CΟΡΕRΤURΕ ΙΝ CΕΜΕΝΤΟ-ΑΜΙΑΝΤΟ IN AMBITO URBANO. VΑLUΤΑΖΙΟΝΙ CΟΜΡΑRΑΤΙVΕ DI ΜΑΡΡΑΤURΕ REALIZZATE CON CLASSIFICATORI AUTOMATICI DIVERSI PER IMMAGINI TELERILEVATE MIVIS ASBESTOS CEMENT ROOFS IN URBAN ZONE. COMPARING DIFFERENT MAPS OBTAINED WITH TWO AUTOMATED CLASSIFICATION ALGORITHMS APPLIED TO A MIVIS REMOTELY SENSED SCENE

Nel presente lavoro vengono poste a confronto due diverse classificazioni di scene telerilevate in ambito urbano. Le due classificazioni sono state eseguite con modalità supervisionata ma con differenti tecniche. La prima è stata realizzata utilizzando le sole caratteristiche spettrali dei pixel (algoritmo CEM); la Seconda ha impiegato la tecnologia machine learning (ML), ed ha collegato l'informazione spettrale del pixel al contesto posizionale di quest'ultimo, L'area di Studio è quella dello Scalo Legnami e zone adiacenti della città di Trieste, nella quale, tramite sopralluoghi in loco, è stata accertata la presenza di coperture in cemento-amianto. l'area è stata sorvolata nel maggio del 2003 dallo scanner aviotrasportato iperspettrale MIVIS (Mustispectral infrared Visibile imaging Spectrometer), che ha ripreso un immagine sulla quale è stato realizzato il presente lavoro. l'immagine è stata pre-elaborata (ritaglio dell'area di Studio, georeferenziazione e overlay della CTRN), e classificata utilizzando le due metodologie suddette. Il confronto fra le due classificazioni ha permesso la scelta della metodologia migliore per l'individuazione degii edifici aventi la Copertura in cemento-amianto. In this paper two different classification methods of a remotely sensed scene (MIVIS hyperspectral sensor one, taken during September 2003), are compared. The study area is an urban industrial site of the city of Trieste (Friuli-Venezia Giulia Region, North – East of Italy). The first classification method we used is based only on the pixel spectral features of the image while the second one is based on the Machine Learning technology (ML) using both the spectral and the geometric pixel information. We subset the study area from the whole scene and we rectified it (Gauss Boaga reference system). Then we classified the obtained layer with the two said methods. By comparing the resulted maps, we chose the best one in order to recognize the asbestos Cement roofs in the study area.