L’uso frequente dei modelli predittivi per l’analisi di sistemi complessi, naturali o artificiali, sta cambiando il tradizionale
approccio alle problematiche ambientali e di rischio. Il continuo miglioramento delle capacità di elaborazione dei computer
facilita l’utilizzo e la risoluzione di metodi numerici basati su una discretizzazione spazio-temporale che permette una
modellizzazione predittiva di sistemi reali complessi, riproducendo l’evoluzione dei loro patterns spaziali ed calcolando il
grado di precisione della simulazione. In questa tesi presentiamo una applicazione di differenti metodi predittivi (Geomatico,
Reti Neurali, Land Cover Modeler e Dinamica EGO) in un’area test del Petén, Guatemala. Durante gli ultimi decenni questa
regione, inclusa nella Riserva di Biosfera Maya, ha conosciuto una rapida crescita demografica ed un’incontrollata pressione
sulle sue risorse naturali. L’area test puó essere suddivisa in sotto-regioni caratterizzate da differenti dinamiche di uso del
suolo. Comprendere e quantificare queste differenze permette una migliore approssimazione del sistema reale; é inoltre
necessario integrare tutti i parametri fisici e socio-economici, per una rappresentazione più completa della complessità
dell’impatto antropico. Data l’assenza di informazioni dettagliate sull’area di studio, quasi tutti i dati sono stati ricavati
dall’elaborazione di 11 immagini ETM+, TM e SPOT; abbiamo poi realizzato un’analisi multitemporale dei cambi uso del
suolo passati e costruito l’input per alimentare i modelli predittivi. I dati del 1998 e 2000 sono stati usati per la fase di
calibrazione per simulare i cambiamenti nella copertura terrestre del 2003, scelta come data di riferimento per la validazione
dei risultati. Quest’ultima permette di evidenziare le qualità ed i limiti per ogni modello nelle differenti sub-regioni. / The frequent use of predictive models for analyzing of complex, natural or artificial phenomena is changing the traditional
approaches to environmental and hazard problems. The continuous improvement of computer performance allows for more
detailed numerical methods, based on space-time discretisation, to be developed and run for a predictive modeling of
complex real systems, reproducing the way their spatial patterns evolve and pointing out the degree of simulation accuracy.
In this contribution we present an application of several methods (Geomatics, Neural Networks, Land Cover Modeler and
Dinamica EGO) in the tropical training area of Petén, Guatemala. During the last few decades this region, included in the
Biosphere Maya reserve, has seen a fast demographic raise and a subsequent uncontrolled pressure on its own geo-resources.
The test area can be divided into several sub-regions characterized by different land use dynamics. Understanding and
quantifying these differences permits a better approximation of a real system; moreover we have to consider all the physical,
socio-economic parameters, which will be of use for representing the complex and sometimes random human impact.
Because of the absence of detailed data from our test area, nearly all the information was derived from the image processing
of 11 ETM+, TM and SPOT scenes; we studied the past environmental dynamics and we built the input layers for the
predictive models. The data from 1998 and 2000 were used during the calibration to simulate the land cover changes in 2003,
selected as reference date for the validation. The basic statistics permit to highlight the qualities or the weaknesses for each
model on the different sub-regions. / L’utilisation chaque jour plus fréquent des modèles prédictifs pour décrire des systèmes complexes, naturels ou artificiels, est
en train de changer progressivement les approches traditionnelles des problématiques environnementales et de gestion du
risque. Le remarquable potentiel des ordinateurs actuels rend possible le développement de modèles numériques de calcul
basés sur une discrétisation spatio-temporelle afin de simuler le comportement de phénomènes complexes ainsi que de
prévoir des scénarios futures, avec différents dégréés d’approximation. On présent ici une application de différents modèles
prédictifs (géomatique, réseaux de neurones, LCM Idrisi Andes et Dinamica), dans une région de forêt tropicale au Petén,
Guatemala. Cette région, inscrite dans la réserve de biosphère Maya, a connu dans les dernières décades, une croissance
démographique et une pression non contrôlée sur les ressources naturelles. Dans la région d’étude nous pouvons signaler des
sous-régions avec différentes dynamiques d’utilisation du sol. Comprendre et quantifier de telles différences permet
l’obtention d’une bonne approximation de la situation réelle et il est nécessaire d’intégrer les paramètres physiques, sociaux
et économiques essentiels pour décrire la complexité, parfois aléatoire, de l’action anthropique. La première phase d’étude est
basée exclusivement sur l’analyse d’informations satellites, car il n’existe pas d’autres données utiles disponibles sur cette
étendue. Le traitement de 11 images ETM+, TM et SPOT a rendu possible l’observation des dynamiques environnementales
passées ainsi que la construction de l’Input pour les différentes approches prédictives. Les résultats obtenus, en partent des
informations collectées en 1998 et 2000, seront validés avec une image réelle de 2003; les statistiques de base vont permettre
de souligner les points forts et les points faibles de chaque modèle sur les différentes sous-régions.
| Identifer | oai:union.ndltd.org:unibo.it/oai:amsdottorato.cib.unibo.it:855 |
| Date | 07 March 2008 |
| Creators | Follador, Marco <1976> |
| Contributors | Bruno, Roberto |
| Publisher | Alma Mater Studiorum - Università di Bologna |
| Source Sets | Università di Bologna |
| Language | Italian |
| Detected Language | Italian |
| Type | Doctoral Thesis, PeerReviewed |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds