High-resolution UAV remote sensing for complex aquatic environments: from planning to data processing

The global decline of wetlands and inland water ecosystems, driven by human disturbance and climate change, is leading to severe ecological deterioration and loss of essential ecosystem services. As a key functional component, aquatic vegetation is heavily impacted by habitat degradation, harming biodiversity and connected ecological processes. Therefore, monitoring aquatic vegetation dynamics is important for understanding its response to environmental stress and aiding restoration efforts. While advancements in remote sensing, particularly for Unmanned Aerial Vehicles (UAV) equipped with hyperspectral sensors, provide valuable tools with unprecedent spatial and spectral resolutions, their application in aquatic ecosystems remains underexplored, due to several challenges and limitations. The aim of this thesis is to identify potential radiometric and geometric distorting factors in UAV hyperspectral imaging, and to develop methods to mitigate them, enhancing data accuracy and reliability in wetlands. Dealing with radiometric distortions, we investigated how illumination conditions and angular configurations during UAV flights contribute to potential distortions in reflectancebased quantities (Chapter 2). Overcast sky was found to reduce spectral reflectance in highly reflective bands, particularly for floating plants. Overall, this effect lowers Spectral Indices (SI) values compared to clear sky, with lower impacts on the Normalized Difference Vegetation Index (NDVI). Findings revealed that low values of Sun Zenith Angle (SZA) and Relative Azimuth Angle (RAA) caused spectral anisotropy in the visible, with increasing reflectance in specific image regions, depending on plant functional types. Floating plants showed increased reflectance towards forward direction, while emergent vegetation reflected more in backward direction, consistent with common patterns in terrestrial vegetation. NDVI remained the most stable SI versus sun-target-sensor angular configuration changes. Building on these findings, we performed an empirical experiment focused on mitigating biases from sun-target-sensor angular configuration during UAV flights (Chapter 3). We found that lateral sun positioning and high angles above the horizon, caused higher spectral distortions. For floating vegetation, spectral anisotropy occurred at both leaf and canopy scale, influenced by water near-specular reflection, acting as a canopy background or droplets on leaves. In contrast, emergent vegetation showed increased reflectance in backward direction only at canopy level, attributed to shadow-hiding effect commonly seen in terrestrial canopies. UAV flights conducted at different times revealed that transitioning to a sun azimuth consistent with flight direction (RAA ±90°), or flying under a higher SZA (> 60°), gradually reduced reflectance anisotropy, minimizing significant biases. Dealing with geometric distortions we introduced AQUA-LIDAR, a novel approach for high-resolution Digital Surface Model (DSM) reconstruction using Light Detection and Ranging (LiDAR) data, as ancillary input for hyperspectral data ortho-projection (Chapter 4). The method used LiDAR derived features for mapping water pixel and extract the corresponding elevation values, and used the information to fill DSM gaps over other water classified pixels. The approach demonstrated superior accuracy in DSM elevation reconstruction, especially at water boundaries, outperforming available open-source products. Finally, we examined the effect of using a high-resolution DSM versus a planar surface for hyperspectral imagery ortho-projection, in terms of georeferencing errors (Chapter 5). The analysis highlighted that the platform’s tilt (roll angle) and flight altitude were primary sources of potential geometric distortion. Additionally, terrain topography and scan direction interactions also contributed to geometric inaccuracies, even in predominantly flat areas. Overall, the thesis investigates potential distortions in UAV hyperspectral data for aquatic ecosystems, focusing on radiometric and geometric accuracy. Beyond identifying these issues, it proposes practical solutions to mitigate and correct them, also providing valuable operational guidance on optimal data acquisition and processing, in challenging environmental conditions. Furthermore, this work establishes a foundation for future research, finally aimed at developing more effective monitoring solutions towards wetland protection and conservation.

Il declino globale delle zone umide e degli ecosistemi delle acque interne, causato dal disturbo antropico e dai cambiamenti climatici, sta portando un grave deterioramento ecologico e alla perdita di servizi ecosistemici essenziali. In quanto componente funzionale chiave, la vegetazione acquatica è gravemente colpita dal degrado degli habitat, danneggiando la biodiversità e i processi ecologici connessi. Pertanto, il monitoraggio delle dinamiche della vegetazione acquatica è importante per comprendere la sua risposta ai fattori di stress ambientale e per aiutare gli sforzi di ripristino. Sebbene i progressi nelle tecniche di telerilevamento, in particolare per piattaforme drone (Unmanned Aerial Vehicles, UAV) equipaggiate con sensori iperspettrali, forniscano strumenti preziosi con risoluzioni spaziali e spettrali senza precedenti, la loro applicazione negli ecosistemi acquatici rimane poco esplorata, a causa di diverse sfide e limitazioni. L’obiettivo della presente tesi è identificare i potenziali fattori di distorsione radiometrica e geometrica nelle immagini iperspettrali da UAV, e sviluppare metodi per mitigarli, migliorando l’accuratezza e l’affidabilità dei dati nelle zone umide. Riguardo le distorsioni radiometriche, abbiamo investigato come le condizioni di illuminazione e le configurazioni angolari durante i voli UAV contribuiscono a potenziali distorsioni nelle quantità derivate dalla riflettanza (Capitolo 2). E’ stato riscontrato che il cielo nuvoloso riduce la riflettanza spettrale nelle bande altamente riflettenti, in particolare per le piante flottanti. In generale, questo effetto diminuisce il valore di indici spettrali (Spectral Index, SI) rispetto alle condizioni di cielo sereno, con minor impatto per l’ indice Normalized Difference Vegetation Index (NDVI). I risultati hanno rivelato che bassi valori di angolo solare zenitale (Sun Zenith Angle, SZA) e angolo relativo azimutale (Relative Azimuth Angle, RAA) causano anisotropia spettrale nel range del visibile (visible, VIS), con un incremento di riflettanza in porzioni specifiche dell’immagine, in base ai gruppi funzionali. Le piante flottanti hanno mostrato un aumento di riflettanza nella direzione forward, mentre la vegetazione emergente riflette maggiormente in direzione backward, coerente con i pattern comuni nella vegetazione terrestre. NDVI rimane più stabile SI rispetto alla variazione della configurazione angolare sole-target-sensore. Sulla base di questi risultati, abbiamo eseguito un esperimento empirico, concentrato sulla mitigazione delle distorsioni dovute alla configurazione angolare sole-target-sensore durante i sorvoli UAV (Capitolo 3). Abbiamo riscontrato che il posizionamento laterale del sole e gli angoli elevati sopra l’orizzonte, causano distorsioni spettrali più elevate. Per la vegetazione flottante, l’anisotropia spettrale si è verificata sia a scala fogliare che di chioma, influenzata dalla riflessione quasi speculare della superficie d’acqua, che funge da substrato o da goccioline sopra le foglie. Al contrario, la vegetazione emergente dimostra un’aumento di riflettanza della direzione backward solo a scala di chioma, attribuito all’effetto shadow-hiding comunemente visibile nelle chiome terrestri. I sorvoli UAV effettuati in momenti diversi hanno dimostrato che, transitando ad una condizione di azimuth solare consistente con la direzione di volo (RAA ±90°), oppure volando sotto un angolo più alto di SZA (> 60°), riduce gradualmente l’anisotropia spettrale, minimizzando distorsioni significative. Riguardo le distorsioni geometriche abbiamo introdotto AQUA-LIDAR, un approccio innovativo per la ricostruzione di un modello digitale di superficie (Digital Surface Model, DSM) ad alta risoluzione, utilizzando dati LiDAR (Light Detection and Ranging), come input ausiliario per l’ortoproiezione dei dati iperspettrali (Capitolo 4). Il metodo ha utilizzato le caratteristiche derivate dal LiDAR per mappare i pixel della superficie dell’acqua ed estrarre i valori di elevazione corrispondenti, e usa l’informazione per riempire i buchi del DSM in corrispondenza di altri pixel appartenenti alla superficie d’acqua. L’approccio ha dimostrato un’ accuratezza superiore nella ricostruzione delle elevazioni del DSM, in particolare ai confini dell’acqua, superando i prodotti open-source disponibili. Infine, abbiamo esaminato l’effetto dell’utilizzo di un DSM ad alta risoluzione rispetto ad una superficie planare per l’ortoproiezione di immagini iperspettrali, in termini di errore di georeferenziazione (Capitolo 5). L’analisi ha evidenziato che l’inclinazione della piattaforma (angolo di rollio) e l’altezza di volo sono le principali fonti di potenziali distorsioni geometriche. Inoltre, anche l’interazione tra la topografia del terreno e la direzione di scansione contribuisce alle imprecisioni geometriche, anche in aree prevalentemente pianeggianti. Nel complesso, la tesi indaga sulle potenziali distorsioni nei dati iperspettrali UAV per ecosistemi acquatici, concentrandosi sull’accuratezza radiometrica e geometrica. Oltre ad identificare questi problemi, propone soluzioni pratiche per mitigarli e correggerli, fornendo anche una preziosa guida operativa sulle pratiche ottimali di acquisizione ed elaborazione dei dati, in condizioni ambientali complesse. Inoltre, questo lavoro getta le basi per la ricerca futura, con l’obiettivo di sviluppare soluzioni di monitoraggio più efficaci verso la protezione e la conservazione delle zone umide.