Focus

Il contributo di dati satellitari per l’agricoltura di precisione nelle colture industriali

Le informazioni spettrali misurate dai sensori evidenziano le condizioni delle colture e forniscono gli input per le decisioni agronomiche

.

Una transizione digitale e green sarà sempre più fondamentale per un settore strategico nazionale come l’agro-alimentare. Solo lo sviluppo, l’implementazione e l’adozione diffusa di nuove tecnologie consentiranno alla produzione agricola nazionale maggiore sostenibilità (sia economica che ambientale), resilienza a cambiamenti ambientali e capacità di risposta alla crescente concorrenza internazionale. Queste tecnologie infatti permettono di realizzare produzioni di qualità e di certificare le filiere rispondendo alle crescenti esigenze da parte dei consumatori di prodotti sani ed “eco-friendly”. In questo quadro l’Agricoltura di Precisione (AP) e più in generale l’agricoltura digitale, rappresentano un approccio metodologico vincente che può essere realizzato in concreto solo con una adozione capillare di innovazioni tecnologiche.

Le sfide principali che l’agricoltura industriale estensiva, soprattutto se in regime biologico, si trova ad affrontare sono in relazione all’uso delle risorse idriche e all’adozione di approcci di gestione delle fertilizzazioni e di difesa razionali e sostenibili. Si stima come l'agricoltura sia la principale utilizzatrice delle risorse idriche (European Environment Agency, 2018) rendendo fondamentale l’implementazione di tecnologie e pratiche che consentano un uso razionale dell’acqua soprattutto negli areali caratterizzati da una scarsa disponibilità di fonti idriche superficiali. Similmente, l’utilizzo dei concimi e dei fertilizzanti azotati è oggetto di grande attenzione da parte dei legislatori poiché è causa, in caso di cattiva gestione, di diverse ricadute a livello ambientale in particolare per l’atmosfera (emissione gas clima alteranti) e per le acque sia superficiali che profonde (Direttiva nitrati 91/676/CEE). Risulta perciò fondamentale un razionale uso dei fertilizzanti azotati al fine di mantenere stabili le rese, o aumentarle in termini quantitativi e qualitativi, con minori costi sia economici che ambientali per l’imprenditore agricolo e per la collettività.

Per fare ciò è necessario identificare in modo "preciso” nello spazio e nel tempo le esigenze colturali e riconoscere l’insorgenza di locali condizioni di stress abiotico o biotico; ovvero, è fondamentale “fare la cosa giusta, nel posto giusto e al momento giusto, con la giusta quantità”, rispettando le reali necessità delle piante. Questo è l’approccio alla base dell’Agricoltura di Precisione (AP) ovvero di quell’insieme di tecniche e metodi a supporto degli agricoltori per una gestione sito-specifica delle coltivazioni.

Identificare la variabilità, caratterizzarla e gestirla

Da sempre gli agricoltori in campo osservano la presenza di variabilità dovuta alle diverse interazioni del sistema suolo-coltura-atmosfera, le interpretano e cercano conseguentemente di gestire i fattori di produzione per massimizzare le rese compensando carenze idriche o nutrizionali. Tale azione può oggi essere supportata dalle tecnologie di “sensing” a supporto dell’AP in grado di caratterizzare il sistema agricolo (suolo/pianta e agropratiche) nello spazio (il campo, l’azienda e il distretto) e nel tempo (durante il giorno, la stagione e in pianificazione futura) acquisendo dati da specifica sensoristica. Il flusso di dati così generati, da e per il campo, viene poi gestito da opportuni sistemi informatici integrando le informazioni tra di loro e trasformandole in decisioni “ad hoc” che possono essere attuate in campo in maniera sito-specifica grazie a macchinari in grado di modulare gli apporti in funzione di input forniti (variable rate technology - VRT) sotto forma di mappe di prescrizione georeferenziate. L’implementazione e ladozione di tali soluzioni consentirebbe di incrementare l’efficienza del settore primario riducendo gli impatti ambientali e rendendo la filiera agro-alimentare più resiliente.

Punto di partenza di questo approccio caratterizzato da tre fasi “acquisizione dati – generazione di informazioni – regolazione delle azioni in campo” è la capacità di identificare la variabilità in campo delle colture o dei suoli. L’eterogeneità spaziale degli appezzamenti può essere efficacemente rilevabile oggi attraverso l’uso di tecnologie di proximal sensing (e.g. sensori geofisici trasportati in campo o applicati direttamente alle macchine agricole), remote sensing (e.g. acquisizione immagini da piattaforme UAV o satellitari) e sistemi di gestione ed elaborazione di dati geospaziali (Matese e Di Gennaro, 2015). Tale approccio consente di ottenere accurate mappe di variabilità di una o più caratteristiche rilevanti del sistema suolo-coltura come ad esempio sviluppo della vegetazione, stato nutrizionale della coltura, caratteristiche pedologiche. Dopodichè queste mappe diventano l'input fondamentale per la creazione di unità gestionali o management zone (MZ) Casa e morari 2016) più piccole rispetto all'intero appezzamento. Infatti le MZ sono aree a comportamento omogeneo all’interno degli appezzamenti che divengono le unità su cui attuare interventi gestionali differenziati grazie ai macchinari VRT.

Uno sguardo dall’altro: il contributo dei dati satellitari

I dati satellitari rappresentano una delle fonti più importanti per l'identificazione della variabiltà intracampo per la generazione delle MZ e per la produzione di mappe di prescrizione funzionali alle esigenze della coltura. Lo sviluppo tecnologico consente oggi di avere una notevole fonte di dati telerilevati (https://earthobservations.org/geoss.php). In particolare grazie al programma COPERNICUS dell’EU (https://www.copernicus.eu) e ai dati delle missioni Sentinel (https://sentinels.copernicus.eu/) abbiamo a disposizione una fonte di informazioni operativa e gratuita dedicata al monitoraggio agricolo in grado di fornire immagini multispettrali ogni cinque giorni con risoluzioni decametriche (10-20 m). Le immagini così riprese hanno le caratteristiche idonee per applicazioni di Agricoltura di Precisione per colture industriali ed in particolare cerealicole. Infatti, i dati hanno una risoluzione adeguata per identificare variabilità intracampo anche per appezzamenti di pochi ettari e le informazioni spettrali misurate dai sensori, nelle diverse bande dello spettro elettromagnetico del visibile e vicino infrarosso, consentono di evidenziare le condizioni delle colture in termini di sviluppo e stato nutrizionale ovvero fornire gli input per le decisioni agronomiche.

L’elaborazione di dati multispettrali satellitari, attraverso diversi approcci statistici e modellistici (Verrelst et al 2015), consente di stimare variabili di interesse agronomico ovvero parametri biofisici della coltura (e.g. Leaf Area Index, Contentuto di Clorofille, azoto o d’acqua delle foglie) o di ricavare degli indicatori della condizione delle piante come gli indici di vegetazione (vegetation Index in inglese – VI) utili per la realizzazione di mappe di prescrizione.

 

Il progetto E-crops

Nel progetto E-crops ci si propone di sviluppare e dimostrare metodi per la generazione di informazioni per applicazioni di AP a partire da dati satellitari operativi in condizioni di pieno campo presso l'azienda di Bonifiche Ferraresi presso Arborea (O). L'obiettivo è quello di sfruttare i dati delle missioni Sentinel 1 e 2 per creare informazioni “strategiche” e “tattiche” rispettivamente quale supporto per la pianificazione degli interventi (e.g. identificazione di condizioni produttività potenziale all’interno degli appezzamenti per selezione varietale e modulazione delle densità di semina) e per la gestione delle agropratiche durante la stagione (e.g. modulazione delle fertilizzazioni di copertura).

Nello specifico si intende sfruttare l’archivio di dati Sentinel (dal 2015 ad oggi) per identificare le diverse zone in cui la coltura ha risposto in maniera anomala in diverse stagioni colturali. Tali mappe consentiranno di identificare discontinuità pedologiche come evidenziato dagli effetti dell'interazione suolo-coltura e potranno essere usate in alternativa alla informazioni tradizionalmente generate dalle mappe di resa o di resistività elettrica realizzate con sensori geofisici di campo. Inoltre lo sfruttamento degli archivi di dati satellitari consente di ricostruire i comportamenti anche in assenza di dati di campo storici. Le informazioni così generate sono un input per condurre attività di “smart scouting” volte all’acquisizione di campioni per la caratterizzazione delle proprietà pedologiche ed una sorgente per la realizzazione di mappe di semina differenziata e di fertilizzazioni in pre-semina.

I dati satellitari verranno acquisiti anche durante la stagione colturale per fornire informazioni quasi in Near Real Time (NRT) contribuendo alla gestione di azioni sito-specifiche quali le fertilizzazioni di copertura. In particolare si intende, grazie all’acquisizione in campo di parametri biofisici o biophysical vegetation (BV) traits della coltura (e.g. LAI, biomassa, concentrazione di azoto fogliare), definire soluzioni per la creazione di mappe di variabilità dei BV utilizzando sia tradizionali approcci empirici basati sul calcolo di indici di vegetazione e relazioni parametriche, sia testando i più moderni approcci non-parametrici basati su Machine Learning Regression algorithms (MLRA) e modelli ibridi. In particolare, questi ultimi approcci, considerati oggi lo “state of the art” uniscono modelli di trasferimento radiativo, in grado di descrivere i fenomeni fisici che legano i BV di una coltura con la firma spettrale che può essere rilevata da satellite, con gli algoritmi di MLRA in grado di definire soluzioni in uno spazio complesso. Le mappe così prodotte saranno implementate dai tecnici di Bonifiche Ferraresi in sistemi di supporto alle decisioni per gestire, nelle annate di progetto le fertilizzazioni di copertura per colture cerealicole estensive nell'azienda di Arborea.

Referenze

Casa, R., Morari, F., 2016. La fertilizzazione di precisione. In: Edagricole (Ed.), Agricoltura Di Precisione. Bologna, pp. 249–272.

European Environment Agency, 2018. Use of freshwater resources. https://www.eea.europa.eu/dataand- maps/indicators/use-of-freshwater-resources-2/assessment-2.

Matese, A., Di Gennaro, S.F., 2015. Technology in precision viticulture: a state of the art review. IJWR 69. https://doi.org/10.2147/IJWR.S69405

Verrelst, J., Camps-Valls, G., Muñoz-Marí, J., Rivera, J. P., Veroustraete, F., Clevers, J. G. P. W., & Moreno, J. (2015). Optical remote sensing and the retrieval of terrestrial vegetation bio-geophysical properties - A review. ISPRS Journal of Photogrammetry and Remote Sensing, 108, 273–290. https://doi.org/10.1016/j.isprsjprs.2015.05.005

 

La presente pubblicazione è stata realizzata con il cofinanziamento dell’Unione Europea, PON Ricerca e Innovazione 2014-2020. Info: www.e-crops.it.