CODICE 80048 ANNO ACCADEMICO 2024/2025 CFU 6 cfu anno 2 ENERGY ENGINEERING 10170 (LM-30) - SAVONA SETTORE SCIENTIFICO DISCIPLINARE ING-INF/03 LINGUA Inglese SEDE SAVONA PERIODO 2° Semestre MATERIALE DIDATTICO AULAWEB PRESENTAZIONE L'insegnamento introduce i concetti chiave relativi al telerilevamento per osservazione della Terra nel contesto delle applicazioni alle fonti energetiche rinnovabili. Si introducono anche concetti di machine learning nell'ambito di tale applicazioni. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI Introducing the key concepts associated with Earth observation through remote sensing images for renewable energy applications. Providing the students with basic knowledge about remote sensing image acquisition and about mapping, through remote sensing image analysis, bio/geophysical parameters associated with renewable energy sources, including vegetation biomass, wind velocity field over sea water, solar irradiance, and air surface temperature. OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO Dopo il corso, lo studente conoscerà nozioni di base sul telerilevamento mediante sensori ottici, radar e laser e su come operare con i dati da essi forniti per mappare la biomassa vegetale, il campo di velocità del vento sul mare, l'irradianza solare e la temperatura superficiale dell'aria. Lo studente conoscerà anche le metodologie di base di machine learning per classificazione e regressione supervisionate. MODALITA' DIDATTICHE Lezioni frontali ed esercitazioni in laboratorio software. Gli studenti che abbiano certificazioni in corso di validità per Disturbi Specifici dell’Apprendimento (DSA), per disabilità o altri bisogni educativi sono invitati a contattare il docente e il referente per la disabilità della Scuola Politecnica, Prof. Federico Scarpa (federico.scarpa@unige.it), all’inizio dell’insegnamento per concordare eventuali modalità didattiche e di esame che, nel rispetto degli obiettivi dell’insegnamento, tengano conto delle modalità di apprendimento individuali. PROGRAMMA/CONTENUTO Nozioni e terminologia di base su sensori, piattaforme ed orbite spaziali per osservazione della Terra Acquisizione di dati telerilevati mediante sensori passivi, attivi radar ed attivi laser Mappatura della biomassa vegetale mediante analisi di dati telerilevati Elementi di base di machine learning per classificazione e regressione con dati telerilevati Stima del campo di velocità del vento sul mare tramite telerilevamento Stima dell'irradianza solare e della temperatura dell'aria tramite telerilevamento Filtraggio di immagini telerilevate e riduzione di rumore e speckle L'insegnamento contribuisce al raggiungimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda ONU 2030 n. 4, 7, 8 e 13. TESTI/BIBLIOGRAFIA Bishop C., Pattern recognition and machine learning, Springer, 2006 Campbell J. B. and Wynne R. H., Introduction to remote sensing, Guilford Press, 2011 Goodfellow I., Bengio Y., and Courville A., Deep learning, MIT Press, 2016 Hastie T., Tibshirani R., and Friedman J., The elements of statistical learning, Springer, 2008 Long D. and Ulaby F. T., Microwave radar and radiometric remote sensing, Artech House, 2015 Manolakis D. G., Lockwood R. B., and Cooley T. W., Hyperspectral imaging remote sensing, Cambridge University Press, 2016 Moser G., Analisi di immagini telerilevate per osservazione della Terra, ECIG, 2007 Moser G. and Zerubia J. (eds.), Mathematical models for remote sensing image processing, Springer, 2018 Sonka M., Hlavac V., Boyle R., Image processing, analysis, and machine vision, Cengage Learning, 2015 Slide dell'insegnamento fornite agli studenti tramite AulaWeb. DOCENTI E COMMISSIONI GABRIELE MOSER Ricevimento: Su appuntamento. MARTINA PASTORINO Commissione d'esame GABRIELE MOSER (Presidente) SILVANA DELLEPIANE SEBASTIANO SERPICO (Presidente Supplente) LEZIONI INIZIO LEZIONI https://corsi.unige.it/corsi/10170/studenti-orario Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME Esame scritto obbligatorio sui temi dell'insegnamento con massimo voto ammissibile pari a 24/30. Se lo studente ottiene un voto sufficiente in tale esame scritto, può opzionalmente sostenere anche un esame orale aggiuntivo con voto massimo ammissibile pari a 30/30 e lode. Gli studenti che abbiano certificazioni in corso di validità per Disturbi Specifici dell’Apprendimento (DSA), per disabilità o altri bisogni educativi sono invitati a contattare il docente e il referente per la disabilità della Scuola Politecnica, Prof. Federico Scarpa (federico.scarpa@unige.it), per concordare eventuali modalità di esame che, nel rispetto degli obiettivi dell’insegnamento, tengano conto delle modalità di apprendimento individuali. MODALITA' DI ACCERTAMENTO Nell'esame scritto obbligatorio, si valuterà la conoscenza, da parte dello studente, dei concetti principali discussi nell'insegnamento. Nell'esame orale facoltativo, si valuterà la capacità dello studente sia di affrontare semplici problemi di analisi di immagini telerilevate nel contesto di applicazioni energetiche sia di discutere criticamente le relative basi metodologiche. Calendario appelli Data appello Orario Luogo Tipologia Note 23/12/2024 10:00 SAVONA Scritto 10/01/2025 10:00 SAVONA Scritto 24/01/2025 10:00 SAVONA Scritto 12/02/2025 10:00 SAVONA Scritto 13/06/2025 10:00 SAVONA Scritto 23/07/2025 10:00 SAVONA Scritto 10/09/2025 10:00 SAVONA Scritto Agenda 2030 Istruzione di qualità Energia pulita e accessibile Lavoro dignitoso e crescita economica Lotta contro il cambiamento climatico