IL TELERILEVAMENTO DELLA VEGETAZIONE AGRICOLA: PROBLEMATICHE E PROSPETTIVE Fabio MASELLI IBIMET-CNR, Via Madonna del Piano 10, 50019 Sesto Fiorentino, FI
ARGOMENTI TRATTATI La presentazione intende dare un sommario delle applicazioni del telerilevamento da aereo o satellite finora effettuate in campo agricolo, partendo dalle basi bio-fisiche di queste tecniche. Viene poi presentato un excursus storico dei principali sensori utilizzati a fini agricoli, che introduce le più recenti prospettive in questo campo. Vengono infine trattati brevemente gli argomenti che sono più interessanti da affrontare per poter ottimizzare le possibilità applicative di queste metodologie.
REGIONI SPETTRALI UTILI PER IL MONITORAGGIO DELLA VEGETAZIONE: VISIBILE; riflettanza proporzionale al contenuto in pigmenti, e quindi alle condizioni fotosintetiche delle piante; VICINO INFRAROSSO: riflettanza proporzionale all integrità delle foglie, e quindi al loro stato vegetativo; INFRAROSSO MEDIO: riflettanza proporzionale al contenuto idrico delle foglie, e quindi allo stress idrico delle piante; INFRAROSSO TERMICO: temperatura di superficie proporzionale allo stato evapotraspirativo delle piante.
CARATTERISTICHE SALIENTI DEI DATI TELERILEVATI Copertura Spettrale; numero ed ampiezza delle bande in particolari intervalli dello spettro elettromagnetico, ad es. nel blue, verde, rosso, (visibile, V), infrarosso vicino (NIR), infrarosso medio (MIR), termico (T), ecc. Risoluzione spaziale; ampiezza del più piccolo elemento individualmente identificabile sulla superficie terrestre, corrispondente alla dimensione del pixel (Picture Element), ad es. 5x5 m, 30x30m, 300x300 m, 1l00xll00 m, ecc. Frequenza temporale; tempo intercorrente fra un passaggio e l' altro del satellite sulla stessa area (per i satelliti orbitanti) o fra una acquisizione e l' altra (per i satelliti geostazionari).
Caratteristiche principali dei sensori multi- ed iper-spettrali montati su piattaforma satellitare (V = visibile, NIR = vicino infrarosso, MIR = infrarosso medio, TIR = infrarosso termico; le risoluzioni in parentesi si riferiscono alle eventuali bande pancromatiche). Caratteristiche spaziali Satellite- Sensore Bande Risoluzione Frequenza Bassa risoluzione NOAA-AVHRR Spot-VGT V+NIR+TIR V+NIR+MIR+TIR 1.1 km 1 km 12 ore 1 giorno Media risoluzione Terra-MODIS Envisat-MERIS V+NIR+T V+NIR+MIR+T 250-1000 m 300-1200 m 2-4 giorni 3 giorni Alta risoluzione Landsat-TM Spot-HRV V+NIR+MIR+T V+NIR 30 m (15 m) 20 m (10m) 16 giorni 26 giorni IRS V+NIR 20 m (5m) 5-10 giorni Altissima risoluzione IKONOS Quick-Bird V+NIR V+NIR 4 m (1 m) 2.5 m (0.6 m) 4 giorni 4 giorni
Caratteristiche principali di alcuni sensori multi- ed iper-spettrali montabili su piattaforma aerea (V = visibile, NIR = vicino infrarosso, MIR = infrarosso medio, TIR = infrarosso termico). Caratteristich e spettrali Sensore Bande Risoluzione Multispettrale Daedalus Larghe, V+NIR+MIR+TIR 5-10 m Superspettrale CASI VIRS Strette, V+NIR Strette, selezionabili, V+NIR 1-5 m 1-5 m Iper-spettrale AISA Strette, selezionabili, V+NIR 1-5 m MIVIS Strette, numerose, V+NIR+MIR+TIR 1-5 m
UTILIZZO DELL INFORMAZIONE TELERILEVATA Il telerilevamento da aereo o satellite sfrutta le proprietà ottiche della vegetazione per ricavare informazioni utili riguardo al tipo ed alle condizioni della stessa. L estrazione di tale informazioni dalle immagini telerilevate da aereo o satellite risulta tuttavia spesso complicata da una serie di fattori sia interni che esterni alle immagini stesse. Fra questi ci sono la distorsione geometrica delle immagini, l instabilità radiometrica dei sensori, l effetto atmosferico e quello topografico, ecc. Un metodo molto rapido ed efficace per ridurre parte di questi disturbi e condensare l informazione riguardo allo stato della vegetazione è quello di calcolare indici spettrali, quali l NDVI, il SAVI, ecc.
Tabella 3. Indici di vegetazione proposti in letteratura.
USO DEGLI INDICI DI VEGETAZIONE Particolarmente importante è il legame fra NDVI e FAPAR, che consente la stima della produzione agricola con algoritmi semi-empirici da dati a bassa risoluzione spaziale ed alta frequenza temporale. Wheat Yield (kg/ha) 1,800 1,600 1,400 1,200 1,000 800 600 400 200 0 y = 37176x - 7321.5 r 2 = 0.930 ** Morocco (1982-94) 0.2 0.3 0.4 0.5 0.6 0.7 NDVI April Relazione trovata fra rendimento del grano in Marocco e relativi valori di NDVI misurati nel mese di aprile di 13 anni tramite il sensore NOAA-AVHRR (** = correlazione altamente significativa, P < 0.01).
INVENTARI AGRICOLI DA DATI AD ALTA RISOLUZIONE Immagini ad alta risoluzione dei satelliti Landsat e Spot sono state utilizzate soprattutto per inventari delle superfici agricole a scala regionale. In letteratura si trovano moltissimi studi riguardo ai sistemi di classificazione di queste immagini per ottenere inventari agricoli su estensioni di diversa ampiezza. Immagini Landsat-TM, sono state utilizzate anche in un contesto semioperativo, per esempio all interno del progetto MARS (Monitoring Agriculture with Remote Sensing), sviluppato dalla seconda metà degli anni 80 presso il Joint Research Centre della Commissione Europea ad Ispra (EC-JRC). Tale progetto ha prodotto statistiche di superfici coperte dai principali raccolti a scala europea basate sull uso di dati a terra e classificazioni di immagini ad alta risoluzione
USO DI FOTO AEREE Per inventari agricoli su zone più limitate sono spesso state usate foto aeree. Metodologia usata dal progetto AGRIT per la stima delle superfici coltivate a livello nazionale.
USO DI IMMAGINI SATELLITARI AD ALTISSIMA RISOLUZIONE Visti gli alti costi delle riprese aeree, grandi aspettative sono state poste nell uso di dati satellitare ad altissima risoluzione. La tabella mostra i possibili usi di dati IKONOS in agricoltura (modificato da Kurbanov, 2006). - Identification of various crops and definition of areas they occupy; - Performing change detection analysis to monitor change in vegetation patterns; - Estimation of condition of crops, contamination, density, drowning, etc.; - Estimating crop yields and planning future crops; - Monitoring moisture levels and efficiency of irrigation techniques; - Gauging the density and health of vegetation over the course of the growing season; - Estimation of influence of fertilizers on efficiency of crops and soils; - Identifying areas experiencing disease or infestation; - Evaluating crisis spots during times of drought or flood; - Measuring damage or loss after hail, wind, or rain storms; - Studying of soil structure and properties, soil mapping; - Soil and agricultural zoning of the territory of inspected region; - Performance of works on geobotanical inspection of pastures, etc.; - Inventory of meadows, haymakings, pastures with an estimation of their condition and efficiency;
CONCLUSIONI E PROSPETTIVE Necessità di ulteriori studi ed avanzamenti nelle seguenti direzioni: Integrazione di dati telerilevati con diverse caratteristiche spettrali, spaziali e temporali; Integrazione dei dati telerilevati ed informazioni ausiliarie (topografia, morfologia, idrologia, pedologia, ecc.) in ambienti GIS; Sviluppo di metodologie per guidare modelli di simulazione agro-meteo delle colture con dati telerilevati ed ausiliari;
Immagini a diversa risoluzione Elaborazione dati Dati ausiliari Valutazione dello stato colturale Analisi tramite modelli agrometeo Dati meteorologici L applicazione operativa di queste metodologie richiede non solo lo sviluppo di un contesto tecnologico adeguato ma anche la creazione di opportune figure professionali.