• Menu
  • Passa alla navigazione primaria
  • Skip to secondary navigation
  • Passa al contenuto principale
  • Passa alla barra laterale primaria
  • Passa al piè di pagina

logo header oikos engineering

  • Home
  • Chi siamo
  • Blog
  • Soluzioni
    • Comuni e Unioni
    • Multiservizi
    • Patrimoni Immobiliari
    • Sanità
    • Industria e Impianti
    • Consorzi Forestali
    • Consorzi Irrigui
    • Consorzi di Tutela
  • Servizi
    • Cartografia Numerica
    • Integrazione Dati
    • Rilievi e Censimenti
    • Cloud Computing
    • Strumentazione GPS e GIS
  • Affiliazione
  • Contatti
  • Teleassistenza
  • Privacy
  • Privacy
  • Glossario
  • Autovalutazione per il Cloud della PA
  • Documentazione tecnica
  • Reversibilità dei servizi SaaS
  • Qualificazione SAAS rilasciata da AGID
  • Home
  • Chi siamo
  • Blog
  • Soluzioni
    • Comuni e Unioni
    • Multiservizi
    • Patrimoni Immobiliari
    • Sanità
    • Industria e Impianti
    • Consorzi Forestali
    • Consorzi Irrigui
    • Consorzi di Tutela
  • Servizi
    • Cartografia Numerica
    • Integrazione Dati
    • Rilievi e Censimenti
    • Cloud Computing
    • Strumentazione GPS e GIS
  • Affiliazione
  • Contatti
  • Teleassistenza
  • Privacy
bassifondi di area cittadina povera

Classificazione delle aree povere urbane con immagini satellitari

Home » Blog » Classificazione delle aree povere urbane con immagini satellitari

31 Luglio 2019 //  by Oikos Engineering//  Lascia un commento

Hannes Taubenböck e il suo team al Centro aerospaziale tedesco utilizzano immagini satellitari ad altissima risoluzione (VHR), fornite da European Space Imaging al fine di sviluppare un sistema di classificazione base della forma e della struttura delle aree urbane povere sparse per il mondo.

Baraccopoli, favele, case popolari … quasi tutti i paesi del mondo hanno una qualche forma di sacca di povertà. Taubenböck, Kraff e Wurm identificano queste località come “Città d’arrivo” (un concetto basato sul libro “Città d’arrivo” di Doug Saunders). Queste aree urbane povere sono spesso percepite come ammassi densamente popolati di strutture fatiscenti.

Questa percezione, tuttavia, non riesce a definire accuratamente la morfologia di tali luoghi in modo significativo per i ricercatori e gli urbanisti. Vi sono lacune informative e, senza adeguati strumenti di classificazione, i decisori non possono avere una visione chiara per prendere decisioni. Attraverso l’uso delle immagini satellitari ottiche VHR di WorldView, le città di arrivo possono essere monitorate e classificate.

Indice dei Contenuti

  • Lacune nei dati
  • Immagini satellitari per un sistema di base
  • Criteri di classificazione basati su dati EO
  • Risultati
  • Prospettiva positiva

Lacune nei dati

Le stime dell’UN-Habitat affermano che quasi 1 miliardo di persone vive nei bassifondi di tutto il mondo e che le strutture informali contribuiscono in modo significativo alla costruzione di alloggi globali. Queste aree sono spesso le più trascurate in qualsiasi città. Esistono pochissimi metodi empirici coerenti per la ricerca e la documentazione della povertà urbana.

Inoltre, esistono ancora enormi lacune nell’identificazione spaziale di tali posti. In un certo senso, le città di arrivo mancano dalle mappe e, poiché non esistono parametri concordati per lo studio di queste aree utilizzando il telerilevamento, i dati spaziali esistenti sono incoerenti.

L’obiettivo di Hannes e del suo team è di rispondere alle due domande seguenti:

Quali caratteristiche fisiche delle città di arrivo possono essere distinte e misurate?

Quali sono le somiglianze e le differenze nella costruzione di morfologie tra le città di arrivo?

Dovevano sviluppare un sistema per poter definire l’aspetto fisico delle aree urbane povere e come misurare e classificare in modo coerente e affidabile le strutture all’interno.

Immagini satellitari per un sistema di base

Per iniziare, il team ha identificato 44 città in tutto il mondo. L’Imaging spaziale europea ha avuto il compito di raccogliere immagini satellitari ad altissima risoluzione delle località selezionate.

“Lavorare a livello di singolo edificio in ambienti così densi e complessi richiede dati satellitari ottici ad altissima risoluzione. Poiché alcune di queste aree povere urbane spesso non sono nei registri ufficiali, avevamo bisogno di immagini satellitari coerenti. La European Space Imaging è stata in grado di fornire questi dati provenienti dalla costellazione satellitare WorldView, permettendoci così di produrre un set di dati di base”, ha affermato Taubenböck.

Con i dati raccolti, Hannes è stato in grado di costruire modelli di edifici 3D in LoD-1 (Livello di dettaglio 1). Utilizzando questi modelli come base, il team ha ideato una metodologia per classificare la forma e la distribuzione di questi edifici.

Criteri di classificazione basati su dati EO

I ricercatori hanno creato un indice del tipo di insediamento morfologico “categorie che rappresentano la povertà urbana nel loro aspetto fisico” basato su cinque proprietà strutturali e misurabili, con questi criteri:

  • Densità di costruzione
  • Orientamento dell’edificio
  • Eterogeneità del modello
  • Dimensione dell’edificio
  • Altezza dell’edificio

Risultati

E’ stato scoperto che le città di arrivo esistono in un’ampia varietà di morfologie. Alcuni con grandi edifici e alte densità e altri con schemi irregolari e diffusi. Sorprendentemente, c’erano delle differenze morfologiche significative tra i bassifondi all’interno degli stessi paesi e persino all’interno della stessa città. Ciò ha ulteriormente dimostrato la necessità di un metodo coerente per poter classificare empiricamente i vari tipi di baraccopoli urbane.Sono state identificate in totale tre categorie principali di città di arrivo con sottocategorie di transizione.

Prospettiva positiva

È stato rilevato che con una maggiore disponibilità di funzionalità di telerilevamento e l’alto livello di dettaglio fornito da alcune fonti, come le immagini satellitari VHR, è possibile un ulteriore sviluppo di questi dati di base su scala mondiale.
Mentre i risultati di questo studio potrebbero aver concluso che non esistono due città di arrivo fisicamente identiche, le persone che vivono in esse sono invece accomunate dal fatto che fanno fatica a trovare reddito adeguato, assistenza sanitaria e accesso ai servizi pubblici, come acqua potabile ed elettricità.

Condividi:

Categoria: Senza categoria

Post precedente: «smart city Il ruolo della 4IR e del Geospaziale nel rendere le città più smart
Post successivo: Qual è la differenza tra GPS ricreativo e professionale »

Barra laterale primaria

Ricerca sul Sito

Articoli Recenti

  • Presentazione APP Altalanga
  • PNRR e Gestione del Patrimonio
  • PNRR e Comunicazione Istituzionale Web e Open Data
  • Realizzazioni Oikos
  • Oikos Engineering è partner del Comune di Santo Stefano Belbo nell’ambito del progetto del MOM (Multimedia Outdoor Museum)

Tag Cloud

AI App ArcGIS Augmented Reality Big Data BIM Cambiamento Climatico Cybersecurity Dati Demografici Droni Ecologia Energie Alternative Esri FOSS Geodatabase GeoMarketing Geoportale gestione dei processi GIS GNSS GPS Grass Healtcare Incontri Intelligence IoT Italia LiDAR Machine Learning OpenStreetMap Paesaggio Urbano Piemonte Protezione Civile QGIS SAPR Security Sicurezza sinfi SIT Smart-City Telerilevamento Turismo Videosorveglianza WebGIS workflow

Archivi

  • Giugno 2022
  • Maggio 2022
  • Marzo 2022
  • Febbraio 2022
  • Luglio 2021
  • Maggio 2021
  • Aprile 2021
  • Marzo 2021
  • Febbraio 2021
  • Gennaio 2021
  • Dicembre 2020
  • Novembre 2020
  • Ottobre 2020
  • Settembre 2020
  • Agosto 2020
  • Luglio 2020
  • Giugno 2020
  • Maggio 2020
  • Aprile 2020
  • Marzo 2020
  • Febbraio 2020
  • Gennaio 2020
  • Dicembre 2019
  • Novembre 2019
  • Ottobre 2019
  • Settembre 2019
  • Agosto 2019
  • Luglio 2019
  • Giugno 2019
  • Maggio 2019
  • Aprile 2019
  • Marzo 2019
  • Febbraio 2019
  • Gennaio 2019
  • Dicembre 2018
  • Novembre 2018
  • Ottobre 2018
  • Settembre 2018
  • Agosto 2018
  • Luglio 2018
  • Giugno 2018
  • Maggio 2018
  • Aprile 2018
  • Marzo 2018
  • Febbraio 2018
  • Maggio 2017
  • Marzo 2017
  • Ottobre 2016
  • Settembre 2016
  • Agosto 2016

Footer

Contatti

Indirizzo
Via Duccio Galimberti, 7
12051 - Alba (CN)

Telefono
+39.0173.440242

Email
[email protected]

P.IVA: 02762210041

Copyright

I contenuti presenti sul sito oikosweb.com, dei quali Oikos Engineering S.r.l. è autore, non possono essere copiati, riprodotti, pubblicati o redistribuiti perché appartenenti all’autore stesso. È vietata la copia e la riproduzione dei contenuti in qualsiasi modo o forma. È vietata la pubblicazione e la redistribuzione dei contenuti non autorizzata espressamente dall’autore.

Disclaimer

Questo blog non rappresenta una testata giornalistica in quanto viene aggiornato senza alcuna periodicità. Non può pertanto considerarsi un prodotto editoriale ai sensi della legge n. 62 del 07/03/2001.

Seguici sui Social

  • Privacy
  • Glossario
  • Autovalutazione per il Cloud della PA
  • Documentazione tecnica
  • Reversibilità dei servizi SaaS
  • Qualificazione SAAS rilasciata da AGID

Copyright © 2023 Oikos Engineering · All Rights Reserved · Webmaster Ing. Flavio Albano