MONITORAGGIO DEL CONTENUTO DI CLOROFILLA DELLA PIANTA DI BARBABIETOLA DA MISURE SPETTRORADIOMETRICHE DI CAMPO preliminari Mirco Boschetti 1,2, Daniela Stroppiana 1, Claudia Giardino 1 e Massimo Vincini 3 1. CNR-IREA, Istituto per il Rilevamento Elettromagnetico dell Ambiente, Via Bassini 15, 20133 Milano. Boschetti.m@irea.cnr.it, stroppiana.d@irea.cnr.it, giardino.c@irea.cnr.it. 2.DI.PRO.VE.,Dipartimento Produzione Vegetale, Università degli Studi di Milano, Facoltà di Agraria 3. CRAST, Centro Ricerca Analisi Spaziale e Telerilevamento, Università Cattolica del Sacro Cuore, Via Emilia Parmense, Piacenza, massimo.vincini@unicatt.it.
CITIMAP project Precision Farming Studio delle relazioni tra Vi e Chl Influenza dei parametri strutturali Disegno sperimentale Campagne di misura Misure radioemtriche Relazioni a livello di foglia Relazioni a livello di canopy
Precision Farming & RS: supporto ai piani di fertilizzazione L Agricoltura di Precisione (AP) è un insieme di conoscenze e di tecniche che permette interventi agronomici razionali e puntuali modulati in funzione delle variazioni nello spazio (e nel tempo) delle caratteristiche pedologiche e condizioni microclimatiche e colturali. Questa moderno approccio alle pratiche agricole si basa sulla possibilità di un utilizzo modulato delle agrotecniche indicate come Variable Rate Technology (VRT) che consentono la distribuzione dei trattamenti (fertilizzazione, irrigazione, applicazioni fitosanitarie, ecc.) in funzione delle reali esigenze della coltura minimizzando perciò l impatto ambientale e i costi aziendali. In questo contesto le tecniche di telerilevamento, sia da terra (Proximal Sensing) che utilizzando sensori aerei o satellitari, rappresentano lo strumento più promettente per fornire rapide, non distruttive e sinottiche informazioni sullo stato delle colture a scala aziendale. Attraverso una tempestiva conoscenza della variabilità spaziale della situazione nutrizionale delle colture è ad esempio possibile produrre mappe di prescrizione per la concimazione a rateo variabile in copertura. In questo contesto si colloca l attività sperimentale del progetto citimap
Sperimentazione CITIMAP 2005: nutrizione azotata bietola Il principale obiettivo dello studio è l analisi delle relazioni tra indici spettrali e concentrazioni di clorofilla fogliare, per valutare le potenzialità dei dati iperspettrali Studio preliminare per la successiva analisi di dati AISA e QuickBird Acquisizione in campo di due famiglie di spettri: fogliare, mediante sonda di contatto per lo studio delle regioni spettrali più idonee alla stima della concentrazione di clorofilla. 0.5 0.45 0.4 Riflettanza in funzione di Cab 0.35 ρ 0.3 0.25 0.2 15 35 55 0.15 Sopra chioma (canopy) per valutare le potenzialità di indici spettrali sviluppati ad hoc per minimizzare l influenza del background e delle caratteristiche strutturali della coltura. 0.1 0.05 0 400 470 540 610 680 750 820 890 960 1030 1100 1170 1240 1310 1380 1450 1520 1590 λ [nm] 1660 1730 1800 1870 1940 2010 2080 2150 2220 2290 2360 2430 2500 Crop canopy Understory Soil
Disegno sperimentale bietola 5 6 7 12 11 10 9 8 Disegno speriementale N M L M N L O O 0 kg/ha 90 kg/ha 180 k g/ha 270 k g/ha AISA RGB-FC Chl a+b Fc FS-canopy FS-probe Fila : 12-24-36-60 Metri: 5-10-15 Fila : 18-36-54 Metri: 10 Fila : 18-36-44 Metri: 5-15 Fila : 36 Metri: 10 4 3 2 1 M L O N E F A B C D E F Variabilità controllata generata a seguito di fertilizzazioni differenziate: 4 livelli N (0-90-180-270 kg/ha) randomizzati 2 livelli irrigui (blocchi E, F) 3 repliche tot 24 parcelle 0.06 ha Densità semina bietola: interfile di 45 cm, 60 file per parcella
Misure agronomiche: 26/05/05 (ripresa QuickBird) Chl a+b (stimato da misure di SPAD) Fila : 12-24-36-48-60 Metri: 5-10-15 Tot. 360 Media di due misure delle 6 foglie più sviluppate delle 6 piante più vicine (bulking) per ogni punto di campionamento della griglia Curva di calibrazione ottenuta sperimentalmente da rilievi multi-temporali temporali 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
Misure agronomiche: 26/05/05 FC (Fotografia Digitale nadirale) Fila : 18-36-54 Metri: 10 Tot. 72 Fc stimato mediante analisi objectoriented di fotografie digitali 54-36-18 54-36-18
Misure radiometriche: 06/04/05 ASD-FS FS-PRO (SOIL) per definizione della Soil Line Misure dopo lavorazione del suolo Lungo 3 file per ogni parcella Misure ogni 10 metri Tot. 144 Ottica 25 Altezza ripresa 1.5 m Superficie campionata 0.6 m (diametro) Immagine pancromatica QuickBird degli appezzameni in cui verranno ospitate le colture sperimentali 2005
Misure radiometriche: 27/05/05 (sorvolo AISA) ASD-FS FS-PRO (Canopy) Fila : 18-36-44 Metri: 10 Tot. 144 44-36-18 44-36-18
Misure 27/05/05 ASD_ FS-PRO (Leaf) Fila : 36 Metri: 10 Tot. 24 Conctact probe accoppiato a FS 3 misure spettrali per ogni foglia Campionamenti di rondelle fogliari di 18mm diametro in corrispondenza delle misure per estrazione analitica di Chl a+b 36 36
Analisi Data set Il dataset finale per lo studio dei VI utilizzato analisi a livello fogliare 24 spettri e corrispondenti misure analitiche di Chl a+b analisi a livello di canopy 48 spettri con corrispondenti valori stimati di Chl a+b e Fc Metodo Per ogni firma sono stati calcolati diversi indici di vegetazione e da mettere in relazione alle concentrazioni di clorofilla. Le relazioni sono state sviluppate con tecniche di regressione lineare (OLS), in cui la variabile indipendente è data dall'indici di vegetazione
Analisi: indici di vegetazione Strutturali Indice Formula Referenza Simple Ratio Normalized Difference Vegetation Index SR = R800/R670 NDVI = (R800 R670 )/(R800 + R670) Rouse et al. (1974) Rouse et al. (1974) Razio RATIO1 (700/670) RATIO2 (750/550) RATIO3 (750/700) R1 = R700/R670 R2 = R750/R550 R3 = R750/R710 Kim et al. (1994) Gitelson and Merzyak (1996) Zarco-Tejada et al. (2001) Triangolari Triangular Vegetation Index Modified Triangular Vegetation Index [ 120( R R ) 200( R )] TVI = 0.5 750 550 670 R550 MTVI2 1.5 = (2R [ 1.2( R R ) 2.5( R R )] 800 800 + 1) 2 550 (6R 800 5 670 R 670 550 ) 0.5 Broge and Leblanc (2000) Haboudane et al. (2004)
Analisi: indici di vegetazione CARI REP Modified Chlorophyll Absorption in Reflectance Index Transformed CARI REIP_Lin Indice Formula Referenza REIP_Lagr [( R R ) 0.2( R R )]( R / ) MCARI = 700 670 700 550 700 R670 [ R R ) 0.2( R R )( R / )] TCARI = 3 ( 700 670 700 550 700 R670 Modello semplificato lineare Modello di interpolazione Lagrangiano Daughtry et al. (2000) Haboudane et al (2002) Jongschaap and Booij (2004) Dawson and Curran (1998) Soil adjust Optimized Soil Adjusted Vegetation Index Transformed Adjusted Vegetation Index OSAVI TSAVI = ( 1 + 0.16)( R R670 ) /( R800 + R670 = a 800 + 0.16) [ R ( a * R ) b][ / ( R + ( a * R ) ( a * )] ( 800 670 670 800 b Rondeaux et al. (1996) 3 Baret et al. (1989) Ottim. TCARI/OSAVI TCARI/OSAVI Haboudane et al (2002)
: Calcolo del REP REIP_Lin: uso relazione lineare che identifica la metà tra la spalla di massima riflessione e quella di minimo assorbimento Riflettanza 0.50 data 0.40 derivata1 0.30 0.20 0.10 0.00 350 450 550 650 750 850 0.020 0.010 0.000-0.010-0.020 Derivata (D1) REIP_Lagr: analizza la derivata prima della firma spettrale interpolata con un modello lagrangiano per trovarne il valore massimo in un intorno di λ=720 nm. Per il processamento dei dati relativi a quest'ultimo metodo è stato utilizzata la versione 6.0 di IDL. Gli [nm]
Soil line Spettri di suolo 60% bietola.003 50% bietola.110 soil Soil Leaf Canopy R (%) 40% 30% 20% 10% 0% 350 850 1350 1850 2350 Wavelength (nm) Soil line Soil line 0.27 0.25 Esempi di firme spettrali di suolo acquisite con FS. Differenze dovute alla naturale variabilità. 0.23 NIR 0.21 0.19 0.17 y = 1.23x + 0.00 R 2 = 0.98 0.15 0.12 0.14 0.16 0.18 0.20 0.22 RED Soil line usando i 144 spettri (differenze dovute a diverse condizioni di umidità)
Leaf 0.60 0.50 N 0% N 50% N 100% N 150% 0.30 0.20 Soil Leaf Canopy Riflettanza 0.40 0.30 0.20 0.10 0.00 450 550 650 750 0.10 0.00 350 850 1350 1850 2350 [nm] Esempi di firme spettrali acquisite con il contact probe su piante di a diversi livelli di fertilizzazione. Effetti nella regione del visibile.
VI 4.50 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 750/700 Leaf VIs vs Chl a+b: correlazione y = 0.06x + 1.39 R 2 = 0.62 20 30 40 50 chl a+b (mg/cm2) VI 0.20 0.18 0.16 0.14 0.12 0.10 0.08 0.06 0.04 0.02 0.00 NDI y = 0.00x + 0.05 R 2 = 0.69 20 30 40 50 chl a+b (mg/cm2) VI 0.50 0.45 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 MCARI Leaf y = 1.49e -0.04x R 2 = 0.69 20 30 40 50 chl a+b (mg/cm2) 35.00 30.00 Soil Leaf 25.00 Canopy 20.00 15.00 VI 10.00 5.00 0.00 TVI y = -0.18x + 36.09 R 2 = 0.20 20 30 40 50 chl a+b (mg/cm2) VI 714.00 712.00 710.00 708.00 706.00 704.00 702.00 700.00 REP_LAGR y = 0.63x + 684.30 R 2 = 0.64 20 30 40 50 chl a+b (mg/cm2) VI 720.00 718.00 716.00 714.00 712.00 710.00 708.00 706.00 SR NDVI R1 R2 R3 TVI Chl a+b ns 0 ns 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 - REP y = 0.60x + 692.68 R 2 = 0.74 20 30 40 50 chl a+b (mg/cm2)
REPlin vs REPlagr Leaf Clevers et al. 2002 Derivation of the red edge index using the MERIS standard band setting, IJRS, 23:16, pp.3169-3184 Soil Leaf Canopy The linear method for estimating the red edge index.. assumes a straight slope of the reflectance spectrum around the midpoint between NIR plateau and minimum at the chlorophyll absorption in the red. This midpoint is then defined as the red edge index. This point may not coincide with the maximum of the first derivative, but it appears to be robust compared with the Lagrangian method and it requires only a limited number of spectral bands to be used. Thus, this method is very useful for practical applications.
Soil Leaf Canopy Canopy VIs vs Chl-a+b Riflettanza 0.70 0.60 0.50 0.40 0.30 0.20 0.10 0.00 CHL FC FN1 32.93 64.62 FL3 34.94 83.64 FM4 32.41 54.56 FO5 27.02 35.99 350 450 550 650 750 850 950 [nm] FO5 FN1 FM4 FL3 Canopy Esempi di firme spettrali su piante di a diversi livelli di fertilizzazione. Effetti maggiori nella regione del REP e NIR. Significativo contributo del suolo R 2 indici di vegetazione SR NDVI R1 R2 R3 TVI MTVI2 Chl a+b 0.62 0.69 0.56 0.65 0.66 0.65 0.67 FC 0.80 0.84 0.6 0.70 0.70 0.62 0.63 MTVI2 MCARI TCARI REIP_lin OSAVI TSAVI TCARI/OSAVI Chl a+b 0.67 0.60 0.6 0.64 0.66 0.64 0.35 FC 0.63 0.46 0.46 0.88 0.72 0.73 0.26
Soil Leaf Canopy Analisi Canopy VIs: FC -Chl Fc e Chl risultano fortemente correlati 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 più influenzati dal Fc che dal contenuto di Chl a+b Esempio per REP: regressione multipla R (coefficiente di correlazione) 0.896 R² (coefficiente di determinazione) 0.803 R²aj. (coefficiente di determinazione corretto) 0.784 Fonte DF SS MS F Pr > F Modello 2 164.961 82.481 42.860 < 0.0001 Residui 21 40.413 1.924 Totale 23 205.374 Fonte DF SS MS F Pr > F FC 1 161.617 161.617 83.982 < 0.0001 chl 1 3.345 3.345 1.738 0.202 Varianza dei dati è spiegata principalmente dal Fc Chl a+b mg/cm2 40 38 36 34 32 30 28 26 24 22 20 Canopy y = 0.17x + 22.16 R 2 = 0.70 0 20 40 60 80 100 FC
Analisi Leaf-Canopy VIs: FC Canopy 0.6 Soil Leaf Canopy Reflectance (%) 0.5 0.4 0.3 0.2 EM4 Fc 54.9 Chl 32.67 EM8 Fc 78.8 Chl 32.27 0.1 0.0 200 400 600 800 1000 1200 Lunghezza d'onda (nm)
MCARI Leaf-Canopy VIs: problema mistura Leaf Canopy Canopy Soil Leaf Canopy VI 0.50 0.45 0.40 0.35 0.30 0.25 0.20 0.15 0.10 0.05 0.00 MCARI y = 1.49e -0.04x R 2 = 0.69 20 30 40 50 chl a+b (mg/cm2) VI 0.30 0.25 0.20 0.15 0.10 0.05 MCARI y = 0.00x - 0.02 R 2 = 0.49 0.00 10 30 50 70 90 Fc VI 0.80 0.70 0.60 0.50 0.40 0.30 0.20 0.10 MCARI y = 0.04x - 0.76 R 2 = 0.47 0.00 20 25 30 35 40 chl a+b (mg/cm2) Fc 0 40 60 80 100 Haboudane et al., 2002 Daughtry et al., 2000 Zarco et al., 2004
MCARI Leaf-Canopy VIs: problema mistura Canopy 60% In condizioni di bassa copertura l effetto del suolo è preponderante e rende inefficace l analisi delle clorofille. (es del MCARI) Problema identificato da Zarco et al. (2004) nel caso di canopy sparse in coltivazioni di olivi Procedure di unmixing o modelli geometrici potrebbero risolvere il problema Leaf 60% Canopy 50% Soil Leaf Canopy 40% Riflettanza (%) 30% 20% N-0 N-150 MCARI-0 MCARI-150 REP-0 REP-150 Riflettanza (%) 50% 40% 30% 20% Chl 28 mg/cm2 Fc = 78% Fc = 28% N-0 N-150 MCARI-0 MCARI-150 REP-0 REP-150 Chl 28 μg/cm 2 10% 10% Chl 41 mg/cm2 Chl 44 μg/cm 2 0% 400 500 600 700 800 900 Lunghezza d'onda(nm) MCARI > MCARI 0% 400 500 600 700 800 900 Lunghezza d'onda(nm) MCARI < MCARI
Leaf Analisi iperspettrale di firme di foglia conferma la possibilità di monitorare il contenuto di clorofilla di 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) si è mostrato un buon indice Canopy Disegno sperimentale ha portato ad avere forte relazione tra Fc (i.e. caratteristiche strutturali della pianta) e contenuto in Chl fogliare. Gli indici di vegetazione specificamente 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 preponderante e non si può minimizzare anche con indici appositi (rapporto TCARI/OSAVI)
RS per VRT Determinazione della concentrazione delle clorofille (Chl a+b) da dati spettrali di canopy (sensori remoti) non può ancora considerarsi una tecnologia acquisita. 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 spaziale in campo non identificabile altrimenti rappresentando perciò un supporto alle VRT Sviluppi Uso di modelli di trasferimento radiativo (PRO-SAILH) potrà aiutare nell interpretazione dei dati. Sperimentazione 2006 si porrà l obiettivo di generare un dataset in cui le concentrazioni di clorofilla risultino il più decorrelate possibile dai parametri strutturali della pianta (LAI, Fc, biomassa) positivi nella ricerca di indici empirici efficaci nella decorrelazione di tali parametri renderebbero la produzione di mappe di prescrizione operative in quanto più indipendenti dalla raccolta di dati di campagna.
REP vs Chl-a+b Workshop CITIMAP: Leaf Monitoraggio vegetazione 0 kg/ha 90 kg/ha 180 kg/ha 270 kg/ha Telerilevament o F E Progetto dottorato Approccio Empirico: Pascoli Approccio modellistico: Risaie REP 720 718 716 714 712 710 708 706 704 702 700 REIP FN01 FO02 FL03 FM04 FO05 FL06 FN07 FM08 FL09 FM10 FN11 FO12 EO12 EN11 EM10 EL09 EM08 EN07 EL06 EO05 EM04 EL03 EO02 EN01 Chl 50 45 40 35 30 25 20 15 Chl Parcella