matese alessandro seminario del 13.01.2017
annuncio pubblicitario
Agricoltura di precisione e uso sostenibile delle risorse Alessandro Matese Istituto di Biometeorologia Istituto di Biometeorologia GESTIONE DEL TERRITORIO Gestione degli ecosistemi naturali attraverso metodologie di monitoraggio di parametri ambientali relativi processi sul territorio, sia antropici come le colture, l’irrigazione, la deforestazione, gli impatti ambientali oppure eventi naturali AGRICOLTURA DI PRECISIONE E AMBIENTE Le interazioni tra i fattori meteorologici/climatici e la vegetazione (ecosistemi agricoli e naturali) necessitano, per la loro comprensione, di studi a diversa scala che indaghino i meccanismi fisiologici di risposta allo stress e di adattamento anche ai cambiamenti climatici. CLIMATOLOGIA E BIOMETEO La climatologia comprende i settori della climatologia dinamica, dei cambiamenti climatici e della variabilità climatica. IBIMET CNR AGROTEC TEAM-WORK Introduzione • Definizioni e concetti Agricoltura di Precisione SFIDE DELL’AGRICOLTURA Costi di produzione continuano ad incrementare Prezzi di vendita scendono o restano stabili Standard qualitativi richiesti sempre maggiori Forte competizione da mercati esteri Necessario incremento di efficienza produttiva Agricoltura deve entrare dell’era dell’informazione AGRICOLTURA DI PRECISIONE ! Agricoltura tradizionale • Interventi agronomici UNIFORMI • • A calendario Cautelativa CONCETTO DI VARIABILITA’ variazione dei parametri di suolo e piante all’interno di un’area in un determinato tempo SPAZIALE : suolo, pH, stress, fotosintesi TEMPORALE : anno per anno, entro l’anno IL VIGNETO È UN AMBIENTE ETEROGENEO Conoscere l’eterogeneità del vigneto consente di gestire nel modo più ottimale il vigneto stesso, intervenendo con pratiche agronomiche sito-specifiche La ricerca ha fornito strumenti conoscitivi oggettivi in grado di caratterizzare in modo dettagliato l’ambiente di sviluppo della pianta ed il suo stato vegetativo PROXIMAL SENSING REMOTE SENSING AGRICOLTURA DI PRECISIONE “un sistema integrato di informazioni e gestione delle produzioni agricole progettato per incrementare, utilizzando un approccio sito-specifico, l’efficienza della produzione agricola, la qualità dei prodotti e la redditività, riducendo al minimo gli impatti ambientali” Fare la COSA giusta, nel POSTO giusto e al MOMENTO giusto ! dove per COSA giusta si intende l’intervento agronomico OBIETTIVI • Ottimizzare l’efficienza produttiva • Ottimizzare la qualità dei prodotti • Minimizzare gli impatti ambientali • Minimizzare i costi aziendali Storia dell’Agricoltura di Precisione • Nuovo concetto di gestione sito specifica Livelli di tecnologia 1. GPS(GNSS) -> Guida Automatica 2. Sensori + GPS -> Mappatura Variabilità e Produzioni 3. Sensori + GPS + Attuatori -> VRT (offline; on the go) Non sono necessarie le macchine ma è il concetto che cambia Interventi sito-specifici manuali ?!? FASI DELL’AGRICOLTURA DI PRECISIONE 1 MISURA E COMPRENSIONE DELLA VARIABILITA’ SPAZIALE 3 VALUTAZIONE DELL’EFFICACIA 2 GESTIONE DELLA VARIABILITA’ 1- OSSERVAZIONE E RACCOLTA DATI GEORIFERITI (GPS) Monitoraggio microclimatico Processo attuativo dell’Agricoltura di Precisione Monitoraggio parametri qualitativi delle uve 3 - INTERVENTI SITO-SPECIFICI Monitoraggio ecofisiologico remoto 2 – ELABORAZIONE DATI e MODELLI Proximal Sensing • Concetti • Sensori WSN - agrometeo Crop monitoring Tecnologie di monitoraggio Yield monitors – on the go Soil sensors Apparent soil electrical conductivity (ECa) Proximal Crop reflectance sensor EMI GPR Geoelettrici Quality sensors WSN Wireless Sensor Network (WSN), reti di sensori wireless in grado di acquisire dati e renderli fruibili da remoto per caratterizzare la variabilità micrometeorologica presente in vigneto Esperienze di monitoraggio micrometeorologico in vigneto Progetto Consorzio Tuscania 2007-2010 Sviluppo di un sistema di monitoraggio basato su tecnologia wireless per lo studio della variabilità microclimatica in vigneto Progetto CROSS-VIT 2011-2013 (Veneto) Studio sulla variabilità del microclima interno della chioma in termini di temperature e umidità dell’aria e radiazione solare, in funzione di diverse tesi di potatura del vigneto Progetto AGRODUINO Studio delle performance di monitoraggio utilizzando hardware low cost e open source ARDUINO Temperature – Pinot g. Anno sperimentazione Sperimentazione Sistema Costo [€/nodo] 2006 - 2010 Progetto Consorzio Tuscania NAV 800 2011 CRA – Conegliano Veneto CROSSBOW 300 2012-2014 AGRODUINO ARDUINO 100 Progetto Agroduino Piattaforma low-cost e open-source, flessibile e facile da usare • Costi contenuti (ordine di 100 Euro sensori esclusi) • Hardware e Software open source: i modelli dei circuiti e i firmware sono distribuiti con licenza Creative Commons e possono essere modificati • Vasta comunità di utenti, pronta a fornire supporto e utili librerie Remote Sensing • Cenni di telerilevamento • Piattaforme • Sistemi Aeromobili a Pilotaggio Remoto (SAPR) • Regolamento Enac La radiazione incidente su di una determinata superficie può essere assorbita, riflessa o trasmessa Telerilevamento Nella regione del visibile (400-700 nm), la quantità di radiazione riflessa e trasmessa e relativamente bassa, ad eccezione del picco nella regione del verde (struttura cellulare e pigmenti fotosintetici) Nel vicino infrarosso (700-1350 nm) le foglie assorbono poco, a causa della struttura del mesofillo fogliare e quindi riflettanza e trasmittanza sono molto alte. Il passaggio tra valori di riflessione bassi nel rosso ed alti nell’infrarosso e molto rapido: questa porzione dello spettro, denominata Red Edge, e molto utilizzata nello studio dello stato di salute della vegetazione UAV SPUNTO DI RIFLESSIONE: Quale è la migliore soluzione per remote sensing in agricoltura precisione? AEREO SATELLITE Nella valutazione della miglior piattaforma per uno specifico monitoraggio in campo, devono essere presi in esame diverse variabili: estensione della superficie di interesse, risoluzione temporale, risoluzione spaziale, tempi di elaborazione delle immagini, senza dimenticare la valutazione dei costi di impiego Caratteristiche spettrali e spaziali del sensore MSI (Multi Spectral Imager) del satellite Sentinel-2 Piattaforma UAV 1. Ala fissa 2. Elica Differenza principale tra sistemi ad ala fissa e multirotori, è la possibilità di questi ultimi di effettuare decollo verticale, senza la necessità di spazio libero per operazioni di decollo e atterraggio La gestione del volo viene eseguita dalla piattaforma in autonomia (monitorati dalla stazione di controllo remoto a terra). In agricoltura di precisione si utilizzano principalmente soluzioni di peso inferiore a 25 kg, con un’autonomia di volo che varia in funzione del modello e del peso dei sensori equipaggiati a bordo (payload). • la “flight control”, ossia l’unità centrale che gestisce il volo; Architettura UAV • il sistema IMU (Inertial Measurement Unit), modulo per la misurazione diretta di accelerazioni e velocità angolari rispetto a tre assi nello spazio, basati su accelerometri, giroscopi, bussola magnetica, GPS e altimetro barometrico; • il sistema di controllo radio, ossia un ricevitore che si interfaccia con un telecomando; • il sistema ECS (Electronic Speed Control), che interfaccia la flight control con ciascuno dei motori presenti sul drone, e consente di comandare individualmente la velocità di rotazione di ciascuno di essi; • il “camera mount”, ossia una culla stabilizzata basculante su 3 assi, in grado di supportare i sensori e allo stesso tempo garantirne il corretto orientamento durante gli spostamenti del drone; • il telaio o frame, generalmente realizzato in carbonio. Per aeromobile si intende ogni macchina destinata al trasporto per aria di persone o cose; Sono considerati aeromobili anche i mezzi aerei a pilotaggio remoto, definiti dai regolamenti dell’ENAC (Ente nazionale per l'aviazione civile); Il Regolamento ENAC distingue i mezzi aerei a pilotaggio remoto in Sistemi Aeromobili a Pilotaggio Remoto e Aeromodelli; prima edizione del regolamento per l’utilizzo dei mezzi aerei a pilotaggio remoto, in vigore dal Febbraio 2014, e successivamente una seconda edizione nel Luglio 2015 completata poi con l’emendamento 1 del 21 dicembre 2015 • I mezzi aerei a pilotaggio remoto impiegati in operazioni specializzate o in attività sperimentali, costituiscono i Sistemi Aeromobili a Pilotaggio Remoto (SAPR); • Gli Aeromodelli possono essere utilizzati esclusivamente per impiego ricreazionale e sportivo. Sono spesso definiti in termini anglosassoni UAV (Unmanned Aerial Vehicle) o impropriamente droni, in grado di equipaggiare sensori ottici dedicati all’acquisizione di dati telerilevati Regolamento suddivide i Sistemi Aerei a Pilotaggio Remoto in due categorie in base al peso, inferiore a 25 kg e uguale o maggiore a 25 kg ma non superiore ai 150 kg. Nel Regolamento si definisce il concetto di Visual Line of Sight (VLOS), secondo il quale le operazioni di volo devono essere condotte entro una distanza tale che consenta al pilota di mantenere un contatto visivo continuativo con il mezzo in volo, assicurare una corretta gestione del volo ed evitare potenziali collisioni. Le operazioni in VLOS sono consentite solo di giorno, fino ad un’altezza di 150 m dal suolo ed una distanza sul piano orizzontale di 500 m rispetto al pilota, e devono essere condotte in condizioni tali da garantire sicurezza di volo. In caso di perdita del contatto visivo del SAPR, entro i limiti orizzontali e verticali consentiti, il pilota deve terminare il volo il prima possibile I sistemi APR appartenenti alla prima categoria sono quelli più comunemente impiegati in agricoltura di precisione, e non critiche se utilizzati in operazioni di volo , la responsabilità è lasciata all'operatore che valuta la criticità e l'idoneità del sistema per mezzo di “autocertificazione”. NON CRITICO: • fuori da agglomerati urbani e infrastrutture; • “VLOS” volume di spazio di 150 m di altezza massima dal terreno e di raggio di 500 m; • lontano da autostrade, ferrovie e aeroporti. critiche Le operazioni , invece, sono autorizzate dall'ENAC, sulla base di accertamenti, che tengono conto della complessità del sistema e della criticità degli scenari operativi. Non è consentito condurre operazioni con un SAPR se non è stata stipulata e in corso di validità un’assicurazione concernente la responsabilità civile verso terzi Equipaggiamento e acquisizione • Flotta AeroLab IBIMET-CNR • Multispettrale e iperspettrale • Termico • Lidar SENSORISTICA PER DRONE CULLA STABILIZZATA X SUPPORTO SENSORI CAMERA TERMICA CAMERA VISIBILE Analisi della temperatura superficiale e dello stress idrico Fotogrammetria ad altissima risoluzione Optris GmbH - PI LightWeight Canon – Eos 7D 24Mpx LIDAR - LASER SCANNER CAMERA MULTISPETTRALE CAMERA IPERSPETTRALE Analisi della risposta spettrale della vegetazione e della salute delle piante Micasense - Sequoia RIEGL - VUX-1 Cubert GmbH – UHD 185 the Firefly Ricostruzione 3D e stima della biomassa della chioma La pianificazione del volo viene effettuata in funzione della risoluzione a terra necessaria e al grado di sovrapposizione delle immagini (overlap) Overlap frontale Velocità avanzamento Velocità di scatto Lateral overlap Distanza tra i transetti Very good overlap is about 70% in both side Risoluzione delle immagini multispettrali acquisite a differenti quote A) 70m – immagine a terra di 47 x 35m con circa 0.04m/pixel di risoluzione B) 150m - immagine a terra di 100 x 75m con circa 0.08m/pixel di risoluzione Elaborazione dati • Catena di elaborazione dati • Calibrazioni e correzioni radiometriche atmosferiche, termiche • Problematiche del telerilevamento • Indici vegetazione e termici SPUNTO DI RIFLESSIONE: Esperienze di elaborazioni immagini ? PRE-PROCESSING IMMAGINE RAW Acquisita con camera multispettrale Procedure DN Software del sensore tif MOSAICATURA GEOREFERENZIAZIONE CORREZIONE geometrica, atmosferica CALIBRAZIONE radiometrica Agisoft Photoscan + Ground Control Points (GCP) Modelli di correzione + reference in campo FILTRAGGIO OMBRE E INTERFILA CALCOLO INDICI Mappa indice (NDVI) Algoritmi Matlab Mappatura e Data Management • Mappe tematiche • Geostatistica • GIS e GeoDB • Utilizzo mappe VRT SPUNTO DI RIFLESSIONE: Esperienze di elaborazioni immagini ? POST-PROCESSING TIPOLOGIA DI DATI Punti di campionamento Raster Dataset MAPPE (dal dato alla mappa di prescrizione) TIPOLOGIA DI INTERPOLAZIONE TIPOLOGIA DI CLASSIFICAZIONE Media mobile Quantile, std, equal interval Interpretazione agronomica IDW Clustering (Fuzzy K-means) Kriging Factorial kriging Algoritmi commerciali (Trimble, Agco, Cropcircle) Mappa tematica Management Zones TIPOLOGIA DI PRESCRIZIONE Mappa di prescrizione NDVI Il Normalized Difference Vegetation Index (NDVI) evidenzia le differenze tra la riflettanza nella banda del rosso nel visibile (RR) e vicino infrarosso (RNIR). L’indice è sensibile alla attività fotosintetica e alla vegetazione, definita come Photosynthetic Active Biomass (PAB) La vegetazione mostra NDVI positivi, generalmente tra 0.2 e 0.8 PIANTE SANE riflettono poco nel visibile (RED) e una grande parte della luce vicino infrarosso (NIR) PIANTE STRESSATE riflettono un pò più nel visibile (RED) e un pò meno nel vicino infrarosso (NIR) Mosaico multispettrale Analisi della variabilità spaziale - VIGORE Mappa di vigore (NDVI) 3D model Mappa di vigore (NDVI) – filtro filari CWSI - Crop Water Stress Index L’indice CWSI è basato sull’incremento della temperatura fogliare (Tleaf) a seguito dell’interruzione del fenomeno di raffreddamento evapotraspirativo dovuto alla chiusura degli stomi in condizioni di carenza idrica al fine di preservarne la disponibilità Twet Pistola termica per misura reference (FLIRi7) Reference non stressato - acqua CWSI = (Tleaf – Twet) / (Tdry – Twet) Tdry Reference stressato vasellina Analisi della variabilità spaziale – STRESS IDRICO Mappa di stress (CWSII) Mosaico termico Mappa di stress (CWSI) – filtro filari 3D model VRT - VITICOLTURA • • • • Vendemmiatrice selettiva Pellenc (a) Sfogliatrice a rateo variabile Tecnovit (b) Atomizzatore selettivo con sensori a ultrasuoni Durand-Wayland (c) Spandiconcime a rateo variabile Tecnovit (d) Sistemi per gestione dei trattamenti fitosanitari: a) Grizzly-Clearpath Robotics Inc. b) Hortibot project-Aarhus University c) Bonirob-Amazonen-Werke Sistemi per lavorazioni del suolo: d) Armadillo-University of Southern Denmark e) ASI Forge Robotic Platform Sistemi per raccolta frutti: f) Multipurpose Orchard Robotics-Robotics Plus g) Husky-Queensland University of Technology Sistemi per potature: h) Wall-Ye i) Vision Robotics Corporation. Sistemi per la gestione dell’inerbimento: l) GrassBots ICT-AGRI Eranet projectAarhus University m) Vitirover Robot Sistemi di monitoraggio delle colture: n) Armadillo-University of Southern Denmark, o) Shrimp-Australian Centre for Field Robotics University of Sydney p) Vinerobot Project q) VinBot-Robotnik Automation S.L.L. ROBOTICA Esempi di Agbots sviluppati per effettuare interventi di gestione agronomica in pieno campo. Casi studio SPUNTO DI RIFLESSIONE: Esperienze e conoscenza di ricerche effettuate con tecniche di AdP • Esca – UNIFI - GAJA • Stress termici - Montalcino • Stress idrici - CNR • Variabilità qualitativa – CRAVIT • NDVI e CWSI - UPNA • Biomassa (3D) - ALSIA REMOTE SENSING – Disease monitoring MAL DELL’ESCA della VITE Le malattie fungine del legno sono difficilmente controllabili e sono responsabili di significative perdite economiche nel settore vitivinicolo. Il Mal dell’esca è una malattia ampiamente diffusa, causata da una colonizzazione del sistema vascolare dei funghi Phaeomoniella chlamydospora e Phaeoacremonium aleophilum, e manifesta i suoi sintomi con tipiche tigrature fogliari L’espressione dei sintomi è intermittente negli anni, è quindi difficile definire l’effettiva presenza di piante infette Nelle foglie si manifesta un drastico calo dell’attività fotosintetica in risposta allo stress causato dal patogeno molti giorni prima che siano visibili i primi sintomi fogliari Obiettivo Studiare le correlazioni tra dati NDVI ad altissima risoluzione da UAV e la sintomatologia monitorata da osservazioni a terra, al fine di sviluppare una metodologia in grado di effettuare un’analisi remota dell’incidenza dei sintomi, ed esplorare le potenzialità di piattaforme UAV come strumento predittivo dell’insorgere dei sintomi Attività ESCA 2011 - 2013 Storico di 12 anni di monitoraggio dei sintomi del Mal dell’esca Parcella sperimentale Ogni pianta è stata georiferita ad altissima risoluzione (0.02 m) con GPS Differenziale 50 piante 10 filari MULTIROTORE 8 ELICHE FLY&SENSE CNR PISA INCIDENZA MAL DELL’ESCA > 30% 500 piante Camera multispettrale Risultati dell’analisi dei dati NDVI ID C Piante controllo, mai manifestato sintomi A Piante asintomatiche, ma con sintomi negli anni precedenti S Piante sintomatiche Analisi dei dati estratti per pianta dalle immagini acquisite nei voli di maggio, giugno e luglio, rispetto ai sintomi osservati a terra Maggio Giugno Luglio . * ** . *** A S Signif. codes: '***' 0.001, '**' 0.01, '*' 0.05, '.' 0.1 Attività ESCA 2015 Agricola Cà Marcanda, Bolgheri (Italy) Cabernet Sauvignon Analisi ad alto dettaglio a livello di singola pianta Quota volo 50m Risoluzione spaziale 3cm/pixel Individuzione delle singole piante georiferite su mappa Ogni pianta è stata georiferita con GPS Differenziale (0.02 m) Estrazione del dato NDVI per ogni pianta da modello 3D (rimozione suolo Attività di monitoraggio presso Case Basse – Montalcino 2013-2014 TUSCANY - ITALY INGENTI DANNI DA SCOTTATURE 2011- 2012 MONTALCINO Az. Agricola Case Basse 2011 PERDITA SUPERIORE AL 40% DELLA PRODUZIONE Analisi della variabilità spaziale in termini di vigore per ottimizzare la dislocazione di una rete di monitoraggio micrometeorologico in zone rappresentative finalizzata allo studio delle dinamiche termiche della chioma e del grappolo REMOTE SENSING PROXIMAL SENSING Caratterizzazione della variabilità Dislocazione sensoristica in zone rappresentative Temperature MicroProbe (GMR Strumenti) Temperatura del grappolo Temperatura e umidità della chioma Dinamiche termiche del grappolo Elevate differenze termiche sul grappolo (fino 8°C) Differente cinetica di riscaldamento L’impiego dei droni in agricoltura non si deve limitare a fornire strumenti di supporto decisionale per la gestione agronomica aziendale, ma rappresenta uno strumento fondamentale per qualsiasi sperimentazione dato il forte impatto del vigore sulla risposta della pianta UPNA – Navarra (Spagna) Attività 2105 Abruzzo – Tendone Correlazioni NDVI vs parametri di produzione Le classi di NDVI hanno permesso di individuare le zone con piante di diverso vigore e differente capacità produttiva. Valori dell’indice inferiori a 0,5 sono stati associati a forti penalizzazioni produttive e a riduzioni di efficienza dei vigneti a tendone in cui la capacità di accumulo di zuccheri, antociani e polifenoli si riduce del 50-60%, rendendo necessari interventi correttivi per portare l’intero vigneto a produrre adeguate quantità di uve idonee ad essere trasformate in vini di alta qualità. 2010 – 2016 Casi studio di telerilevamento da drone in viticoltura di precisione – IBIMET CNR Progetto Cisia 2010-2013 (Catania) Valutazione delle potenzialità di un approccio di remote sensing da UAV per analizzare la correlazione tra vigore (NDVI) e maturità fenolica (antociani) SupAgro 2013 (Montpellier, FRANCIA) Analisi delle potenzialità del remote sensing da UAV per ottimizzare campionamenti in vigneto Elaborazione di un metodo per analizzare e quantificare le fallanze da remoto Fallanza ! Università degli Studi di Torino 2013-2014 (Barolo) Analisi della variabilità pedo-morfologica nella regione del Barolo in Piemonte – studio della correlazione tra tipologia di suolo e vigoria della chioma Progetto Viteclima CRAVIT 2014 (Veneto) Analisi della variabilità territoriale della risposta allo stress idrico del vitigno “Glera” Utilizzo combinato di tecniche di remote sensing da UAV e da satellite per ottimizzare un processo di zonazione del comprensorio del Prosecco CHM = DSM - DTM Istituto di Biometeorologia Grazie per l’attenzione
