Il progetto. SATURNO: Satelliti e altre tecnologie innovative a supporto di tecniche di fertilizzazione a rateo variabile in risicoltura

Transcript

1 Framework

2 Il progetto SATURNO: Satelliti e altre tecnologie innovative a supporto di tecniche di fertilizzazione a rateo variabile in risicoltura Obiettivo è quello di informare e formare gli utenti per renderli più consapevoli e recettivi per poi diffondere e dimostrare come approcci innovativi possano essere sostenibili e migliorare l agricoltura e l ambiente nel rispetto del territorio.

3 Parte B: Casi applicativi Esperienza del progetto ERMES a supporto della gestione della risaia (1h) Monitoraggio della stagione risicola Supporto alle fertilizzazioni valutazione stato nutrizionale e l approccio di SATURNO

4 12/02/2018 4

5 Le domande chiave del progetto: I. Dove concimare e concentrare gli interventi? II. Quanto apporto nutrizionale? III. Quando eseguire gli interventi di concimazione? 12/02/2018 5

6 Utilizzo di prodotti satellitari per supportare la risicoltura Monitoraggio della stagione risicola immagini di vigore sono state fornite in tempo reale ai risicoltori che le hanno usate per valutare problematiche e decidere interventi Generazione informazioni per creazione mappe di prescrizione clustering per identificazione aree di intervento mappe di prescrizione per concimazioni VRT Stima di parametri per valutare lo stato nutrizionale creazione mappe a supporto della definizione delle dosi 12/02/2018 6

7 Monitoraggio della stagione risicola. Mappe di Vigore Mappe di Vigore Mappe di Vigore Mappe di Vigore Mappe di Vigore PRE SEMINA SEMINA EMERGENZA ACCESTIMENTO LEVATA APRILE MAGGIO GIUGNO LUGLIO FIORITURA

8 Monitoraggio della stagione risicola: Immagini satellitari = forniscono indicatori di LAI, biomassa e stato nutrizionale Risoluzione temporale: consente di «seguire» lo sviluppo della stagione risicola. Risoluzione spaziale: identificazione della variabilità intracampo. Identificare durante la stagione la variabilità intracampo, in tempo per attuare agropratiche di risposta o per valutarne il loro effetto. 16 luglio Agosto 2014 MAPPA DI VIGORE MAPPA DI VIGORE Sirio CL Semina in Asciutta IL 15/05/2014 MAPPA DI RESA

9 Monitoraggio della stagione risicola: variabilità intracampo per monitotare lo stato dell azienda Parcelle sperimentali Ente Risi Suoli a differente fertilità Differenti investimenti alla semina Attacchi di brusone

10 Monitoraggio della stagione risicola: variabilità intracampo per verificare l efficacia degli interventi LAI 17Agosto 16Luglio Campo caratterizzato Disomogeneità da forte disomogeneità pareggiata

11 Generazione di informazioni per creare mappe di prescrizione. Mappa variabilità costante Mappe di Vigore Mappe Mappa variabilità di stagionale Vigore Mappe Mappa variabilità di stagionale Vigore Mappe di Vigore Mappe di Vigore PRE SEMINA SEMINA EMERGENZA ACCESTIMENTO LEVATA APRILE MAGGIO GIUGNO LUGLIO FIORITURA

12 Mappe satellitari - DOVE? Mappa di Condizioni costanti Prima mappa di vigore CONC. DI FONDO Ottenuta da analisi di serie temporali di immagini satellitari ottiche d archivio, è divisa in classi ed è rappresentativa della fertilità del suolo. Seconda mappa di vigore 1 st CONC.DI COPERTURA 2 st CONC.DI COPERTURA Ottenute da analisi di immagini satellitari ottiche, sono utili per valutare la variabilità stagionale nelle fasi di sviluppo della coltura. 12/02/

13 Creazione di mappe di variabilità: Permettono di enfatizzare le variabilità intracampo, invece di visualizzare differenze tra campi dovute a diverse varietà, epoche di semina, strategie di fertilizzazione etc. Pianificazioni Acquisizioni Preprocessamento Correzione geometrica Correzione atmosferica Calcolo dei VI (MSAVI) Calcolo variabilità intracampo Identificazione clusters 12/02/

14 Creazione di mappe di variabilità: calcolo dell indice vegetazionale Indice MSAVI; Grecia; 16 Luglio 2015; Satellite WorldView-2 14

15 Creazione di mappe di variabilità: Identificazione della variabilità intracampo Variabilità intracampo dell indice MSAVI; Grecia; 16 Luglio 2015; Satellite WorldView-2

16 Creazione di mappe di variabilità: identificazione dei «cluster» Classificazione della variabilità intracampo; Grecia; 16 Luglio 2015; Satellite WorldView-2 16

17 CLUSTER INDICE VEGETAZIONALE Esperienza del progetto ERMES Creazione di mappe di variabilità: Esempio di prodotti operativi 16 Giugno 2015 (WV-2) 4 Luglio 2015 (RapidEye) 16 Luglio 2015 (WV-2) 26 Agosto 2015 (RapidEye) 17

18 Generazione informazioni per creazione mappe di prescrizione

19 Azienda agricola Carlo Franchino 12/02/

20 Azienda Carlo Franchino La superficie aziendale è di 110 ha suddivisi in campi distinti e non contigui sul territorio comunale per un totale di 80 appezzamenti con una grandezza media 1,3 ha. La distanza in linea d aria di alcuni campi dal centro aziendale arriva fino a 3.5 km

21 Immagine Rapid-eye (5m) Mappa della varibilità stagionale 29 Maggio 29 Maggio 21 21

22 Immagine Rapid-eye (5m) Mappa della varibilità stagionale 15 Giugno 15 Giugno 22 22

23 Immagine Rapid-eye (5m) Mappa della varibilità stagionale 5 Luglio 5 Luglio 23 23

24 Immagine Rapid-eye (5m) Mappa della varibilità stagionale 15 Luglio 15 Luglio 24

25 Immagine Rapid-eye Mappa della varibilità stagionale Fertilizzazione a rateo variabile basata su mappe di variabilità 15 Luglio 26 Luglio 33 unità/ha N 27 unità/ha N unità/ha N 12/02/

26 Mappa di prescrizione per concimazioni a rateo variabile Scelta agronomica dall agricoltore (unità di Azoto/ettaro ) Valore letto dalla macchina (Kg prodotto/ettaro ) Mappa di prescrizione Tabella associata 12/02/

27 Valutazione delle pratiche adottate: Mappa di resa [t/ha] Mappa di resa punti mappati Mappa di resa finale 29 Settembre 12/02/

28 Dal monitoraggio alla prescrizione e valutazione a consuntivo Alto vigore Piante a basso vigore (dovuto ad una vena sabbiosa ) Concimazione standard o contenuta Alta concimazione «di recupero» Resa a fine stagione omogenea sul campo Mappa satellitare per rilevare variabilità e guidare i campionamenti Mappa di prescrizione per consentire applicazioni VRT Mappa di resa per valutare gli interventi fatti 12/02/

29 Confronto multiannaule mappe di resa [t/ha]

30 Commento sulle rese: Valutazione sulla riduzione variabilità VRT 30

31 Stima parametri per valutare lo stato nutrizionale: Esperimento effettuato durante ERMES -> applicato per SATURNO Mappa variabilità stagionale Campiona mento Mappa variabilità stagionale Campiona mento PRE SEMINA SEMINA EMERGENZA ACCESTIMENTO LEVATA APRILE MAGGIO GIUGNO LUGLIO FIORITURA 31

32 Concentrazione di azoto nella pianta [mg/g] Esperienza del progetto ERMES Curva di diluizione: dalle misure di LAI e Azoto allo stato nutrizionale N crit = 10 1 e 0.5 LAI Indice di area fogliare LAI [m2/m2] Confalonieri et. Al (2011) A new approach for determining rice critical nitrogen concentration. Journal of Agricultural Science, 149,

33 Smart Scouting: misurare lo stato nutrizionale dei cluster identificati da satellite. Immagine satellitare pre-concimazione Immagine satellitare: guida il campionamento sulle zone con massima variabilità. Dati campionati: LAI e Concentrazione di azoto fogliare. Campionamento: misurare lo stato nutrizionale per dare un supporto oggettivo al piano di concimazione. Campionamenti 33

34 PocketN Concentrazione di azoto nella pianta [mg/g] db_vi_pocketlai_avesu_all$nconc #1 #2 Esperienza del progetto ERMES #3 #4 Smart Scouting: misurare lo stato nutrizionale dei cluster identificati da satellite db_vi_pocketlai_avesu_all$lai_avg Indice di area fogliare LAI [m2/m2] PocketLAI Cluster a Cluster b Cluster c ESU I cluster della mappa di variabilità sono caratterizzati da stato nutrizionali differenti. Tutti I punti di 2 a 2 campionamento nelle zone sotto la media del campo sono in condizione di stress azotato. as.factor(db_vi_pocketlai_avesu_all$cluster_msavi) a a a Sono informazioni quantitative: permettono all agronomo di definire il piano di concimazione. 28/02/

35 Il progetto SATURNO: flusso di lavoro Informazione sulla fase fenologica Quando: identificazione del miglior periodo per concimare i campi test Acquisizione Immagini satellitari Dove: differenziare i campi in zone a diverso vigore Acquisizione «mirata» di dati di campo Piano di concimazione Mappa di prescrizione Quanto: misura dello stato nutrizionale per le differenti zone identificate Cosa: scelta agronomica supportata dai dati di campo e spazializzata grazie al satellite Gestione dati: creazione delle informazioni spazialmente distribuite 1 st CONC.DI COPERTURA 2 st CONC.DI COPERTURA ACCESTIMENTO INIZIAZIONE PANNOCCHIA Concimazione Applicazione: attuazione di una concimazione sitospecifica grazie ad appositi macchinari 35