Applicazioni di Tecniche di Precision Farming in Risicoltura Francesco Barracu1, Bruno Basso2, Giovanni Cafiero2, Costanza Fiorentino2, Antonino Spanu1 1Dipartimento. di Scienze Agronomiche e Genetica Vegetale Agraria, Univ. Sassari, IT, fbarracu@uniss.it 2Dipartimento di Scienze dei Sistemi Colturali, Forestali e dell'Ambiente, Univ. Basilicata, IT. Introduzione L'importanza dell'Agricoltura di Precisione è stata largamente riconosciuta come contributo chiave nella tecnologia produttiva. L'agricoltura di precisione è basata su un approccio innovativo, che è legato ad una combinazione tra GIS, GPS, modellistica previsionale, telerilevamento, macchine intelligenti con pilota automatico e tecnologie di distribuzione di input a dosi variabili, per la corretta gestione agronomica delle colture considerando la variabilità spaziale e temporale presente in campo (Basso et al., 2005). Attualmente, gli strumenti e le macchine agricole adattate alla pratica dell'agricoltura di precisione si stanno rapidamente diffondendo, ma per poterne sfruttare appieno le potenzialità è necessario stabilire quali siano le necessità della coltura e le differenze che si riscontrano all'interno del campo coltivato. Un altro aspetto fondamentale è la necessità di poter valutare gli effetti dei trattamenti e delle concimazioni per programmare eventuali nuovi interventi. L'applicazione di questa ratio a colture in pieno campo impone che i sistemi di indagine rispondano ad alcune caratteristiche irrinunciabili: affidabilità; rapidità di acquisizione del dato; possibilità di georeferenziare la misura ottenuta; scala compatibile sia con le pratiche agronomiche che con gli interventi da eseguire. In Italia la risicoltura rappresenta un settore di rilievo e la superficie attualmente coltivata è di circa 238,500 ha. L'obiettivo della ricerca, articolata in tre anni, è quello di verificare la possibilità di adottare alcune tecniche di Precision Farming in risicoltura, allo scopo di mettere in condizione l'agricoltore di intervenire in maniera razionale sulla coltura, tenendo in opportuna considerazione la variabilità spazio-temporale presente in campo. Nel primo dei tre anni in programma ci si è concentrati prevalentemente nel test di alcuni strumenti di proximal sensing (PS) e remote sensing (RS) per la valutazione dello stato della coltura e l'affidabilità del dato rilevato in campo. Metodologia La prova è stata condotta in una risaia sita in Sardegna in provincia di Oristano (8°43'40"E, 39°56'44"N, WGS 84) la cui superficie complessiva è pari a 35 ha. La risaia è stata gestita mediante tecniche convenzionali; in particolare l’intera area di studio è stata suddivisa in 9 camere e per ciascuna camera sono stati individuati e georiferiti 4 punti di campionamento. I punti per i rilievi sono stati individuati, su ciascun lato delle camere, distanti dagli argini per limitare l’effetto bordo. Ogni 7 giorni, sulle ultime 30 foglie completamente espanse, sono state effettuate le letture di SPAD (502Plus, Konica Minolta Sensing, Inc.). A cadenza mensile, è stata effettuata la misura del LAI (2200, Li-Cor Inc.) e della firma spettrale (FieldSpec, Analytical Spectral Devices, Inc.). Ogni 14 giorni, sulle ultime 30 foglie completamente espanse, è stato determinato il contenuto in azoto. Alla fine del ciclo colturale, negli stessi punti, sono stati rilevati i principali parametri bio-morfologici della coltura. Alla raccolta, effettuata impiegando una mietitrebbia dotata di sensoristica New Holland Intelliview, è stata acquisita la mappa di produzione. La RapidEye ha fornito una serie multi-temporale di immagini satellitari relative alle date del 2 luglio, 15 agosto e 10 settembre. Tali immagini sono caratterizzate da una risoluzione spaziale di 25 m-2 e sono dotate di 5 bande spettrali, rispettivamente negli intervalli di lunghezze d’onda del blu, verde, rosso, red-edge e del vicino infrarosso. A partire da tali immagini è stato calcolato l’indice vegetazionale normalizzato NDVI. Tale indice è stato calcolato anche utilizzando le misure di riflettanza spettrale rilevate con il FieldSpec in concomitanza all’acquisizione delle immagini satellitari. Risultati Il valore di SPAD si è dimostrato strettamente correlato al valore di N assorbito dalla pianta, confermandosi un ottimo strumento per la valutazione dello stato della coltura (test R di Pearson, p<0.001: 0.93, 0.83, 0.91, 0.79, 0.65, 0.87). Contrariamente a quanto riportato correntemente in letteratura, l'analisi di laboratorio non è stata effettuata sulle stesse foglie sulle quali è stato misurato il valore di SPAD, bensì su campioni omogenei prelevati in un intorno circolare di diametro pari a 2 m centrato sul punto di campionamento. L'oscillazione degli indici di correlazione è da imputarsi a questo fatto; è però interessante notare come i due campioni di foglie della stessa età ma provenienti da piante diverse mostrino una certa variabilità individuale ma grande omogeneità sulle medie. E’ stata analizzata la correlazione dell' NDVI rilevato da satellite con il LAI, il valore di correlazione ottenuto nel mese di luglio, al momento del massimo vigore vegetativo, è pari a 0.623 (p<0.001) e decresce risultando non significativa nel mese di settembre. In settembre iniziano ad essere diffusi i sintomi di senescenza della pianta e i rilievi ottici perdono in affidabilità. Alle medesime considerazioni porta l’analisi di correlazione tra LAI ed NDVI derivato dalle misure effettuate con il FieldSpec. Anche in questo caso gli indici di correlazione sono più elevati a giugno e luglio, ma inutilizzabili in fase di maturazione. In figura 1a e b sono riportate le mappe di NDVI relative al mese di agosto e settembre, mentre in figura 1c è riportata la mappa di produzione. Dal punto qualitativo si nota subito nel confronto tra le figure 1b e c come alla camera all’estrema sinistra, evidenziata in bianco corrispondano valori bassi di NDVI e produzione, infatti questa sub-area è stata mediamente la meno produttiva. Si noti, invece, la corrispondenza tra NDVI e produzione per la camera evidenziata in nero caratterizzata da un valore di produzione più elevato. Conclusioni L'utilizzo del telerilevamento ed in particolare degli indici vegetazionali può essere un valido supporto per analizzare il vigore vegetativo delle colture e fornire informazioni sulla produzione, anche, come dimostra questo lavoro, in ambienti particolari quali le risaie. Nelle risaie il problema principale è legato alla presenza di acqua che impedisce un facile accesso in campo e rende complessa un’accurata campagna di misure a terra, per cui le immagini telerilevate presentano un duplice vantaggio: sopperiscono all’esiguo campionamento e forniscono una mappatura spazio temporale completa dell’area di studio. Nei prossimi due anni si rende necessaria un’ulteriore valutazione delle potenzialità predittive degli indici vegetazionali ed, eventualmente, una loro calibrazione sulla base delle peculiari condizioni ambientali. Rimane inoltre da indagare la possibilità di impiegare la firma spettrale come metodo per valutare la presenza e la densità di infestanti per la programmazione di opportuni interventi di diserbo. Bibliografia Basso B. et al. 2005. Agricoltura di precisione. Edizioni l'Informatore Agrario. Cabangon R.J. et al. 2011. Chlorophyll meter-based nitrogen management of rice grown under alternate wetting and dryng irrigation. Field Crops Research, 121 136-146.

Applicazioni di tecniche di Precision Farming in risicoltura / Spanu, Antonino; Barracu, F; Basso, B; Cafiero, G; Fiorentino, C.. - (2011), pp. 44-45. ((Intervento presentato al convegno Società Italiana di Agronomia XL Convegno Nazionale tenutosi a Università degli studi di Teramo nel 7-8-9 Settembre 2011.

Applicazioni di tecniche di Precision Farming in risicoltura.

SPANU, Antonino;
2011

Abstract

Applicazioni di Tecniche di Precision Farming in Risicoltura Francesco Barracu1, Bruno Basso2, Giovanni Cafiero2, Costanza Fiorentino2, Antonino Spanu1 1Dipartimento. di Scienze Agronomiche e Genetica Vegetale Agraria, Univ. Sassari, IT, fbarracu@uniss.it 2Dipartimento di Scienze dei Sistemi Colturali, Forestali e dell'Ambiente, Univ. Basilicata, IT. Introduzione L'importanza dell'Agricoltura di Precisione è stata largamente riconosciuta come contributo chiave nella tecnologia produttiva. L'agricoltura di precisione è basata su un approccio innovativo, che è legato ad una combinazione tra GIS, GPS, modellistica previsionale, telerilevamento, macchine intelligenti con pilota automatico e tecnologie di distribuzione di input a dosi variabili, per la corretta gestione agronomica delle colture considerando la variabilità spaziale e temporale presente in campo (Basso et al., 2005). Attualmente, gli strumenti e le macchine agricole adattate alla pratica dell'agricoltura di precisione si stanno rapidamente diffondendo, ma per poterne sfruttare appieno le potenzialità è necessario stabilire quali siano le necessità della coltura e le differenze che si riscontrano all'interno del campo coltivato. Un altro aspetto fondamentale è la necessità di poter valutare gli effetti dei trattamenti e delle concimazioni per programmare eventuali nuovi interventi. L'applicazione di questa ratio a colture in pieno campo impone che i sistemi di indagine rispondano ad alcune caratteristiche irrinunciabili: affidabilità; rapidità di acquisizione del dato; possibilità di georeferenziare la misura ottenuta; scala compatibile sia con le pratiche agronomiche che con gli interventi da eseguire. In Italia la risicoltura rappresenta un settore di rilievo e la superficie attualmente coltivata è di circa 238,500 ha. L'obiettivo della ricerca, articolata in tre anni, è quello di verificare la possibilità di adottare alcune tecniche di Precision Farming in risicoltura, allo scopo di mettere in condizione l'agricoltore di intervenire in maniera razionale sulla coltura, tenendo in opportuna considerazione la variabilità spazio-temporale presente in campo. Nel primo dei tre anni in programma ci si è concentrati prevalentemente nel test di alcuni strumenti di proximal sensing (PS) e remote sensing (RS) per la valutazione dello stato della coltura e l'affidabilità del dato rilevato in campo. Metodologia La prova è stata condotta in una risaia sita in Sardegna in provincia di Oristano (8°43'40"E, 39°56'44"N, WGS 84) la cui superficie complessiva è pari a 35 ha. La risaia è stata gestita mediante tecniche convenzionali; in particolare l’intera area di studio è stata suddivisa in 9 camere e per ciascuna camera sono stati individuati e georiferiti 4 punti di campionamento. I punti per i rilievi sono stati individuati, su ciascun lato delle camere, distanti dagli argini per limitare l’effetto bordo. Ogni 7 giorni, sulle ultime 30 foglie completamente espanse, sono state effettuate le letture di SPAD (502Plus, Konica Minolta Sensing, Inc.). A cadenza mensile, è stata effettuata la misura del LAI (2200, Li-Cor Inc.) e della firma spettrale (FieldSpec, Analytical Spectral Devices, Inc.). Ogni 14 giorni, sulle ultime 30 foglie completamente espanse, è stato determinato il contenuto in azoto. Alla fine del ciclo colturale, negli stessi punti, sono stati rilevati i principali parametri bio-morfologici della coltura. Alla raccolta, effettuata impiegando una mietitrebbia dotata di sensoristica New Holland Intelliview, è stata acquisita la mappa di produzione. La RapidEye ha fornito una serie multi-temporale di immagini satellitari relative alle date del 2 luglio, 15 agosto e 10 settembre. Tali immagini sono caratterizzate da una risoluzione spaziale di 25 m-2 e sono dotate di 5 bande spettrali, rispettivamente negli intervalli di lunghezze d’onda del blu, verde, rosso, red-edge e del vicino infrarosso. A partire da tali immagini è stato calcolato l’indice vegetazionale normalizzato NDVI. Tale indice è stato calcolato anche utilizzando le misure di riflettanza spettrale rilevate con il FieldSpec in concomitanza all’acquisizione delle immagini satellitari. Risultati Il valore di SPAD si è dimostrato strettamente correlato al valore di N assorbito dalla pianta, confermandosi un ottimo strumento per la valutazione dello stato della coltura (test R di Pearson, p<0.001: 0.93, 0.83, 0.91, 0.79, 0.65, 0.87). Contrariamente a quanto riportato correntemente in letteratura, l'analisi di laboratorio non è stata effettuata sulle stesse foglie sulle quali è stato misurato il valore di SPAD, bensì su campioni omogenei prelevati in un intorno circolare di diametro pari a 2 m centrato sul punto di campionamento. L'oscillazione degli indici di correlazione è da imputarsi a questo fatto; è però interessante notare come i due campioni di foglie della stessa età ma provenienti da piante diverse mostrino una certa variabilità individuale ma grande omogeneità sulle medie. E’ stata analizzata la correlazione dell' NDVI rilevato da satellite con il LAI, il valore di correlazione ottenuto nel mese di luglio, al momento del massimo vigore vegetativo, è pari a 0.623 (p<0.001) e decresce risultando non significativa nel mese di settembre. In settembre iniziano ad essere diffusi i sintomi di senescenza della pianta e i rilievi ottici perdono in affidabilità. Alle medesime considerazioni porta l’analisi di correlazione tra LAI ed NDVI derivato dalle misure effettuate con il FieldSpec. Anche in questo caso gli indici di correlazione sono più elevati a giugno e luglio, ma inutilizzabili in fase di maturazione. In figura 1a e b sono riportate le mappe di NDVI relative al mese di agosto e settembre, mentre in figura 1c è riportata la mappa di produzione. Dal punto qualitativo si nota subito nel confronto tra le figure 1b e c come alla camera all’estrema sinistra, evidenziata in bianco corrispondano valori bassi di NDVI e produzione, infatti questa sub-area è stata mediamente la meno produttiva. Si noti, invece, la corrispondenza tra NDVI e produzione per la camera evidenziata in nero caratterizzata da un valore di produzione più elevato. Conclusioni L'utilizzo del telerilevamento ed in particolare degli indici vegetazionali può essere un valido supporto per analizzare il vigore vegetativo delle colture e fornire informazioni sulla produzione, anche, come dimostra questo lavoro, in ambienti particolari quali le risaie. Nelle risaie il problema principale è legato alla presenza di acqua che impedisce un facile accesso in campo e rende complessa un’accurata campagna di misure a terra, per cui le immagini telerilevate presentano un duplice vantaggio: sopperiscono all’esiguo campionamento e forniscono una mappatura spazio temporale completa dell’area di studio. Nei prossimi due anni si rende necessaria un’ulteriore valutazione delle potenzialità predittive degli indici vegetazionali ed, eventualmente, una loro calibrazione sulla base delle peculiari condizioni ambientali. Rimane inoltre da indagare la possibilità di impiegare la firma spettrale come metodo per valutare la presenza e la densità di infestanti per la programmazione di opportuni interventi di diserbo. Bibliografia Basso B. et al. 2005. Agricoltura di precisione. Edizioni l'Informatore Agrario. Cabangon R.J. et al. 2011. Chlorophyll meter-based nitrogen management of rice grown under alternate wetting and dryng irrigation. Field Crops Research, 121 136-146.
9788-8902-27936
Applicazioni di tecniche di Precision Farming in risicoltura / Spanu, Antonino; Barracu, F; Basso, B; Cafiero, G; Fiorentino, C.. - (2011), pp. 44-45. ((Intervento presentato al convegno Società Italiana di Agronomia XL Convegno Nazionale tenutosi a Università degli studi di Teramo nel 7-8-9 Settembre 2011.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11388/54072
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact