Precision farming dalle fonti informative alla gestione delle mappe di prescrizione
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
elio.romano@crea.gov.it
Precision farming
dalle fonti informative alla gestione
delle mappe di prescrizione
Elio Romano
Tipologie di fonti informative
Modalità di elaborazione ed interpretazione
02/05/2020
Il CREA - Consiglio per la ricerca in agricoltura e l’analisi dell’economia
agraria
➢ Il più grande Ente pubblico italiano di
ricerca in agricoltura
➢ La terza Istituzione pubblica di ricerca
• 47 Centri ed Unità di ricerca
• 5300 ha di aziende sperimentali
• 1400 dipendenti
L’Unità di ricerca per l’ingegneria agraria CREA-IT
Laboratorio di Treviglio (BG)
Sede di Monterotondo (RM)
The National organization of CREA-IT
Consiglio per la ricerca in Agricoltura e l’analisi dell’economia agraria
Unità di Ricerca per l’Ingegneria Agraria (CREA-IT)
Laboratorio Di Treviglio, Via Milano, 43 – 24047 Treviglio (BG)
Il Centro di Ricerca di Treviglio: 15 ha di
area sperimentale
Le attività di ricerca del CREA-IT-TRE di
Treviglio
1. Tecnologie per l’allevamento
2. Foraggicoltura
3. Gestione reflui organici
4. Energia da biomassa e rinnovabile
5. Chimica da biomassa
6. Sicurezza ed ergonomia
7. Colture specializzate
8. Trattori e pneumatici
9. Agricoltura di precisione
Cosa è l’Agricoltura di Precisione Sondaggio Video
Definizione di Agricoltura di Precisione
«L'agricoltura di precisione è una strategia gestionale
che raccoglie, elabora e analizza dati temporali,
spaziali e individuali
che combina con altre informazioni
per supportare le decisioni di gestione in base alla
variabilità stimata
per migliorare l’efficienza nell'uso delle risorse, la
produttività, la qualità, la redditività e la sostenibilità
della produzione agricola»
Fonte: International Society of Precision Agriculture (ISPA)Evoluzione dell’agricoltura
Meccanizzazione
▪ Introduzione dei trattori
1900 ▪ Aumento dell’efficienza Agricoltura
▪ Ma ancora elevata manodopera 1.0
▪ Bassa produttività
Rivoluzione verde
▪ Nuove agrotecniche
Agricoltura
▪ Uso di fertilizzanti e antiparassitari
1950 2.0
▪ Miglioramento delle sementi
▪ Aumenti delle rese
Agricoltura di precisione
▪ Guida assistita
Fonte: CEMA -European Agricultural
▪ Mappatura delle produzioni Agricoltura
1990 ▪ Applicazioni a rateo variabile 3.0
▪ Telemetria
▪ Gestione dei dati
Agricoltura digitale
Machinery, 2017
▪ Uso delle informazioni in tempo
reale
2010 ▪ Servizi ad elevato valore aggiunto Agricoltura
▪ Sensoristica e automazione 4.0
▪ Miglioramento delle agrotecniche
▪ Ottimizzazione dei processi
12Agricoltura 4.0 Attraverso l’Internet of Things e i Big Data, l’Agricoltura di Precisione è in grado di fornire e gestire più informazioni, in maniera più accurata e tempestiva, permettendo di automatizzare attività produttive altrimenti non collegate, pervenendo quindi all’Internet of Farming. La sommatoria tra Agricoltura di Precisione e Internet of Farming conduce all’Agricoltura 4.0, ovvero l’utilizzo armonico e interconnesso di diverse tecnologie finalizzate a migliorare la resa e la sostenibilità delle coltivazioni, la qualità produttiva, della trasformazione, e delle condizioni di lavoro. 13
Agricoltura 4.0
L’analisi incrociata di fattori ambientali,
climatici e colturali consente di stabilire il
fabbisogno irriguo e nutritivo delle
coltivazioni, prevenire patologie, identificare
infestanti prima che proliferino;
di conseguenza è possibile intervenire in
modo mirato, risparmiando risorse materiali
e temporali ed effettuando interventi più
efficaci, che incidono positivamente sulla
qualità del prodotto finito.
14Obiettivi della Precision Farming
• FARE LA COSA GIUSTA
• FARLA NEL MOMENTO GIUSTO
• FARLA NEL MODO GIUSTO
15Le applicazioni disponibili per l’AdP
Applicazione Obiettivi Stato dell’arte
Interfacce uomo-macchina e macchina- Monitorare e gestire tutte le applicazioni di Terminali indipendenti o universali
macchina AdP (ISOBUS)
Evitare sovrapposizioni, ridurre
Sistemi di guida Assistita o semi-automatica
l’affaticamento
Traffico controllato Minimizzare il compattamento del suolo
Macchine specifiche, sistemi di guida, Guida
software
automatica
Registrazione degli spostamenti delle
Tracciabilità, sicurezza Sistemi di registrazione imbarcabili
macchine
Localizzare le caratteristiche fisico- Sensori geofisici (es.: EMI), sistemi di
Campionamento del terreno
chimiche del terreno localizzazione campioni
Sensori prossimali Mappare lo stato fisiologico delle colture Sensori ottici (NDVI)
Sistemi di visione artificiale Riconoscere difetti, garantire salubrità Monitorare e valutare frutta, ortaggi, ecc.
Immagini aeree o satellitari (es.: satelliti
Sensori remoti Monitorare lo stato delle colture
Sentinel 2)
Applicazioni a dose variabile
Controllo delle dosi di fertilizzanti o Rende possibili trattamenti specifici Rateo 2
fitofarmaci riducendo sprechi e impatto ambientale
Variabile
Applicazioni a sezioni variabili Controllo della semina Evita sovrasemine, rispetta la densità
Semina VRT
Consente di realizzare mappe di
Monitoraggio delle produzioni Localizza informazioni sulla produzione
produzione Raccolta
Software per documentazioni, previsioni,
Sistemi di supporto alle decisioni In fase di sviluppo e diffusione
elaborazioni, ecc.
Fonte: Studio del Parlamento Europeo, 2014Rapporto Aziende e Tecnologie Fonte: Informatore Agrario 35/2019 Indagine dell’Informatore Agrario su oltre 10.000 contatti – Semine 2019: grano duro previsto in calo. Di Silvio Cittar
Interfacce uomo-macchina e M2M
Il sistema ISOBUS
Monitor Centralina
Centralina unico trattore
operatrice
JoystickSistemi di guida
Guida assistita Guida semi-automatica
(SA)Vantaggi ottenibili dai sistemi di guida SA ❖ Capacità di lavoro ❖ Velocità e accuratezza (+10-13%) ❖ Larghezza effettiva ❖ Periodo utile (+ ore di lavoro) ❖ Minor affaticamento dell’operatore ❖ Funzioni supplementari (raccolta dati, confini, ritorno al punto di sospensione, gestione delle testate, ecc.)
La meccanica agraria di precisione
✓ Obiettivo quindi dell’agricoltura di precisione
(AdP) è gestire la variabilità …
(Fonte dell’immagine: Lutman et al.
2002)
…per mezzo della tecnologiaConoscere la realtà
22GIS: centro di gestione dei dati
Cartografia di base: qualsiasi
Mappa delle rappresentazione geograficamente
infestanti accurata della zona in questione.
Analisi del terreno
Dati sito-specifici: analisi del
terreno, produzioni, densità di
Topografia infestanti, ecc. Ognuno raccolto
con le proprie coordinate
geografiche (tramite GPS).
Cartografia di base
Cartografia tematica (layers):
singole mappe basate su dati
omogenei raccolti e sovrapponibili;
si basano su un sistema di
coordinate geografiche.Individuazione di aree omogenee
Aree a bassa resa
Aree ad alta resa
Adottare
strategie
specifiche per
ogni area
omogeneaCome funziona un sensore di vigore?
Parte
sana
Parte Immagine nel
campo del visibile di
stressata una pianta di soia
Fonte: Goldfinch Technolgies, 2015Determinazione in tempo reale dello stato
Foglia morta Foglia stressata Foglia sanaMisure di riflettanza spettrale La radiazione NIR non è visibile, ma può essere rilevata da sensori Fonte: Goldfinch Technolgies, 2015
Indici spettrali
NIR-Red/NIR+Red NIR-Blue/NIR+Blue ((NIR + Green) – (2 x Blue)) /
((NIR + Green) + (2 x Blue))Sensori fisiologici
(NDVI)
Soia in
precessione
Sensore
NDVI GPS Sensore
NDVIEsempi: feedback dopo diserbo (IR)
Foto aerea su cereali invernali,
risoluzione spaziale 0,63 cm
Infestanti
Infestanti
Infestanti
Fonte: Price, 2013Fonti informative
Mappa di
prescrizione
CropMappe geoelettriche
QUODLa cartografia GIS
1954 2014 2016
11/03/2017Mappe di vigore
VideoMappe satellitari Sentinel-2 è una missione sviluppata dall' ESA nell'ambito del programma Copernicus per monitorare le aree verdi del pianeta e fornire supporto nella gestione di disastri naturali. Si costituisce di due satelliti identici, Sentinel-2A (dal 23 giugno 2015) e Sentinel-2B (dal 7 marzo 2017).
Monitoraggio delle produzioni: foraggi
Centralina, Sensore di
monitor umidità NIR
GPS
Encoder
LVDT
COSA MISURARE
✓ entità del flusso di prodotto (kg/s o t/h)
✓ velocità di avanzamento (m/s o km/h)
✓ larghezza di lavoro della testata (m o n. di file)
✓ umidità (%)Monitoraggio delle produzioni: granella
Sensore di flusso ad impatto
(accuratezza 95-97%)
Sensore di umidità
Fondamentali la capacitivo
calibrazione e la taratura
Video NIR GrainAltre mappe informative • Mappe patologie • Mappe fenologiche • Mappe della presenza biomassa infestante • Etc..
Mappa di prescrizione
sintesi delle informazioni
Suolo Coltura
Ambiente
40Albero decisionale
41Verifica Implementazione
Raccolta
Applicazione
dati
Mappa di
prescrizione
Adattamento delle Analisi dei
decisioni dati
Fonte: G. Chen – Advanced Agricultural Machinery and Technologies,
2018 Processo
decisionaleSensoristica disponibile
Sensori RGB per fotogrammetria e topografia
Sensori termici per la termografia
Sensori multispettriali per l'agricoltura di
precisione e il monitoraggio ambientaleNIR-Red/NIR+Red NIR-Blue/NIR+Blue ((NIR + Green) – (2 x Blue)) /
((NIR + Green) + (2 x Blue))Elenco di principali indici spettrali
INDICE FORMULA RIFERIMENTO
NDVI (NIR - RED) / (NIR + RED) Rouse et al. (1973)
NDRE (REDedge - RED) / (REDedge + RED) Barnes et al. (2000)
GNDVI (NIR - GREEN) / (NIR + GREEN) Gitelson et al. (1998)
DVI NIR - RED Tucker et al. (1979)
EVI2 2.5 * (NIR-RED) / (NIR + 2.5 * RED + 1) Jiang et al. (2008)
GRVI NIR / GREEN Sripada et al. (2006)
IPVI NIR (NIR + RED) Crippen et al. (1990)
MSR [(NIR/RED) - 1]/[(NIR/RED)^(1/2)+1] Chen et al. (1994)
SAVI 1.5*(NIR - RED) / (NIR + RED + 0.5) Huete et al. (1988)
ExR 1.4*REDedge - GREEN Meyer et al. (1998)
GVI (GREEN - REDedge)/GREEN + REDedge) Gitelson et al. (2002)
Fonte: G. Chen – Advanced Agricultural Machinery and Technologies, 2018BNDVI GNDVI
CHL_RED_EDGE
NDVI TCARI
ARIIndice NDVI Fonte: Marlyn G. Jones and Robin A. Vaughan, 2011. Remote Sensing of Vegetation. Principles, Techniques and Applications.
28/04/2019
25/02/2019 27/02/2019
12/06/2019
27/06/2019UAV
Modalità di elaborazione ARP
finalizzate alla MAPPA DI PRESCRIZIONE YIELD
PRESCRIPTION
MAP
Geoprocessing
Geostatistica e ricampionamento
Georeferenziazione e TrasformazioneGeoprocessing
Insieme di operazioni spaziali che permettono di
processare dati geografici, vettoriali e raster, con
conseguente creazione di nuovi layer di output.
Ha come finalità principale quella di analizzare ed
estrarre nuove informazioni, esplicitando relazioni
già presenti nella base dati ma spesso difficili da
percepire attraverso la semplice osservazione del
dato.
[Fonte: V. Noti - GIS Open Source per geologia e ambiente, 2014]Vettori e Raster
Il vettore è qualsiasi forma geometrica presente sul piano e
che rappresenta, in forma simbolica, un elemento della
realtà. Contiene in se tutte le istruzioni ed i parametri per
disegnarlo. Quindi contengono gli attributi in forma di testo o
numero da cui sono descritti. Una rappresentazione
vettoriale di un'immagine è l’insieme delle istruzioni e dei
parametri per disegnare l'immagine finale, elemento per
elemento, a partire da quelle che vengono definite primitive
geometriche come linee, curve, poligoni, e testo.
Un'immagine raster è quindi costituita da una griglia
rettangolare di pixel. Ogni pixel è un campione
di informazione in un'area finita di una sorgente grafica
spazialmente continua, centrato in una particolare posizione
geometrica sul piano.I dati raster possono essere
Dati RASTER classificati in due categorie
principali:
IMMAGINI (da scanner,
fotocamere digitali, sensori
installati su satelliti o UAV)
GRID (da conversione Vector-
raster)Raster o Vettore
La scelta tra l'utilizzo delle tecniche vettoriali e
quelle raster è influenzata dalla tipologia dei dati
di input e delle variabili da gestire.
I dati raster sono idonei per la rappresentazione
di fenomeni che variano in modo continuo nello
spazio (ad esempio precipitazioni medie annue,
elevazione sul livello del mare, ecc.), spesso con
archiviazione nelle celle di valori numerici
decimali (floating grid), mentre quelli vettoriali
risultano più adatti a rappresentare fenomeni
categorizzati (ad esempio uso del suolo,
geologia).Caratteristiche del file .shp
È pertanto possibile modificare
anche una singola coordinata per
ottenere forme di distribuzione
diverse
55Conversioni vector-raster (rasterizzazione) Questo tipo di conversione genera una matrice, con risoluzione spaziale definita dall’utente, in cui ogni cella prende il valore di un attributo numerico dell’oggetto vettoriale che insiste sulle stesse coordinate della cella. È quindi necessario che nella struttura di database del layer vettoriale sia presente un campo significativo che permetta di rasterizzarlo in base a uno specifico parametro
L’interpolazione spaziale è la
stima del valore assunto da una
variabile in una posizione in cui
la misurazione non è stata
effettuata
Ricampionamento
In caso di aumento della risoluzione (riduzione del lato di una cella), vengono
solitamente applicati metodi di interpolazione (ad esempio nearest neighbour,
bilinear, cubic, ecc.) che permettono di definire il valore delle nuove celle
basandosi su quelle di input.
L’operazione inversa viene effettuata durante la diminuzione di risoluzione
(aumento del lato di una cella) in cui vengono applicate tecniche associative su
celle adiacenti.Output e finalità in Agricoltura
Le operazioni di elaborazione effettuate sui dati ottenibili dalle
diverse fonti informative possono avere principalmente due obiettivi:
NDVI SAT
Ottenere una sintesi e fusione al fine di ottenere un layer applicativo da
consegnare ad una macchina per l’esecuzione di diverse operazioni mirate
→ OUTPUT: es.: Mappa di prescrizione - Precision Farm NDVI
drone
Ottenere un’estrazione dei dati per un’elaborazione critica al fine di
misurare le ripetibilità di condizioni simili o l’eventuale diversità per la
ricerca della fonte della variabilità sperimentale Resa
→ OUTPUT: es.: Preparazione di griglie ispettive in campi sperimentali.
GeoresistivitàPassaggi per la distribuzione
+ Tutti i layers
informativi disponibili
ClusterizzazioneSmoothing
Sistema di supporto alle
decisioni
(DSS=Decision Support
System)
Diagramma di Flusso
NDVI SAT
NDVI
drone
Resa
GeoresistivitàGestione della mappa delle zone omogenee
220
180
140Ricerca della stabilità – Resilienza delle zone
2017
2018 ceci 2016
Bonifica
2015
Scelta colturale
2018
Umidità granellaelio.romano@crea.gov.it
Puoi anche leggere
