Regione Valle d’Aosta

REGIONE VALLE D’AOSTA UN SERVIZIO GEOSPAZIALE PER LA PIANIFI AZIONE TERRITORIALE IN VALLE D’AOSTA

Contributo a cura di Tommaso Orusa, Duke Cammareri, Paolo Mongino, Davide Freppaz (IN.VA spa - Area Sistemi Informativi Geografici e Territoriali), Pierre Vuillermoz, Chantal Trèves (RAVA - Struttura Pianificazione territoriale, Dipartimento programmazione, risorse idriche e territorio dell’Assessorato finanze, innovazione, opere pubbliche e territorio della Regione autonoma Valle d’Aosta) Introduzione Nel corso dell’ultimo decennio la Regione autonoma Valle d’Aosta ha sviluppato il Sistema delle Conoscenze Territoriali, quale strumento aggregatore di dati e informazioni finalizzato a supportare i diversi livelli dell’Amministrazione nella pianificazione e monitoraggio del territorio regionale. In tale contesto e in virtù delle esigenze palesate da diversi portatori di interesse sia a livello locale sia nazionale ed europeo e dei limiti dei prodotti CORINE Land Cover (CLC) ed HRL a livello locale, la Regione autonoma Valle d’Aosta tramite la società di servizi partecipata IN.VA. S.p.A ha deciso di realizzare una prima mappa di copertura del suolo con GSD a 10 m che tenga conto delle specificità territoriali e che apra la strada ad un possibile servizio di mappatura annuale a scala regionale. La proposta metodologica è stata condivisa con ISPRA nell’ambito della collaborazione tra enti relativa alla rete degli osservatori regionali sul consumo di suolo e ha permesso di mettere a punto una legenda che consente di dare maggiore evidenza del contesto montano locale e al tempo stesso assicura l’allineamento con quanto richiesto a livello europeo nell’ambito di EAGLE. La carta di copertura del suolo ottenuta è stata poi raffinata con dati Planetscope di Planet e banche dati regionali aggiornate a livello locale all’anno di riferimento della mappatura (il 2020); è stata inoltre calcolata la matrice di confusione definendo accuratezze ed errori. Sul Geoportale della Regione autonoma Valle d’Aosta è possibile reperire tutte le informazioni relative alla Land Cover VdA e la matrice di confusione della cartografia ottenuta. A tal proposito si rimanda al Geoportale Valle d’Aosta96 . La carta regionale di copertura del suolo, elaborata a partire da immagini satellitari con una restituzione ad una scala sufficientemente dettagliata per consentire valutazioni utili per l’analisi territoriale delle politiche regionali, consentirà di aggiornare lo strato informativo per l’insieme della Valle d’Aosta con una periodicità annuale o, nei casi richiesti, con frequenza anche maggiore. A seguito della carta della copertura del suolo è intenzione dell’amministrazione regionale dare avvio al progetto riguardante gli usi del suolo, secondo i criteri indicati da EAGLE, che sarà composto da un sistema di banche dati a cui si collegherà una adeguata cartografia tematica. Di seguito è descritto sinteticamente il percorso metodologico seguito per realizzare la Carta di copertura del suolo della Valle d’Aosta e una possibile applicazione delle sue potenzialità conoscitive nell’ambito della pianificazione territoriale della Regione autonoma. In particolare, è stato condotto un caso studio nel comune pilota di Saint-Christophe con l’intento di verificare l’interesse nell’attivazione locale di servizi di mappatura delle componenti del territorio da Earth Observation data e banche dati GIS periodicamente aggiornate applicati alla valutazione delle dinamiche di occupazione di suolo ancora libero nelle zone territoriali edificabili dei piani urbanistici comunali (PRG). Carta di copertura del suolo Valle d’Aosta. Materiali e metodi Ai fini della realizzazione della nuova Land Cover Valle d’Aosta e di una sua traduzione applicativa in ambito pianificatorio per la valutazione del consumo di suolo relativamente ad alcune aree del piano regolatore sono state utilizzate le seguenti fonti informative: - EO data Sentinel-1 SAR. I dati radar sono stati ottenuti dall’Alaskan Facility Center (ASF) in formato SLC calibrati in ESA SNAP vers.8.0.0 e processati in Google Earth Engine (GEE) (Gorelick et al. 2017). - EO data Sentinel-2A. Il satellite acquisisce dati ottici multispettrali con una risoluzione spaziale tra i 10-

96 Geoportale Regione Autonoma Valle d’Aosta: https://geoportale.regione.vda.it/download/carta-copertura-suolo/

60 m in funzione della banda considerata. La risoluzione temporale è di 10 giorni. I dati ottici multispettrali sono stati ottenuti e processati con uno script del GEO4Agri DISAFA Lab in Google Earth Engine (GEE) facendo riferimento alla collection

COPERNICUS/S2_SR. Si è utilizzato per ogni anno il valore mediano della riflettanza di ciascuna banda nel periodo di tempo ricadente tra il 1° maggio 2020 e il 30 settembre 2020. Le bande non native a 10 m sono state ricampionate bilinearmente. - EO data Planetscope nell’ambito del programma spaziale privato Planet di Google con i suoi. Il satellite acquisisce dati ottici multispettrali a cadenza giornaliera in 3-4 bande con risoluzione geometrica introno ai 3 m con vari livelli. Si sono adottate immagini geo-riferite e calibrati atmosfericamente in riflettanza al suolo per raffinare la classificazione ottenuta e per la verifica foto-interpretativa tra aree della

LC e del PRGC. - Digital Terrain Model (DTM) della Regione autonoma Valle d’Aosta con passo 10 metri acquisito con volo e sensori lidar nel 2008 (ricampionato a partire dal prodotto nativo avente GSD di 2 m). - Training set: i poligoni per addestrare il classificatore sono stati definiti tramite segmentazione per oggetti a cui è seguita analisi delle firme spettrali e foto-interpretazione dell’immagine e campagna di raccolta in campo con GNSS tramite l’applicativo per cellulare Lemon GPS sviluppato da GeneGIS e/o Garmin 64S. Ai fini di una corretta ed adeguata rappresentatività e numerosità campionaria per ciascuna classe costituente la legenda desiderata, è stata dapprima condotta una classificazione automatica K-means a 15 classi e quindi, sulla base del metodo di Richards (Richards e Richards 1999), è stato definito il numero minimo di regioni di interesse - ROI (espressa come area e numero di pixel minimi) da definire. - Validation set: poligoni per validare la classificazione sono stati ottenuti sia tramite foto-interpretazione sia in campo. Oltre ad una validazione con essi sono state utilizzate anche carte tematiche relativamente recenti per verificare e raffinare, là dove necessario, la cartografia finale. In particolare, si è utilizzato una immagine composita mediana Planet con GSD 3m per il periodo maggio settembre 2020 senza nuvole ed ombre in GEE. - Banche dati geografiche aggiornate della Regione autonoma Valle d’Aosta quali: catasto e deep-learning edificato e PRGC per l’anno di riferimento. Il processamento è stato effettuato in vari software opensource SAGA GIS v.8.0.0 (Conrad et al. 2015), QGIS vers.3.16.4 (QGIS Development Team e others 2018) ed Orfeo Toolbox vers. 7.0.0 (Grizonnet et al. 2017) e RStudio vers. 1.4.1106 anche ESRI ArcGIS Map e Pro vers.7.2.1 (Inglada e Christophe 2009). Ai fini di una comprensione di maggior dettaglio, si rimanda alla flowchart della Figura 228. In merito alla metodologia, è stato adottato un approccio gerarchico nella classificazione delle componenti di copertura. Ad una prima classificazione, supervisionata individuando come algoritmo ottimale per la realtà alpina valdostana il K-Nearest Neighbour applicato a tutte le bande ed alcuni indici spettrali derivati solo da Sentinel2, è seguita una classificazione supervisionata sempre sulla componente ottica adottando il Minimum Distance sulle colture legnose (vigneti e frutteti per la più parte) e il calcolo dell’entropia sul NDVI (Haralick, Shanmugam, e Dinstein 1973). Nel caso delle colture è stato adottato un criterio colturale creando stack regolarizzati di NDVI e NDRE a 10 giorni (Chen et al. 2004; Schafer 2011; Jorge, Vallbé, e Soler 2019), tenendo conto della loro entropia nel tempo (si rimanda alla Figura 228).

Figura 228. Flowchart operativo della metodologia proposta come potenziale servizio applicativo

Tramite immagini SAR dal Sentinel-1, analizzando le coerenze attraverso l’interferometria, è stata classificata in modo supervisionato tramite Maximum Likelihood la sola componente urbana assumendo assenza di variazione per tale componente nell’anno di riferimento. Il radar è stato utilizzato anche per validare in modo speditivo la classificazione tramite le immagini composite mediane derivate da Sentinel-2 relativamente ai corpi d’acqua. Le maschere di maggior dettaglio sono state utilizzate per integrare le informazioni ottenute nella prima classificazione attraverso una mosaicatura con priorità alla componete urbanizzata seguita da quella colturale e delle restanti classi. Al fine di raffinare la componente urbana sparsa (es. alpeggi) e le colture rimanendo pur sempre all’interno della capacità mappabile con dati Sentinel (GSD a 10 m), un affinamento è stato condotto a partire da banche dati GIS aggiornate e un deep learning è stato eseguito sia sulla vecchia ortofoto 2018 sia su immagine Planetscope composita riferita al 2020. Infine, la matrice di confusione è stata calcolata per la definizione delle accuratezze ed errori. Va detto che durante le diverse fasi operative del seguente flusso di lavoro più matrici sono state computate sia per definire e valutare la migliore tecnica ed algoritmo di machine learning sia per saggiare la qualità del prodotto cartografico ottenuto rimanendo adesi ad un’accuratezza complessiva idonea a prodotti ufficiali ed europei pari ad OA di almeno 0.8 (Büttner 2014). Analisi e Risultati La Figura 229, la Figura 230 e la Figura 231 riportano la Land Cover ottenuta e la relativa matrice di confusione.

Figura 229. Nuova carta di copertura del suolo della Valle d’Aosta

Figura 230. Focus della Land Cover sul Comune di Saint-Christophe della nuova carta di copertura del suolo della Valle d’Aosta

Figura 231. Matrice di confusione Al fine di effettuare un’ulteriore verifica formale, la Land Cover generata è stata sottoposta a statistiche zonali (Tabella 144) relativamente alla superficie in metri quadrati per ciascuna classe a livello sia di intera regione sia di singolo comune, ossia per i 74 comuni presenti sul territorio valdostano.

Tabella 144. Statistiche sulla distribuzione delle classi della Land Cover sul territorio valdostano

ID Descrizione

1 Aree urbanizzate e antropiche 2 Colture legnose 3 Prato-pascoli 4 Foreste di latifoglie 5 Foreste di conifere 6 Foreste miste e brughiere 7 Praterie naturali e pascoli alpini 8 Cespuglieti e boschi di transizione 9 Roccia affiorante 10 Vegetazione erbacea sparsa di alta quota 11 Ghiacciai e nevai 12 Zone umide alpine 13 Corsi d'acqua 14 Corpi d'acqua 15 Vegetazione erbacea discontinua di media e bassa quota

Totale Superficie in percentuale (%)

1,90 0,32 2,85 7,17 18,81 2,64 20,66 0,74 27,05 9,00 5,84 0,35 0,14 0,27 2,24

100,00

Monitoraggio del consumo di suolo nelle zone del piano regolatore attraverso un utilizzo combinato tra Land cover e banche dati GIS aggiornate La Struttura organizzativa pianificazione territoriale della Regione autonoma Valle d’Aosta ha tra le sue competenze quelle di supportare i comuni per l’attuazione della normativa regionale urbanistica e di pianificazione territoriale, la l.r. 11/1998, nonché di svolgere attività di indirizzo, supporto e consulenza per l’applicazione del Piano territoriale e paesistico regionale (PTP) e la predisposizione e gestione degli strumenti urbanistici comunali. A tal fine attua un monitoraggio sull’evoluzione della pianificazione urbanistica e sullo stato di attuazione dei piani regolatori comunali (PRG). Dal 2015, inoltre, l’amministrazione regionale, nell’ambito del Sistema delle conoscenze territoriali (SCT), fornisce ai comuni un servizio on line denominato IN.COMUNE a supporto delle attività degli uffici tecnici.

Il modulo del servizio denominato IN.PRG ha lo scopo di supportare la gestione e la manutenzione del piano regolatore comunale. L’applicativo gestisce in particolare le informazioni utili per verificare la possibilità di attivare varianti urbanistiche, date le condizioni iniziali del piano in vigore e secondo parametri stabiliti dalla normativa di riferimento, parametri che definiscono soglie quantitative per individuare le principali tipologie di variante al PRG (dalla variante sostanziale generale alla variante sostanziale parziale, fino alle varianti non sostanziali). Nel modulo IN.PRG è a tale scopo presente un’apposita funzionalità che consente il monitoraggio delle superfici di suolo pianificato attraverso l’indicazione degli ampliamenti e delle riduzioni per tipologia di zona territoriale, determinati per confronto tra la zonizzazione d'impianto del PRG vigente e quella aggiornata dello stesso strato presente nel Sistema delle Conoscenze Territoriali (SCT), riportando la quantificazione delle variazioni di zona intervenute nel frattempo a seguito delle varianti effettuate. In Figura 232 è riportato lo scenario di Ampliamenti - Riduzioni delle superfici per tipologia di zona del PRG del Comune di Saint-Christophe, nei pressi di Aosta, con il quale viene monitorato lo stato dell’arte del piano stesso consentendo l’analisi delle variazioni intervenute nell’azzonamento. Come precedentemente accennato, tale informazione è necessaria qualora il comune voglia predisporre una nuova variante al piano in quanto la norma, di cui all’articolo 14 della l.r. 11/1998, richiede di verificare lo stato di attuazione del piano e di valutare l’entità dell’ampliamento della verifica, allo scopo di definire il procedimento di variante necessario. Infatti, la norma individua soglie diversificate in funzione delle tipologie di zona che variano tra l’1% e il 10% della superficie variata, a seconda dei casi. Inoltre, la stessa consente l’individuazione di aree di completamento e di nuovo impianto che ricadono nella categoria delle varianti sostanziali parziali a condizione che l’edificabilità contemplata nel PRG sia stata attuata almeno per il 70% delle previsioni. Questo percorso permette di rilevare le variazioni di superficie delle zone di PRG, ma non di rilevare le variazioni di copertura del suolo interne alle zone stesse: non consente quindi di rilevare automaticamente il completamento delle aree libere all’interno delle zone edificabili del PRG.

Figura 232. IN.COMUNE – Ampliamenti - Riduzioni

Al fine di definire un quadro complessivo dello stato attuale della pianificazione, è pertanto necessario integrare l’informazione fornita con IN.PRG con quella relativa allo stato di attuazione del piano attraverso il monitoraggio del livello di saturazione delle aree libere potenzialmente destinate ad una nuova edificazione e che quindi in caso di cambio di copertura del suolo in edificato determinano un effettivo consumo dello stesso. L’approccio deve tuttavia scontare una oggettiva limitazione: senza una puntuale indagine documentale, non è possibile verificare con gli strumenti di telerilevamento utilizzati che tutte le aree libere individuate siano effettivamente superfici a disposizione per la nuova edificazione o siano già state vincolate da edificazioni precedentemente realizzate, in relazione all’applicazione degli indici urbanistici, o condizionate da limitazioni derivanti da norme diverse (ad esempio quelle per vincoli idrogeologici o paesaggistici)

e quindi non siano di fatto disponibili. Tuttavia, l’informazione che può essere ricavata da un approccio basato sulla lettura di dati satellitari consente comunque un indubbio vantaggio in termini di conoscenza complessiva e contestuale del territorio e di rapidità di aggiornamento a fronte di costi contenuti. L’obiettivo è stato perseguito attraverso una analisi delle componenti del territorio, partendo dalle classi della Land Cover definite dalla carta ottenuta a scala regionale (e mappabili potenzialmente a cadenza periodica annuale), ha previsto un’intersezione tra questa e le zone territoriali di tipo B e C del PRG, relativamente al Comune di SaintChristophe. In base alla legge urbanistica regionale, le zone di tipo B sono definite come parti di territorio comunale costituite dagli insediamenti residenziali, artigianali, commerciali, turistici ed in genere terziari, diversi dai centri storici, totalmente o parzialmente edificate e infrastrutturate. Le zone di tipo C sono invece le parti del territorio comunale totalmente inedificate o debolmente edificate, da infrastrutturare, destinate alla realizzazione dei nuovi insediamenti. Per valutare le condizioni di saturazione del PRG si è dunque proceduto alla verifica delle variazioni delle aree edificate per le zone di tipo B e C attualizzando il valore delle aree libere per un dato momento di riferimento (2020). Partendo dalle classi della carta di copertura del suolo ricadenti nelle suddette zone di PRG, si è dunque definito quali aree risultano effettivamente libere e non interessate da alcuna forma di edificazione. È opportuno precisare che le zone di tipo B e C nel Comune di Saint-Christophe, ossia l’area di studio, si concentrano all’incirca tra le quote 550 e 800 metri s.l.m., in esposizione a sud. Si è quindi sviluppato un indice per valutare nel tempo la trasformazione del suolo libero in suolo impermeabilizzato con riferimento a questi tipi di zone e in tal modo dar conto del grado di saturazione del PRG rispetto alle previsioni espresse all’atto di approvazione del piano vigente. Sebbene l’analisi permetta di mappare all’interno delle aree oggetto di studio del PRG la distribuzione delle varie classi della Land Cover, l’indice si focalizza sulla sola componente urbanizzata che definisce un consumo di suolo potenzialmente irreversibile. Lo strumento di monitoraggio è stato definito come Indice di saturazione urbana effettiva (ISUE). ISUE = ∑Sϵ ∩ LCurb ∑Sϵ ×100

dove, ISUE = Indice di saturazione urbana effettiva del PRGC (adimensionale) Sϵ = superficie aree del PRG di interesse nel caso di studio rispettivamente le zone di tipo B e C (espressa in metri quadri) LCurb = classe delle Aree Urbanizzate ed Antropiche (espressa in metri quadri) della Land Cover (aggiornabile ogni anno) L’area libera effettiva rispetto alla pianificata (ALE) si ottiene come:

ALE=100−ISUE

dove, ISUE = Indice di saturazione urbana effettiva (adimensionale). In Tabella 145 si riporta quanto ottenuto relativamente al Comune di Saint-Christophe, con in evidenza la percentuale di costruito presente entro il perimetro delle aree B e C come rappresentato all’anno 2020.

Tabella 145. ISUE calcolato sul Comune di Saint-Christophe

Zone di tipo B % ISUE Indice di saturazione urbana effettiva 82 Zone di tipo C % ISUE Indice di saturazione urbana effettiva 66

In 146 si riporta la ripartizione percentuale ricavata sulle aree libere effettive (ALE) per ciascuna classe della Land Cover presente nelle aree B e C del PRG per il Comune di Saint-Christophe.

Tabella 146. Ripartizione delle superfici della Land Cover VdA espresse in percentuale ricadenti nella ALE delle zone B e C del PRGC del Comune di Saint-Christophe

Zona B %

Colture legnose Foreste di conifere 1,56 0,10

Foreste di latifoglie Foreste miste e brughiere Praterie naturali e pascoli alpini

0,93 0,01 0,05 Prato-pascoli 4,27 Veget. erbacea discontinua a media e bassa quota 11,33 Vegetazione erbacea sparsa di alta quota 0,01 ALE 18

Zona C %

Foreste di latifoglie

0,11 Prato-pascoli 10,31 Veget. erbacea discontinua a media e bassa quota 23,63 ALE 34

Conclusioni Il possibile servizio applicativo per il monitoraggio del consumo di suolo nelle zone del piano regolatore comunale attraverso un utilizzo combinato della carta di copertura del suolo con dati GIS aggiornati ha rappresentato un valido strumento a supporto delle ordinarie procedure di monitoraggio del consumo di suolo a livello di pianificazione territoriale. Sebbene i dati Sentinel non permettano un monitoraggio di elementi sparsi ed inferiori a 100 m2, un loro uso combinato con altri dati satellitari ad alta risoluzione come Planet e banche dati aggiornate consente di tracciare in modo accurato per l’intera regione, tenendo conto anche della complessità geomorfologica (tale da rendere il telerilevamento più complesso), il consumo di suolo effettivo nelle aree del piano. Il potenziale servizio è naturalmente scalabile ad altre realtà alpine e regionali a livello nazionale ed europeo permettendo di soddisfare i criteri ad ogni livello, rimanendo pur sempre adesi alla caratterizzazione delle tipicità in ambito locale e alle esigenze di numerosi portatori di interesse. In conclusione, un attento uso combinato di dati satellitari e dati GIS (come, ad esempio, Deep Learning condotti su immagini ad altissima risoluzione a base periodica) può sicuramente rappresentare un importante trasferimento tecnologico e operativo in ambito pianificatorio permettendo attraverso appositi indici di mappare il consumo di suolo effettivo rispetto a quello pianificato come nel caso della Valle d’Aosta. L’applicazione sperimentale della carta della copertura del suolo nella lettura dell’evoluzione dei piani regolatori comunali ha permesso di verificare che questa è un utile supporto per orientare il comune e il pianificatore nell’attuare le politiche urbanistiche locali sebbene non possano essere trascurati i limiti oggettivi del prodotto, che permette la lettura delle condizioni fisiche del contesto ma non può per sua natura prendere in esame il complesso normativo e autorizzativo connesso alla condizione giuridica dell’assetto proprietario e dello status urbanistico/edilizio del terreno non edificato. Ciò non toglie che l’informazione data dall’Indice di saturazione urbana effettiva (ISUE) unita alla quantificazione delle variazioni di superficie di zona fornite da IN.PRG siano un primo importante tassello per la costruzione di un sistema di monitoraggio dell’evoluzione del suolo pianificato alla scala regionale e a quella comunale.