ID:
511821
Durata (ore):
60
CFU:
6
SSD:
GEOGRAFIA FISICA E GEOMORFOLOGIA
Anno:
2025
Dati Generali
Periodo di attività
Primo Semestre (01/10/2025 - 10/01/2026)
Syllabus
Obiettivi Formativi
1. Conoscenza e capacità di comprensioneAl termine del corso, lo studente conoscerà i principi fisici alla base del telerilevamento (remote sensing) applicato alle risorse minerarie, con particolare riferimento all'interazione tra radiazione elettromagnetica e materiali geologici. Sarà in grado di descrivere le caratteristiche spettrali dei principali minerali e litotipi di interesse economico, comprendendone come tali proprietà si traducano in segnali rilevabili da sensori aerei e satellitari. Conoscerà le principali piattaforme e sistemi sensore utilizzati in ambito geologico-minerario (sistemi ottici multispettrali e iperspettrali, radar SAR, LiDAR), nonché i fondamenti della geometria di acquisizione, della calibrazione radiometrica e della correzione atmosferica. Comprenderà il ruolo del telerilevamento all'interno del più ampio flusso di lavoro dell'esplorazione mineraria, dalla fase di prospecting regionale fino al target definition, riconoscendo i vantaggi e i limiti di ciascuna tecnica rispetto ai metodi geofisici e geochimici tradizionali. Conoscerà i principali indici spettrali e i metodi di classificazione supervisionata e non supervisionata impiegati per la mappatura di alterazioni idrotermali, litologie mineralizzate e strutture geologiche favorevoli alla mineralizzazione.
2. Conoscenza e capacità di comprensione applicate
Lo studente saprà applicare le conoscenze teoriche acquisite all'elaborazione e all'interpretazione di dati telerilevati reali, utilizzando software dedicati (es. SNAP, QGIS, Google Earth Engine). Sarà in grado di svolgere le principali fasi del processing di immagini multispettrali e iperspettrali: import e visualizzazione dei dati, correzione geometrica e radiometrica, analisi in componenti principali (PCA), mappatura spettrale tramite algoritmi SAM (Spectral Angle Mapper), SFF (Spectral Feature Fitting) e Mixture Tuned Matched Filtering. Saprà elaborare dati SAR per l'estrazione di informazioni strutturali (lineamenti tettonici, zone di deformazione) e per il monitoraggio della subsidenza in aree minerarie attive mediante tecniche di interferometria differenziale (DInSAR). Sarà in grado di applicare tecniche di analisi multi-sorgente, integrando dati ottici, radar e geofisici in ambiente GIS per produrre carte di favorevolezza mineraria (mineral prospectivity maps). Saprà inoltre confrontare immagini storiche e multitemporali per rilevare variazioni ambientali e superficiali connesse all'attività estrattiva, inclusi fenomeni di acid mine drainage e contaminazione da metalli pesanti.
3. Autonomia di giudizio
Lo studente saprà analizzare criticamente la qualità e l'adeguatezza dei dati telerilevati disponibili rispetto agli obiettivi di un progetto di esplorazione mineraria, valutando fattori quali risoluzione spaziale, spettrale e temporale, copertura nuvolosa, disponibilità e costo. Saprà valutare in modo autonomo quale combinazione di sensori e metodologie di analisi risulti più appropriata in funzione del contesto geologico, del tipo di mineralizzazione attesa e della scala di indagine. Sarà capace di interpretare i risultati delle elaborazioni con spirito critico, riconoscendo le ambiguità spettrali, i falsi positivi e i limiti intrinseci delle tecniche di mappatura remota. Saprà valutare e contestualizzare i risultati pubblicati in letteratura scientifica, distinguendo approcci metodologicamente solidi da applicazioni non robuste, e valutando la trasferibilità dei metodi proposti a contesti geologici diversi da quelli originali. Sarà inoltre in grado di motivare in modo argomentato le proprie decisioni riguardo alla necessità di validazione in campo (ground truth) e alla prioritizzazione delle aree target.
4. Abilità comunicative
Lo studente saprà comunicare in modo chiaro ed efficace i risultati delle proprie analisi di telerilevamento a interlocutori con diversi background, sia tecnico-scientifici (geologi, geofisici, ingegneri minerari) sia non specialistici (management aziendale, enti regolatori, stakeholder locali). Saprà redigere report tecnici strutturati che descrivano il dataset utilizzato, il flusso di elaborazione adottato, i risultati cartografici ottenuti e le relative incertezze. Sarà in grado di produrre e presentare mappe geologico-minerarie derivate da telerilevamento, corredandole di legende chiare, metadati e note metodologiche. Saprà esplicitare le scelte metodologiche compiute durante il processing, argomentando le ragioni tecniche e scientifiche che le motivano. Sarà capace di utilizzare un lessico tecnico appropriato in lingua inglese — lingua veicolare del corso — sia nella comunicazione scritta che orale, in linea con gli standard della comunità scientifica internazionale nel campo del remote sensing geologico.
5. Capacità di apprendere
Lo studente sarà in grado di agire in contesti applicativi reali e in continua evoluzione tecnologica, adattando le proprie competenze all'utilizzo di nuovi sensori e dataset open-access (es. Sentinel, Landsat, ASTER, PRISMA, HyMap) e nuovi strumenti di cloud computing per il processamento massivo di immagini. Saprà autovalutare il proprio livello di competenza tecnica, identificando lacune e pianificando percorsi di aggiornamento autonomo attraverso la consultazione di documentazione tecnica, articoli scientifici peer-reviewed e risorse online specializzate. Sarà in grado di modificare il proprio approccio analitico in funzione dei risultati intermedi ottenuti e dei feedback ricevuti, sviluppando una mentalità iterativa tipica della ricerca applicata. Saprà trasferire i metodi appresi a nuovi contesti geologici e geografici, generalizzando le procedure e adattando i parametri di elaborazione alle specificità del caso di studio. Sarà inoltre capace di seguire autonomamente l'evoluzione della disciplina, valutando le potenzialità di tecnologie emergenti quali il machine learning applicato alla classificazione spettrale e l'intelligenza artificiale per la mineral prospectivity analysis.
2. Conoscenza e capacità di comprensione applicate
Lo studente saprà applicare le conoscenze teoriche acquisite all'elaborazione e all'interpretazione di dati telerilevati reali, utilizzando software dedicati (es. SNAP, QGIS, Google Earth Engine). Sarà in grado di svolgere le principali fasi del processing di immagini multispettrali e iperspettrali: import e visualizzazione dei dati, correzione geometrica e radiometrica, analisi in componenti principali (PCA), mappatura spettrale tramite algoritmi SAM (Spectral Angle Mapper), SFF (Spectral Feature Fitting) e Mixture Tuned Matched Filtering. Saprà elaborare dati SAR per l'estrazione di informazioni strutturali (lineamenti tettonici, zone di deformazione) e per il monitoraggio della subsidenza in aree minerarie attive mediante tecniche di interferometria differenziale (DInSAR). Sarà in grado di applicare tecniche di analisi multi-sorgente, integrando dati ottici, radar e geofisici in ambiente GIS per produrre carte di favorevolezza mineraria (mineral prospectivity maps). Saprà inoltre confrontare immagini storiche e multitemporali per rilevare variazioni ambientali e superficiali connesse all'attività estrattiva, inclusi fenomeni di acid mine drainage e contaminazione da metalli pesanti.
3. Autonomia di giudizio
Lo studente saprà analizzare criticamente la qualità e l'adeguatezza dei dati telerilevati disponibili rispetto agli obiettivi di un progetto di esplorazione mineraria, valutando fattori quali risoluzione spaziale, spettrale e temporale, copertura nuvolosa, disponibilità e costo. Saprà valutare in modo autonomo quale combinazione di sensori e metodologie di analisi risulti più appropriata in funzione del contesto geologico, del tipo di mineralizzazione attesa e della scala di indagine. Sarà capace di interpretare i risultati delle elaborazioni con spirito critico, riconoscendo le ambiguità spettrali, i falsi positivi e i limiti intrinseci delle tecniche di mappatura remota. Saprà valutare e contestualizzare i risultati pubblicati in letteratura scientifica, distinguendo approcci metodologicamente solidi da applicazioni non robuste, e valutando la trasferibilità dei metodi proposti a contesti geologici diversi da quelli originali. Sarà inoltre in grado di motivare in modo argomentato le proprie decisioni riguardo alla necessità di validazione in campo (ground truth) e alla prioritizzazione delle aree target.
4. Abilità comunicative
Lo studente saprà comunicare in modo chiaro ed efficace i risultati delle proprie analisi di telerilevamento a interlocutori con diversi background, sia tecnico-scientifici (geologi, geofisici, ingegneri minerari) sia non specialistici (management aziendale, enti regolatori, stakeholder locali). Saprà redigere report tecnici strutturati che descrivano il dataset utilizzato, il flusso di elaborazione adottato, i risultati cartografici ottenuti e le relative incertezze. Sarà in grado di produrre e presentare mappe geologico-minerarie derivate da telerilevamento, corredandole di legende chiare, metadati e note metodologiche. Saprà esplicitare le scelte metodologiche compiute durante il processing, argomentando le ragioni tecniche e scientifiche che le motivano. Sarà capace di utilizzare un lessico tecnico appropriato in lingua inglese — lingua veicolare del corso — sia nella comunicazione scritta che orale, in linea con gli standard della comunità scientifica internazionale nel campo del remote sensing geologico.
5. Capacità di apprendere
Lo studente sarà in grado di agire in contesti applicativi reali e in continua evoluzione tecnologica, adattando le proprie competenze all'utilizzo di nuovi sensori e dataset open-access (es. Sentinel, Landsat, ASTER, PRISMA, HyMap) e nuovi strumenti di cloud computing per il processamento massivo di immagini. Saprà autovalutare il proprio livello di competenza tecnica, identificando lacune e pianificando percorsi di aggiornamento autonomo attraverso la consultazione di documentazione tecnica, articoli scientifici peer-reviewed e risorse online specializzate. Sarà in grado di modificare il proprio approccio analitico in funzione dei risultati intermedi ottenuti e dei feedback ricevuti, sviluppando una mentalità iterativa tipica della ricerca applicata. Saprà trasferire i metodi appresi a nuovi contesti geologici e geografici, generalizzando le procedure e adattando i parametri di elaborazione alle specificità del caso di studio. Sarà inoltre capace di seguire autonomamente l'evoluzione della disciplina, valutando le potenzialità di tecnologie emergenti quali il machine learning applicato alla classificazione spettrale e l'intelligenza artificiale per la mineral prospectivity analysis.
Prerequisiti
Conoscenze e competenze richieste
Per seguire proficuamente il corso, lo studente dovrebbe possedere le seguenti conoscenze e competenze di base, acquisibili attraverso i corsi previsti nei curricula triennali in Scienze Geologiche, Scienze della Terra o discipline affini.
Geologia e mineralogia. Conoscenza dei principali gruppi mineralogici e delle loro proprietà fisiche e chimiche. Familiarità con i principali tipi di roccia (ignee, sedimentarie, metamorfiche) e con i processi geologici che li generano. Conoscenza di base dei processi idrotermali e dei principali tipi di depositi minerari (porfirici, epitermali, VMS, sedimentari). Capacità di lettura e interpretazione di carte geologiche di base.
Fisica e matematica. Conoscenza dei principi fondamentali dell'ottica e della fisica delle onde elettromagnetiche (lunghezza d'onda, frequenza, energia). Familiarità con i concetti di base di algebra lineare (matrici, autovalori) utili per la comprensione delle tecniche di analisi multivariata (PCA, MNF). Nozioni elementari di statistica descrittiva e inferenziale.
Cartografia e GIS. Conoscenza dei sistemi di riferimento geografico e delle proiezioni cartografiche. Capacità di utilizzo di base di un software GIS (preferibilmente QGIS o ArcGIS) per la visualizzazione, gestione e interrogazione di dati geografici vettoriali e raster.
Informatica. Familiarità con l'uso del computer in ambiente Windows o Linux. La conoscenza di base del linguaggio Python rappresenta un vantaggio significativo, sebbene non sia formalmente richiesta: le nozioni essenziali necessarie per le esercitazioni pratiche saranno introdotte durante il corso.
Lingua inglese. Il corso è erogato interamente in lingua inglese. È richiesta una competenza di lettura e comprensione orale di testi scientifici in inglese di livello almeno B2 (Quadro Comune Europeo di Riferimento). La capacità di esprimersi in inglese, sia in forma scritta che orale, è necessaria per la redazione del report di progetto e per la presentazione finale.
Propedeuticità consigliate
Sebbene non siano previste propedeuticità formali obbligatorie, si raccomanda agli studenti di aver sostenuto, prima di frequentare questo corso, esami in Mineralogia, Petrografia, Geologia Strutturale e, preferibilmente, un corso introduttivo di Cartografia o GIS. La frequenza di un corso di Geologia Applicata o Esplorazione Mineraria costituisce un ulteriore elemento di preparazione utile, ma non indispensabile.
Per seguire proficuamente il corso, lo studente dovrebbe possedere le seguenti conoscenze e competenze di base, acquisibili attraverso i corsi previsti nei curricula triennali in Scienze Geologiche, Scienze della Terra o discipline affini.
Geologia e mineralogia. Conoscenza dei principali gruppi mineralogici e delle loro proprietà fisiche e chimiche. Familiarità con i principali tipi di roccia (ignee, sedimentarie, metamorfiche) e con i processi geologici che li generano. Conoscenza di base dei processi idrotermali e dei principali tipi di depositi minerari (porfirici, epitermali, VMS, sedimentari). Capacità di lettura e interpretazione di carte geologiche di base.
Fisica e matematica. Conoscenza dei principi fondamentali dell'ottica e della fisica delle onde elettromagnetiche (lunghezza d'onda, frequenza, energia). Familiarità con i concetti di base di algebra lineare (matrici, autovalori) utili per la comprensione delle tecniche di analisi multivariata (PCA, MNF). Nozioni elementari di statistica descrittiva e inferenziale.
Cartografia e GIS. Conoscenza dei sistemi di riferimento geografico e delle proiezioni cartografiche. Capacità di utilizzo di base di un software GIS (preferibilmente QGIS o ArcGIS) per la visualizzazione, gestione e interrogazione di dati geografici vettoriali e raster.
Informatica. Familiarità con l'uso del computer in ambiente Windows o Linux. La conoscenza di base del linguaggio Python rappresenta un vantaggio significativo, sebbene non sia formalmente richiesta: le nozioni essenziali necessarie per le esercitazioni pratiche saranno introdotte durante il corso.
Lingua inglese. Il corso è erogato interamente in lingua inglese. È richiesta una competenza di lettura e comprensione orale di testi scientifici in inglese di livello almeno B2 (Quadro Comune Europeo di Riferimento). La capacità di esprimersi in inglese, sia in forma scritta che orale, è necessaria per la redazione del report di progetto e per la presentazione finale.
Propedeuticità consigliate
Sebbene non siano previste propedeuticità formali obbligatorie, si raccomanda agli studenti di aver sostenuto, prima di frequentare questo corso, esami in Mineralogia, Petrografia, Geologia Strutturale e, preferibilmente, un corso introduttivo di Cartografia o GIS. La frequenza di un corso di Geologia Applicata o Esplorazione Mineraria costituisce un ulteriore elemento di preparazione utile, ma non indispensabile.
Metodi didattici
Il corso adotta un approccio didattico misto che integra lezioni frontali, esercitazioni pratiche al computer, analisi di casi di studio e attività di progetto, con l'obiettivo di sviluppare negli studenti sia le competenze teoriche che quelle operative richieste dal mondo professionale dell'esplorazione mineraria.
Lezioni frontali. Le lezioni teoriche introducono i principi fondamentali del telerilevamento geologico, i metodi di elaborazione delle immagini e le tecniche di analisi spettrale. Le lezioni si avvalgono di materiale visivo (immagini satellitari, mappe geologiche, profili spettrali) e di esempi tratti dalla letteratura scientifica recente, con l'obiettivo di ancorare i contenuti teorici a contesti applicativi reali. Le lezioni sono erogate in lingua inglese.
Esercitazioni pratiche. Una parte sostanziale del corso (circa il 40% delle ore totali) è dedicata ad esercitazioni al computer in cui gli studenti elaborano autonomamente dataset reali, guidati dal docente. Le sessioni pratiche seguono un approccio progressivo: dapprima gli studenti replicano procedure dimostrate dal docente, successivamente operano in modo sempre più autonomo, affrontando scenari applicativi di crescente complessità. I software utilizzati comprendono ENVI, SNAP, QGIS, Google Earth Engine e l'ambiente Python con librerie specializzate (rasterio, spectral, sklearn).
Analisi di casi di studio. Nel corso delle lezioni vengono analizzati e discussi casi di studio tratti dalla letteratura scientifica internazionale e da rapporti tecnici di progetti esplorativi reali. Gli studenti sono invitati a partecipare attivamente alla discussione critica dei metodi adottati, dei risultati ottenuti e delle loro limitazioni, sviluppando così la capacità di valutazione autonoma tipica del Descrittore di Dublino relativo all'autonomia di giudizio.
Progetto di gruppo. Nella fase conclusiva del corso, gli studenti lavorano in piccoli gruppi (2–3 persone) su un progetto applicativo assegnato dal docente. Ciascun gruppo riceve un'area di interesse e un obiettivo esplorativo specifico, e deve progettare ed eseguire autonomamente un flusso di lavoro completo di telerilevamento, dalla selezione e pre-elaborazione dei dati alla produzione di una carta di favorevolezza mineralogica. Il progetto si conclude con la redazione di un report tecnico strutturato e con una presentazione orale davanti alla classe, che simula il formato di una relazione professionale o di un contributo a convegno scientifico.
Discussione in aula e peer review. Le presentazioni finali sono aperte alla discussione da parte di tutti gli studenti, che sono incoraggiati a formulare domande e osservazioni critiche sui lavori dei colleghi. Questa modalità favorisce lo sviluppo delle abilità comunicative e della capacità di autovalutazione, e introduce gli studenti alla cultura della revisione tra pari tipica della ricerca scientifica.
Materiali didattici. Il materiale del corso (slide delle lezioni, dataset, tutorial software, articoli scientifici selezionati) è reso disponibile sulla piattaforma e-learning di Ateneo. Gli studenti sono incoraggiati a consultare autonomamente le risorse aggiuntive indicate dal docente, tra cui documentazione tecnica dei software, portali di dati open-access (ESA, NASA, USGS) e riviste scientifiche di riferimento nel settore (Remote Sensing of Environment, International Journal of Applied Earth Observation and Geoinformation, Ore Geology Reviews).
Lezioni frontali. Le lezioni teoriche introducono i principi fondamentali del telerilevamento geologico, i metodi di elaborazione delle immagini e le tecniche di analisi spettrale. Le lezioni si avvalgono di materiale visivo (immagini satellitari, mappe geologiche, profili spettrali) e di esempi tratti dalla letteratura scientifica recente, con l'obiettivo di ancorare i contenuti teorici a contesti applicativi reali. Le lezioni sono erogate in lingua inglese.
Esercitazioni pratiche. Una parte sostanziale del corso (circa il 40% delle ore totali) è dedicata ad esercitazioni al computer in cui gli studenti elaborano autonomamente dataset reali, guidati dal docente. Le sessioni pratiche seguono un approccio progressivo: dapprima gli studenti replicano procedure dimostrate dal docente, successivamente operano in modo sempre più autonomo, affrontando scenari applicativi di crescente complessità. I software utilizzati comprendono ENVI, SNAP, QGIS, Google Earth Engine e l'ambiente Python con librerie specializzate (rasterio, spectral, sklearn).
Analisi di casi di studio. Nel corso delle lezioni vengono analizzati e discussi casi di studio tratti dalla letteratura scientifica internazionale e da rapporti tecnici di progetti esplorativi reali. Gli studenti sono invitati a partecipare attivamente alla discussione critica dei metodi adottati, dei risultati ottenuti e delle loro limitazioni, sviluppando così la capacità di valutazione autonoma tipica del Descrittore di Dublino relativo all'autonomia di giudizio.
Progetto di gruppo. Nella fase conclusiva del corso, gli studenti lavorano in piccoli gruppi (2–3 persone) su un progetto applicativo assegnato dal docente. Ciascun gruppo riceve un'area di interesse e un obiettivo esplorativo specifico, e deve progettare ed eseguire autonomamente un flusso di lavoro completo di telerilevamento, dalla selezione e pre-elaborazione dei dati alla produzione di una carta di favorevolezza mineralogica. Il progetto si conclude con la redazione di un report tecnico strutturato e con una presentazione orale davanti alla classe, che simula il formato di una relazione professionale o di un contributo a convegno scientifico.
Discussione in aula e peer review. Le presentazioni finali sono aperte alla discussione da parte di tutti gli studenti, che sono incoraggiati a formulare domande e osservazioni critiche sui lavori dei colleghi. Questa modalità favorisce lo sviluppo delle abilità comunicative e della capacità di autovalutazione, e introduce gli studenti alla cultura della revisione tra pari tipica della ricerca scientifica.
Materiali didattici. Il materiale del corso (slide delle lezioni, dataset, tutorial software, articoli scientifici selezionati) è reso disponibile sulla piattaforma e-learning di Ateneo. Gli studenti sono incoraggiati a consultare autonomamente le risorse aggiuntive indicate dal docente, tra cui documentazione tecnica dei software, portali di dati open-access (ESA, NASA, USGS) e riviste scientifiche di riferimento nel settore (Remote Sensing of Environment, International Journal of Applied Earth Observation and Geoinformation, Ore Geology Reviews).
Verifica Apprendimento
La valutazione dell'apprendimento è articolata in due componenti, una in itinere e una finale, con l'obiettivo di verificare il raggiungimento di tutti i risultati di apprendimento dichiarati, secondo i cinque Descrittori di Dublino.
Progetto di gruppo — 50% del voto finale
Durante la fase conclusiva del corso, ciascun gruppo consegna un report tecnico scritto e sostiene una presentazione orale della durata di circa 20 minuti, seguita da una sessione di domande e discussione. Il progetto è valutato secondo i seguenti criteri:
Correttezza e completezza del flusso di elaborazione — adeguatezza delle scelte metodologiche rispetto all'obiettivo esplorativo assegnato, correttezza delle procedure di pre-processing e processing, qualità cartografica dei prodotti finali.
Capacità di analisi e giudizio critico — consapevolezza dei limiti del dataset utilizzato, discussione delle incertezze nei risultati, confronto critico con la letteratura di riferimento.
Qualità del report tecnico — chiarezza espositiva, struttura logica, correttezza del linguaggio tecnico in lingua inglese, completezza della documentazione metodologica.
Qualità della presentazione orale — efficacia comunicativa, capacità di sintesi, gestione delle domande del docente e dei colleghi.
Contributo individuale — valutato attraverso l'osservazione durante le esercitazioni e la sessione di domande alla presentazione finale.
Esame orale finale — 50% del voto finale
L'esame orale individuale verte sui contenuti teorici e metodologici del corso ed è condotto in lingua inglese. Il colloquio mira a verificare la comprensione dei principi fondamentali del telerilevamento geologico, la conoscenza delle principali tecniche di elaborazione e mappatura spettrale, e la capacità dello studente di ragionare autonomamente su scenari applicativi nuovi, non necessariamente trattati durante le lezioni. La valutazione tiene conto dei seguenti criteri:
Conoscenza e comprensione — padronanza dei concetti teorici, correttezza e precisione delle definizioni, capacità di collegare principi fisici e applicazioni pratiche.
Autonomia di giudizio — capacità di analizzare criticamente un problema esplorativo, di proporre soluzioni metodologiche motivate e di riconoscere i limiti delle tecniche discusse.
Abilità comunicative — chiarezza e proprietà di linguaggio tecnico in lingua inglese, capacità di argomentare in modo strutturato e sintetico.
Scala di valutazione
Il voto finale è espresso in trentesimi (18–30 con eventuale lode). La sufficienza (18/30) è attribuita allo studente che dimostra una conoscenza adeguata dei contenuti fondamentali del corso e una capacità di base di applicare le principali tecniche di elaborazione. I voti più elevati (27–30 con lode) sono riservati agli studenti che dimostrano padronanza approfondita dei contenuti, spiccata autonomia di giudizio, capacità critica nella discussione della letteratura e ottima padronanza del linguaggio tecnico in inglese.
Progetto di gruppo — 50% del voto finale
Durante la fase conclusiva del corso, ciascun gruppo consegna un report tecnico scritto e sostiene una presentazione orale della durata di circa 20 minuti, seguita da una sessione di domande e discussione. Il progetto è valutato secondo i seguenti criteri:
Correttezza e completezza del flusso di elaborazione — adeguatezza delle scelte metodologiche rispetto all'obiettivo esplorativo assegnato, correttezza delle procedure di pre-processing e processing, qualità cartografica dei prodotti finali.
Capacità di analisi e giudizio critico — consapevolezza dei limiti del dataset utilizzato, discussione delle incertezze nei risultati, confronto critico con la letteratura di riferimento.
Qualità del report tecnico — chiarezza espositiva, struttura logica, correttezza del linguaggio tecnico in lingua inglese, completezza della documentazione metodologica.
Qualità della presentazione orale — efficacia comunicativa, capacità di sintesi, gestione delle domande del docente e dei colleghi.
Contributo individuale — valutato attraverso l'osservazione durante le esercitazioni e la sessione di domande alla presentazione finale.
Esame orale finale — 50% del voto finale
L'esame orale individuale verte sui contenuti teorici e metodologici del corso ed è condotto in lingua inglese. Il colloquio mira a verificare la comprensione dei principi fondamentali del telerilevamento geologico, la conoscenza delle principali tecniche di elaborazione e mappatura spettrale, e la capacità dello studente di ragionare autonomamente su scenari applicativi nuovi, non necessariamente trattati durante le lezioni. La valutazione tiene conto dei seguenti criteri:
Conoscenza e comprensione — padronanza dei concetti teorici, correttezza e precisione delle definizioni, capacità di collegare principi fisici e applicazioni pratiche.
Autonomia di giudizio — capacità di analizzare criticamente un problema esplorativo, di proporre soluzioni metodologiche motivate e di riconoscere i limiti delle tecniche discusse.
Abilità comunicative — chiarezza e proprietà di linguaggio tecnico in lingua inglese, capacità di argomentare in modo strutturato e sintetico.
Scala di valutazione
Il voto finale è espresso in trentesimi (18–30 con eventuale lode). La sufficienza (18/30) è attribuita allo studente che dimostra una conoscenza adeguata dei contenuti fondamentali del corso e una capacità di base di applicare le principali tecniche di elaborazione. I voti più elevati (27–30 con lode) sono riservati agli studenti che dimostrano padronanza approfondita dei contenuti, spiccata autonomia di giudizio, capacità critica nella discussione della letteratura e ottima padronanza del linguaggio tecnico in inglese.
Testi
Telerilevamento — principi e metodiLillesand, T.M., Kiefer, R.W., Chipman, J.W. (2015). Remote Sensing and Image Interpretation. 7th edition. John Wiley & Sons, New York.
(testo introduttivo di riferimento; tratta i principi fisici, le piattaforme e i metodi di interpretazione delle immagini)Jensen, J.R. (2015). Introductory Digital Image Processing: A Remote Sensing Perspective. 4th edition. Pearson, New York.
(trattazione approfondita delle tecniche di processing digitale delle immagini)Richards, J.A. (2013). Remote Sensing Digital Image Analysis: An Introduction. 5th edition. Springer, Berlin.
(metodi quantitativi per la classificazione e l'analisi di immagini telerilevate)Telerilevamento applicato alla geologiaGupta, R.P. (2018). Remote Sensing Geology. 3rd edition. Springer, Berlin.
(testo di riferimento specifico per le applicazioni geologiche del telerilevamento; copre litologia, strutture, risorse minerarie e monitoraggio ambientale)Sabins, F.F. & Ellis, J.M. (2020). Remote Sensing: Principles, Interpretation and Applications. 4th edition. Waveland Press, Long Grove.
(classico del telerilevamento geologico, con ampia trattazione delle applicazioni minerarie)Telerilevamento iperspettraleVan der Meer, F.D., de Jong, S.M. (eds.) (2001). Imaging Spectrometry: Basic Principles and Prospective Applications. Springer, Dordrecht.
(riferimento fondamentale per i principi e le applicazioni dell'imaging iperspettrale in geologia)Thenkabail, P.S. (ed.) (2016). Remotely Sensed Data Characterization, Classification, and Accuracies. CRC Press, Boca Raton.
(metodi avanzati di classificazione e analisi di dati iperspettrali)SAR e interferometriaWoodhouse, I.H. (2006). Introduction to Microwave Remote Sensing. CRC Press, Boca Raton.
(principi del telerilevamento a microonde e applicazioni SAR)Hanssen, R.F. (2001). Radar Interferometry: Data Interpretation and Error Analysis. Springer, Dordrecht.
(trattazione sistematica dell'interferometria SAR e delle sue applicazioni al monitoraggio del territorio)
più articolo scientifici chiave forniti dal docente
(testo introduttivo di riferimento; tratta i principi fisici, le piattaforme e i metodi di interpretazione delle immagini)Jensen, J.R. (2015). Introductory Digital Image Processing: A Remote Sensing Perspective. 4th edition. Pearson, New York.
(trattazione approfondita delle tecniche di processing digitale delle immagini)Richards, J.A. (2013). Remote Sensing Digital Image Analysis: An Introduction. 5th edition. Springer, Berlin.
(metodi quantitativi per la classificazione e l'analisi di immagini telerilevate)Telerilevamento applicato alla geologiaGupta, R.P. (2018). Remote Sensing Geology. 3rd edition. Springer, Berlin.
(testo di riferimento specifico per le applicazioni geologiche del telerilevamento; copre litologia, strutture, risorse minerarie e monitoraggio ambientale)Sabins, F.F. & Ellis, J.M. (2020). Remote Sensing: Principles, Interpretation and Applications. 4th edition. Waveland Press, Long Grove.
(classico del telerilevamento geologico, con ampia trattazione delle applicazioni minerarie)Telerilevamento iperspettraleVan der Meer, F.D., de Jong, S.M. (eds.) (2001). Imaging Spectrometry: Basic Principles and Prospective Applications. Springer, Dordrecht.
(riferimento fondamentale per i principi e le applicazioni dell'imaging iperspettrale in geologia)Thenkabail, P.S. (ed.) (2016). Remotely Sensed Data Characterization, Classification, and Accuracies. CRC Press, Boca Raton.
(metodi avanzati di classificazione e analisi di dati iperspettrali)SAR e interferometriaWoodhouse, I.H. (2006). Introduction to Microwave Remote Sensing. CRC Press, Boca Raton.
(principi del telerilevamento a microonde e applicazioni SAR)Hanssen, R.F. (2001). Radar Interferometry: Data Interpretation and Error Analysis. Springer, Dordrecht.
(trattazione sistematica dell'interferometria SAR e delle sue applicazioni al monitoraggio del territorio)
più articolo scientifici chiave forniti dal docente
Contenuti
Il corso è organizzato in cinque moduli tematici, con una progressione dai principi fondamentali alle applicazioni avanzate nell'esplorazione mineraria.
Modulo 1 — Fondamenti di telerilevamento per applicazioni geologiche
(circa 8 ore)
Principi fisici della radiazione elettromagnetica e della sua interazione con la materia. Lo spettro elettromagnetico e le sue suddivisioni rilevanti in geologia. Riflettanza, emittanza e assorbimento spettrale: fattori determinanti e comportamento dei minerali costituenti le rocce. Librerie spettrali (USGS, ASTER, ECOSTRESS) e loro utilizzo come riferimento per l'interpretazione delle immagini. Panoramica delle piattaforme di telerilevamento: sistemi satellitari, aerei e UAV. Tipologie di sensore e loro rilevanza geologica: multispettrale, iperspettrale, infrarosso termico, SAR e LiDAR. Risoluzione spaziale, spettrale, temporale e radiometrica: definizioni, compromessi e implicazioni per la mappatura mineralogica. Geometria di acquisizione e angoli di osservazione. Metodi di calibrazione radiometrica e correzione atmosferica (FLAASH, QUAC, Sen2Cor).
Modulo 2 — Telerilevamento ottico per la mappatura mineralogica e litologica
(circa 10 ore)
Firme spettrali dei principali gruppi mineralogici: ossidi di ferro, minerali argillosi, carbonati, solfati, solfuri e silicati. Caratteristiche spettrali diagnostiche delle zone di alterazione idrotermale (argillica, propilitica, fillica, potassica). Rapporti di banda e indici spettrali per la discriminazione litologica e la mappatura delle alterazioni. Analisi in Componenti Principali (PCA) e trasformata Minimum Noise Fraction (MNF) per l'estrazione di informazioni. Smiscelazione spettrale e analisi sub-pixel. Classificazione supervisionata e non supervisionata: Maximum Likelihood, Support Vector Machines (SVM), Random Forest, k-means, ISODATA. Algoritmi di mappatura spettrale: Spectral Angle Mapper (SAM), Spectral Feature Fitting (SFF), Mixture Tuned Matched Filtering (MTMF). Elaborazione di dati iperspettrali: dataset AVIRIS, HyMap, PRISMA, EnMAP. Sessioni pratiche con software ENVI e QGIS su dataset reali di distretti minerari.
Modulo 3 — SAR e LiDAR per la geologia strutturale e il monitoraggio minerario
(circa 8 ore)
Principi del Synthetic Aperture Radar (SAR): retrodiffusione, polarimetria e applicazioni geologiche. Mappatura strutturale da immagini SAR: estrazione di lineamenti, faglie e assi di piega. Decomposizione polarimetrica SAR per la caratterizzazione litologica e del terreno. Principi dell'interferometria SAR (InSAR) e dell'interferometria differenziale (DInSAR). Monitoraggio della deformazione del suolo e della subsidenza in aree minerarie attive e abbandonate. Analisi di serie temporali InSAR (SBAS, PSInSAR) per il monitoraggio degli spostamenti nel lungo periodo. Principi del LiDAR e prodotti derivati: nuvole di punti, Modelli Digitali di Elevazione (DEM), Modelli Digitali del Terreno (DTM). Applicazioni del LiDAR nella mappatura strutturale, nel monitoraggio di cave e nella caratterizzazione dei bacini di sterili. Integrazione di dati SAR e LiDAR con dati ottici per un'interpretazione geologica approfondita. Sessioni pratiche con SNAP e StaMPS su dataset Sentinel-1.
Modulo 4 — Monitoraggio ambientale delle aree minerarie
(circa 6 ore)
Telerilevamento per la valutazione dell'impatto ambientale nei distretti minerari. Rilevamento e mappatura del drenaggio acido di miniera (Acid Mine Drainage – AMD) mediante indici spettrali e dati iperspettrali. Mappatura della contaminazione da metalli pesanti e dello stress vegetazionale associato (analisi del red-edge, indici di clorofilla). Analisi multitemporale dei cambiamenti della copertura del suolo in aree minerarie attive e post-estrattive. Monitoraggio delle discariche di sterili: valutazione della stabilità e rilevamento di percolati. Monitoraggio di polveri e materiale particolato tramite il recupero della profondità ottica degli aerosol. Casi di studio da regioni minerarie attive (es. Cintura Pirítica Iberica, Atacama, Africa Centrale). Utilizzo di Google Earth Engine per analisi ambientali su larga scala e serie temporali.
Modulo 5 — Mappatura della favorevolezza mineraria e tecnologie emergenti
(circa 8 ore)
Integrazione di dati telerilevati multi-sorgente in ambiente GIS per l'analisi della favorevolezza mineraria. Modelli concettuali di sistemi minerari e loro traduzione in layer predittivi derivati da telerilevamento. Metodi di Weights-of-Evidence, Fuzzy Logic e index overlay per la produzione di carte di favorevolezza. Introduzione al machine learning per il telerilevamento in esplorazione mineraria: Reti Neurali Convoluzionali (CNN), transfer learning e approcci auto-supervisionati per la classificazione spettrale. Intelligenza artificiale per la fusione di dati multi-layer e la generazione di target esplorativi. Dati open-access e piattaforme cloud per l'esplorazione mineraria: Google Earth Engine, Copernicus, NASA Earthdata. Panoramica sulle missioni satellitari iperspettrali attuali e future (EnMAP, CHIME, SBG). Valutazione critica di casi di studio pubblicati in letteratura: metodologia, riproducibilità e trasferibilità. Workshop finale: gli studenti presentano e discutono un progetto di mappatura della favorevolezza su un distretto minerario assegnato.
Sessioni di laboratorio ed esercitazioni pratiche
Le attività pratiche sono integrate lungo tutto il corso e rappresentano circa il 40% delle ore di didattica totali. Gli studenti lavoreranno su dataset reali provenienti da distretti minerari documentati, seguendo un percorso che va dall'acquisizione dei dati grezzi alla produzione di carte interpretative e report tecnici. Gli ambienti software utilizzati comprendono ENVI, SNAP, QGIS, Google Earth Engine e Python (con librerie: rasterio, spectral, sklearn, numpy). Il progetto finale di gruppo richiede agli studenti di progettare ed eseguire un flusso di lavoro esplorativo basato sul telerilevamento su un'area di interesse assegnata, con risultati presentati in un report tecnico strutturato e una presentazione orale.
Modulo 1 — Fondamenti di telerilevamento per applicazioni geologiche
(circa 8 ore)
Principi fisici della radiazione elettromagnetica e della sua interazione con la materia. Lo spettro elettromagnetico e le sue suddivisioni rilevanti in geologia. Riflettanza, emittanza e assorbimento spettrale: fattori determinanti e comportamento dei minerali costituenti le rocce. Librerie spettrali (USGS, ASTER, ECOSTRESS) e loro utilizzo come riferimento per l'interpretazione delle immagini. Panoramica delle piattaforme di telerilevamento: sistemi satellitari, aerei e UAV. Tipologie di sensore e loro rilevanza geologica: multispettrale, iperspettrale, infrarosso termico, SAR e LiDAR. Risoluzione spaziale, spettrale, temporale e radiometrica: definizioni, compromessi e implicazioni per la mappatura mineralogica. Geometria di acquisizione e angoli di osservazione. Metodi di calibrazione radiometrica e correzione atmosferica (FLAASH, QUAC, Sen2Cor).
Modulo 2 — Telerilevamento ottico per la mappatura mineralogica e litologica
(circa 10 ore)
Firme spettrali dei principali gruppi mineralogici: ossidi di ferro, minerali argillosi, carbonati, solfati, solfuri e silicati. Caratteristiche spettrali diagnostiche delle zone di alterazione idrotermale (argillica, propilitica, fillica, potassica). Rapporti di banda e indici spettrali per la discriminazione litologica e la mappatura delle alterazioni. Analisi in Componenti Principali (PCA) e trasformata Minimum Noise Fraction (MNF) per l'estrazione di informazioni. Smiscelazione spettrale e analisi sub-pixel. Classificazione supervisionata e non supervisionata: Maximum Likelihood, Support Vector Machines (SVM), Random Forest, k-means, ISODATA. Algoritmi di mappatura spettrale: Spectral Angle Mapper (SAM), Spectral Feature Fitting (SFF), Mixture Tuned Matched Filtering (MTMF). Elaborazione di dati iperspettrali: dataset AVIRIS, HyMap, PRISMA, EnMAP. Sessioni pratiche con software ENVI e QGIS su dataset reali di distretti minerari.
Modulo 3 — SAR e LiDAR per la geologia strutturale e il monitoraggio minerario
(circa 8 ore)
Principi del Synthetic Aperture Radar (SAR): retrodiffusione, polarimetria e applicazioni geologiche. Mappatura strutturale da immagini SAR: estrazione di lineamenti, faglie e assi di piega. Decomposizione polarimetrica SAR per la caratterizzazione litologica e del terreno. Principi dell'interferometria SAR (InSAR) e dell'interferometria differenziale (DInSAR). Monitoraggio della deformazione del suolo e della subsidenza in aree minerarie attive e abbandonate. Analisi di serie temporali InSAR (SBAS, PSInSAR) per il monitoraggio degli spostamenti nel lungo periodo. Principi del LiDAR e prodotti derivati: nuvole di punti, Modelli Digitali di Elevazione (DEM), Modelli Digitali del Terreno (DTM). Applicazioni del LiDAR nella mappatura strutturale, nel monitoraggio di cave e nella caratterizzazione dei bacini di sterili. Integrazione di dati SAR e LiDAR con dati ottici per un'interpretazione geologica approfondita. Sessioni pratiche con SNAP e StaMPS su dataset Sentinel-1.
Modulo 4 — Monitoraggio ambientale delle aree minerarie
(circa 6 ore)
Telerilevamento per la valutazione dell'impatto ambientale nei distretti minerari. Rilevamento e mappatura del drenaggio acido di miniera (Acid Mine Drainage – AMD) mediante indici spettrali e dati iperspettrali. Mappatura della contaminazione da metalli pesanti e dello stress vegetazionale associato (analisi del red-edge, indici di clorofilla). Analisi multitemporale dei cambiamenti della copertura del suolo in aree minerarie attive e post-estrattive. Monitoraggio delle discariche di sterili: valutazione della stabilità e rilevamento di percolati. Monitoraggio di polveri e materiale particolato tramite il recupero della profondità ottica degli aerosol. Casi di studio da regioni minerarie attive (es. Cintura Pirítica Iberica, Atacama, Africa Centrale). Utilizzo di Google Earth Engine per analisi ambientali su larga scala e serie temporali.
Modulo 5 — Mappatura della favorevolezza mineraria e tecnologie emergenti
(circa 8 ore)
Integrazione di dati telerilevati multi-sorgente in ambiente GIS per l'analisi della favorevolezza mineraria. Modelli concettuali di sistemi minerari e loro traduzione in layer predittivi derivati da telerilevamento. Metodi di Weights-of-Evidence, Fuzzy Logic e index overlay per la produzione di carte di favorevolezza. Introduzione al machine learning per il telerilevamento in esplorazione mineraria: Reti Neurali Convoluzionali (CNN), transfer learning e approcci auto-supervisionati per la classificazione spettrale. Intelligenza artificiale per la fusione di dati multi-layer e la generazione di target esplorativi. Dati open-access e piattaforme cloud per l'esplorazione mineraria: Google Earth Engine, Copernicus, NASA Earthdata. Panoramica sulle missioni satellitari iperspettrali attuali e future (EnMAP, CHIME, SBG). Valutazione critica di casi di studio pubblicati in letteratura: metodologia, riproducibilità e trasferibilità. Workshop finale: gli studenti presentano e discutono un progetto di mappatura della favorevolezza su un distretto minerario assegnato.
Sessioni di laboratorio ed esercitazioni pratiche
Le attività pratiche sono integrate lungo tutto il corso e rappresentano circa il 40% delle ore di didattica totali. Gli studenti lavoreranno su dataset reali provenienti da distretti minerari documentati, seguendo un percorso che va dall'acquisizione dei dati grezzi alla produzione di carte interpretative e report tecnici. Gli ambienti software utilizzati comprendono ENVI, SNAP, QGIS, Google Earth Engine e Python (con librerie: rasterio, spectral, sklearn, numpy). Il progetto finale di gruppo richiede agli studenti di progettare ed eseguire un flusso di lavoro esplorativo basato sul telerilevamento su un'area di interesse assegnata, con risultati presentati in un report tecnico strutturato e una presentazione orale.
Lingua Insegnamento
INGLESE
Corsi
Corsi
GEOSCIENZE PER LO SVILUPPO SOSTENIBILE
Laurea Magistrale
2 anni
No Results Found