Lunedì, 14 Marzo 2022 15:00

Premio IEEE-GRS29-Italy 2020-21 alla tesi di laurea svolta all’IREA da Marina Ranghetti

Logo GRSSLo scorso 3 marzo si è svolta la cerimonia di premiazione del Premio tesi IEEE-GRS29-Italy 2020-21. Il concorso, organizzato anche quest’anno congiuntamente dai Chapter IEEE Geoscience Remote Sensing Central-North Italy (GRS29-CNI) e South Italy (GRS29-SI), ha visto la premiazione delle 3 migliori tesi di dottorato e delle 3 migliori tesi di laurea magistrale, su tematiche di geoscienze e telerilevamento, discusse nel periodo dal 1° giugno 2020 al 31 maggio 2021.

Tra i candidati di quest’anno, è risultata vincitrice Marina Ranghetti, per la tesi di laurea magistrale dal titolo “Hybrid approaches for the estimation of biophysical variables of agronomic interest from hyperspectral and multispectral data: applications for maize crops”, svolta presso IREA e discussa al Politecnico di Milano nell’aprile 2021.

La tesi svolta da Marina ha riguardato l’utilizzo di approcci ibridi per la stima di variabili biofisiche da dati iperspettrali e multispettrali.schema Tra le variabili biofisiche di interesse, sono state scelte l’indice di area fogliare (LAI), nonché il contenuto di clorofilla e azoto nella chioma (CCC e CNC, rispettivamente). Più in dettaglio, un approccio ibrido consiste nell’integrare modelli di trasferimento radiativo (RTM) con algoritmi di machine learning (ML), sfruttando le proprietà di generalizzazione tipiche dei metodi fisicamente basati, come gli RTM, con la flessibilità e l’efficienza computazionale dei ML. Durante la tesi Marina ha utilizzato l’RTM PROSAIL-PRO per simulare un database composto da migliaia di spettri di vegetazione del mais, facendo variare i parametri di input del PROSAIL-PRO per considerare diverse condizioni della vegetazione. Le relazioni tra spettri (input) e parametri biofisici di interesse (output) sono quindi state modellate utilizzando diversi algoritmi di ML: Gaussian Processing Regression, Neural Network, Random Forest, Partial Least Square Regression, Support Vector Regression. I diversi modelli addestrati sono stati testati con dati simulati in configurazione PRISMA e Sentinel-2 a partire da dati aerei iperspettrali. Le performance dei modelli sono state valutate con dati in-situ raccolti durante le campagne di misura contemporanee ai sorvoli aerei. I migliori algoritmi in configurazione Sentinel-2, per ciascuna variabile di interesse (LAI, CCC e CNC), sono stati applicati a dati reali per la creazione delle relative mappe.

Marina, è attualmente borsista di ricerca presso la sede IREA di Milano, dove sta continuando la sua attività di ricerca nell’ambito del telerilevamento ottico applicato all’agricoltura di precisione.

 

Letto 13549 volte

logo cnit
 
logocerict web
serit11

Seguici su

                  Immagine twitter          Immagine facebook 

 

                         

Chi è online

 789 visitatori online