Università Cattolica del Sacro Cuore

7. Telerilevamento (Agricoltura di precisione)

Con il termine “telerilevamento” si intende 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 (tipo Sentinel-2) (Fig.1), ha permesso di ottenere informazioni spazio-temporalmente adeguate per uno studio in tempo reale della canopy.

Immagini delle attività di ricerca


Obiettivi

  1. Sviluppo di un agro-database spettrale per la classificazione delle colture agrarie. Per mais e pomodoro, in particolare, l’agro-database spettrale sarà utile a supportare la gestione colturale e delle risorse.
  2. Definizione di tecniche di agricoltura di precisione per la gestione sostenibile di acqua irrigua e fertilizzazione azotata in termini sia economici che ambientali

Attività sperimentali

Classificazione
Attraverso immagini provenienti dal telerilevamento satellitare, ovvero immagini multi-spettrali ad alta risoluzione spaziale ed acquisizioni Sentinel 2, sarà realizzato un agro-database spettrale per mais e pomodoro da industria coltivati nella Pianura Padana nell’area compresa tra i fiumi Trebbia e Taro (Fig.2). Le serie di immagini spazio temporali raccolte saranno analizzate, con ranking della variabilità intra-appezzamento, e saranno validate al suolo attraverso misure biofisiche georeferenziate.

Campi sperimentali
Tecniche di agricoltura di precisione (fertirrigazione con manichetta superficiale e sottosuperficiale) saranno testate in campi sperimentali situati nella provincia di Piacenza (Fig. 3-6). I dati acquisiti saranno utilizzati per la calibrazione e la successiva validazione di un modello previsionale.

Modellistica
Applicazione di un modello di simulazione della crescita colturale in grado di run-time calibrarsi in base alle immagini telerilevate.


Progetti

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

Gruppo di lavoro

Stefano Amaducci
Professore Associato
stefano.amaducci@unicatt.it
Alessandra Fracasso
Postdoc

alessandra.fracasso@unicatt.it

Karolina Sakowska
Postdoc

sakowska.karo@gmail.com

Michele Colauzzi
Postdoc

mcolauzzi@gmail.com

Studenti magistrali

Lorenzo Ligabò

lorenzo.ligabo@gmail.com

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.