Università Cattolica del Sacro Cuore

7. Telerilevamento (Agricoltura di precisione)

Il “telerilevamento” è un insieme di tecniche attraverso le quali è possibile rilevare, ad una certa distanza ed attraverso l’uso di appropriati sensori, alcune proprietà fisiche o chimiche di un materiale. Nel caso dell’agricoltura di precisione, il materiale oggetto del rilievo è costituito dai tessuti vegetali delle colture agrarie e dal suolo, nonché dalla combinazione degli stessi in ciò che viene comunemente chiamato canopy. Con l’avanzare della tecnologia, i sensori sono diventati sempre più potenti, accurati e facilmente accessibili. In particolare, lo sviluppo di sensori satellitari, in orbita su piattaforme satellitari (es. Sentinel-2), ha permesso di ottenere informazioni spazio-temporalmente adeguate per uno studio in tempo reale della canopy.

Immagini delle attività di ricerca


Obiettivi

1. Monitoraggio territoriale e classificazione colturale

2. Stima dei parametri biofisici per l’agricoltura di precisione e la fenotipizzazione delle colture erbacee

3. Sviluppo di tecniche di agricoltura di precisione per la gestione sostenibile di acqua irrigua e fertilizzazione azotata

4. Monitoraggio fenologico delle principali colture agrarie

5. Stima della resa su scala territoriale e di campo


Attività sperimentali

Le attività sperimentali svolte dal gruppo di ricerca comprendono l’impiego sia di dati satellitari che dati rilevati tramite drone.
Satellite
1.    Utilizzo di serie temporali di indici di vegetazione per la classificazione del pomodoro da industria
2.    Impiego di dati satellitari per la stima di parametri biofisici di rilevanza agronomica (LAI, LCC, CCC e AGB)
3.     Sviluppo di tecniche per la stima della resa (Mais, Pomodoro e Spinacio)

Drone
1.    Stima dei parametri biofisici di colture erbacee (pomodoro e canapa) attraverso l’inversione di modelli di trasferimento radiativo.
2.    Stima della resa e del contenuto azotato di prati polifiti attraverso l’utilizzo di tecniche di machine learning.
3.    Stima dell’umidità di diversi genotipi di miscanto per la scelta della data di raccolta.


Progetti

»  POSITIVE finanziato da POR-FESR regione Emilia-Romagna (2014-2020)

» AGRO.BIG.DATA. SCIENCE finanziato da POR-FESR regione Emilia-Romagna (2014-2020)

» SOIPOMI finanziato da PSR regione Emilia-Romagna (2014-2020)

Progetti conclusi

» MoReFarming finanziato da POR-FESR regione Emilia-Romagna (2014-2020)

Gruppo di lavoro

Stefano Amaducci
Professore Ordinario
stefano.amaducci@unicatt.it
Michele Colauzzi
Postdoc

michele.colauzzi@unicatt.it

Giorgio Impollonia
Dottorando

giorgio.impollonia@unicatt.it

Michele Croci
Dottorando

michele.croci@unicatt.it

Gianmarco Dardengo
Dottorando
gianmarco.dardengo@unicatt.it
Andrea Marcone
Dottorando
andrea.marcone@unicatt.it

 

Pubblicazioni

  • Sakowska K., Juszczak R., Gianelle D., 2016. Remote Sensing of Grassland Biophysical Parameters in the Context of the Sentinel-2 Satellite Mission. Journal of Sensors,  art. N. 4612809,  doi:10.1155/2016/4612809
  • Fracasso A., Sakowska K., Colauzzi M., Vincini M., Amaducci S., 2017.  Sentinel-2 as new tool for water and nitrogen management: the maize and tomato case study, Comunicazione Orale Congresso Annuale SIA, 14/9/2017 Milano
  • Cilia, C., Panigada, C., Rossini, M., Meroni, M., Busetto, L.; Amaducci, S., Boschetti, M., Picchi, V., Colombo, R., 2014.  Nitrogen Status Assessment for Variable Rate Fertilization in Maize through Hyperspectral Imagery. Remote Sens., 6, 6549-6565.
  • Vincini M, Amaducci S, Frazzi E., 2014. Empirical estimation of leaf chlorophyll density in winter wheat canopies using Sentinel-2 spectral resolution. Transactions on Geoscience and Remote Sensing, 52, 3220-3235.
  • Panigada, C., Rossini, M., Meroni, M., Cilia, C., Busetto; L., Amaducci, S., Boschetti, M:, Cogliati, S., Picchi, V., Pinto, F. Marchesi, A., Colombo, R., 2014. Fluorescence, PRI and canopy temperature for water stress detection in cereal crops. International Journal of Applied Earth Observation and Geoinformation, 30, 167–178.
  • Rossini, M., Fava, F., Cogliati, S., Meroni, M., Marchesi, A., Panigada, C., Giardino, C., Busetto, L., Migliavacca, M., Amaducci, S., Colombo, R. (2013). Airborne hyperspectral imagery for early water stress detection in maize. ISPRS Journal of Photogrammetry and Remote Sensing, 86, 168-177.