Questo report descrive un metodo statistico per valutare l'urbanizzazione da immagini aeree e satellitari, basato sulla texture dei pixel. L'approccio, originariamente proposto nel 2016, si basa sul calcolo della media e della deviazione standard dei toni di colore all'interno di specifici blocchi di pixel. L'obiettivo è distinguere tra la "texture urbana", caratterizzata da alta variabilità, e la "texture rurale", più omogenea. Il presente documento illustra come un modello di intelligenza artificiale ha analizzato il concetto teorico, ha interpretato l'algoritmo matematico e ha generato uno script Python per automatizzare il processo, dimostrando l'efficacia della collaborazione tra la ricerca scientifica e l'intelligenza artificiale generativa.

Valutazione dell'Urbanizzazione da Immagini Satellitari con Metodi Statistici / Sparavigna, Amelia Carolina. - ELETTRONICO. - (2025). [10.5281/zenodo.17185151]

Valutazione dell'Urbanizzazione da Immagini Satellitari con Metodi Statistici

Amelia Carolina Sparavigna
2025

Abstract

Questo report descrive un metodo statistico per valutare l'urbanizzazione da immagini aeree e satellitari, basato sulla texture dei pixel. L'approccio, originariamente proposto nel 2016, si basa sul calcolo della media e della deviazione standard dei toni di colore all'interno di specifici blocchi di pixel. L'obiettivo è distinguere tra la "texture urbana", caratterizzata da alta variabilità, e la "texture rurale", più omogenea. Il presente documento illustra come un modello di intelligenza artificiale ha analizzato il concetto teorico, ha interpretato l'algoritmo matematico e ha generato uno script Python per automatizzare il processo, dimostrando l'efficacia della collaborazione tra la ricerca scientifica e l'intelligenza artificiale generativa.
2025
Valutazione dell'Urbanizzazione da Immagini Satellitari con Metodi Statistici / Sparavigna, Amelia Carolina. - ELETTRONICO. - (2025). [10.5281/zenodo.17185151]
File in questo prodotto:
File Dimensione Formato  
gemma.pdf

accesso aperto

Tipologia: 1. Preprint / submitted version [pre- review]
Licenza: Creative commons
Dimensione 1.37 MB
Formato Adobe PDF
1.37 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11583/3003271