Gli strumenti dell'agricoltura di precisione: le mappe di prescrizione per la concimazione - mediaGEO
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
REPORT Gli strumenti dell’agricoltura di precisione: le mappe di prescrizione per la concimazione Fig. 1 - Creazione delle mappe di prescrizione in Agricolus. di Sara Antognelli Le tecnologie per l’agricoltura di modo organico ed efficiente. informazioni e forniscono un precisione a disposizione degli L’agricoltura di precisione si sta supporto concreto al processo diffondendo in molte e diverse decisionale data driven. agricoltori sono molteplici e forme. Nuove tecnologie come 4Sistemi di attuazione: permet- necessitano di essere utilizzate in tono di applicare in campo le modelli previsionali, dati satelli- modo consapevole per generare un tari, sistemi di posizionamento decisioni. reale valore aggiunto. Le mappe di GPS e sistemi di supporto alle decisioni stanno entrando a far Gli strumenti di controllo mi- prescrizione per la concimazione parte della quotidianità di molte surano cosa sta accadendo in e i dati satellitari sono due tra le aziende agricole, cambiando il campo. I dati raccolti, se non tecnologie più diffuse. modo di prendere decisioni: le interpretati correttamente, non decisioni basate sulla raccolta forniscono informazioni agro- dati seguita da un processo di nomiche agli utenti. Esempi di Agricoltura di precisione: interpretazione di quest’ultimi strumenti di controllo sono, ad cos’è? si stanno sostituendo infatti alle esempio, gli indici calcolati da Una recente definizione decisioni basate esclusivamente satellite o drone. Questi indici della FAO descrive l’agri- sull’esperienza. sono di fatto delle misure deri- coltura di precisione come: vate dalla combinazione della “Un’agricoltura guidata da Gli strumenti dell’agricoltura riflettanza nelle diverse bande, informazioni ambientali detta- di precisione che necessitano di interpreta- gliate, per minimizzare l’uso di Gli strumenti a disposizione zione per fornire informazioni acqua, agrochimici, e lavoro”, delle aziende agricole per l’ap- sullo stress delle colture. ovvero “un’agricoltura che usa plicazione delle tecniche di Altri esempi di strumenti di tecnologie GPS, satelliti e senso- agricoltura di precisione sono controllo sono le osservazioni in ri al suolo, e sistemi di gestione moltissimi, tanto da generare campo, eseguite dagli agricoltori intensiva delle informazioni per spesso confusione tra i poten- durante i loro sopralluoghi. Se comprendere le variazioni delle ziali utilizzatori. Per semplicità, adeguatamente registrati e ge- condizioni delle risorse all’in- tali strumenti possono essere oreferenziati, i dati da osserva- terno del campo. Queste infor- raggruppati come segue: zioni in campo sono un ottimo mazioni sono utilizzate per ap- strumento per interpretare le plicare fertilizzanti e altri input 4Strumenti di controllo: mi- immagini da satellite e com- con maggiore precisione, e per surano cosa sta accadendo in prendere le dinamiche spaziali prevedere più accuratamente la campo. di alcune patologie. Altri dati resa” (FAO 2006). 4Strumenti di previsione: elabo- che possono essere acquisiti Questa definizione evidenzia rano i dati acquisiti dagli stru- in campo sono i dati registrati come l’agricoltura di precisione menti di controllo per stimare dalle centraline meteo, i dati sia in realtà un approccio che altre informazioni. registrati dai sensori di resa po- prevede l’applicazione di diverse 4Strumenti di decisione e pre- sti sulle macchine raccoglitrici, tecnologie, integrate fra loro in scrizione: integrano diverse oppure i dati provenienti da 14 GEOmedia n°4-2021
REPORT strumenti innovativi posti sui di essere organizzata per fornire sostenibile un monitoraggio in mezzi agricoli, in grado di for- informazioni utili alle decisioni campo costante e certosino. nire dati sulla loro posizione nei degli agricoltori. Gli strumenti La funzionalità “Mappe di pre- diversi momenti delle attività in di decisione e prescrizione ri- scrizione” di Agricolus permette campo (come il device Agriplug spondono a questa esigenza. di creare mappe facilmente uti- di Agricolus, che permette alle Gli strumenti di decisione sono lizzabili nei sistemi a rateo varia- aziende di raccogliere dati sulle costituiti normalmente da da- bile che consentono di ottimiz- operazioni svolte dai propri shboard di confronto dei dati zare la dose di concimazione, macchinari). e da sistemi di sovrapposizione associando a ciascuna zona del Gli strumenti di previsione sono dei layer geografici, che permet- campo la quantità di concime costituiti da algoritmi. Gli algo- tono di confrontare in modo più adatta. ritmi previsionali sono formati ragionato dati provenienti da La creazione delle mappe di pre- da un insieme più o meno com- diverse fonti e supportare il pro- scrizione in Agricolus si articola plesso di operazioni matemati- cesso decisionale. in due fasi (fig. 1): che che utilizzano i dati ottenuti Gli strumenti di prescrizione dagli strumenti di controllo per integrano matematicamente i 1) Selezione dei parametri ottenere altre informazioni. Un dati. Ad esempio, le mappe di 2) Definizione della modalità esempio di modello previsionale prescrizione, ad oggi sempre più di calcolo ampiamente diffuso è rappre- utilizzate dagli agricoltori, asso- sentato dalle previsioni meteo. ciano a ciascuna coordinata del Selezione dei parametri per le Per il calcolo delle previsioni campo una specifica quantità di mappe di prescrizione meteo, infatti, sono necessari input, ottenuta da alcuni calcoli La mappa di prescrizione pre- dati meteo raccolti da centrali- e integrata dalle osservazioni del vede la suddivisione di ciascun ne. In base a questi dati, vengo- tecnico aziendale. Le mappe di campo in zone omogenee al loro no stimati gli andamenti delle prescrizione sono utilizzate spes- interno, a cui somministrare la diverse variabili (temperatura, so per somministrare al campo stessa dose di concime. pioggia ecc.) nel futuro. Ci sono dosi differenziate di concime, La definizione delle zone omo- altri modelli previsionali che in- ma possono essere prodotte an- genee viene fatta sulla base di vece stimano variabili diverse da che per differenziare la quantità un indice satellitare rilevato in quelle di origine. Ad esempio, di semente, di fitofarmaci, o la una determinata data. L’utente Agricolus stima la fase fenolo- dose irrigua. può scegliere un indice tra quel- gica delle colture in base ai dati Per applicare le mappe di li proposti nella funzionalità meteo attuali. In questo caso, il prescrizione sono necessari “Imagery”, calcolato su qual- modello ha la funzione di stima- strumenti di attuazione come i siasi data disponibile. L’indice re una variabile differente nello sistemi a rateo variabile. più frequentemente utilizzato stesso contesto (luogo e tempo) è l’NDVI calcolato nell’ul- dei dati di input. Altri modelli Tecnica: creare mappe tima data disponibile prima con un simile funzionamento di prescrizione basate dell’applicazione del concime, sono quelli che stimano ad sull’interpretazione dei ma possono essere scelti altri esempio il rischio di insorgenza dati satellitari indici come l’indice di clorofilla delle patologie, oppure il fabbi- Gli utenti della piattaforma TCARI/OSAVI o un indice di sogno nutrizionale o idrico delle Agricolus reputano molto utile stress idrico come l’NDMI. La piante, o ancora la fase fenologi- creare le proprie mappe di pre- scelta dell’indice di riferimento ca degli insetti, o la mortalità di scrizione basate sull’interpreta- è un passaggio che deve essere alcuni di questi, come la mosca zione dei dati satellitari. Questa eseguito con competenza dal dell’olivo. In tutti questi casi, se tecnica permette di creare map- tecnico che crea la mappa di le previsioni del meteo futuro pe di prescrizione per la conci- prescrizione. sono sufficientemente affidabili, mazione con una ridotta neces- Il campo viene quindi zonizzato possono fungere da input dei sità di sopralluoghi in campo; sulla base dell’indice selezionato. modelli e stimare le altre varia- è particolarmente importante La definizione delle zone omo- bili nello stesso intervallo tem- nelle aziende dedicate ai semi- genee è basata sul calcolo di un porale analizzato. nativi, dove le colture estese indice statistico che raggruppa La moltitudine di informazio- su aree vaste e con un reddito i diversi punti del campo sulla ni prodotta dagli strumenti di per ettaro relativamente basso base della distanza dalla media controllo e previsione necessita non rendono economicamente dell’indice. L’algoritmo definisce GEOmedia n°4-2021 15
REPORT dante non ne migliorerebbe la produttività. L’analisi com- parativa degli indici di vigoria rende possibile definire i fattori limitanti con un buon grado di accuratezza, necessitando solo in alcuni casi di sopralluoghi in campo. L’interpretazione dei dati satellitari Agricolus fornisce indici satel- litari calcolati da Sentinel 2 per tutte le date disponibili (gene- Fig. 2 - Confronto tra indici su un campo di grano tenero in fase di accestimento (sopra) e di fioritura (sotto). ralmente ogni 3-5 giorni, in assenza di copertura nuvolosa). Gli indici forniti sono raggrup- anche il numero massimo di risce la dose media di elemento pabili in 3 categorie: zone in cui è significativo sud- nutritivo nel campo e la per- dividere il campo, ma l’utente centuale di variazione massima 4Indici di vigoria può decidere di diminuirle. desiderata rispetto alla media. 4Indici di clorofilla Per valutare l’azione migliore da 4Indici di stress idrico Modalità di calcolo delle intraprendere l’agricoltore deve mappe di prescrizione definire se la carenza di nu- Questi indici possono essere L’utente può scegliere autono- trienti è il fattore che limita la confrontati per definire la mi- mamente una modalità di cal- vigoria o se vi sono altri fattori glior strategia di concimazione, colo tra “diretta” o “inversa”. preponderanti, come deficit, partendo da alcune semplici Con la prima metodologia, si eccessi idrici, o problemi di valutazioni. Per prima cosa è prevede di concimare maggior- emergenza delle plantule che bene osservare il valore medio mente le zone con bassa vigoria. hanno causato una ridotta vi- dell’NDVI, che si può consi- Si inserisce la dose media di goria in alcune zone del campo. derare come riferimento per la elemento nutritivo nel campo Nel primo caso dovranno essere vigoria. Osservando il valore e la percentuale di variazione somministrati più nutrienti nel- medio dell’NDVI, è possibile massima desiderata rispetto alla le aree con vigoria più bassa, nel stabilire se ci si trova in una fase media. secondo è più efficiente sommi- in cui la vegetazione è ancora Con la seconda metodologia si nistrare un minor quantitativo in accrescimento o in pieno predilige di concimare le zone di nutrienti in queste aree, dove sviluppo vegetativo. Nel primo a più alta vigoria. L’utente inse- una concimazione più abbon- caso può essere utile integrare l’osservazione con un indice di vigoria alternativo, meno sog- getto all’effetto del suolo, men- tre nel secondo può essere utile confrontare l’NDVI con indici meno soggetti a saturazione. Una volta compreso quale in- dice utilizzare in base al valore medio, si passa ad analizzare la variabilità spaziale della vigoria. La variabilità spaziale dell’indice permette di individuare le zone con bassa vigoria. Per compren- derne la causa è utile il confron- to con un indice di vegetazione specifico, ad esempio l’indice di Fig. 3 - Comparazione dei dati satellitari in Agricolus. clorofilla. Quest’ultimo consen- 16 GEOmedia n°4-2021
REPORT te di stabilire se le zone affette meno soggetto a saturazione. da bassa vigoria sono anche af- L’indice di clorofilla TCARI/ fette da clorosi, sintomo tipico OSAVI (Haboudane et al. della carenza dei nutrienti ma 2002) può essere quindi utiliz- anche di altri fattori, come l’in- zato per buona parte del sorgenza di patologie. ciclo colturale (figura 4), Inoltre, se l’indice di vigoria è poichè risulta piuttosto elevato (e quindi la vegetazione resiliente nei confronti è sufficientemente sviluppata), delle variazioni dell’indice un confronto con un indice di di area fogliare (Leaf Area stress idrico permette di capire Index –LAI) nel caso in cui se alcune zone del campo sono quest’ultimo superi una so- affette da problemi legati a ca- glia di almeno 1 mq/mq. renza o eccesso idrico (figura 2). Gli indici di stress idrico Fig. 4 - Relazione tra TCARI/OSAVI e contenuto di clorofilla delle piante (Haboudane et al. 2002). sono facilmente interpre- Quale indice utilizzare? tabili quando la coltura è All’interno della piattaforma ben sviluppata (LAI supe- indice su vegetazione media- Agricolus, l’agricoltore ha a riore a 2 mq/mq), mentre con mente sviluppata: le relazioni propria disposizione molteplici un valore LAI più basso risento- tra acqua nel terreno e acqua indici di vegetazione (figura 3). no fortemente della variabilità fogliare interagirebbero, mesco- L’NDVI è l’indice di vigoria più della vigoria, mescolando gli lando gli effetti (figura 5). versatile e conosciuto. Tuttavia, effetti dello stress idrico con in caso di copertura vegetale quelli del mancato sviluppo ve- parziale, come nel grano in getativo della pianta. BIBLIOGRAFIA fase di accestimento, è bene In caso di copertura vegetale FAO (2006), Plant nutrition for food security, FAO Fer- tilizer and Plant Nutrition Bulletin No.16, http://www. ricorrere al SAVI (Soil Adjusted sufficiente, sia l’indice NDMI fao.org/3/a0443e/a0443e.pdf (Retrieved: 07/06/2021). Vegetation Index) (Huete et al., (Normalized Difference Huete, Alfredo R. “A soil-adjusted vegetation index 1988), che permette di ridurre Moisture Index) (Skakun, R.S. (SAVI).” Remote sensing of environment 25.3 (1988): 295-309.Henebry, G. M., Viña, A., & Gitelson, A. A. il rumore dei diversi tipi di et al., 2003) che il meno noto (2004). The wide dynamic range vegetation index and suolo sul dato di vigoria. Nelle NMDI (Normalized Multiband its potential utility for gap analysis. Gitelson, A. A. (2004). Wide dynamic range vegetation fasi fenologiche in cui l’NDVI Drougth Index) (Wang et al. index for remote quantification of biophysical characte- tende a saturare (come in fase 2007) risultano direttamente ristics of vegetation. Journal of plant physiology, 161(2), 165-173. di fioritura delle graminacee), proporzionali alla quantità d‘ac- Haboudane, D., Miller, J. R., Tremblay, N., Zarco- è utile ricorrere al WDRVI qua presente nelle foglie (fig. Tejada, P. J., & Dextraze, L. (2002). Integrated (Wide-Dynamic Range 2). narrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agricul- Vegetation Index) (Gitelson L’indice NMDI ha anche un’al- ture. Remote sensing of environment, 81(2-3), 416-426. A.A. 2004, Henebry G.M. tra peculiarità: in caso di suolo Skakun, R. S., Wulder, M. A., & Franklin, S. E. (2003). Sensitivity of the thematic mapper enhanced wetness 2004) che, pure avendo valori nudo (NDVI vicino allo 0) esso difference index to detect mountain pine beetle red- assoluti meno interpretabili, risulta inversamente proporzio- attack damage. Remote Sensing of Environment, 86(4), permette di evidenziare mag- nale alla quantità d’acqua nel 433-443. Wang, L., & Qu, J. J. (2007). NMDI: A normali- giormente le differenze tra le di- terreno. Questo spiega anche zed multi‐band drought index for monitoring soil verse aree del campo, in quanto perché non è bene utilizzare tale and vegetation moisture with satellite remote sen- sing. Geophysical Research Letters, 34(20). PAROLE CHIAVE Agricoltura di precisione; mappe di prescrizione,; concimazione; immagini satellitari. ABSTRACT Technologies for precision agriculture are spreading over the agricultural world. They include different tools for data gathering, forecasts, prescription, decision and ac- tuation of the decisions. To be effective, farmers should be skilled to use them. The paper shows how, between the several technologies, indices calculated from satellite can be used to create useful prescription maps for opti- mizing crop fertilization. Fig. 5 - Sensibilità dell'NMDI all'umidità del suolo (sinistra) e al contenuto d'acqua fogliare (destra) AUTORE (Wang et al. 2007). Sara Antognelli, discover@agricolus.com Dottore Agronomo e Data Analyst presso Agricolus s.r.l. GEOmedia n°4-2021 17
Puoi anche leggere