Spatial modelling e image processing per l’analisi spaziale delle aree rurali: Open data e Big Data a supporto della statistica ufficiale

L’uso dei dati amministrativi, di concerto con le indagini statistiche, ha ridotto, e in taluni casi eliminato, i problemi di sotto copertura delle unità statistiche rispetto all’universo di riferimento. Tuttavia per alcuni fenomeni si continua ad avere difficoltà nell’individuare l’insieme delle unità oggetto di rilevazione poiché esse sfuggono sia alle fonti primarie che a quelle secondarie. È il caso di alcuni segmenti dell’agricoltura per i quali, a causa dell’elevata frammentazione delle proprietà e la variabilità delle coltivazioni, non risulta agevole ottenere coperture di informazioni complete. Allo stato attuale gli strumenti maggiormente impiegati per la identificazione delle coltivazioni agronomiche possono essere classificati secondo procedimenti di tipo diretto ed indiretto. I primi fanno essenzialmente riferimento alle rilevazioni on-site, mentre per i secondi risulta necessario un procedimento di interpretazione di immagini georiferite (aeree e da satellite), che può essere in alcuni casi condotta anche in modalità semi o automatiche. Grazie all’esponenziale aumento di basi spaziali che si sta avendo negli ultimi decenni, il secondo procedimento offre maggiori possibilità di sviluppo, anche se ad oggi, sono presenti alcune limitazioni determinate essenzialmente dalla risoluzione delle immagini e dagli algoritmi di classificazione. Con lo scopo di ridurre il gap conoscitivo, con il presente lavoro è proposto un modello di indagine sperimentale, volto all’utilizzo delle immagini satellitari per l’individuazione delle tipologie colturali e delle relative superfici attraverso l’interpretazione delle bande spettrali. Tali superfici, una volta attribuite le informazioni catastali, sono identificabili all’interno degli archivi amministrativi e statistici, consentendo di consolidare le serie di dati già prodotti e, al contempo, di costituire nuove serie di informazioni, desumibili a partire dall’impiego dei Big Data e dall’interpretazione spaziale del territorio.