Workshop Innovation Tergeo Dal dato remoto alle mappe di prescrizione: il rilevamento aereo e satellitare a confronto Borgogno Mondino, E.; Lessio, A.; Tarricone, L.; Novello, V.; de Palma, L. Enovitis in Campo Torrevento, Corato (Bari) 17 18 giugno 2016
Il ruolo «atteso» dal Telerilevamento in agricoltura di precisione Immagine multispettrale Mappe di indice spettrale NDVI (Normalized Difference Vegetation Index) VIGORE Mappe di Prescrizione Firma spettrale della coltura Interventi agronomici differenziali e mirati condotti, possibilmente, con macchine a rateo variabile
Dati Aerei o Satellitari? Alta risoluzione geometrica (0.5-1.0 m) Disponibilità limitata dei dati (il volo va pianificato di volta in volta) Costi più elevati (5-10 euro/ha per almeno 1000 ha volati) Minor controllabilità delle misure (non fanno riferimento a procedure standard di elaborazione del dato grezzo) Bassa risoluzione spettrale Media risoluzione geometrica (10-30 m) Acquisizione con cadenza regolare (serie temporali) Dati gratuiti Misure controllate (dagli entri distributori) e procedure di processamento dei dati standardizzate Più alta risoluzione spettrale
Dati Aerei o Satellitari? PREMESSE: risoluzione geometrica delle immagini Vs dimensione media degli appezzamenti Censimento dell agricoltura 2010 - VITICOLTURA Una dimensione media di 2.0 ha corrisponde : a) a 22 pixel 30 x 30 m (Missione Landsat 8 OLI, NASA) b) a 200 pixel di 10 x 10 m (SENTINEL-2, ESA) Il segnale che i sensori registrano per ogni pixel è da intendersi come un campionamento delle caratteristiche delle superfici che ricadono al suo interno. I pixel sono punti di un campionamento distribuito sul vigneto con la frequenza concessa dalla risoluzione geometrica. A tali risoluzioni la risposta espressa dai pixel è MISTA: parte riferita alla vegetazione (filare) e parte al terreno (interfilare). Per il vigneto si può ragionevolmente ammettere, data la regolarità del sesto di impianto, che filare e interfilare partecipino per metà alla formazione del segnale.
Un caso studio per provare a rispondere: un vigneto di Moscato Reale 29 scene da maggio 2013 a gennaio 2016 Sensore: Landsat 8 OLI Risoluzione: 30 m SATELLITE: Identificazione pixel «puri» strettamente interni al vigneto sovra-campionamento geometrico 4 voli : giu 2103, sett 2013, giu 2014, sett 2014 Sensore: VNIR DUNCAN (Green, Red, NIR) Risoluzione: 0.5 m AEREO: Identificazione automatica dei pixel vegetati per la produzione di mappe di vigore (NDVI) interpolazione spaziale Circa 3.7 ha di vigneto monitorato
Mappe di Vigore Aereo Vs Satellite Dati Aerei Giugno 2013 Giugno 2013 Dati Satellitari Mappe interpolate Settembre 2013 Settembre 2013 Giugno 2014 Giugno 2014 Settembre 2014 Settembre 2014
NDVI Aereo Mappe di Vigore Aereo Vs Satellite 0,75 0,70 Giugno 2013 QUANTIFICAZIONE DELLA COERENZA TRA OSSERVAZIONI DA AEREO E DA SATELLITE 0,65 0,60 0,55 0,50 0,45 0,40 0,40 0,50 0,60 0,70 0,80 NDVI Satellite Alte correlazioni tra i valori di NDVI in vigneto nonostante la NON perfetta contemporaneità delle acquisizioni I 2013 II 2013 I 2014 II 2014 R 0.81 (0 gg) 0.67 (15 gg) 0.85 (10 gg) 0.60 (15 gg) a 0.6089 0.6760 0.5665 1.0923 b 0.2182 0.0036 0.3817 0.1130 COMPORTAMENTO MEDIO DEL VIGNETO DA AEREO E DA SATELLITE STATISTICHE a SCALA di VIGNETO (Media e Deviazione Standard) Aereo Satellite S C-A μ NDVI σ NDVI μ NDVI σ NDVI Δμ Giugno 2013 0.560 0.054 0.560 0.042 + 0.000 Settembre 2013 0.381 0.076 0.376 0.050-0.005 Giugno 2014 0.689 0.045 0.690 0.037 + 0.001 Settembre 2014 0.666 0.091 0.661 0.055-0.005
MA. I punti di forza del satellite 1. E possibile descrivere l andamento del VIGORE e della sua uniformità nel vigneto nel tempo (FENOLOGIA). Esistono momenti più significativi di altri per leggere il vigneto? 04/04/2014 22/05/2014 23/06/2014 09/07/2014 10/08/2014 26/08/2014
MA. I punti di forza del satellite 2. E possibile stimare l incertezza di misura (s NDVI ) coerentemente grazie alla certezza della standardizzazione del processo di calibrazione e della natura del dato. 04/04/2014 22/05/2014 23/06/2014 09/07/2014 10/08/2014 26/08/2014
Dall informazione di campo agli interventi agronomici DAL VIGORE ALLE CLASSI DI PRESCRIZIONE Sulla base delle mappe di vigore è necessario individuare soglie di taglio per semplificare l informazione riducendola ad una classificazione a 3 (4?) classi: ALTO, MEDIO e BASSO VIGORE. La definizione dei criteri e delle soglie determina la forma finale delle mappe di prescrizione che le macchine seguiranno. Diverso il criterio, diverse le mappe. QUALE CRITERIO? domanda che al momento resta aperta. Una forte interazione tra esperto di telerilevamento e agronomo/viticoltore è richiesta. Risposte definitive al momento non ne esistono.
Dall informazione di campo agli interventi agronomici COSA ABBIAMO FATTO NOI a. Abbiamo proceduto individuando le soglie su base statistica operando una Cluster Analysis K- MEANS a 3 classi sulle mappe di vigore. b. Abbiamo quantificato le differenze di vigore tra le classi riferendoci al valore medio di classe di NDVI e calcolando un coefficiente di variazione (%) Moscato Reale Limite sup. classe μ NDVI Low (<25 perc.) 0.523 0.498 Medium (25-75 perc.) 0.570 0.548 High (> 75 perc.) oltre 0.587 con μ L/H : media del cluster «Low»/«High» μ M : media del cluster «Medium» VD low (LOW) - 9.12% VD high (HIGH) + 7.16% c. Abbiamo tradotto il coefficiente di variazione in interventi agronomici diversificati per intensità, nelle stesse percentuali.
Mappe di Prescrizione Dati Aerei Dati Satellitari Giugno 2013 Giugno 2013 Settembre 2013 Settembre 2013 Giugno 2014 Giugno 2014 Settembre 2014 Settembre 2014
Conclusioni 1. Il satellite costituisce, per valutazioni alla scala di vigneto, una valida alternativa all aereo 2. Permette l osservazione continuata provvedendo ad una descrizione quantitativa della fenologia 3. Permette di operare con dati GRATUITI la cui coerenza radiometrica è garantita dagli enti distributori consentendo una maggior affidabilità delle informazioni 4. Consentirebbe, data la copertura globale delle missioni, di confrontare ambiti agronomici diversi (per posizione geografica) avvalendosi di dati omogenei servizi a scala regionale/nazionale 5. Non può, al pari di qualunque altro dato remoto, esimersi dal confrontarsi/calibrarsi con dati di campo di tipo tradizionale Alcune domande restano aperte: 1. Quali criteri dobbiamo adottare per tradurre le mappe di vigore in mappe di prescrizione? 2. Quanto valgono ECONOMICAMENTE I BENEFICI che possiamo indurre introducendo queste tecniche nel flusso di lavoro ordinario dell agricoltore? Sono compatibili con i ricavi di settore? 3. Riusciamo a parametrizzare i costi sulla base della tecnologia (satellite, aereo, drone, multi- e iperspettrale?) e dell estensione areale arrivando a definire un BREAK EVEN POINT per cui il vantaggio economico sia superiore ai costi?
Grazie per l attenzione Borgogno Mondino, E. Gruppo di Geomatica DISAFA Università degli Studi di Torino enrico.borgogno@unito.it