|
|
Esercizio 3 
Parte 1 Avrete forse notato che, nelle giornate in cui l’inquinamento atmosferico è elevato, l’aria è meno trasparente. Questo fenomeno è dovuto allo smog che riduce la visibilità – cioè permette di vedere meno lontano. In queste giornate, le colline o le montagne che in una giornata limpida sono perfettamente visibili appaiono quasi indistinguibili. La visibilità orizzontale rappresenta in effetti un buon indicatore per misurare il grado di inquinamento atmosferico. Per misurare lo “spessore” dell’atmosfera, analizziamo le immagini acquisite dal satellite ENVISAT. Faremo una prova confrontando i dati rilevati dallo spazio con le misurazioni scientifiche effettuate al suolo (le misurazioni del PM10 eseguite nelle stazioni di monitoraggio). Attenzione: quello che farete è un vero esperimento scientifico! Supponiamo che le misurazioni satellitari siano rappresentative di una certa superficie intorno alla stazione e che l’inquinamento atmosferico incida sulla trasparenza dell’aria. Ogni pixel dell’immagine satellitare corrisponde a un’area di 300 m x 300 m. Il vantaggio dei dati satellitari è che vengono acquisiti con colori diversi, ad esempio l’infrarosso, non visibili all’occhio umano. I diversi colori interagiscono in modo differente nell’atmosfera; il blu, ad esempio, è normalmente più influenzato dalla foschia, dalla nebbia o dallo smog rispetto al rosso. Sapreste spiegare perché? Chiedetelo all’insegnante di fisica! Qui sotto trovate tre gruppi di dati. Ognuno include 5 bande: la banda 1 è misurata nella regione del blu, la banda 2 in quella del verde, la banda 3 in quella del giallo, la banda 4 in quella del rosso e la banda 5 nell’infrarosso. La domanda scientifica è la seguente: è possibile usare queste bande per rappresentare il PM10 – cioè il grado di inquinamento? In altre parole, cerchiamo di trovare una correlazione tra le misurazioni al suolo e le diverse bande. Scaricate e salvate le immagini MERIS della valle di Kathmandu
Scaricate e salvate lo shapefile “PM10_monitoring_stations” della valle di Kathmandu, riferito alle stazioni situate a Thamel, Putalisadak, T.U.Kirtipur, Bhaktapur, Matsyagaon e all’ospedale di Patan.
In LEOWorks, aprite l’immagine del 4 novembre ‘03 nella banda 1r. Selezionate Enhance>Interactive Stretching (eseguendo solo un’accentuazione moderata del contrasto). A questo punto, caricate il file GIS “PM10_monitoring_station”. Nella finestra Select the Transformation Method (Seleziona metodo di trasformazione) selezionate Arbitrary e Map Based(basato su mappa). Nell’immagine verranno visualizzate le sei stazioni di monitoraggio. Nello strumento GIS, selezionate Tools>Information (Strumenti - Informazioni) e fate clic sul Punto 2 per visualizzare il nome della stazione (Putalisadak) e le misurazioni al suolo effettuate nelle tre giornate (4 novembre, 7 novembre e 22 dicembre 2003). Il punto appare evidenziato nell’immagine. Fate clic su View>Cursor Position/Value. (Visualizza - Posizione/Valore cursore). Posizionate attentamente e lentamente il cursore sul punto e leggete il valore del pixel misurato dal satellite come “Original data” (Dati originali), ad es. 61 per la stazione di Putalisadak il 4 novembre, banda 1. Noterete che, nelle tabelle e nei grafici seguenti, lo stesso valore è riportato come 61.35. Poiché è stato necessario ridurre la quantità di dati, i decimali sono stati troncati.
1. In Microsoft Excel, create una tabella e inserite i valori di PM10 e il numero digitale (DN) corrispondenti. Servendovi dei grafici generati, studiate la correlazione tra i valori DN e le bande e quella tra i valori DN e i dati sul PM10. Vedete l’esempio qui sotto.
2. Ripetete il processo descritto per tutte le immagini e le bande. Last update: 10 Maggio 2013
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
1