Geodaysit 2023

This research aimed to identify important urban features for sustainable development in the urban landscape of Turin, Italy, using machine learning techniques. Specifically, the study sought to identify physical and social elements such as buildings, roads, vegetation, and open land. The goal was to contribute to more sustainable urban environments.
The study employed the open-source platform QGIS and Orfeo Toolbox (OTB), a software library for processing images from Earth observation satellites. OTB offers various algorithms, including filtering, feature extraction, segmentation, and classification. The primary dataset used for classification consisted of orthophotos with 3 RGB bands at a resolution of 25 cm.
The challenge was encountered when classifying pavement and flat roofs, prevalent features in modern urban areas exhibiting similar radiometric contents in the spectral domain. Flat roofs play a significant role within sustainable urban environments, as they can be utilized to install green roofs improving energy efficiency and reducing the urban heat island effect. Additionally, in Italy, where most old roofs are typically made of “terracotta” tiles, flat roofs result being a relatively new feature in the urban landscape. Identifying flat roofs can, therefore, help monitor changes in urban morphology and land use over time.
To address this challenge, a 4th band was added as DEM (digital elevation model) exhibiting a Ground Sampling Resolution of 50 cm/pix. Its main application was to create an integrated data set providing information on the elevation of the terrain. This helped in distinguishing pavement and flat roofs based on their height difference. Adding the 4th band as DEM increased the dimensionality and complexity of the data, as a single pixel is now classified as four inputs, RGB and DEM. The random forest algorithm in OTB was applied using pixel-based classification, a machine-learning algorithm that combines multiple decision trees to create a robust classifier.
Five classes were generated for analysis using the unsupervised learning k-means algorithm from OTB: buildings, flat roofs, roads, vegetation, and open land. These classes represent the most common urban features of the study area, a linear concentration of urban settlements along major transportation routes. The random forest algorithm was then trained on these classes using a subset of the integrated dataset as training data. The trained model was used to classify the rest of the dataset, resulting into the final classification map.
Applying the random forest algorithm on the integrated dataset significantly improved accuracy, increasing the overall classification accuracy from 0.83 to 0.90. Notably, the accuracy for the road class rose from 0.796 to 0.944, while that for the flat roof class improved from 0.598 to 0.773. These results provide strong evidence for the effectiveness of using open-source platforms and tools like OTB to identify urban features sustainably. Furthermore, adding more bands, such as the DEM, can enhance the potential of these methods for creating more accurate and detailed maps of urban environments.
This study departs from traditional land cover and land use classification methods that rely on pixel-based classification using only spectral information. Pixel-based classification assigns a single class to each pixel based on its spectral signature, which may not fully capture urban features' spatial variability and heterogeneity. Additionally, discriminating between similar characteristics like pavement and flat roofs requires more than just spectral information.
It is worth noting that this study focused solely on identifying urban features, including buildings, flat roofs, roads, vegetation, and open land. However, suppose the goal is to identify a specific feature, such as only roofs or roads. In that case, the inclusion of irrelevant features in the dataset may result in redundant data and decrease the overall accuracy of the classification. Therefore, future studies may need to explore more advanced algorithms, such as convolutional neural networks, to improve the accuracy and efficiency of identifying specific urban features.

Dal 14 al 16 giugno 2023 il Politecnico di Bari e l'Università degli Studi di Bari ospiteranno il convegno su Software e Dati Geografici Free e Open Source FOSS4G-IT 2023, organizzato congiuntamente da: Associazione Italiana per l'Informazione Geografica Libera GFOSS.it APS, Associazione Italiana di Telerilevamento A.I.T. e Wikimedia Italia

Il successo delle edizioni precedenti (2017 a Genova, 2018 a Roma, 2019 a Padova, 2020 a Torino) ha definitivamente posto FOSS4G-IT come uno degli appuntamenti di riferimento a livello nazionale per utilizzatori e sviluppatori di software geografico libero e per produttori e fruitori di dati geografici liberi, senza tralasciare le occasioni di scambio tra le persone appartenenti a tutte le comunità che guardano alle soluzioni libere nel campo dell'informazione geografica.

Lo scopo dell'evento è quindi:

presentare esperienze di utilizzo di dati e software Free e Open Source per il trattamento delle informazioni geografiche;
creare occasioni di confronto e scambio di conoscenza tra utenti professionali, utenti della Pubblica Amministrazione centrale e locale, sviluppatori e produttori di dati geografici;
presentare sviluppi e potenzialità di progetti liberi in ambito geografico riguardanti tutti gli ambiti di interesse (beni culturali, pericoli naturali e antropici, ecc);
mostrare lo stato dell'arte di progetti di software geografico, libero le prospettive di sviluppo sia del software sia delle comunità che ruotano attorno ad esse e che li sostengono.

In continuità con le edizioni precedenti, FOSS4G-it 2023 sarà preceduto da due giornate dedicate a workshop di introduzione pratica ai sistemi FOSS4G, mentre per tutta la durata dell'evento ci sarà spazio per Community Sprint di progetti liberi per attività di sviluppo software, traduzione di documentazione e altro.

La comunità italiana di OpenStreetMap (OSM), rappresentata da Wikimedia Italia, promuoverà una giornata di mapping party e divulgazione sui temi della libera mappatura aperta a tutti, maggiori informazioni sulla pagina wiki.

Anche la comunità degli utenti italiani di QGIS sarà presente con il periodico hackfest italiano, per maggiori dettagli vedere la pagina dedicata.

Gli atti del convegno potranno essere pubblicati su Riviste scientifiche a diffusione mondiale.

La partecipazione al convegno è libera e gratuita, grazie all’attività volontaria degli organizzatori e al supporto degli sponsor, ma è richiesta la registrazione.

Al giorno d’oggi l'utilizzo di dispositivi GNSS è una pratica comune per molte attività grazie alla diffusione di questi strumenti e alla miniaturizzazione di chipset e antenne. A causa della riduzione dei costi di produzione, gli strumenti GNSS a basso costo sono impiegati e utilizzati per molteplici attività, non solo a livello accademico o di ricerca, ma anche per scopi professionali.
Uno dei punti chiave è la necessità di raggiungere soluzioni di posizionamento sempre più affidabili, molto spesso in tempo reale, considerando brevi intervalli di tempo per ottenere un alto livello di precisione e accuratezza. Una delle tecniche più comuni e ancora in fase di sviluppo è il Precise Point Positioning (PPP), ma richiede pochi minuti per raggiungere una soluzione di convergenza al fine di ottenere un livello di precisione centimetrico. Un'altra possibile tecnica di posizionamento è il posizionamento Network Real-Time Kinematic (NRTK), che è stato sviluppato a partire dagli ultimi quindici anni. Basata sullo sfruttare la presenza di stazioni permanenti GNSS, questa metodologia offre la possibilità di estendere il classico posizionamento cinematico in tempo reale (RTK) per baseline anche superiori a 40 km. Ciò ha aumentato l'impiego di dispositivi GNSS a basso costo per molte attività pratiche, dal monitoraggio di versanti fino al posizionamento di precisione, anche utilizzando dispositivi mobili come smartphone e tablet.
Tuttavia, queste infrastrutture non sono diffuse ovunque: anche in questo caso, il costo per realizzare una rete “tradizionale” (composta da dispositivi geodetici) è relativamente alto, e talvolta potrebbe non essere disponibile, soprattutto in aree in via di sviluppo. Per questo motivo, un'interessante alternativa è verificare la fattibilità di utilizzo di dispositivi GNSS a basso costo come stazioni permanenti, analizzando anche le prestazioni di posizionamento di ricevitori rover anche a basso costo.
In questo contesto è stato indagato il progetto Centipede RTK: si tratta di un progetto collaborativo e open-source che mira a creare una rete di stazioni GNSS aperte disponibili a chiunque in una specifica area di copertura. La rete è composta da stazioni GNSS installate su enti pubblici o in aree di proprietà di utenti privati. Questa rete è composta da più di 280 stazioni permanenti, la maggior parte dei quali copre l'area francese, mentre alcuni altri si trovano in paesi europei (ad esempio, Italia, Polonia, Svizzera, Serbia, Slovenia, Germania) oltre che nell'isola di Réunion, nell'Oceano Indiano. Il progetto è sostenuto finanziariamente dall'INRAE e ha beneficiato sin dal suo avvio nel 2019 di risorse condivise tra istituti di ricerca, enti pubblici e aziende private.
Uno dei principali limiti di questo progetto è che questa rete non può fornire correzioni differenziali in termini di prodotti di rete (come le correzioni VRS), ma fornisce solo correzioni da singola stazione. In questo lavoro, partendo da queste stazioni, gli autori hanno implementato un sistema che utilizza questi dati come input per il software di rete, per raggiungere un servizio open-source basato su dispositivi GNSS a basso costo.
Sono state quindi eseguite due campagne di misurazione per testare le prestazioni ottenibili in termini di precisione ed accuratezza, considerando posizionamenti sia statici che dinamici, quali posizionamenti pedestri o veicolari. Al fine di rendere rappresentative le analisi svolte, sono stati testati sia dispositivi geodetici che sensori a basso costo come rover per analizzare i risultati ad oggi ottenibili.
L’intenzione è quella di mostrare le potenzialità di infrastrutture come quella testata, cercando di invogliare gli utenti dell’Associazione GFOSS.it APS e della comunità italiana a contribuire ad un progetto che potrà apportare benefici a differenti livelli, sia scientifici che professionali.