PROVE DI INTEGRAZIONE DI INDICI DI VEGETAZIONE TELERILEVATI NEI SISTEMI INFORMATIVI PER IL MONITORAGGIO DELLA NUTRIZIONE AZOTATA

Transcript

1 Convegno di Medio Termine dell Associazione Italiana di Ingegneria Agraria Belgirate, settembre 2011 memoria n. PROVE DI INTEGRAZIONE DI INDICI DI VEGETAZIONE TELERILEVATI NEI SISTEMI INFORMATIVI PER IL MONITORAGGIO DELLA NUTRIZIONE AZOTATA Centro Ricerca Analisi geospaziale e Telerilevamento, Università Cattolica del Sacro Cuore SOMMARIO Il lavoro esamina alcune procedure di integrazione nelle banche dati territoriali di informazioni derivate da telerilevamento ottico multi-spettrale, tecnologia adatta per costi per unità di area ed efficacia, al monitoraggio su base spaziale, e con elevata ripetitività temporale, dello status di nutrizione azotata delle colture agrarie. A tale scopo in un area lombarda di circa 600 km 2, selezionata in funzione della vulnerabilità alla lisciviazione dei nitrati, sono stati individuati gli appezzamenti omogenei coltivati a mais nel 2007 mediante tecniche di analisi object-oriented a partire dalle immagini multi-spettrali di un acquisizione SPOT HRG del 8 luglio 2007 e dalla Carta dell utilizzo agroforestale SIARL Successivamente nell area campione sono state prodotte mappe indice di vegetazione correlate allo status di nutrizione azotata delle colture a partire dalla stessa acquisizione SPOT HRG. Viene presentata una prima statistica dei dati raccolti. Parole chiave: Telerilevamenti, indici di vegetazione, azoto, mais. 1 INTRODUZIONE L approccio empirico per la stima a partire da dati ottici telerilevati dei parametri biofisici delle colture di interesse per gli obiettivi di prescrizione della concimazione azotata utilizza la correlazione evidenziata sperimentalmente in numerosissimi studi (Baret & Guyot, 1991; Baret et al., 1992; Broge & Leblanc, 2000) esistente tra i diversi indici di vegetazione (VI), ottenuti come combinazioni algebriche delle riflettanze nelle diverse bande, di solito rosso e l infrarosso vicino (NIR, Near InfraRed), ed i parametri biofisici delle colture. Gli indici di vegetazione possono essere utilizzati per valutare la biomassa verde e il potenziale fotosintetico di una coltura grazie alla loro sensibilità all indice di area fogliare (LAI) e, secondariamente, alla concentrazione di clorofilla fogliare, parametri biofisici entrambi correlati allo status di nutrizione azotata. Una banda spettrale nel rosso ed una nell infrarosso vicino (NIR) sono sufficienti all ottenimento di mappe indice di vegetazione tradizionali (Rouse et al., 1974) come il Simple Ratio (SR) o il Normalized Difference Vegetation Index (NDVI), semplici

2 rapporti incentrati sul contrasto tra la riflettanza della vegetazione nell infrarosso vicino e nel rosso. I valori degli indici di vegetazione, utilizzabili per la stima al momento del rilievo dei parametri biofisici delle colture correlati allo status di nutrizione azotata, quali LAI e concentrazione di clorofilla fogliare, possono essere integrati nei sistemi informativi per opportuni confronti con i risultati della modellistica agronomica. Su questa base è possibile la valutazione del dato telerilevato quale dato di verifica (misura indipendente appezzamento per appezzamento) utilizzabile annualmente per la calibrazione della modellistica alle reali condizioni di campagna. Di seguito vengono riportate le procedure adottate a tale scopo ed i risultati conseguiti per la coltura di mais in un area campione lombarda. 2 METODI 2.1 Indici di Vegetazione I tre indici di tipo broad-band (non richiedenti altissime risoluzioni spettrali ed ottenibili quindi dai comuni dati multi-spettrali ) sono stati selezionati in funzione della loro rappresentatività delle condizioni di nutrizione azotata: il classico Normalized Difference Vegetation Index (NDVI), selezionato soprattutto ai fini di intercomparazione con i dati bibliografici; il Modified Triangular Vegetation Index (MTVI) selezionato quale stimatore di LAI; il Clorophyll Vegetation Index (CVI), sviluppato dal CRAST e sensibile alla concentrazione di clorofilla fogliare. Il normalized difference vegetation index (NDVI), sicuramente il più usato tra gli indici di vegetazione, è correlato al potenziale fotosintetico della coltura essenso sensibile soprattutto al LAI ma amìnce alla concentrazione di clorofilla fogliare: NDVI NIR Red = (1) NIR + Sperimentalmente si è trovato che l indice NDVI ha una relazione lineare con fapar (frazione assorbita della radiazione fotosinteticamente attiva fraction of Absorbed Photosynthetically Active Radiation, (fapar) mentre ha una relazione non lineare, anch essa specifica per tipo di coltura con il LAI. Già per valori di LAI intorno a due (per valori più alti, fino ad un valore di LAI di circa 4 per piante erettofile), l indice NDVI tende a saturare, vale a dire aumenta sempre meno, verso un asintoto parallelo all asse del LAI, per ulteriori incrementi di LAI. Ai fini della stima della variabilità spaziale della biomassa verde in un appezzamento agricolo quindi l indice NDVI (e più o meno anche tutti gli altri) sarà più efficace per intervalli di valori di LAI bassi e medi, comunque variabili, come detto, in funzione delle caratteristiche strutturali di una determinata coltura, mentre per valori di LAI man mano superiori le differenze tenderanno ad essere rilevate con crescente difficoltà. Sono stati proposti indici caratterizzati dall utilizzo di una banda nelle lunghezze Red

3 Indici di vegetazione e monitoraggio della nutrizione azotata d onda del verde (Schepers, et al., 1996) che si ritiene porti informazioni ulteriori riguardo del contenuto di clorofilla, rispetto alla banda del rosso. Alcuni indici proposti sono ottenuti da combinazioni algebriche (non semplici rapporti) utilizzanti anche una banda visibile nelle lunghezze d onda del verde che si sono dimostrati efficaci per la stima di LAI. Haboudane et al. (2004) ad esempio, hanno modificato l indice TVI proponendo per la stima del LAI il Modified Triangular Vegetation Index (MTVI) ottenibile come indice a banda larga da dati multi-spettrali: [ ) 2.5( )] MTVI = ( NIR Green Red Green (2) Il CRAST ha sviluppato l indice CVI (Chlorophyll Vegetation Index) ottenibile da dati multi-spettrali (più economici e disponibili rispetto a quelli ad alta risoluzione spettrale) specificamente sensibile, unico tra gli indici a banda larga (Vincini et al., 2008), alla concentrazione di clorofilla fogliare, importante parametro diagnostico dello status di nutrizione azotata. L indice CVI è proposto per la stima della concentrazione di clorofilla fogliare a livello di canopy (Vincini et al., 2007): CVI NIR Re d = (3) Green 2.2 Area di studio, dati telerilevati ed individuazione degli appezzamenti a mais L immagine multi-spettrale SPOT HRG del 8 luglio 2007 utilizzata è stata corretta geometricamente e convertita in riflettanza mediante correzione atmosferica utilizzando ENVI FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) basato sull algoritmo MODTRAN4. Green Figura 1. Indice NDVI per l area campione selezionata (circa 35x20 Km). L area campione selezionata di circa 600 km 2, ricca di fontanili e con la presenza concomitante di zone vulnerabili alla lisciviazione di nitrati, è visibile come indice

4 NDVI in Figura 1. L area campione, come si vede in Figura 1 corrisponde all angolo nord-est dell acquisizione SPOT e si estende nella parte ovest dalla periferia meridionale di Crema a quella settentrionale di Casalpusterlengo per arrivare nell angolo sud-est alla periferia di Cremona. La prima individuazione degli appezzamenti coltivati a mais è stata ottenuta dalla Carta dell utilizzo agroforestale SIARL 2007, ottenuta incrociando le informazioni del progetto DUSAF con quelle contenute nelle banche dati SIARL. La classificazione SIARL può rappresentare solo il primo passo per l individuazione degli appezzamenti omogenei coltivati a mais, intendendo per omogenei delle unità colturali gestite omogeneamente almeno per i fattori principali (ibrido, data di semina) per le quali abbia senso l estrazione dei valori degli indici di vegetazione per l integrazione nel sistema informativo. Tale carta infatti rappresenta in modo continuo per l intera superficie regionale i dati relativi agli investimenti delle superfici agroforestali, ma, per carenza di informazioni di base e per il metodo adottato, in molti casi non corrisponde ai reali limiti dei singoli appezzamenti. Risulta infatti evidente che la classe mais SIARL, oltre naturalmente a non essere riferibile ad un singolo appezzamento ed a comprendere in maniera indifferenziata colture ad espressione vegetativa molto diversa comprende anche aree accessorie quali capezzagne, strade interpoderali ed aree che alla data di acquisizione non presentavano colture con apprezzabile espressione vegetativa. Al fine di individuare nell area campione gli appezzamenti omogenei coltivati a mais (unità colturali gestite omogeneamente) per l estrazione delle statistiche dei valori degli indici di vegetazione, si è proceduto all analisi delle immagini multi-spettrali, dopo applicazione della maschera mais SIARL 2007, per segmentazione in oggetti e classificazione dei medesimi (analisi object-oriented mediante il pacchetto software ecognition, Blaschke & Hay, 2001) I parametri di segmentazione sono stati empiricamente ottimizzati per l individuazione dei singoli appezzamenti omogenei coltivati a mais. La segmentazione finale e la classificazione degli oggetti corrispondente sono è state ottenute mediante la seguente procedura finalizzata all individuazione dei singoli appezzamenti omogenei coltivati a mais: Ottimizzazione empirica della segmentazione per l individuazione di appezzamenti o parti di appezzamento coltivati a mais omogenei per espressione vegetativa; classificazione supervisionata degli oggetti con classificatore NN (Nearest Neighbor) inizialmente comprendente, oltre alle classi altro, bordi e minori (<0,6 ha) due classi a mais a diverso livello di biomassa verde (basso, alto); Aggregazione degli oggetti contigui di classe mais appartenenti allo stesso livello di biomassa verde; Controllo ed eventuale correzione manuale degli oggetti (digitalizzazione a schermo dei poligoni) visibilmente non corrispondenti ai confini degli appezzamenti; Riclassificazione degli appezzamenti appartenenti alle due classi a mais a diverso livello di biomassa verde in un unica classe mais. 3 RISULTATI

5 Indici di vegetazione e monitoraggio della nutrizione azotata In Figura 2 si riporta un particolare della segmentazione degli oggetti (appezzamenti omogenei) nell area campione, appartenenti alle classi mais, altro, bordi e minori. Si rileva che la produzione di questa cartografia non sarebbe stata possibile se non mediante l elaborazione di dati telerilevati multi-spettrali. Figura 2. segmentazione finale (confini appezzamenti omogenei in blu su composita RGB a falsi colori e maschera copertura non-mais in nero da dati SIARL) La segmentazione finale dell area campione di circa 600 Km 2 comprende oggetti di cui 7889 classificati come appezzamenti omogenei coltivati a mais. Il valore del coefficiente di correlazione tra i valori medi degli indici MTVI e CVI per ciascun appezzamento omogeneo a mais è risultato pari a 0.36 confermando che i due indici sono poco correlati e tendono ad esprimere condizioni diverse delle colture (LAI e concentrazione di clorofilla fogliare) mentre entrambi gli indici risultano correlati con l indice NDVI con valori del coefficiente di correlazione pari a 0.73 sia tra MTVI e NDVI che tra CVI e NDVI. 4 CONCLUSIONI Le procedure di analisi object-oriented possono essere utilmente impiegate su immagini multi-spettrali per l identificazione di appezzamenti omogenei dal punto di vista colturale propedeutica all integrazione dei valori degli indici di vegetazione nei sistemi informativi territoriali per il monitoraggio e gestione dell azoto e degli effluenti zootecnici. I risultati confermano la sensibilità dimostrata in molti lavori dei tre indici di vegetazione utilizzati a parametri biofisici diversi delle colture legati alla nutrizione azotata: il classico indice NDVI è sensibile al contenuto di clorofilla per area di coltura (CCD Canopy Chlorophyll Density) risultante dal prodotto dell indice di area fogliare

6 (LAI) a cui è sensibile l indice MTVI per la concentrazione di clorofilla per area fogliare a cui è sensibile l indice CVI. La sensibilità differenziata dei due indici MTVI e CVI può essere utilmente integrata nelle base dati territoriali con i risultati della modellistica agronomica. L elaborazione del dato telerilevato multi-spettrale potrebbe infatti essere impiegata quale dato di verifica (misura indipendente appezzamento per appezzamento) utilizzabile annualmente per la calibrazione dei parametri direttamente considerati dalla modellistica agronomica (LAI mediante l indice MTVI e contenuto azotato indirettamente mediante la concentrazione di clorofilla fogliare da CVI) alle reali condizioni di campagna. Ringraziamenti. Gli autori ringraziano la Regione Lombardia per la parte di attività legate al progetto Valore - Sistemi esperti per la valorizzazione degli effluenti di allevamento, la salvaguardia ambientale e la tutela del territorio Lombardia. BIBLIOGRAFIA Baret, F. & Guyot, G. Potentials and limits of vegetation indices for LAI and APAR assessment, Remote Sensing of Environment, 1991, 35(2-3), Baret, F., Jacquemoud, S. Guyot, G. & Leprieur, C. Modeled analysis of the biophysical nature of spectral shifts and comparison with information content of broad bands, Remote Sensing of Environment, 1992, 41(2-3), Blaschke, T. & Hay, G. Object-oriented image analysis and scale-space: Theory and methods for modeling and evaluating multi-scale landscape structure, International Archives of Photogrammetry and Remote Sensing, 2001, 34, part 4/W5, Broge, N. H. & Leblanc, E. Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density, Remote Sensing of Environment, 2000, 76, Gitelson, A.A. & Merzlyac, M.N. Signature analysis of leaf reflectance spectra: Algorithm development for remote sensing of chlorophyll, Journal of Plant Physiology, 1996, 148(1), Haboudane, D., Miller, J., Pattey, E., Zarco-Tejada, P.J. & Strachan, I.B. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture, Remote Sensing of Environment, 2004, 90(3): Rouse, J.W., Haas, R.H., Shell, J.A., Deering, D.W. & Harlan, J.C. Monitoring the vernal advancement of retrogradation of natural vegetation, Final Report, Type III, NASA/GSFC, Greenbelt, MD, USA, Schepers, J. S., Blackmer, T. M., Wilhelm, W. W. & Resende, M. Transmittance and reflectance measurements of corn leaves from plants with different nitrogen and water supply, Journal of Plant Physiology, 1996, 148, Vincini M., Frazzi, E. & D Alessio, P. Comparison of narrow-band and broad-band Vegetation Indexes for canopy chlorophyll density estimation in sugar beet. In: Precision Agriculture 07: Proceedings of the 6th European Conference on Precision Agriculture, edited by J. V. Stafford (Wageningen Academic Publishers, Wageningen, The Netherlands), 2007, p Vincini M., Frazzi, E. & D Alessio, P. A broad-band leaf chlorophyll vegetation index at the canopy scale, Precision Agriculture, 2008, 9,