Ottimizzazione dei fattori produttivi in risicoltura tramite l analisi aerea. Gian Luca Rognoni

Transcript

1 Ottimizzazione dei fattori produttivi in risicoltura tramite l analisi aerea Gian Luca Rognoni

2 IL MERCATO (1) 10 BREAKTHROUGH TECHNOLOGIES del 2014 secondo Chris Anderson (*) : N 1: Droni per l Agricoltura Elemento chiave: capacità di elaborare, interpretare e presentare i dati (Data-driven Agriculture) Fonte: Technology Review del MIT (Massachussets Institute of Technology) che ogni anno contiene la classifica delle 10 innovazioni hitech in grado di cambiare la nostra vita nei prossimi anni (*) ex direttore di Wired, CEO di 3D Robotics e fondatore di DIY Drones.

3 IL MERCATO (2)- Fonte: Lux Research, 14 Ottobre 2014 Il mercato dei droni civili arriverà a $1.7 miliardi, spinto da un ampia gamma di applicazioni, delle quali la prima è l agricoltura; I droni per l agricoltura genereranno un fatturato di $350 milioni entro il 2025, in particolare grazie ad utilizzi per l Agricoltura di Precisione (*); Il modello di business è ancora in fase di assestamento. Tuttavia il mercato dei servizi emergerà come quello preferito dagli sviluppatori, particolarmente in agricoltura, dove i coltivatori vorranno utilizzare la tecnologia senza dover investire in sistemi costosi, di complessa manutenzione e aggiornamento. (*) Le Utilities sono al secondo posto con $269 milioni, le ispezioni alle infrastrutture industriali (petrolio, gas) al terzo posto con $247 milioni.

4 L ESIGENZA Uscire dalla fase sperimentale (Tipica del mondo dell Accademia o delle start-up) Fornire un servizio completo alle aziende agricole Individuare ed aggregare le competenze necessarie: volo, elaborazione dati/immagini, interpretazione dei risultati, definizione di protocolli Fondamentale l inclusione di esperti di dominio che conoscano linguaggio e problematiche dell utente finale

5 IL NOSTRO APPROCCIO SALT & LEMON ACR PROGETTI STUDIO ASSOCIATO BARBIERI ROGNONI VOLO & SENSORI CUSTOMIZZAZIONE SKILL COMPLEMENTARI ELABORAZIONII DATI E IMMAGINI INTERPRETAZIONE LINEE GUIDA SOLUZIONE PER L UTENTE FINALE

6 Il contesto: l agricoltura di precisione DEFINIZIONE: metodo di produzione innovativo e multidisciplinare che ricorre all impiego di tecnologie informatiche, elettroniche e meccaniche (MECATRONICA) per adeguare le tecniche di coltivazione alla specifica realtà agro-ambientale. Differito Contemporaneo Mappa di produzione: anno 0 Mappa di vigore: anno 0 Mappa di vigore: anno 0 Mappa di prescrizione: anno + 1 Mappa di prescrizione: anno 0 Mappa di prescrizione: anno 0

7 Indici di vigore Derivano dagli studi del comportamento spettrale della vegetazione e si basano sul rapporto tra le bande tipiche di assorbimento e riflessione, soprattutto sulle lunghezze d onda del rosso e infrarosso vicini (tra 600 e 900 nm). TRA I PIU UTILIZZATI VI E L NDVI NDVI (Normalized Difference Vegetation Index) Rapporto tra la risposta spettrale della vegetazione nel rosso e nel vicino infrarosso delle spettro elettromagnetico. Si calcola attraverso la formula: Dove: ρ nir : riflettanza nel vicino infrarosso ρ r : riflettanza nel rosso E il più usato e comune. Assume valori tra -1 e 1, in particolare inferiori a 0 per l acqua, poco superiori a 0 per i suoli e tra 0.4 e 0.7 per la vegetazione. Solo vegetazioni molto dense arrivano a 0.8.

8 DOVE: L esperienza in risaia presso il Centro di Ricerche sul Riso dell Ente Nazionale Risi a Castello d Agogna (PV); QUANDO: 17 luglio 2014, in corrispondenza dell epoca della seconda concimazione azotata di copertura del riso (fase della differenziazione della pannocchia) OBIETTIVI: Verificare la tecnica di volo Definire una metodica di gestione ed elaborazione cartografica delle immagini Verificare l affidabilità delle misure anche in relazione ad acquisizioni a terra con dispositivi portatili.

9 Il Centro Ricerche sul Riso

10 Il campo sperimentale Ente Risi Schema sperimenatale a blocchi randomizzati: 16 tesi x 4 ripetizioni = 64 parcelle Parcelle da 29,70 m 2 Varietà impiegata: Centauro Tesi sperimentali: 4 dosi di N in pre-semina: 0, 30, kg/ha 4 dosi di N in copertura: 0, 30, 60, 100 kg/ha

11 Scheda colturale Data Operazione Prodotto utilizzato Quantità 14/4 Aratura (litri-kg/ha) di prodotto comm. 5/5 Concimazione pre-semina Complesso /5 Concimazione pre-semina urea DIFFERENZIATA 15/5 Diserbo pre-semina 11 PASSAGGI Oxadiazon 1 19/5 Semina /5 Trattamento insetticida Lambda-cialotrina 0,175 3/6 Diserbo post-emergenza Trattamento insetticida Cyhalofop-butyl Lambda-cialotrina 16/6 Diserbo post-emergenza Cyhalofop-butyl 1, ,275 18/6 Diserbo post-emergenza Propanile + MCPA + Halosulfuron methyl 2 + 0,8 + 0,04 18/6 1 Concimazione azotata di copertura Urea DIFFERENZIATA 17/7 Trattamento fungicida Triciclazolo + Azoxystrobin 0, /7 2 Concimazione azotata di copertura Urea DIFFERENZIATA 5/8 Trattamento fungicida Triciclazolo 0,6

12 WORKFLOW Pianificazione piano di volo (da remoto) Analisi dell area e preparazione del volo (sul campo) Raccolta immagini aeree (sul campo) Elaborazione dei dati (da remoto) Analisi agronomica dei risultati (da remoto)

13 SAPR UTILIZZATO Sicurezza 6 motori; Doppia centralina di autopilota con sistema di sicurezza DUAL.PILOT (e funzione di emergenza FLIGHT.STOP); Doppia batteria di alimentazione; Semplicità di utilizzo Dimensioni compatte e peso contenuto; Visione delle immagini a terra; Controllo della missione di volo tramite tablet; Automatizzazione Rilevatori dell infrarosso vicino controllati direttamente dal drone; Volo semiautomatico su piano di volo preimpostato; Integrazione con software di GIS;

14 NEAR IR CAMERA Camera multispettrale per l analisi della vegetazione Peso: 90 grammi; Dimensioni sensore: 6.55 mm x 4.92 mm Risoluzione 3,2 MPixel; Lunghezza focale: 8,43 mm; Bande: Verde, Rosso, Infrarosso vicino (equivalenti a Landsat TM2, TM3, TM4); Controllo remoto tramite interfaccia ad hoc con autopilota principale del drone.

15 Il piano di volo

16 Il volo Quota di volo: 50 m Velocità: 2,5 m/s N. fotogrammi: 1/13 m Sovrapposizione: 50%

17 Falso colore

18 NDVI totale

19 NDVI parcellare

20 Confronto sensori NDVI drone vs Rapid Scan 0,90 NDVI Drone 0,85 y = 1,1906x - 0,1609 0,90 R 2 = 0,8911 0,80 0,75 0,70 0,65 0,60 NDVI Drone 0,85 0,80 0,75 0,70 0,65 0,60 0,65 0,70 0,60 0,75 0,80 0,85 0,90 0,60 0,65 0,70 0,75 0,80 0,85 0,90 NDVI Green Seeker NDVI Rapid Scan NDVI drone vs Green Seeker y = 1,5956x - 0,5512 R 2 = 0,8327

21 Risultati: NDVI drone dose di azoto 0,82 NDVI 0,80 0,78 0,76 0,74 0,72 0,70 0,68 0,66 R 2 = 0,9296 R 2 = 0,7701 R 2 = 0,2367 R 2 = 0, Dose di azoto totale annua (kg/anno) 0 kgn pre-till 30 kgn pre-till 50 kgn pre-till 70 kgn pre-till

22 Risultati: NDVI Green Seeker dose di azoto 0,82 R 2 = 0,859 0,80 R 2 = 0,2735 0,78 NDVI 0,76 0,74 R 2 = 0, kgn pre-till 30 kgn pre-till 50 kgn pre-till 70 kgn pre-till 0,72 0,70 R 2 = 0,0028 0, Dose di azoto totale annua (kg/anno)

23 Risultati: NDVI Rapid Scan dose di azoto 0,86 0,85 R 2 = 0,1014 0,84 0,83 R 2 = 0,182 NDVI 0,82 0,81 0,80 R 2 = 0, kgn pre-till 30 kgn pre-till 50 kgn pre-till 70 kgn pre-till 0,79 0,78 R 2 = 0,1212 0,77 0, Dose di azoto totale annua (kg/anno)

24 Proseguendo Definire un modello che consenta di dosare la concimazione azotata del riso in funzione dell indice di vigore; Validare il modello attraverso il monitoraggio dell intero ciclo di coltivazione del riso; Definire un protocollo di impiego dei droni nella coltura del riso (numero di voli, fase fenologica); Automatizzare o quanto meno semplificare la fase di mosaicatura delle immagini; Ottimizzare gli strumenti e la tecnica di volo in funzione dello specifico campo di applicazione; Sviluppare un database geografico in grado di memorizzare e gestire i dati rilevati e tutti gli altri dati necessari (pedologici, climatici ecc.) Sviluppare un sistema di consultazione cartografico per gestire i dati rilevati.

25 CONCLUSIONI Rilevazione tradizionale a terra Rilevazione con drone Rilevazione fotografie satellitari Rilevazione con drone

26 Un sentito ringraziamento al dr. Marco Romani dell Ente Nazionale Risi GRAZIE PER L ATTENZIONE