TELERILEVAMENTO ED ECOSISTEMI RURALI: ALCUNE … · il telerilevamento per un'agricoltura sostenibile - piacenza 20 aprile 2006 telerilevamento ed ecosistemi rurali: alcune riflessioni

IL TELERILEVAMENTO PER UN'AGRICOLTURA SOSTENIBILE - Piacenza 20 aprile 2006

TELERILEVAMENTO ED ECOSISTEMI RURALI: ALCUNE RIFLESSIONI METODOLOGICHE

Andrea GALLIAndrea GALLI11, Stefano BOCCHI, Stefano BOCCHI22, Pietro Alessandro BRIVIO, Pietro Alessandro BRIVIO33, Mirco BOSCHETTI, Mirco BOSCHETTI33

1. DiSASC, Università Politecnica delle Marche, Via Brecce Bianche, Ancona, [email protected]

2. DI.PRO.VE.,Dipartimento Produzione Vegetale, Università degli Studi di Milano, Facoltà di Agraria

3. CNR-IREA, Istituto per il Rilevamento Elettromagnetico dell’Ambiente, Milano


Problematiche attuali nei “distretti rurali”

Scala territoriale Scala puntuale

-PAC/PSR-Piani Territorali-Direttive Comunitarie

-Sistemi colturali particellari-Indirizzo produttivo aziendale-Gestione complessiva azienda

parcellaazienda

distretto rurale ambito amm.vobacino


Come ricorda Altieri (1991) i fattori dell'agroecosistema che determinano il tipo di agricoltura di un’area agricola sono di natura fisica (geologici, morfologici, pedoclimatici), biologica, socio-economica, culturale.

Necessità di una visione:

- SISTEMICA - MULTIDISCIPLINARE- MULTISCALARE- MULTITEMPORALE

degli Ecosistemi Rurali

Le Politiche Agricole Comunitarie (PAC) hanno da tempo sviluppato un meccanismo di incentivi economici alle aziende (misure) che hanno condizionato la diffusione di alcuni specifici modelli di agricoltura e la loro evoluzione (PAC tradizionale, Riforma MacSharry, Riforma Fishler).


In questi anni sono stati messi a fuoco gli obiettivi da perseguire per la sostenibilità dello sviluppo dei territori rurali, obiettivi che hanno allargato il campo d’azione dell’agricoltura mettendola maggiormente in relazione con il sistema economico e sociale dei propri territori(agricoltura multifunzionale, sostenibilità economica, ecologica, ambientale, culturale, sociale).

agricoltura e sostenibilità

agricoltura e nuove regole

- Lo Stato italiano dovrà indicare (Piano Strategico Nazionale) le priorità tematiche e territoriali (zonizzazione) dello sviluppo rurale (Reg.1698/05 e 1690/05)- dal 1 gennaio 2005 (Reg.CE 1782/03) l’agricoltore deve presentare domanda PAC e sottoscrivere l’impegno al rispetto delle norme di ecocondizionabilità (fascicolo aziendale)- controlli AGEA attraverso TLR e GIS


superare le “applicazioni tradizionali” di TLR

sviluppare “applicazioni” maggiormente integrate

(tematiche scientifico-applicative, strumenti tecnologici,principi e metodi di elaborazione, scale spazio-temporali)

gestire in modo coordinato alle diverse scale(parcella, azienda, distretto, bacino, ambito amministrativo)

PER AVERE UNA GESTIONE COMPLESSIVA ED INTEGRATA DEL TERRITORIO RURALE


Stroppiana D., Boschetti M., Confalonieri R. , Bocchi S., Brivio P. A. (2005) “Analysis of hyperspectral field radiometric data for monitoring nitrogen concentration in rice crops” Remote Sensing for Agriculture, Ecosystem and Hydrology VII, edited by Manfred Owe, Guido D’Urso, 2005 Proc. of SPIE Vol. 5976 59760R-1.

% NAnalisi statisticaFielspechRiso

M. Boschetti, R. Colombo, M. Meroni, L. Busetto, C. Panigada, P. A. Brivio, C. M. Marino, J. R. Miller: (2002), “Use of Semi-empirical and Radiative Transfer Models to Estimate Biophysical Parameters in a Sparse Canopy Forest” Proceedings of SPIE 9th International Symposium on Remote Sensing 22-27 September 2002, Capsis SofitelConference Center,Agia Pelagia,Crete, Greece. Pp.133-144

Mappa di LAI

Relazioni empiricheDAISPioppeti

STIMA PARAMETRI BIOFISICI

Boschetti M., Confalonieri R., Stroppiana D., Bocchi S. , Brivio P. A. (2005) “Agro-ecological modelling for monitoring rice productions: contribution of field experiment and multi-temporal EO data” Remote Sensing for Agriculture, Ecosystem and Hydrology VII, edited by Manfred Owe, Guido D’Urso, 2005 Proc. of SPIE Vol. 5976 597601-1

Mappe produzioni risicole

Modello RUEMODISRisaie

M. Boschetti, Bocchi S. and Brivio P.A. (2006) “Assessment of pasture production in the Italian Alps using spectrometric and remote sensing information.”AGEE under revision.

Mappa produzione pascoli

Relazioni empiriche

Field-spec +LandsatETM+

Pascoli

STIMA PRODUZIONE

Bocci M., Colantonio R., Galli A., Marcheggiani E., (2004) “Valorizzazione delle risorse del paesaggio e delleproduzioni tipiche nel terroir del Verdicchio di MatelicaDOC”. In V.G.G. Mennella (a cura di) “Greenway per lo sviluppo sostenibile del terrirorio”, Il Verde Editoriale, 71-135.

Land Cover+ indicatori E.P.

ClassificazioneMultitemporale+analisi GIS

TM+fotoMatelica

Galli A., Bocchi S., Bellingeri D. (2001). “Classification and land use evolution in the South Milan Agricultural Park”, First International Workshop on the “Analysis of Multi-Temporal Remote Sensing Images”, Proceedings, 415-422.

Mappa delle colture

Classificazione MultitemporaleTMParco

SUD

M.Boschetti, Boschetti L., Oliveri S. and Casati L. (2006) “Tree species mapping with Airborne hyper-spectral MIVIS data: the Ticino Park study case”, IJRS under revision.

Mappa distribuzione delle specie forestali

MLHMIVISParco del Ticino

LC-LU

ReferenzeOutputMetodoSensoreES.Aplicazioni


Dall’estrazione di informazioni monodisciplinari alla ricerca di informazioni multidisciplinari attraverso integrazione fra TLR e GIS. TENDENZE

Tree species mapping with Airborne hyper-spectral MIVIS data: the Ticino Park study case

Land

Use

/ Lan

d C

over


Tree species mapping with Airborne hyper-spectral MIVIS data: the Ticino Park study case

Land

Use

/ Lan

d C

over

Park bouderForested areaAirborne image runAdministrative bounder

Field surveyPhoto interpreted

••ClassificazioneClassificazione MLH basata su rapporti di bande

nella regione del RED-EDGE

••RilieviRilievi di campo e fotointepretazioneper identificare i training set (e test set) per la classificazione e sua valutazione

Materiali e metodi:

••DatiDati immagini del sensore MIVIS, riprese a 2000 metri (pixel size 4 m)

Overall Accuracy 75% - K=0,66


Classification and land use evolution in the South Milan Agricultural Park

Land

Use

/ Lan

d C

over

Single images

NDVIcalculation

PCA calculation

Bandssynthesis

Fieldsurveys

Ancillaryknowledge

Selection of training set

Thematicclasses

definition

Multitemporalclassification Classification

resultsoverlay 1991/1999 land

use changeevaluation

Single images

NDVIcalculation

PCA calculation

Bandssynthesis

Fieldsurveys

Ancillaryknowledge

Selection of training set

Thematicclasses

definition

Multitemporalclassification Classification

resultsoverlay 1991/1999 land

use changeevaluation

-0,4-0,2

00,20,40,60,8

1 2 3

ND

VI

Urb. res

Urb.ind

Woodland

Flooded rice

Aut/win crops

2nd harvest

Spr/sum crops 2

Spr/sum crops

Water

Grassland

rice

99gr

ass 9

9au

t/win

99sp

r/sum

99

rice 91

grass 91

aut/win 91

spr/sum 910

200040006000

8000

10000

12000

14000

n° o

f pix

els

Area Loc

ISA (%) Fl. rice Grassl.

Aut/wi

n

Spr/sum

Zibido SW

53,4 -5.5 -2.6 -3.8 +12.1

Gudo SW 57 +1.1 -0.8 -1 +1.5

Melzo NE 47 -1.6 +0.8 -9.8 +11.4

Dresano SE 56 -0.5 -5.4 -8.2 +16.4

Melegnan

o

SE 51,7 -2.2 -4.9 -2.8 +12.3


Studio fisiografico e analisi diacronica dell’uso del suolo nei fisiotopi

Classi di

quota

(qi)

Intervallo di

quota (m s.l.m.m.)

Classe di

pendenza

(pi))

Intervallo di

pendenza (%)

q1 = 200 p1 = 2

q2 > 200 = 300 p2 >2 = 8

q3 > 300 = 400 p3 > 8 = 15

q4 > 400 = 600 p4 >15 = 30

q5 > 600 = 800 p5 > 30 = 60

q6 > 800 p6 > 60

p1 p2 p3 p4 p5 p6

q1

q2

q3

q4

q5

q6

Fisiotopi

Usi del suolo

Usi x Fisiotopi

1895

1998

Land

Use

/ Lan

d C

over

Matelica Greenway


Land

Use

/ Lan

d C

over

Matelica Greenway


Assessment of pasture production in the Italian Alps using spectrometric and remote sensing information

Stim

a Pr

oduz

ione

••Campagne di misuraCampagne di misura negli anni 20022002--20032003--20042004 in due localitdue localitàà Alpe di Trela e Alpe Boron, Parco dello Stelvio (So).

••RilieviRilievi condotti in base a cartografia esistentecartografia esistente (SIALP Regione Lombardia) su diverse tipologie di pascolo

Campionamenti distruttiviCampionamenti distruttivi

Misure Misure radiometricheradiometriche (Spectral Scan PR 650 ® e Fieldspec-FR PRO®),

Materiali e metodi:

Alpe di trela, Estratto del SIALP (Sistema Informativo Alpeggi) Regione Lombardia

••Analisi di regressioneAnalisi di regressione tra diversi indici di vegetazione (VI)indici di vegetazione (VI) e dati di biomassabiomassa per identificare il più idoneo per il monitoraggio dei pascoli

1/2

0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

350 400 450 500 550 600 650 700 750 800

Wavelength (nm)

Ref

lect

ance

(%)


Immagine dasatellite ETM+ (30 metririsoluzione 7 bande spettrali)

Relazionedi campo calibratasullebandespettralidel satellite

y = 0.12Ln(x) - 0.19R 2 = 0.56

0.20

0.30

0.40

0.50

0.60

0.70

0.80

0 500 1000 1500Fresh biomass (g/m2)

MSA

VI

Mappa biomassa

2/2

Stim

a Pr

oduz

ione

Dalle relazioni empiriche con le misure in campo alle applicazioni in ambito modellistico TENDENZE


Agro-ecological modelling for monitoring rice productions: contribution of field experiment and multi-temporal EO data

Stim

a Pr

oduz

ione

••Applicazione di un modello diApplicazione di un modello di Radiation Use EfficiencyRadiation Use Efficiency (RUE) (RUE) [Monteith (1977), Kumar &Monteith (1981)] basato su dati MODIS (250 m)

••RilieviRilievi di campo di LAI e fAPAR per identificare una relazione predittiva con EVI

Materiali e metodi:

••DatiDati RS immagini del sensore MODIS, composit 16 giorni TERRAproduct MOD 13Q1, Dati meteo inputspazializzati del modello

∑=

×××××=Maturity

SOSdddd TRadfAPARRUEHIYield lim45.0

Risaie da cartografia Corine Land Cover

TempTempoo

11--15 15 doydoy

334334--349 349 doydoy

350350--365 365 doydoy


BiomassaGranella Stima produzioni riso per l’anno 2004

Confini comunali

Agro-ecological modelling for monitoring rice productions: contribution of field experiment and multi-temporal EO data

0.00%

5.00%

10.00%

15.00%

20.00%

25.00%

30.00%

-60 -50 -40 -30 -20 -10 0 10 20 30 40 50 60

Error [(estimate-observed)/observde %]

Freq

uenc

y %

MAE 0.68

RMSE 0.88

RRMSE % 14.97

t/ha


Stim

a Pa

ram

etri

biof

isic

i (PF

) Studio di indici di Vegetazione per la stima della concentrazionStudio di indici di Vegetazione per la stima della concentrazione di azoto nelle e di azoto nelle colturecolture

••RilieviRilievi di campo di LAI, biomassa, N nella pianta

Materiali e metodi:

DatiDati RS Misure spettrali (FieldSpec FR Pro, ASD 350-2500 nm)

“Analysis of hyperspectral field radiometric data for monitoring nitrogen concentration in rice crops”

Gladio cv. (Indica type)Scatter seeded (May 24, 2004), Due trattamenti N (0, 160 kg ha-1)Due date di fertilizzazione (Jun 22, Jul 20) Otto plots 35m2 (7x5m), quattro repliche

e sei campionamenti (Jun-Jul 2004)0.0

0.5

1.0

1.5

2.0

2.5

3.0

3.5

12/6 22/6 2/7 12/7 22/7 1/8 11/8

PNC

[%]

N0N2

Misure di azoto (6 piante per parcella)

0.0

0.1

0.2

0.3

0.4

0.5

350 450 550 650 750 850

λ [nm]

Ref

lect

ance

Jun 16Jun 24Jun 30Jul 07Jul 21Jul 26

Cinque acquisizioni per parcella


NDI analisi di regressione

R2 = 0.57p < 0.01 (*)n = 32λ1 = 465 nmλ2 = 505 nm

R2 = 0.0 0.6

NDI = -0.0775Ln(N) + 0.1935

0.00

0.05

0.10

0.15

0.20

0.25

0.0 1.0 2.0 3.0 4.0

N [%]

ND

I

⎟⎟⎠

⎞⎜⎜⎝

⎛+−

=12

12

ρρρρNDI


Stim

a Pa

ram

etri

biof

isic

i (PF

)


NDVI ∼ AGB

Esempio di applicazione su dati MIVIS…

NDI ∼ PNC



A livello di area vasta le applicazioni TLR dovrebbero, in particolare:

• generare indicatori strutturali e funzionali del paesaggio (a partire dagli esempi proposti dalla Landscape Ecology)

• contribuire alla spazializzazione di indicatori agro-ecologici (AEI)

• integrarsi mediante GIS con gli indicatori socio-economici prodotti dalle analisi statistiche e con gli indicatori socio-culturali

Riflessioni conclusive

A livello locale le applicazioni TLR dovrebbero, in particolare:

• contribuire a definire e validare indicatori agro-ecologici (AEI), per valutare con precisione lo stato degli agro-ecosistemi

• fornire input per modelli di gestione degli agro-ecosistemi

• fornire input per modelli predittivi dell’evoluzione degli agro-ecosistemi


Con riferimento al modello DPSIR (EEA)


Questo consentirebbe, da un lato, di meglio orientare all’interno del territorio agricolo le nuove misure agro-ambientali introdotte dalla nuova Politica Agricola Comunitaria (PAC) e, dall’altro, di inquadrare le sperimentazioni di Agricoltura di Precisione condotte a livello aziendale nel contesto agricolo di riferimento, potenziandone le ricadute ambientali ed il significato gestionale.

Documents

TELERILEVAMENTO ED ECOSISTEMI RURALI: ALCUNE … · il telerilevamento per un'agricoltura sostenibile - piacenza 20 aprile 2006 telerilevamento ed ecosistemi rurali: alcune riflessioni