Il sensore termico di un drone, tipicamente con risoluzione spaziale compresa tra 160×120 px (modelli entry-level) e 640×512 px (piattaforme professionali), determina la capacità di discriminare variazioni di temperatura inferiori a 0,03 °C in condizioni ottimali. Tuttavia, in contesti architettonici complessi, la risoluzione effettiva si riduce con l’aumentare dell’angolo di campo e la distanza dal soggetto. Il campo visivo (FOV) ottimale, calcolato come FOV = 2·arctan(d/2·f), deve essere calibrato in funzione dell’altezza di volo: ad esempio, a 30 m di altezza, un sensore da 320×256 px offre una risoluzione spaziale di circa 8–10 cm/pixel, sufficiente per individuare perdite localizzate in cornici o giunti murari. La perdita di dettaglio spaziale aumenta con l’altezza, compromettendo la precisione nella localizzazione delle infiltrazioni termiche. Pertanto, il posizionamento deve bilanciare copertura ampia e risoluzione fine, mantenendo un FOV compreso tra 70° e 90° per garantire dettaglio senza sacrificare la copertura.
Fase 1: Analisi preliminare del sito con mappatura 3D
Utilizzare un laser scanner portatile (es. Leica BLK360) o fotogrammetria ad alta precisione con droni equipaggiati (es. DJI Matrice 30 T**) per generare un modello 3D con accuratezza <±2 cm**. Questo step identifica le geometrie complesse, zone a rischio di sovrapposizione termica e punti di accesso ottimali per il sensore. La mappatura deve includere anche la registrazione delle aperture, cornicioni e dettagli architettonici che influenzano il flusso termico.
Fase 2: Definizione della griglia di volo basata su parametri termodinamici
Il posizionamento dinamico si basa su un algoritmo che integra:
– Differenza termica diurna/mattutina (ΔT) misurata in loco
– Distanza orizzontale al punto di interesse (d)
– Risoluzione spaziale del sensore (sp)
– Angolo di inclinazione del drone (α)
La formula per il campo visivo effettivo diventa:
FOVₑff = 2·arctan(d / (2·L·tan(α/2)))
dove L è la distanza focale del sensore.
Per un sensore 320×256 px a 30 m di volo, con sp = 8 cm e α = 45°, il FOV effettivo è ~6,5°, sufficiente per coprire sezioni di 1,8 m di larghezza a distanza di 30 m, garantendo un’adeguata sovrapposizione (30%) per ricostruzione 3D termica senza gap.
Fase 3: Impostazione dinamica dei parametri di acquisizione
In base al modello costruttivo (es. muratura con intonaco storico), si regolano:
– Frequenza di acquisizione: 5–10 Hz per aree a forte gradiente termico
– Modalità termica: rilevamento radiometrico con correzione emissività locale (ε)
I materiali storici presentano emissività variabile (pietra: ε ≈ 0,9–0,95; legno: ε ≈ 0,85–0,92; intonaci: ε ≈ 0,75–0,85), che influenzano la lettura termica. Il sensore deve compensare automaticamente questi valori tramite profili emissività pre-caricati o input manuale, per evitare sottostima o sovrastima delle perdite.
Il Metodo A – Griglia ortogonale con sovrapposizione 30% garantisce la massima copertura in edifici regolari, con ricostruzione termica 3D precisa. È ideale quando l’edificio presenta facciate parallele e geometrie ripetitive, come palazzi rinascimentali fiorentini.
Il Metodo B – Spirale concentrica è preferibile per edifici con geometrie curve o complesse, come palazzi barocchi con logge o cortili interni: permette una rilevazione localizzata e approfondita di zone a rischio senza perdere dettaglio.
Il Metodo C – Zig-zag ad altitudine variabile si adatta a facciate irregolari o con rilievi, regolando dinamicamente l’altezza di volo (da 15 a 50 m) per mantenere un FOV ottimale e una risoluzione costante, riducendo il rischio di ombreggiamenti e distorsioni.
Il controllo in tempo reale tramite RTK-GPS consente di mantenere una precisione di posizionamento <±0,5 m, essenziale per georeferenziare ogni anomalia termica con riferimento al sistema catastale o BIM.
Le immagini termiche (es. da FLIR Thermal Studio) vengono processate con tecniche di thresholding adattivo che tengano conto della variabilità emissività dei materiali. Un filtro mediano riduce il rumore termico, seguito da un algoritmo di correzione emissività basato su misure in situ (termocamera di riferimento portatile, es. Testo ThermCam). Per i materiali a bassa emissività (intonaci, metalli), si applica una correzione delta emissività (Δε) calcolata in loco, assicurando una mappatura quantitativa accurata delle perdite.
L’integrazione con modelli BIM (es. Revit) o software energy modeling (EnergyPlus, TRNSYS) permette di simulare la dispersione termica reale, confrontando i dati rilevati con le previsioni e identificando deviazioni critiche. I report finali includono heatmap geolocalizzate interattive, con layer separati per temperatura, emissività stimata e classificazione delle anomalie (leggera, moderata, elevata).
Sovrastima della risoluzione termica ignorando la distanza focale: un sensore 320×256 px a 30 m di volo non offre risoluzione <10 cm, causando errore di localizzazione. Soluzione: utilizzare sensori con risoluzione ≥160×120 px e validare il campo visivo prima del volo.
Posizionamento non centrato sul punto caldo: anche piccoli errori di orientamento (1–2°) generano offset di diversi metri in aree di 2–3 m², compromettendo l’analisi. Soluzione: usare RTK-GPS con correzioni RTK in tempo reale e calibrare l’asse del drone rispetto al punto di interesse.
Acquisizione in condizioni di irraggiamento solare direttoCalibrazione insufficiente in ambienti chiusi: la scarsa ventilazione altera la temperatura superficiale. Soluzione: eseguire calibrazione pre-volo in ambiente controllato o in zone di transizione.
Interpretazione errata di ponti termici come anomalie diffuse: i ponti sono localizzati – analizzare con precisione spaziale e temporale per distinguere da perdite generali.
- Checklist pre-volo: verifica batteria (≥90%), calibrazione sensore, condizioni meteo (ΔT ≥ 5 °C tra interno/esterno), mappatura 3D, autorizzazioni regionali.
- Fase di volo: eseguire griglia ortogonale A con sovrapposizione 30%, acquisire a 30 m di altezza, registrare dati GPS + emissività locale.
- Post-volo: importare immagini in FLIR Thermal Studio, applicare thresholding adattivo (algoritmo FLIR v4.0), correggere emissività, generare heatmap georeferenziata con QGIS.
- Validazione: confrontare con termografia a terra (sensore handheld FLIR E8), integrare con modelli BIM per simulare dispersioni.
Caso studio: Palazzo Pitti, Firenze (XVIII secolo)
Un’indagine con termocamera drone ha rivelato infiltrazioni termiche lungo due cornici in pietra con perdita stimata di 12 W/m², sotto la soglia di rilevazione manuale (18 W/m²). L’analisi multispettrale ha escluso artefatti dovuti a irraggiamento solare diretto, confermando la fattibilità di un intervento mirato di consolidamento del mortaso. La ricostruzione 3D ha guidato la posizione delle camere termiche a terra per verifica precisa.
Strumenti consigliati:
– Software: FLIR Thermal Studio (analisi avanzata), QGIS (geolocalizzazione), MATLAB o PyTorch per segmentazione automatica termica
– Hardware: drone con sensore FLIR E8 (640×512 px), RTK-GPS RTK (precisione ≤0,5 m), termocamera di riferimento portatile
– Database regionali: Archivio del Patrimonio Architettonico della Toscana per contestualizzare i dati termici
Consente di discriminare tra perdite reali e artefatti ambientali grazie alla correlazione tra firma termica, emissività e riflettanza.
Tier 3: Calibrazione dinamica in tempo reale
Sistema di feedback termico continuo che regola frequenza di acquisizione e altitudine in base alla densità del gradiente termico locale: rallentamento in zone con ΔT > 2 °C per migliorare il rapporto segnale/rumore.
Database regionali
Integrazione con il Sistema Toscana Patrimonio Culturale (STPC) per cross-referencing con materiali storici, microclimi urbani e normative di conservazione (es. DPCM 22 dicembre 2017 N° 254).
Metodo A vs B: confronto pratico
A garantisce copertura completa e ricostruzione 3D; B è superiore per dettaglio locale in geometrie complesse. Usare A per edifici regolari, B per palazzi barocchi con logge e giunti irregolari.
Troubleshooting avanzato
– Se la heatmap mostra “rumore termico persistente”, verificare emissività e correggere nel software
– Se il FOV è insufficiente, ricalcolare la traiettoria o aumentare l’altitudine
– In caso di anomalie isolate senza contesto, eseguire analisi temporale (acquisizione ripetuta) per escludere artefatti
Considerazioni finali
Il posizionamento preciso del sensore termico su drone, guidato dai fondamenti Tier 1 e potenziato dal Tier 2 con integrazione multispettrale e dinamica, diventa uno strumento imprescindibile per la diagnosi energetiche mirate negli edifici storici italiani. Solo un approccio granulare, calibrato e contestualizzato permette di trasformare dati termici in interventi di restauro efficaci, sostenibili e conformi alle normative di conservazione.
“La termografia aerea non è una sostituzione della diagnosi in loco, ma un acceleratore di precisione: solo un posizionamento esatto e una calibrazione rigorosa trasformano pixel in soluzioni.”
“In un palazzo del XVIII secolo, ogni centimetro e millisecondo conta: un errore di 0,5 m nel GPS o 2% di emissività errata può falsare l’intera analisi energetica.”
Checklist rapida per operatore:
✅ Mappatura 3D pre-volo completata
✅ Calibrazione emissività effettuata in sito
✅ Griglia di volo ottim