Precision Farming & Telerilevamento - Acutis farming e... · 2007. 1. 11. · Rouse et al. (1974)...

1

I l Il telerilevamentotelerilevamento: aspetti teorici e applicazioni agronomiche: aspetti teorici e applicazioni agronomiche

20 novembre 200620 novembre 2006 [email protected]

Precision Farming & Telerilevamento

http://www.citimap.it/http://www.citimap.it/

Regionali:

stima della produzione

Locali:

Precision

Farming

SupportoSupporto allaallafertilizzazionefertilizzazionedidi cooperturacoopertura

Citimap Nasce dall'Associazione di Centri di Ricerca e Imprese che collaborano al fine di promuovere il trasferimento delle tecnologie tecnologie relative al relative al telerilevamentotelerilevamento come base informativa per la tecnologia VRT (Variable Rate Technology) nell'agricoltura di precisione.

Gli obiettivi sono perseguiti sulla base di un articolato programma di attivitattivitàà sperimentali, divulgative e formativesperimentali, divulgative e formative;

In questo contesto presso l’azienda sperimentale Tadini è stato avviato un piano pluriennale dipiano pluriennale di applicazione del telerilevamentoall’agricoltura di precisione mediante uno specifico programma di acquisizioni di immagini della superficie aziendale e di raccolta dei parametri agronomici e biofisici delle colture.




Regionali:


Locali:

Precision

Farming


Tra le tecnologie più innovative che ll’’agricoltura di precisione applicaagricoltura di precisione applicaai processi produttivi vi sono le tecnologie di distribuzione degli input a rateo variabile - Variable Rate Technology (VRT)-mediante le quali èpossibile concimare, irrigare e concimare, irrigare e diserbarediserbare in maniera mirata e variabile all’interno dei singoli appezzamenti.

DGPS

2




Regionali:


Locali:

Precision

Farming


Il telerilevamento sta rimuovendo rimuovendo ll’’ostacolo principale ostacolo principale allall’’applicazione su applicazione su larga scala delle larga scala delle tecniche VTRtecniche VTR, l’onerosità delle basi informative georeferenziate(mappe) che devono guidare la distribuzione variabile degli input.L’elaborazione delle mappe di mappe di fabbisogno con fabbisogno con metodi tradizionalimetodi tradizionalirichiede infatti un numero elevato di analisi su campioni georeferenziati.



Precision Farming & RS: supporto ai piani di fertilizzazione

Regionali:


Locali:

Precision

Farming


Il piano sperimentalepiano sperimentale ed il programma di acquisizioni di dati telerilevati2005 sono stati definiti ai fini della determinazione del fabbisogno di determinazione del fabbisogno di concimazioneconcimazione ed irriguoirriguo mediante telerilevamento su colture a rilevante importanza regionale quali bietola e mais;

In particolare il primo anno di attivitprimo anno di attivitàà sperimentale si è posto l’obbiettivo di verificare, nelle condizioni regionali, il grado di accuratezza con cui è possibile determinare tali fabbisogni mediante la tecnologia del telerilevamento corrente, per cui cioè esiste giàunun’’offerta commerciale consolidata, ed innovativaofferta commerciale consolidata, ed innovativa (con sensori iperspettrali aereotrasportati e satelliti sperimentali).

3



Sperimentazione CITIMAP 2005: nutrizione azotata bietola

Il principale obiettivo dello studio è ll’’analisi delle relazioni tra indici spettralianalisi delle relazioni tra indici spettrali e concentrazioni di concentrazioni di clorofilla fogliareclorofilla fogliare, per valutare le potenzialità dei dati iperspettrali

Understory Soil

Crop canopy

Riflettanza in funzione di Cab

0

0.05

0 .1

0.15

0 .2

0.25

0 .3

0.35

0 .4

0.45

0 .5

400

470

540

610

680

750

820

890

960

1030

1100

1170

1240

1310

1380

1450

1520

1590

1660

1730

1800

1870

1940

2010

2080

2150

2220

2290

2360

2430

2500

λ [nm]

ρ

153555

Acquisizione in campo di due famiglie di spettri:

FrameworkFramework

ObiettiviObiettivi

Materiali e Materiali e metodimetodi

Analisi dei datiAnalisi dei dati

RisultatiRisultati

ConclusioniConclusioni

ObiettiviObiettivi

• Sopra chioma (canopy) per valutare le potenzialitàdi indici spettralidi indici spettrali sviluppati ad hoc per minimizzare minimizzare ll’’influenzainfluenza del backgroundbackground e delle caratteristiche caratteristiche strutturalistrutturali della coltura.

• fogliare, mediante sonda di contatto per lo studio delle studio delle regioni spettrali piregioni spettrali piùù idoneeidonee alla stima della stima della concentrazione di clorofilla.concentrazione di clorofilla.

Studio preliminareStudio preliminare per la successiva analisi di dati AISAAISA e QuickBirdQuickBird

Obiettivi



Disegno sperimentale bietola

FE

12

11

10

9

8

7

6

5

4

3

2

1

0 kg/ha

90 kg/ha

180 kg/ha

270 kg/ha

O

N

M

L

M

N

L

O

M

L

O

N

Chl a+b Fc FS-canopy FS-probe

Fila : 12-24-36-60Metri: 5-10-15

Fila : 18-36-54M e t r i : 1 0

Fila : 18-36-44Met r i : 5 -15

Fila : 36Metri: 10

AISA RGB-FC

A B C D E F

Disegno speriementale

Variabilità controllata generata a seguito di fertilizzazioni differenziate:

4 livelli N4 livelli N (0-90-180-270 kg/ha) randomizzati2 livelli irrigui2 livelli irrigui (blocchi E, F) 3 repliche3 replichetot 24 24 parcelle parcelle 0.06 ha0.06 ha

Densità semina bietola: interfile di 45 cm, 60 file per parcella

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati


MaterialiMaterialie e metodimetodi

Materiali e metodi

4



Misure agronomiche: 26/05/05 (ripresa QuickBird)

ChlChl a+ba+b (stimato da misure(stimato da misure di SPAD)di SPAD)

Fila : 12-24-36-48-60Metri: 5-10-15 Tot. Tot. 360360Media di due misuredue misuredelle 6 foglie6 foglie pi ùsviluppate delle 6 piante pi6 piante piùù vicinevicine (bulking) per ogni punto di campionamento della griglia

Curva di calibrazionecalibrazione ottenuta sperimentalmente da rilievi rilievi multimulti --temporalitemporali stagionali. Su due punti della griglia di campionamento per parcella, (totale 48 analisi per data), prelievo 6 rondelle fogliari di 18mm diametro

60-48-36-24-12

60-48-36-24-12

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi



Misure agronomiche: 26/05/05

FC (Fotografia FC (Fotografia Digitale nadirale)Digitale nadirale)

Fila : 18-36-54Metri: 10 Tot. 72Tot. 72

Fc stimato mediante analisi object-oriented di fotografie digitali

54-36-18

54-36-18

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi

5



Misure radiometriche: 06/04/05ASDASD--FSFS--PROPRO (SOIL) per definizione della (SOIL) per definizione della SoilSoil LineLine

Misure dopo lavorazione del suoloLungo 3 file per ogni parcellaMisure ogni 10 metri Tot. 144Tot. 144

Immagine pancromatica QuickBird degli appezzameniin cui verranno ospitate le colture sperimentali 2005

Ottica25°Altezza ripresa1.5 mSuperficie campionata0.6 m (diametro)

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi



Misure radiometriche: 27/05/05 (sorvolo AISA)

ASDASD--FSFS--PROPRO ((CanopyCanopy))

Fila : 18-36-44Metri: 10 Tot. 144Tot. 144

44-36-1844-36-18

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi

6



Misure 27/05/05

ASD_ FSASD_ FS--PROPRO ((LeafLeaf))

Fila : 36Metri: 10 Tot. 24Tot. 24

Campionamenti di rondellefogliari di 18mm diametro in corrispondenza delle misure per estrazione analitica di Chl a+b

Conctactprobe accoppiato a FS3 misure spettrali per ogni foglia

36

36

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi



due acquisizione iperspettrali AISA Eagle 1K fra i 400 ed i 1000 nm di cui una a 126 ed una a 252 bande contigue e risoluzione metrica al suolo

Acquisizioni 2005AISA Eagle - May 27th

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi

7



Data set

Il dataset finale per lo studio dei VI utilizzato

•analisi a livello fogliare 24 spettri e corispondenti misure analitiche di Chl a+b

•analisi a livello di canopy 48 spettri con corrispondenti valori stimati di Chl a+b e Fc

Per ogni firma sono stati calcolati diversi indici di vegetazioneindici di vegetazione e da mettere in relazione alle concentrazioni di clorofilla.

Le relazioni sono state sviluppate con tecniche di regressione lineareregressione lineare (OLS), in cui la variabile indipendente è data dall'indici di vegetazione

Metodo

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati


AnalisiAnalisideidei datidati

Analisi



Analisi: indici di vegetazione

Simple Ratio SR = R800/R670 Rouse et al. (1974)

Normalized Difference Vegetation Index

NDVI = (R800 – R670 )/(R800 + R670) Rouse et al. (1974)

Indice Formula Referenza

Str

uttu

rali

Str

uttu

rali

Raz

ioR

azio

Tria

ngol

ari

Tria

ngol

ari

Triangular Vegetation Index

[ ])(200)(1205.0TVI 5 5 06 7 05 5 07 5 0 RRRR −−−= Broge and Leblanc (2000)

Modified Triangular Vegetation Index

[ ]5.0)56()12(

)(5.2)(2.15.1MTVI2

6708002

800

550670550800

−−−+

−−−=

RRR

RRRR

Haboudane et al. (2004)

RATIO1 (700/670)

R1 = R700/R670 Kim et al. (1994)

RATIO2 (750/550)

R2 = R750/R550 Gitelson and Merzyak (1996)

RATIO3 (750/700)

R3 = R750/R710 Zarco-Tejada et al. (2001)

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi

8



Analisi: indici di vegetazione

Modified Chlorophyll Absorption in Reflectance Index

[ ] )/()(2.0)(M 670700550700670700 RRRRRRCARI −−−= Daughtry et al. (2000)

Transformed CARI

[ ])/)((2.0)(3T 670700550700670700 RRRRRRCARI −−−= Haboudane et al (2002)

REIP_Lin Modello semplificato lineare Jongschaap and Booij (2004)

REIP_Lagr Modello di interpolazione Lagrangiano Dawson and Curran (1998)

Optimized Soil Adjusted Vegetation Index

)16.0/())(16.01( 670800670800 ++−+= RRRROSAVI Rondeaux et al. (1996)

Transformed Adjusted Vegetation Index

[ ] [ ])*()*((/)*(( 800670670800 baRaRbRaRaTSAVI −+−−= 3 Baret et al. (1989)

Indice Formula Referenza

TCARI/OSAVI TCARI/OSAVI Haboudane et al (2002)

CA

RI

CA

RI

RE

PR

EP

Soi

l adj

ust

Soi

l adj

ust

Ott

im.

Ott

im.

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi



Risultati: Calcolo del REP

0.00

0.10

0.20

0.30

0.40

0.50

350 450 550 650 750 850

[nm]

Rif

lett

anza

-0.020

-0.010

0.000

0.010

0.020

Der

ivat

a (D

1)

data

derivata1

REIP_LinREIP_Lin: uso relazione lineareche identifica la metà tra la spalla di massima riflessione e quella di minimo assorbimento

REIP_LagrREIP_Lagr : analizza la derivata primaderivata primadella firma spettrale interpolata con un modello lagrangianoper trovarne il valore massimo in un intorno di ?=720 nm. Per il processamentodei dati relativi a quest'ultimo metodo è stato utilizzata la versione 6.0 di IDL6.0 di IDL. Gli

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati



Materiali e metodi

9



Leaf

Esempi di firme spettrali acquisite con il contact probe su piante di a diversi livelli di fertilizzazione. Effetti nella regione del visibile.

0.00

0.10

0.20

0.30

0.40

0.50

0.60

350 850 1350 1850 2350

[nm]

Rif

lett

an

za

0.00

0.10

0.20

0.30

450 550 650 750

N 0%

N 50%

N 100%

N 150%

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati••SoilSoil••LeafLeaf

••CanopyCanopy



Risultati



Leaf VIs vs Chl a+b: correlazione

y = 0.00x + 0.05

R 2 = 0.69

0.000.020.040.060.080.100.120.140.160.180.20

20 3 0 40 5 0chl a+b (mg/cm2)

VI

NDIy = 1.49e -0.04x

R 2 = 0.690.000.050.100.150.200.250.300.350.400.450.50

20 30 4 0 5 0chl a+b (mg/cm2)

VI

MCARI

y = 0.60x + 692.68R 2 = 0.74

706.00

708.00

710.00

712.00

714.00

716.00

718.00

720.00

20 30 4 0 5 0chl a+b (mg/cm2)

VI

REPy = 0.63x + 684.30

R 2 = 0.64700.00

702.00

704.00

706.00

708.00

710.00

712.00

714.00

20 3 0 40 5 0chl a+b (mg/cm2)

VI

REP_LAGR

SR NDVI R1 R2 R3 TVI

Chl a+b 0 0 0.49 0.55 0.63 0.21

MTVI2 MCARI TCARI REIP_lagr REIP_lin -

Chl a+b 0.32 0.61 0.64 0.68 0.74 -

Leaf

ns ns

FrameworkFramework

ObiettiviObiettivi




••CanopyCanopy



y = 0.06x + 1.39

R 2 = 0.62

0.000.501.001.502.00

2.503.003.50

4.004.50

20 3 0 40 5 0chl a+b (mg/cm2)

VI

750/700

y = -0.18x + 36.09R 2 = 0.20

0.00

5.00

10.00

15.00

20.00

25.00

30.00

35.00

2 0 30 4 0 5 0chl a+b (mg/cm2)

VI

TVI

Risultati

10



0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

350 450 550 650 750 850 950

[nm]

Rif

lett

anza

FO5

FN1

FM4

FL3

Canopy VIs vs Chl-a+b

Canopy

SR NDVI R1 R 2 R 3 TVI MTVI2

Chl a+b 0.62 0.69 0 .56 0 .65 0.66 0 .65 0 .67 F C 0.8 0 0.84 0.6 0.7 0 0.70 0 .62 0 .63

MTVI2 MCARI T C A R I REIP_lin OSAVI TSAVI TCARI/OSAVI

Chl a+b 0.67 0.60 0.6 0.64 0.66 0 .64 0 .35 F C 0.63 0.46 0.46 0.88 0.72 0 .73 0 .26

CHL FCFN1 32.93 64.62FL3 34.94 83.64FM4 32.41 54.56FO5 27.02 35.99

•R2 indici di vegetazione

FrameworkFramework

ObiettiviObiettivi




••CanopyCanopy



••CanopyCanopy

Esempi di firme spettrali supiante di a diversi livelli di fertilizzazione. Effetti maggiori nella regione del REP e NIR.Significativo contributo del suolo

Risultati



Analisi Canopy VIs: FC -Chl Canopy••FcFc e e ChlChl risultano fortemente correlati

Esempio per REP: regressione multipla

Fonte DF SS MS F Pr > FModello 2 164.961 82.481 42.860 < 0.0001Residui 21 40.413 1.924Totale 23 205.374

Fonte DF SS MS F Pr > FFC 1 161.617 161.617 83.982 < 0.0001chl 1 3.345 3.345 1.738 0.202

R (coefficiente di correlazione) 0.896R² (coefficiente di determinazione) 0.803R²aj. (coefficiente di determinazione corretto) 0.784

•Varianza dei dati è spiegata principalmente dal Fc

y = 0.17x + 22.16R2 = 0 .70

20

222426

2830

323436

3840

0 20 40 60 80 100

FC

Chl

a+b

mg/

cm2

•Effetto delle fertilizzazioni più evidente nella struttura della canopy, crescita della pianta, piuttosto che nel contenuto di clorofille.

•Effetto si ripercuote sugli spettri di canopy:•VI che utilizzano bande nel NIR sono perciò pi ùinfluenzati dal Fc che dal contenuto di Chl a+b

FrameworkFramework

ObiettiviObiettivi




••CanopyCanopy



••CanopyCanopy

Risultati

11



Analisi Leaf-Canopy VIs: FC Canopy

0.0

0.1

0.2

0.3

0.4

0.5

0.6

200 400 600 800 1000 1200Lunghezza d'onda (nm)

Ref

lect

ance

(%)

EM4 Fc 54.9 Chl 32.67

EM8 Fc 78.8 Chl 32.27

FrameworkFramework

ObiettiviObiettivi




••CanopyCanopy



••CanopyCanopy

Risultati



Leaf•Analisi iperspettraleiperspettraledi firme di fogliadi firme di fogliaconferma la possibilità di monitorare il contenuto di clorofilladi colture di barbabietola come indicatore di condizioni di carenze nutrizionali

•REP è risultato il VI più predittivo•Modello lineare ha mostrato migliori performance, problemi nella ricerca automatica analizzando derivata prima dello spettro con interpolazione

•MCARI (TCARI) buon indice

Canopy•Disegno sperimentale ha portato ad avere forte relazione tra Fc (i.e. acratteristiche strutturali della pianta) e contenuto in Chl fogliare.

•Gli indici di vegetazionespecificamente proposti per la stima della concentrazione di pigmento risultano correlati ai valori di Fc (che spiega maggiormente la varianza dei dati)

•Problemi principali in condizioni di bassa copertura dove effetto del suolo è preponderantee non si può minimizzare anche con indici appositi (rapporto TCARI /OSAVI)

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati

ConclusioniConclusioniConclusioniConclusioni

Risultati

12



AISA: risoluzione spaziale e spettrale adatta alla produzione degli indici e derivate spettrali correlati alla quantità di pigmento clorofilliano per area fogliare (nutrizione azotata – concimazione a rateo variabile)

100% N

150% N

0% N



Monitoraggio Monitoraggio vegetazionevegetazione

TelerilevamentTelerilevamentoo

Progetto Progetto dottoratodottorato

Approccio Approccio Empirico: Empirico: PascoliPascoli

Approccio Approccio modellisticomodellistico: :

RisaieRisaie

MonitoraggioMonitoraggiovegetazionevegetazione

Leaf

0 kg/ha90 kg/ha180 kg/ha270 kg/ha F E

REP vs Chl-a+b

700

702704706708

710712

714716718720

FN01

FO

02F

L03

FM

04F

O05

FL0

6FN

07F

M08

FL0

9F

M10

FN11

FO

12E

O12

EN

11E

M10

EL0

9E

M08

EN

07E

L06

EO

05E

M04

EL0

3E

O02

EN

01

Parcella

RE

P

15

20

25

30

35

40

45

50

Ch

l

REIP

Chl

13



RS per VRT

L Determinazione della concentrazione delle clorofille (Chla+b) da dati spettrali di canopy (sensori remoti) non può ancora considerarsi una tecnologia acquisita.

K In letteratura ciò è dimostrato dalla continua ricerca di indici empirici a sensibilità differenziata rispetto a parametri strutturali

☺ mappe di Fc/Chl prodotte da dati ad alta risoluzione (i.e. AISA) danno un’utile informazione circa la variabilità spazialein campo non identificabile altrimenti rappresentando perciò un supporto alle VRT

FrameworkFramework

ObiettiviObiettivi



RisultatiRisultati

ConclusioniConclusioniConclusioniConclusioni

Conclusioni



LAI (strutturale) x concentrazione di pigmento per area fogliare (biochem.)

= Canopy Chlorophyll Density

VIs (o RTM)

consiglio di concimazioneIn forma di MAPPA

dati accessori (coltura, data di semina, suoli….)

Misurazione diretta della concentrazionedi pigmento tramite “Narrow Band” VIs

Indici sensibili alla variazione dellaconcentrazione di pigmento fogliare sono disolito anche sensibili alla variazione di LAI

Mappe di fertilizzazione

Approccio operativo

14



La scelta Citimap (sperimentale/strategica) è di privilegiare in un primo momentol’approccio empirico (VIs) che riteniamo possa essere più facilmente reso operativoin tempi brevi

“smart scouting”Mappa VI Mappa VRT

Mappe di fertilizzazioneApproccio operativo



Prototipo di un sistema di servizio informativo georeferenziato per l’applicazione delle immagini satellitari a concimazione ed irrigazione a rateovariabile

sistemi informativi aziendali

Macchine VRT

georeferenziazione (shp appezzamenti)

dati agronomici

Elaborazione Elaborazione consiglio medioconsiglio medioAppezzamentoAppezzamento

SuoliSuoliagrometeoagrometeo

DB TLRCitimap

(VIs)

Modulazione Modulazione empirica, MCE?empirica, MCE?Analisi di serie Analisi di serie

temporali?temporali?

VIsgeotiff(utente esperto)

Prescrizione di variabilità del consiglio medio

geotiff

QC

IP

Soilline

15



Il Telerilevamento è destinato a diventare una fonte efficace ed economica per l’elaborazione di mappe di fabbisogno per le tecniche VRT. Il lasso di tempo necessario ed il grado di adozione di questa tecnologia innovativa dipenderàlargamente dalla capacità di fornitura di servizi informativialle imprese intese sia come produttori di macchine agricole che come aziende agricole utenti di tali macchine.

Proiezione del grado di adozione della tecnologia VRT su dati telerilevati,

Site Specific Management Center, Purdue University

Precision Farming & Telerilevamento - Acutis farming e... · 2007. 1. 11. · Rouse et al. (1974)...

Documents

Transcript of Precision Farming & Telerilevamento - Acutis farming e... · 2007. 1. 11. · Rouse et al. (1974)...