Glacier monitoring: a case study of the Fellaria Glacier via Multispectral and SAR approaches

Alpine glaciers are dramatically deteriorating due to the effects of climate change. The Fellaria Glacier, located in the Italian Alps, serves as a critical case study to understand these processes. This work aims to assess the changes from 2017 to 2024 of the Fellaria Glacier in the Valmalenco region using data from the Sentinel satellites of the Copernicus Program (ESA). The study combines multispectral and radar data to analyze both glacier surface evolution and its dynamic behavior. In the first part of the study, Sentinel-2 multispectral imagery was used to develop and apply a semi-supervised classification method based on a statistical approach for distinguishing different glacier surface types. Custom Reflectance Curves were generated for each surface category—such as bare ice, fresh snow, and debris-covered ice—using a customized loss function that minimizes spectral deviations from reference values. This function refines the classification thresholds by minimizing spectral deviations from reference values, ensuring a more reliable surface identification. In the second part, Sentinel-1 SAR data was analyzed using an automated offset tracking algorithm to estimate glacier velocity and deformation. Unlike traditional approaches that require manual preprocessing, this study developed a Python-based automated workflow that integrates SNAP, enabling automated preprocessing steps. A custom Python library, GlacioTrack, was created to automate this workflow, optimizing the offset tracking process to detect ice displacement over a 7-day interval and generate velocity maps. The thesis is structured as follows. Chapter 1 introduces Earth Observation data, detailing key satellite missions and the characteristics of both multispectral and SAR datasets. Chapter 2 explores remote sensing methods, covering the principles of optical and radar imaging alongside essential pre- and post-processing techniques. Chapter 3 outlines the software tools and libraries used throughout the study, including Google Earth Engine, QGIS, SNAP, and Python-based toolkits. Chapter 4 describes the study area, presenting the geographical setting of the Fellaria Glacier, its historical evolution, and the data sets used. Chapter 5 explains the methods for glacier surface and dynamics analysis, detailing the semi-supervised classification for Sentinel-2 data and the automated offset tracking for Sentinel-1 SAR processing. Chapter 6 presents the results, including classified surface maps, validation of the classification curves, glacier velocity estimations, the application of the classification method to the Adamello Glacier, and discussions on observed trends in glacier evolution. Finally, Chapter 7 summarizes the findings, discusses limitations due to the lack of ground-truth data, and suggests future research directions, particularly focusing on integrating in situ measurements to improve the accuracy of remote sensing observations. Overall, this study confirms the utility of Earth Observation (EO) for monitoring planetary changes, with a specific focus on glacier evolution. The results demonstrate the effectiveness of satellite-based monitoring techniques and establish a foundation for future investigations that combine remote sensing with targeted in situ field measurements to refine the accuracy of glacier change assessments.

I ghiacciai alpini si stanno rapidamente deteriorando a causa degli effetti del cambiamento climatico. Il Ghiacciaio Fellaria, situato nelle Alpi italiane, rappresenta un caso di studio fondamentale per comprendere questi processi. Questo lavoro si propone di valutare i cambiamenti avvenuti tra il 2017 e il 2024 nel Ghiacciaio Fellaria, nella regione della Valmalenco, utilizzando dati dei satelliti Sentinel del programma Copernicus (ESA). Lo studio combina dati multispettrali e radar per analizzare sia l’evoluzione della superficie glaciale sia la dinamica del ghiacciaio. Nella prima parte dello studio, le immagini multispettrali di Sentinel-2 sono state utilizzate per sviluppare e applicare un metodo di classificazione semi-supervisionata basato su un approccio statistico per distinguere le diverse tipologie di superficie glaciale. Curve di Riflettanza Personalizzate sono state generate per ciascuna categoria di superficie—come ghiaccio vivo, neve fresca e ghiaccio ricoperto da detriti—utilizzando una funzione di perdita personalizzata, che minimizza le deviazioni spettrali dai valori di riferimento. Tale funzione consente di affinare le soglie di classificazione, migliorando la coerenza e l'affidabilità dell'identificazione delle superfici nel corso del tempo. Nella seconda parte, i dati SAR di Sentinel-1 sono stati analizzati utilizzando un algoritmo automatizzato di offset tracking per stimare la velocità e la deformazione del ghiacciaio. A differenza degli approcci tradizionali che richiedono una pre-elaborazione manuale, in questo studio è stato sviluppato un workflow automatico in Python che integra SNAP, consentendo l'esecuzione di fasi di pre-elaborazione automatizzate. È stata inoltre creata una libreria Python personalizzata, GlacioTrack, per automatizzare questo processo, ottimizzando l'analisi di offset tracking per rilevare lo spostamento del ghiaccio su un intervallo di 7 giorni e generare mappe di velocità. La tesi è strutturata come segue. Il Capitolo 1 introduce i dati di Osservazione della Terra, illustrando le principali missioni satellitari e le caratteristiche dei dataset multispettrali e SAR. Il Capitolo 2 esplora i metodi di telerilevamento, trattando i principi di imaging ottico e radar, insieme alle tecniche fondamentali di pre- e post-elaborazione. Il Capitolo 3 descrive i software e le librerie utilizzati nello studio, tra cui Google Earth Engine, QGIS, SNAP e strumenti Python. Il Capitolo 4 fornisce una panoramica dell’area di studio, descrivendo il contesto geografico del Ghiacciaio Fellaria, la sua evoluzione storica e i dati impiegati. Il Capitolo 5 illustra i metodi di analisi della superficie e della dinamica glaciale, con particolare attenzione alla classificazione semi-supervisionata per i dati Sentinel-2 e al processo automatizzato di offset tracking per i dati SAR di Sentinel-1.Il Capitolo 6 presenta i risultati, inclusi le mappe di classificazione delle superfici, la validazione delle curve di classificazione, le stime della velocità del ghiacciaio, l'applicazione del metodo di classificazione al Ghiacciaio dell’Adamello e le discussioni sulle tendenze osservate nell’evoluzione glaciale. Infine, il Capitolo 7 riassume i risultati, discute le limitazioni dovute all’assenza di dati in situ, e propone direzioni future per la ricerca, con un'attenzione particolare all'integrazione di misurazioni dirette per migliorare l'affidabilità delle analisi da telerilevamento. Nel complesso, questo studio conferma l’utilità dell’Osservazione della Terra (EO) per il monitoraggio dei cambiamenti planetari, con un focus specifico sull’evoluzione dei ghiacciai. I risultati dimostrano l’efficacia delle tecniche di monitoraggio satellitare e forniscono una base per future ricerche che combinino il telerilevamento con misurazioni in situ mirate per affinare l’accuratezza delle valutazioni sui cambiamenti glaciali.