Come noto a molti di voi, quest'anno accademico, in segno di protesta nei confronti del nuovo DDL sull'Università e la Scuola, tra le molte iniziative in corso c'è anche quella decisa dal CCL in Scienze Geologiche di rimandare l'inizio delle lezioni.
Pertanto, le lezioni di GIS e Ulteriori Abilità Informatiche avranno inizio il giorno 14 Ottobre 2010 alle ore 14:00 in Aula B.
Come da orario (Orario I Semestre) le lezioni si svolgeranno sempre in Aula B tutti i giovedì dalle ore 14:00 alle ore 17:00.
lunedì 4 ottobre 2010
sabato 7 agosto 2010
Mappe soggettive e mappe mentali
Non esistono solo mappe geografiche prodotte con sistemi cartografici rigorosi, con scala, unità di misura e sistema di coordinate definiti e costanti.
A volte, un semplice schizzo disegnato a mano su un foglio è capace di trasferire più informazioni di una mappa GIS molto complessa.
Una cartina disegnata a mano ha sicuramente un contenuto soggettivo e riporterà anche qualche errore se letta con i criteri della cartografia, ma è proprio questo contenuto soggettivo che ne fa a volte un mezzo molto efficiente per comunicare una cosa specifica. Questo principalmente perchè una mappa soggettiva è una mappa mentale di chi la prepara e, se costui conosce bene quello che vuole rappresentare, ha tutti i vantaggi del lavoro di sintesi del cervello umano.
Durante la sintesi, chi disegna tralascia le informazioni e gli oggetti superflui (anche se di dimensioni maggiori di quelli che interessano!), aumenta o diminuisce a piacimento la scala qua e là a seconda di come fa comodo, adotta accorgimenti di distorsione che hanno vari significati o utilizzi (da far sì che il disegno entri nel foglio ad accorgimenti grafici atti a richiamare l'attenzione).
Si noti ad esempio questo disegno di Lucas Bethany (da www.handmaps.org) che illustra la strada per arrivare in un dato luogo per trovare un Tacos:
Molte informazioni inutili non ci sono. La scala è approssimativa, gli oggetti rappresentati con dettagli diversi a seconda di come l'autore li giudica importanti (oppure li ricorda).
Eppure, a parte un navigatore satellitare che comunque non saprebbe giudicare qual'è il locale giusto, nessuna mappa GIS stampata potrebbe essere più efficace di questa per spiegare quel che si deve fare per andarci e per orientarsi.
Un altro esempio è il seguente, che invece illustra un tipo di rappresentazione astratta con uno schema geografico (o almeno spaziale):
La mappa, che illustra dei percorsi virtuali o mentali per scegliere i regali migliori per le persone che conosciamo, è molto particolare. Le distanze non rappresentano distanze fisiche da percorrere ma distanze di relazione. Anche la direzione non ha nessun legame con la direzione nello spazio.
Tantissimi esempi interessanti e divertenti sono all'indirizzo di Handmaps.org ed anche a iMindMap.com
Il primo dei due siti raccoglie contributi da tutti, a partire da cartine disegnate su carta straccia e ritrovate nel cestino dei rifiuti a vere e proprie opere d'arte.
Mandate anche le vostre creazioni, verranno inserite nell'archivio a disposizione di tutti!
A volte, un semplice schizzo disegnato a mano su un foglio è capace di trasferire più informazioni di una mappa GIS molto complessa.
Una cartina disegnata a mano ha sicuramente un contenuto soggettivo e riporterà anche qualche errore se letta con i criteri della cartografia, ma è proprio questo contenuto soggettivo che ne fa a volte un mezzo molto efficiente per comunicare una cosa specifica. Questo principalmente perchè una mappa soggettiva è una mappa mentale di chi la prepara e, se costui conosce bene quello che vuole rappresentare, ha tutti i vantaggi del lavoro di sintesi del cervello umano.
Durante la sintesi, chi disegna tralascia le informazioni e gli oggetti superflui (anche se di dimensioni maggiori di quelli che interessano!), aumenta o diminuisce a piacimento la scala qua e là a seconda di come fa comodo, adotta accorgimenti di distorsione che hanno vari significati o utilizzi (da far sì che il disegno entri nel foglio ad accorgimenti grafici atti a richiamare l'attenzione).
Si noti ad esempio questo disegno di Lucas Bethany (da www.handmaps.org) che illustra la strada per arrivare in un dato luogo per trovare un Tacos:
 |
| "Where to find Tacos" di Luca Bethany |
Molte informazioni inutili non ci sono. La scala è approssimativa, gli oggetti rappresentati con dettagli diversi a seconda di come l'autore li giudica importanti (oppure li ricorda).
Eppure, a parte un navigatore satellitare che comunque non saprebbe giudicare qual'è il locale giusto, nessuna mappa GIS stampata potrebbe essere più efficace di questa per spiegare quel che si deve fare per andarci e per orientarsi.
Un altro esempio è il seguente, che invece illustra un tipo di rappresentazione astratta con uno schema geografico (o almeno spaziale):
 |
| Shopping gift, dal sito di Tony Buzan http://www.imindmap.com |
Tantissimi esempi interessanti e divertenti sono all'indirizzo di Handmaps.org ed anche a iMindMap.com
Il primo dei due siti raccoglie contributi da tutti, a partire da cartine disegnate su carta straccia e ritrovate nel cestino dei rifiuti a vere e proprie opere d'arte.
Mandate anche le vostre creazioni, verranno inserite nell'archivio a disposizione di tutti!
mercoledì 26 maggio 2010
Nuova rubrica fissa "TESI DISPONIBILI"
Sul lato destro della pagina del blog è stata aggiunta una nuova rubrica fissa che riporta in breve le TESI DI LAUREA DISPONIBILI presso il gruppo di ricerca di cui fa parte il docente.
Questa rubrica fornisce indicazioni generali su titolo, relatore, area di lavoro, durata e disponibilità dei dati per ogni tesi disponibile.
Tutti gli studenti interessati sono invitati a scorrere fino in fondo alla pagina e consultare gli argomenti proposti. Il docente è sempre disponibile per fornire informazioni più dettagliate se necessario.
Questa rubrica fornisce indicazioni generali su titolo, relatore, area di lavoro, durata e disponibilità dei dati per ogni tesi disponibile.
Tutti gli studenti interessati sono invitati a scorrere fino in fondo alla pagina e consultare gli argomenti proposti. Il docente è sempre disponibile per fornire informazioni più dettagliate se necessario.
Open source GIS, una novità interessante: ILWIS 52° North
Recentemente il software GIS Ilwis, sviluppato da ITC (http://www.itc.nl/) un istituto dell'Università di Twente (Olanda) è diventato completamente open-source e supportato nello sviluppo e aggiornamento tramite accordo con 52°North.
Questo software, che può essere scaricato gratuitamente nella versione Windows e Linux al sito linkato nel titolo (basta cliccare sul titolo stesso per essere ridirezionati alla pagina giusta), è sufficientemente sofisticato e completo da farne una valida alternativa ai corrispettivi GIS commerciali almeno per quanto riguarda la post-elaborazione ed analisi dei dati.
Tra le funzioni significative presenti ricordiamo un set di funzioni (base ma completo) per il trattamento e l'impiego delle immagini telerilevate, una serie di comandi per l'analisi di DTM (anche idrologica) ed uno specifico per gli algoritmi di interpolazione.
Completano la dotazione gruppi di funzioni per l'analisi rapida dei dati anche con non comuni comandi per una rapida cross-correlazione dei dati e la rappresentazione grafica dei risultati statistici.
Consiglio di provare a scaricare la versione pronta per l'installazione ed usarlo importando i dati da altri GIS di vostro utilizzo abituale. I manuali in versione PDF sono disponibili allo stesso sito già indicato (solo in inglese per adesso).
Questo software, che può essere scaricato gratuitamente nella versione Windows e Linux al sito linkato nel titolo (basta cliccare sul titolo stesso per essere ridirezionati alla pagina giusta), è sufficientemente sofisticato e completo da farne una valida alternativa ai corrispettivi GIS commerciali almeno per quanto riguarda la post-elaborazione ed analisi dei dati.
Tra le funzioni significative presenti ricordiamo un set di funzioni (base ma completo) per il trattamento e l'impiego delle immagini telerilevate, una serie di comandi per l'analisi di DTM (anche idrologica) ed uno specifico per gli algoritmi di interpolazione.
Completano la dotazione gruppi di funzioni per l'analisi rapida dei dati anche con non comuni comandi per una rapida cross-correlazione dei dati e la rappresentazione grafica dei risultati statistici.
Consiglio di provare a scaricare la versione pronta per l'installazione ed usarlo importando i dati da altri GIS di vostro utilizzo abituale. I manuali in versione PDF sono disponibili allo stesso sito già indicato (solo in inglese per adesso).
giovedì 11 marzo 2010
Laboratorio di Geoinformatica - Introduzione ai modelli matematici
Nella lezione introduttiva sulla modellistica matematica si è fatto un breve panorama sia sulla costruzione dei modelli matematici sia sul loro utilizzo. Inoltre si è introdotto le due famiglie di modelli, i white_box o modelli concettuali o deterministici (modelli descritti da equazioni differenziali, equazione alle derivate parziali o equazioni alle differenze) ed i modelli black_box (modelli stocastici, modelli fuzzy e reti neurali). Si è mostrato che in realtà si possono anche utilizzare modelli misti per tener conto sia delle leggi fisiche costituenti il sistema (parte deterministica) sia per considerare le fluttuazioni e quindi la variabilità dei sistemi reali (parte stocastica). Si è messo in evidenza le fasi di costruzione di un modello ponendo attenzione all'analisi parametrica, alla calibrazione ed alla validazione del modello stesso. In conclusione si è mostrato un semplice esempio di modello dinamico tempo-continuo di tipo non lineare che è l'equazione di crescita logistica che descrive l'andamento di una popolazione la cui crescita è limitata dall'ambiente. Il materiale del corso è consultabile e scaricabile dalla sezione MATERIALE DIDATTICO (barra laterale sinistra).
Corso di Laboratorio di Geoinformatica (Difesa del Suolo)
Argomenti del corso - Lezione introduttiva
Quest'anno il corso si baserà sull'introduzione ai modelli matematici per le scienze geologiche.
Dopo una introduzione generale sui modelli matematici vedremo come costruirli ed impiegarli tramite l'insegnamento di nozioni di base di programmazione, modellistica e risoluzione. Gli strumenti impiegati saranno principalmente Matlab ed, in minore misura, ArcGIS.
Nella prima lezione si è vista una introduzione generale al corso ed alcuni accenni sul concetto di modello. Si è inoltre avviata una veloce elencazione delle principali caratteristiche di un linguaggio di programmazione.
Quest'anno il corso si baserà sull'introduzione ai modelli matematici per le scienze geologiche.
Dopo una introduzione generale sui modelli matematici vedremo come costruirli ed impiegarli tramite l'insegnamento di nozioni di base di programmazione, modellistica e risoluzione. Gli strumenti impiegati saranno principalmente Matlab ed, in minore misura, ArcGIS.
Nella prima lezione si è vista una introduzione generale al corso ed alcuni accenni sul concetto di modello. Si è inoltre avviata una veloce elencazione delle principali caratteristiche di un linguaggio di programmazione.
lunedì 9 novembre 2009
"GIS e ulteriori abilità informatiche" - Esercitazione dati di pioggia
E' in corso l'esercitazione sulla analisi di dati puntuali nei GIS. L'esercitazione utilizza dati pluviometrici (piogge medie annue) misurati in alcune stazioni nel Mugello e dintorni. Scopo del lavoro è chiarire come la relazione tra i valori di una variabile ambientale misurata in più punti siano dettati dalla collocazione geografica. Si vedranno in particolare le proprietà di autocorrelazione spaziale della pioggia media annua nella zona, il diverso peso che hanno le varie stazioni di misura e il significato degli eventuali outliers. Successivamente si cercherà di stimare il valore di pioggia in punti non campionati ponendo a confronto 2 metodi: uno deterministico ed uno statistico. Nella seguente figura è presentata la schermata di ArcGIS con la posizione delle stazioni, il loro nome, il dato pluviometrico medio annuo (Pa in mm) e la relativa tabella aperta, dove sono visibili anche altre informazioni (ad es. la quota s.l.m. delle stazioni stesse).
1. Metodo deterministico: si basa sull'ipotesi che i dati di pioggia media annua (Pa), misurati in pochi punti (le stazioni pluviometriche), siano dipendenti dalla variabile "elevazione sul livello del mare" (Z) della stazione relativa. Si ipotizza l'esistenza di una relazione lineare del tipo Pa = mZ+n dove m ed n sono due costanti da determinare sperimentalmente sulla base dei dati. Si realizza quindi, a partire dai dati di Pa e Z delle varie stazioni, un grafico XY che confronta Pa (asse Y) e Z (asse X) e si calcola la retta di regressione. L'equazione di tale retta ci darà i coefficienti m ed n da utilizzare per calcolare Pa dato Z anche nei punti dove non ci sono pluviometri. Infatti le quote sono molto più facili da determinare delle piogge ed il dato Z è di dominio relativamente comune.
Dati necessari: file shape delle stazioni di pioggia (contenente sia Pa che Z), modello digitale del terreno (DTM) dell'area indagata.
Strumenti necessari: un software capace di creare un plot XY con retta di regressione (Excel, Origin, Matlab, etc.), ArcGIS con Spatial Analyst
Nella figura sopra riportiamo un esempio di grafico XY con retta di regressione fatto usando MicrosoftExcel. Nella parte destra del grafico è riportata la equazione. Nel caso mostrato, tuttavia, il coefficiente di regressione è molto basso. Alcune stazioni sono infatti "outliers" che non sono correlate con l'andamento generale delle piogge in Mugello. Quali sono?
Tali outliers vanno riconosciuti ed eliminati nel caso in cui ci siano i motivi per farlo. Eliminando alcune stazioni, non correlate bene con le altre perchè fuori dal bacino idrografico della Sieve, si ottiene un valore del coefficiente di correlazione molto migliore. Quali debbono essere eliminate? Nell'esempio del corso l'espressione finale ottenuta è: Pa = 0.4215Z+893.
Data questa espressione deterministica ricavata da dati sperimentali, possiamo calcolare la Pa stimata in ogni punto ove sia nota la quota. Impiegando un Modello Digitale del Terreno (DTM) disponibile per l'area abbiamo a disposizione misure di Z con risoluzione 10m. Abbiamo cioè un GRID (o matrice di pixel) dove per ogni cella o pixel (di dimensioni 10x10m) viene registrato il dato Z.
Nel nostro caso dobbiamo ripetere per ogni pixel del DTM l'operazione Pa = 0.4215Z+893 sostituendo ogni volta a Z il valore locale di quel pixel. Abbiamo però milioni di pixel! Fortunatamente, però, ArcMap, nell'estensione Spatial Analyst, fornisce un comando molto comodo per effettuare operazioni ripetitive su interi GRID, tramite il RASTER CALCULATOR (vedi figura sotto).
Nella figura si vede il DTM sullo sfondo in una scala di colori dal verde (quote più basse) al marrone scuro (quote più alte). La finestra in basso a sinistra è invece quella del raster calculator, con la formula suddetta già scritta nella forma richiesta da questo strumento. Si noti ad esempio che la variabile Z è sostituita dalla variabile di tipo GRID chiamata [dtm]. Si noti anche che il segno di moltiplicazione è l'asterisco * ed anche che prima e dopo ogni operatore aritmetico è necessario inserire uno spazio.
Premendo il tasto EVALUATE l'espressione viene calcolata per ogni pixel, producendo una nuova matrice delle stesse dimensioni dove stavolta per ogni pixel verrà memorizzato il valore di pioggia media annua Pa calcolato secondo il nostro modello deterministico che lega pioggia e quote. La figura sottostante mostra il risultato ottenuto al termine di questa prima fase. ATTENZIONE: non abbiamo nessuna prova a posteriori che il nostro modello sia realistico. Si tratta solo di una esercitazione per chiarire alcuni concetti e imparare comandi. L'applicazione di un modello di spazializzazione delle piogge richiede una analisi molto più accurata ed, ovviamente, una rigorosa validazione dei risultati.
2. Metodo statistico: si basa sulla determinazione del campo di variazione continuo della variabile Pa senza impiegare nessun altro parametro se non la posizione delle stazioni stesse. Si indagano prima le caratteristiche di variazione spaziale di Pa con semplici strumenti di Analisi Esplorativa dei Dati (istogramma, QQplot e variogrammi) e poi si impiegano le conoscenze acquisite per scegliere un modello che approssima i dati nello spazio tramite l'algoritmo di Kriging semplice (dato che i dati sono troppo pochi per poter applicare un Kriging Ordinario a media variabile).
Dati necessari: file shape delle stazioni di pioggia.
Strumenti necessari: ArcGIS con Spatial Analyst, 3D Analyst ed, eventualmente, Geostatistical Analyst
L'applicazione dell'algoritmo di kriging (che non viene qui dettagliata essendo parte dei corsi della Laurea Magistrale) impiega i parametri indicati nella figura sottostante. Di particolare importanza il raggio di ricerca, solitamente connesso alla distanza di autocorrelazione della variabile studiata, in questo caso la pioggia media annua. Con i parametri indicati, e facendo affidamento sui soli dati di Pa registrati nelle stazioni, questo algoritmo cerca di stimare il valore della variabile in punti non campionati sulla base del modello scelto per approssimare il variogramma dei dati (nel nostro caso lineare con drift).
Il risultato finale, diversamente dal precedente che era calcolato esattamente solo dove possedevamo i dati di quota Z, viene calcolato solo all'interno di un poligono convesso che inscrive tutte le stazioni utilizzate. Il risultato pare a prima vista molto meno dettagliato nello spazio del precedente. Perchè?
3. Nella terza ed ultima fase si confrontano le due distribuzioni ottenute con i due diversi metodi discutendone i vantaggi e svantaggi. Si ricorda, come osservazione generale, che entrambe la mappe di pioggia ottenute non corrispondono altro che a modelli della realtà la cui precisione ed accuratezza debbono essere stimate. Questa stima, che richiederebbe un set di osservazioni ulteriore post-modellazione, non rientra negli scopi dell'esercitazione.
Strumenti necessari: ArcGIS con Spatial Analyst
Sempre impiegando il RASTER CALCULATOR dello Spatial Analyst è possibile sottrarre un modello dall'altro, per verificarne gli scarti. Se ad esempio sottraiamo la pioggia deterministica da quella ottenuta con kriging (operazione [pioggia_det] - [pioggia_kriging]) otterremo valori positivi dove la prima sovrastima e negativi dove sottostima. Nella figura sottostante, ottenuta colorando in toni di rosso le sottostime ed in blu le sovrastime, notiamo notevoli errori specie nella zona nord-ovest (rossa) ed in quella sud-est (blu). Date le caratteristiche dei due metodi usati e impiegando le vostre conoscenze della geografia e geomorfologia dell'area potreste ipotizzare una possibile spiegazione per queste differenze così notevoli?
Indizio per rispondere: il bacino del Mugello è caratterizzato da perturbazioni che si infilano nella valle della Sieve da Est procedendo verso Ovest.
NOTA: come si vede dall'immagine sopra la differenza tra due GRID che non si sovrappongono conduce ad un nuovo GRID che ha valori definiti solo nella zona di intersezione dei due dati di input.
I dati per l'esercitazione sono a disposizione per gli studenti del corso nei computer dell'Aula B oppure, a richiesta, presso il docente.
1. Metodo deterministico: si basa sull'ipotesi che i dati di pioggia media annua (Pa), misurati in pochi punti (le stazioni pluviometriche), siano dipendenti dalla variabile "elevazione sul livello del mare" (Z) della stazione relativa. Si ipotizza l'esistenza di una relazione lineare del tipo Pa = mZ+n dove m ed n sono due costanti da determinare sperimentalmente sulla base dei dati. Si realizza quindi, a partire dai dati di Pa e Z delle varie stazioni, un grafico XY che confronta Pa (asse Y) e Z (asse X) e si calcola la retta di regressione. L'equazione di tale retta ci darà i coefficienti m ed n da utilizzare per calcolare Pa dato Z anche nei punti dove non ci sono pluviometri. Infatti le quote sono molto più facili da determinare delle piogge ed il dato Z è di dominio relativamente comune.
Dati necessari: file shape delle stazioni di pioggia (contenente sia Pa che Z), modello digitale del terreno (DTM) dell'area indagata.
Strumenti necessari: un software capace di creare un plot XY con retta di regressione (Excel, Origin, Matlab, etc.), ArcGIS con Spatial Analyst
Nella figura sopra riportiamo un esempio di grafico XY con retta di regressione fatto usando MicrosoftExcel. Nella parte destra del grafico è riportata la equazione. Nel caso mostrato, tuttavia, il coefficiente di regressione è molto basso. Alcune stazioni sono infatti "outliers" che non sono correlate con l'andamento generale delle piogge in Mugello. Quali sono?
Tali outliers vanno riconosciuti ed eliminati nel caso in cui ci siano i motivi per farlo. Eliminando alcune stazioni, non correlate bene con le altre perchè fuori dal bacino idrografico della Sieve, si ottiene un valore del coefficiente di correlazione molto migliore. Quali debbono essere eliminate? Nell'esempio del corso l'espressione finale ottenuta è: Pa = 0.4215Z+893.
Data questa espressione deterministica ricavata da dati sperimentali, possiamo calcolare la Pa stimata in ogni punto ove sia nota la quota. Impiegando un Modello Digitale del Terreno (DTM) disponibile per l'area abbiamo a disposizione misure di Z con risoluzione 10m. Abbiamo cioè un GRID (o matrice di pixel) dove per ogni cella o pixel (di dimensioni 10x10m) viene registrato il dato Z.
Nel nostro caso dobbiamo ripetere per ogni pixel del DTM l'operazione Pa = 0.4215Z+893 sostituendo ogni volta a Z il valore locale di quel pixel. Abbiamo però milioni di pixel! Fortunatamente, però, ArcMap, nell'estensione Spatial Analyst, fornisce un comando molto comodo per effettuare operazioni ripetitive su interi GRID, tramite il RASTER CALCULATOR (vedi figura sotto).
Nella figura si vede il DTM sullo sfondo in una scala di colori dal verde (quote più basse) al marrone scuro (quote più alte). La finestra in basso a sinistra è invece quella del raster calculator, con la formula suddetta già scritta nella forma richiesta da questo strumento. Si noti ad esempio che la variabile Z è sostituita dalla variabile di tipo GRID chiamata [dtm]. Si noti anche che il segno di moltiplicazione è l'asterisco * ed anche che prima e dopo ogni operatore aritmetico è necessario inserire uno spazio.
Premendo il tasto EVALUATE l'espressione viene calcolata per ogni pixel, producendo una nuova matrice delle stesse dimensioni dove stavolta per ogni pixel verrà memorizzato il valore di pioggia media annua Pa calcolato secondo il nostro modello deterministico che lega pioggia e quote. La figura sottostante mostra il risultato ottenuto al termine di questa prima fase. ATTENZIONE: non abbiamo nessuna prova a posteriori che il nostro modello sia realistico. Si tratta solo di una esercitazione per chiarire alcuni concetti e imparare comandi. L'applicazione di un modello di spazializzazione delle piogge richiede una analisi molto più accurata ed, ovviamente, una rigorosa validazione dei risultati.
2. Metodo statistico: si basa sulla determinazione del campo di variazione continuo della variabile Pa senza impiegare nessun altro parametro se non la posizione delle stazioni stesse. Si indagano prima le caratteristiche di variazione spaziale di Pa con semplici strumenti di Analisi Esplorativa dei Dati (istogramma, QQplot e variogrammi) e poi si impiegano le conoscenze acquisite per scegliere un modello che approssima i dati nello spazio tramite l'algoritmo di Kriging semplice (dato che i dati sono troppo pochi per poter applicare un Kriging Ordinario a media variabile).
Dati necessari: file shape delle stazioni di pioggia.
Strumenti necessari: ArcGIS con Spatial Analyst, 3D Analyst ed, eventualmente, Geostatistical Analyst
L'applicazione dell'algoritmo di kriging (che non viene qui dettagliata essendo parte dei corsi della Laurea Magistrale) impiega i parametri indicati nella figura sottostante. Di particolare importanza il raggio di ricerca, solitamente connesso alla distanza di autocorrelazione della variabile studiata, in questo caso la pioggia media annua. Con i parametri indicati, e facendo affidamento sui soli dati di Pa registrati nelle stazioni, questo algoritmo cerca di stimare il valore della variabile in punti non campionati sulla base del modello scelto per approssimare il variogramma dei dati (nel nostro caso lineare con drift).
Il risultato finale, diversamente dal precedente che era calcolato esattamente solo dove possedevamo i dati di quota Z, viene calcolato solo all'interno di un poligono convesso che inscrive tutte le stazioni utilizzate. Il risultato pare a prima vista molto meno dettagliato nello spazio del precedente. Perchè?
3. Nella terza ed ultima fase si confrontano le due distribuzioni ottenute con i due diversi metodi discutendone i vantaggi e svantaggi. Si ricorda, come osservazione generale, che entrambe la mappe di pioggia ottenute non corrispondono altro che a modelli della realtà la cui precisione ed accuratezza debbono essere stimate. Questa stima, che richiederebbe un set di osservazioni ulteriore post-modellazione, non rientra negli scopi dell'esercitazione.
Strumenti necessari: ArcGIS con Spatial Analyst
Sempre impiegando il RASTER CALCULATOR dello Spatial Analyst è possibile sottrarre un modello dall'altro, per verificarne gli scarti. Se ad esempio sottraiamo la pioggia deterministica da quella ottenuta con kriging (operazione [pioggia_det] - [pioggia_kriging]) otterremo valori positivi dove la prima sovrastima e negativi dove sottostima. Nella figura sottostante, ottenuta colorando in toni di rosso le sottostime ed in blu le sovrastime, notiamo notevoli errori specie nella zona nord-ovest (rossa) ed in quella sud-est (blu). Date le caratteristiche dei due metodi usati e impiegando le vostre conoscenze della geografia e geomorfologia dell'area potreste ipotizzare una possibile spiegazione per queste differenze così notevoli?
Indizio per rispondere: il bacino del Mugello è caratterizzato da perturbazioni che si infilano nella valle della Sieve da Est procedendo verso Ovest.
NOTA: come si vede dall'immagine sopra la differenza tra due GRID che non si sovrappongono conduce ad un nuovo GRID che ha valori definiti solo nella zona di intersezione dei due dati di input.
I dati per l'esercitazione sono a disposizione per gli studenti del corso nei computer dell'Aula B oppure, a richiesta, presso il docente.
Iscriviti a:
Post (Atom)