Condividi
Risorse, tecniche, applicazioni, risultati e potenziale per la speleologia e il carsismo
Un Digital Terrain Model (DTM) derivato da LiDAR aereo rappresenta oggi uno degli strumenti più efficaci per programmare la ricerca speleologica di superficie. Rimuovendo edifici e vegetazione, rende leggibile la microtopografia del terreno e consente di riconoscere, misurare e mettere in priorità indizi geomorfologici anche sotto bosco fitto.
Il suo valore è operativo e probabilistico: trasforma la battuta di zona da ricognizione indifferenziata a verifica sul terreno di una rosa motivata di bersagli. Il rilievo a piedi, la lettura geologica e idrogeologica, la consultazione del catasto e la verifica di accessibilità rimangono indispensabili.
Concetti fondamentali: LiDAR, nuvola di punti, DSM e DTM
LiDAR (Light Detection and Ranging) misura distanze tramite impulsi laser e restituisce una nuvola di punti 3D con coordinate planimetriche ed elevazione. Nelle acquisizioni aviotrasportate, e in parte in quelle da drone, più ritorni dello stesso impulso possono fornire informazioni sia sulla chioma sia sul suolo.
Occorre distinguere con rigore i diversi prodotti:
- Nuvola di punti (LAS/LAZ): misure 3D, classificate o meno; massima flessibilità per controllare classificazione, ritorni e sezioni.
- DSM (modello digitale di superficie): quota di chiome, edifici e suolo; utile per contesto e ostacoli, poco affidabile sotto vegetazione.
- DTM/DEM terreno nudo: stima della sola superficie topografica; prodotto decisivo per morfologie carsiche e ingressi potenziali.
- Hillshade e visualizzazioni derivate: ombreggiature e trasformazioni del DTM; strumenti di interpretazione, non dati indipendenti.
Nell’uso speleologico di superficie è il DTM ground-classified a fare la differenza. Un DSM ottenuto da fotogrammetria UAV può avere ottima risoluzione ma non sostituisce il DTM LiDAR in bosco: la vegetazione può nascondere il terreno o creare false rugosità.
Cosa il DTM può e non può inferire
Il DTM può indicare una forma superficiale coerente con una cavità, un collasso, una frattura o un punto di infiltrazione. Non può stabilire da solo se sotto l’anomalia esista un vuoto, se l’apertura sia penetrabile, occlusa o antropica, né geometria, sviluppo e direzione certa della cavità.
La formulazione corretta in cartografia e in un articolo è dunque: “candidato bersaglio di verifica”, non “nuova grotta individuata dal LiDAR”.
Risorse e dati per la ricerca speleologica con LiDAR e DTM
Dati da acquisire o reperire
- DTM LiDAR regionale/provinciale: normalmente la risorsa più conveniente per aree vaste. Controllare anno e stagione del volo, densità dei punti al suolo, passo raster, accuratezza verticale, sistema di riferimento e licenza d’uso.
- Nuvola LAS/LAZ, quando disponibile: preferibile al solo raster per verificare anomalie, sezioni, classificazione “ground”, densità locale e lacune sotto chioma.
- Ortofoto storiche e attuali: servono a distinguere depressioni naturali da piste forestali, trincee, piazzole, cave, crateri, opere idrauliche e dissesti.
- Geologia strutturale e litologica: carte geologiche, faglie, immersione degli strati, contatti calcare–impermeabile, coperture detritiche.
- Idrologia carsica: impluvi, bacini chiusi, corsi perdenti, sorgenti, colorazioni, piezometria e quote di base locale.
- Catasti, bibliografia, archivi e toponomastica: necessari per evitare la “riscoperta” di cavità note e per interpretare indizi storici.
- DTM da UAV LiDAR: indicato per zone bersaglio, pareti, imbocchi e aree molto boscate o dove il dato regionale è insufficiente. Richiede autorizzazioni di volo, punti di controllo/GNSS e competenza di elaborazione.
Specifiche pratiche
Non esiste una risoluzione universalmente “sufficiente”. Dipende dalle dimensioni della forma, dal bosco, dalla pendenza, dal suolo e dall’obiettivo. Per doline e morfologie diffuse, DTMs a 1–2,5 m possono essere molto efficaci; per piccoli pozzi, fessure, ingressi in parete o manufatti, diventa preziosa una nuvola densa e l’ispezione diretta del point cloud.
Risoluzione raster nominale e qualità reale non coincidono: un pixel piccolo interpolato da pochi punti ground può produrre dettagli apparenti ma non affidabili. Nei dati comparati sull’Aggtelek Karst, un DTM prodotto da punti ground a bassa densità e raccolti in stagione vegetativa ha richiesto una griglia di 2,5 m; nell’area slovacca, dati più densi hanno permesso un DTM a 1 m.
La lezione operativa è controllare la densità dei punti classificati a terreno, non soltanto il valore dichiarato della griglia.
Software e ambiente di lavoro
- QGIS: gestione raster e vettoriale, hillshade, slope/aspect/curvature, strumenti GRASS e SAGA, georeferenziazione, layout.
- GRASS GIS: particolarmente utile per analisi idrologiche e geomorfometriche (
r.fill.dir, r.watershed, r.geomorphon, map algebra).
- SAGA GIS / WhiteboxTools: ottimi per multi-hillshade, openness, sky-view factor, relative elevation e depression analysis.
- CloudCompare: lettura e sezioni delle nuvole di punti, controllo di anomalie e confronto di scansioni.
- PDAL e LAStools: filtraggio, classificazione, conversione e pipeline riproducibili per LAS/LAZ.
- ArcGIS Pro: validissima alternativa proprietaria, in particolare per hydrology tools, depression analysis e geodatabase.
Una buona pratica è conservare in un progetto riproducibile sia il DTM originale sia i raster derivati, più un registro di parametri: CRS, passo, algoritmi, kernel, soglie, data del dato e versione software.
Tecniche di lettura e analisi del DTM per la speleologia
Preparazione e controllo qualità
- Definire area di interesse e sistema di coordinate metrico.
- Esaminare metadati, omogeneità di copertura, ombre LiDAR, bordi di tile e possibili disallineamenti verticali.
- Confrontare DTM, hillshade e ortofoto in punti noti.
- Se si dispone della nuvola, controllare sezioni trasversali e longitudinali sugli obiettivi selezionati.
- Non applicare filtri o riempimenti irreversibili al raster originale: lavorare sempre su copie derivate.
Visualizzazione: una sola ombreggiatura non basta
L’hillshade tradizionale dipende da azimut e altezza della sorgente luminosa: una dolina allungata o una scarpata può essere quasi invisibile con una luce e molto evidente con un’altra. È perciò raccomandata una lettura comparata con multi-hillshade da almeno 8 direzioni, Local Relief Model (LRM), slope, curvatura di profilo e planimetrica, openness positiva e negativa o sky-view factor, terrain position index (TPI) e deviazione standard della quota, color relief a classi strette, sezioni e profili.
Il LRM è particolarmente adatto alla prospezione di ingressi e microforme perché separa, per una scala scelta, la morfologia locale dalla pendenza generale del versante. La dimensione del kernel va sperimentata: un kernel troppo piccolo enfatizza rumore e microirregolarità; uno troppo grande può cancellare l’oggetto o inglobarlo nel trend del versante.
Estrarre depressioni e doline
La procedura GIS più diffusa parte dal confronto fra DTM e una versione “riempita” delle depressioni:
- smussare prudentemente gli errori minuti del DTM;
- riempire soltanto i sink sotto una soglia verticale definita;
- calcolare direzioni/accumuli di flusso sul DTM condizionato;
- identificare sink residui e relativi bacini;
- riempire ogni depressione fino al punto più basso del suo orlo;
- sottrarre DTM originale (o prefiltrato) al DTM riempito;
- trasformare le celle a profondità positiva in poligoni;
- eliminare oggetti improbabili e calcolare attributi.
La scelta della soglia di profondità è critica. Nel caso dell’Aggtelek Karst, una soglia di 0,5 m fu ottimale per quel DTM LiDAR e 1 m per il DTM da curve interpolate; non è un parametro trasferibile automaticamente ad altre aree. Abbassare la soglia aumenta sensibilità ma anche falsi positivi; alzarla riduce il rumore ma perde forme reali poco profonde.
Per ciascun poligono candidabile registrare almeno: area, perimetro, profondità massima/media, volume, diametro equivalente, rapporto profondità/diametro, circolarità, elongazione, orientazione dell’asse maggiore, pendenza media/massima, quota del fondo e del bordo, distanza da lineamenti, contatti litologici, impluvi, cavitànote e infrastrutture.
La circolarità può essere definita come:
[
C = \frac{4\pi A}{P^2}
]
dove (A) è l’area e (P) il perimetro. Il valore è 1 per un cerchio; diminuisce per forme allungate o dai bordi irregolari. Non è però una “firma genetica” autonoma: va letta insieme a struttura, pendenza e terreno.
Il volume di una depressione può essere stimato sommando, cella per cella, la profondità fra superficie di riempimento e DTM: (V = A_{px}\sum h_{px}). Tale misura è utile per confrontare forme e per analisi evolutive, purché²¹ siano dichiarati metodo e soglia di delimitazione.
Cercare accessi, non solo doline
La ricerca di grotte non coincide con l’inventario di depressioni. I candidati d’accesso più interessanti comprendono pozzi e piccole depressioni a pareti ripide, doline di crollo, inghiottitoi e fondi di bacini chiusi, incisioni cieche e punti di perdita di impluvi, aperture al piede di scarpate calcaree, nicchie e tratti di parete interrotti, fasce di fratturazione, trincee tettoniche e allineamenti di doline, contatti fra litologie permeabili e impermeabili, soprattutto con apporti allogenici, anomalie in prossimitಹ di grotte note.
Per ingressi su parete o in versante ripido, il DTM raster può essere insufficiente: conviene passare alla nuvola di punti, usare modelli locali, profili serrati e un rilevamento terrestre/UAV mirato. I lavori su Belize mostrano che il Local Relief Modeling può indirizzare anche verso ingressi in falesia, fessure e pozzi, non soltanto verso sinkholes.
Workflow speleologico consigliato con LiDAR e DTM
Fase A — Modello concettuale prima del GIS
Delimitare il settore carsificabile; mappare calcari/dolomie, coperture, faglie, stratificazione, valli secche, bacini chiusi, drenaggi allogenici, sorgenti e cavitಹ note. Il LiDAR deve verificare e affinare ipotesi geologiche, non rimpiazzarle.
Fase B — Analisi desktop multiscala
- Scala regionale: densitಹ e allineamenti di doline, reticoli relitti, rapporti tra morfologia e litologia/struttura.
- Scala di versante: LRM, multi-hillshade, curvatura, impluvi e anomalie negative.
- Scala di bersaglio: profili, sezioni della nuvola, ortofoto storiche, catastali e confronto con sentieristica/opere umane.
Attribuire a ogni anomalia un identificativo e un punteggio, ad esempio da 0 a 3, per: morfologia, coerenza litologica, coerenza strutturale, indizio idrologico, distanza da antropizzazione e qualità del dato. Il punteggio non “scopre” grotte: rende trasparente la priorità di verifica.
Fase C — Lista di verifica e uscita sul terreno
Per ogni target preparare waypoint, estratto cartografico, immagini derivate, coordinate, profilo e motivazione. In campo: verificare natura della forma e accessibilità; cercare tracce di assorbimento, aria, umidità, detrito recente, ghiaccio/neve persistente, fauna e materiali antropici; rilevare con GNSS/telefono la posizione reale e fotografare da punti orientati; classificare l’esito: cavitಹ/accesso, morfologia carsica senza accesso, forma antropica, dissesto, artefatto, non verificabile; annotare le ragioni di ogni falso positivo: esse migliorano il modello della successiva campagna.
Fase D — Validazione e retroazione
Confrontare candidati e riscontri, calcolare almeno precisione della lista (veri bersagli / candidati visitati) e tasso di copertura delle forme note nell’area. Tarare soglie e pesi sul proprio contesto geologico. Solo dopo una validazione locale ha senso applicare classificazioni automatiche o machine learning su aree più vaste.
Applicazioni e risultati documentati del LiDAR e DTM nella speleologia
Ambito Cosa consente il LiDAR/DTM Evidenza e lezione Morfometria delle doline Delimitazione, area, profondità, volume, forma e densità. Nell’Aggtelek–Slovak Karst il database LiDAR ha individuato il 25% di doline in più rispetto alle carte topografiche; la densitಹ è trascurabile sui terreni con pendenza generale oltre circa 12%. Estrazione semi-automatica Inventario coerente di depressioni su aree vaste L’algoritmo fill–flow direction–sink–watershed–difference richiede filtri e soglie calibrati; la soglia errata produce falsi positivi o falsi negativi. Ricerca di ingressi Prioritizzazione di sinkholes, pozzi, fessure e rotture di versante In Belize, il LRM ha permesso di individuare candidati anche per ingressi non associati a doline; la verifica pedestre completa resta più accurata, ma il LiDAR è più efficiente rispetto a tempo e risorse. Idrogeologia e tutela Individuazione dei punti di ricarica e delle connessioni superficie–ipogeo Doline e inghiottitoi aiutano a definire zone vulnerabili; mappatura e classificazione supportano pianificazione, protezione delle aree di ricarica e scelta dei punti per test con traccianti. Archeologia degli ipogei Individuazione di aperture, cave, strutture sepolte e contesto morfologico Un DTM LiDAR ad alta risoluzione permette di scandagliare rapidamente aree boscate e cercare accessi a ipogei; è particolarmente utile come strumento di prospezione non invasiva. Sicurezza e georischi Inventario di collassi, subsidenza, scarpate e aree a criticità. È un supporto alla prevenzione, ma non sostituisce indagini geotecniche o geofisiche; le anomalie individuate richiedono verifica.
Un risultato metodologico importante
La maggiore quantità di forme estratte non equivale automaticamente a maggiore verità. Nel confronto moderno Aggtelek–Slovacchia, il LiDAR ha aumentato del 25% il conteggio delle doline rispetto alla topografia, ma una parte della differenza dipende da risoluzione, definizione del bordo e capacità di vedere forme piccole. I dataset devono quindi essere confrontati solo dopo aver armonizzato definizioni, soglie e unità territoriali.
Limiti, errori e precauzioni nell’uso del LiDAR e DTM per la speleologia
Falsi positivi frequenti
- piste forestali, fossi, cunette e drenaggi artificiali;
- cave, carbonaie, trincee, crateri e manufatti militari;
- buche da sradicamento, accumuli di massi e microfrane;
- errori di classificazione ground, lacune sotto vegetazione e artefatti ai bordi delle tile;
- depressioni non carsiche in fondovalle o su litologie non idonee;
- bacini temporanei creati da infrastrutture.
Falsi negativi frequenti
- ingressi troppo piccoli rispetto a pixel e densità dei punti;
- aperture verticali su parete, con scarsa espressione planimetrica;
- cavità coperte da blocchi, suolo, colluvio o vegetazione;
- forme su pendii ripidi, dove interpolazione e filtro ground degradano;
- ingressi privi di evidente firma morfologica esterna.
Regole operative
- Non analizzare mai un solo hillshade.
- Non confondere DTM e DSM.
- Non trattare il
Fill idrologico come verità: nel carsismo le depressioni sono spesso l’oggetto da conservare, non un errore da correggere.
- Non usare soglie prese dalla letteratura senza campione di controllo locale.
- Non pubblicare coordinate sensibili di cavità vulnerabili senza una valutazione di tutela, proprietà e normativa.
- In terreni instabili non avvicinarsi a presunti pozzi o collassi senza valutazione di sicurezza e competenze adeguate.
Potenziale futuro del LiDAR e DTM nella ricerca speleologica
Il potenziale più significativo è l’integrazione, non l’automazione isolata.
- LiDAR nazionale e regionale più accessibile: amplia le possibilità di screening preventivo, aggiornamento dei catasti e pianificazione delle campagne.
- UAV LiDAR e SLAM portatile: colmano il passaggio dalla scala di paesaggio a quella di parete, inghiottitoio e ingresso.
- Analisi multitemporale: confronti fra campagne permettono di seguire crolli, erosione, subsidenza, evoluzione di inghiottitoi e impatti antropici, purché²¹ datum e accuratezze siano compatibili.
- Machine learning spiegabile: può ordinare migliaia di depressioni per somiglianza a esempi validati, ma richiede campioni locali bilanciati, separazione fra addestramento e validazione e controllo umano; non elimina il ground truth.
- Modelli integrati superficie–sottosuolo: unire DTM, rilievi di grotta, strutture, tracciamenti e geofisica è la strada per passare dal “dove cercare” a ipotesi più solide su organizzazione e prosecuzione dei sistemi carsici.
Checklist pronta all’uso per la ricerca speleologica con LiDAR e DTM
Prima del lavoro desktop
- [ ] Recuperati DTM e metadati (anno, risoluzione, accuratezza, CRS, licenza)
- [ ] Recuperate geologia, idrografia, ortofoto, catasto e bibliografia
- [ ] Definiti obiettivi: nuovi ingressi, doline, vulnerabilitಹ, archeologia, rischio
- [ ] Creato geodatabase dei bersagli e degli esiti di verifica
Fonti
- USGS Scientific Investigations Report 2024-5134: Assessment and validation of depressions in digital elevation models — https://pubs.usgs.gov/publication/sir20245134/full
- MDPI Remote Sensing 2022, 14(10), 2416: The Impact of Digital Elevation Model Preprocessing and Detection Methods on Karst Depression Mapping in Densely Forested Dinaric Mountains — https://www.mdpi.com/2072-4292/14/10/2416
- MDPI Remote Sensing 2023, 15(4), 1087: Integration of Remote-Sensing Techniques for the Preventive Conservation of Paleolithic Cave Art in the Karst of the Altamira Cave — https://www.mdpi.com/2072-4292/15/4/1087/pdf
- PLOS ONE 2015, 10(4): e0122070: Using Lidar Data to Analyse Sinkhole Characteristics — https://journals.plos.org/plosone/article/file?id=10.1371/journal.pone.0122070&type=printable
- MDPI GeoHazards 2024, 5(2), 24: Applying SLAM-Based LiDAR and UAS Technologies to Evaluate the Rock Slope Stability of the Grotta Paglicci Paleolithic Site (Italy) — https://www.mdpi.com/2624-795X/5/2/24/pdf
- MDPI Open Geosciences 2023: UAV-based doline mapping in Brazilian karst — https://www.degruyter.com/document/doi/10.1515/geo-2022-0535/html
- MDPI Sustainability 2021, 13(24), 13526: Control of Laser Scanner Trilateration Networks for Accurate Georeferencing of Caves — https://www.mdpi.com/2071-1050/13/24/13526/pdf
- Taylor & Francis Geomatics, Natural Hazards and Risk 2026: Research and application of karst cave detection — https://www.tandfonline.com/doi/full/10.1080/19475705.2026.2688698
- ISPRS Archives 2024: Three-dimensional modelling of artificial caves for geomechanical analysis — https://isprs-archives.copernicus.org/articles/XLVIII-2-2024/401/2024/isprs-archives-XLVIII-2-2024-401-2024.pdf
- Taylor & Francis International Journal of Digital Earth 2019: Efficiency of local minima and GLM techniques in sinkhole extraction — https://www.tandfonline.com/doi/full/10.1080/17538947.2018.1501107
- Hydrology and Earth System Sciences 2016: Geomorphometric analysis of cave ceiling channels mapped with 3-D terrestrial laser scanning — https://www.hydrol-earth-syst-sci.net/20/1827/2016/hess-20-1827-2016.pdf
- University of South Florida Digital Commons: An evaluation of automated GIS tools for delineating karst sinkholes — https://digitalcommons.usf.edu/kip_talks/26/
- Wiley Photogrammetric Record 2022: Terrestrial laser scanning for 3D mapping of an alpine ice cave — https://onlinelibrary.wiley.com/doi/10.1111/phor.12437
- Stephen F. Austin State University ScholarWorks: Sinkhole detection from LiDAR — https://scholarworks.sfasu.edu/cgi/viewcontent.cgi?article=1242&context=etds
- MDPI Remote Sensing 2024: Integrated high-precision real scene 3D modeling of karst cave landscape — https://pmc.ncbi.nlm.nih.gov/articles/PMC11372102/
- University of South Florida KIP Articles: Doline identification from DEMs — https://digitalcommons.usf.edu/cgi/viewcontent.cgi?article=4020&context=kip_articles
- Scintilena 2026: Aria Sotterranea e Vuoti Irraggiungibili — https://www.scintilena.com/aria-sotterranea-e-vuoti-irraggiungibili-il-viaggio-del-vento-nella-montagna-di-santa-croce/01/06/
Lidar
L'articolo La ricerca speleologica di superficie con rilievi LiDAR e DTM proviene da Scintilena.