osservazioni frequenti e ad alta risoluzione, ma gli indici comunemente utilizzati per individuare materiali galleggianti, come l’Adjusted Floating Algae Index (AFAI), presentano un limite critico: nuvole, sedimenti e acqua torbida possono generare risposte spettrali simili alla mucillagine, rendendo impossibile una discriminazione affidabile basata su singole feature. Il cuore di questo lavoro consiste quindi nello sviluppare una metodologia di classificazione supervisionata capace di separare classi intrinsecamente sovrapposte nello spazio spettrale, sfruttando la combinazione simultanea di bande multispettrali e indici dedicati.
Dopo aver selezionato le immagini multispettrali nelle date di interesse, è stato costruito un dataset bilanciato contenente campioni etichettati per mucillagine, acqua, sedimenti e nuvole, e uno stack di feature comprendente bande Sentinel‑2 e indici per torbidità, acqua, materiali galleggianti e copertura nuvolosa. Il modello Random Forest è stato addestrato e ottimizzato, mostrando elevate prestazioni (accuratezza 0.998; F1‑score macro 0.86 in validazione) e una capacità significativamente superiore rispetto agli approcci mono‑indice nel distinguere la mucillagine dalle classi spettralmente affini. Una fase di post‑processing basata sulle probabilità di classificazione ha ulteriormente ridotto i falsi positivi nelle zone di transizione, migliorando la robustezza del risultato finale. I risultati confermano l’efficacia dell’approccio supervisionato rispetto ai metodi basati su singoli indici, evidenziando il potenziale del telerilevamento satellitare come strumento operativo per il monitoraggio della mucillagine marina.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Cavani, Claudia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Ingegneria per l'ambiente e il territorio
Ordinamento Cds
DM270
Parole chiave
Mucillagine, Classificazione, Sentinel-2, Random Forest, Mare Adriatico, Telerilevamento, AFAI
Data di discussione della Tesi
20 Luglio 2026
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Cavani, Claudia
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Ingegneria per l'ambiente e il territorio
Ordinamento Cds
DM270
Parole chiave
Mucillagine, Classificazione, Sentinel-2, Random Forest, Mare Adriatico, Telerilevamento, AFAI
Data di discussione della Tesi
20 Luglio 2026
URI
Gestione del documento: