Precision farming
dalle fonti informative alla gestione delle mappe di prescrizione
Tipologie di fonti informative Modalità di elaborazione ed interpretazione
02/05/2020
elio.romano@crea.gov.it
Elio Romano
Il CREA - Consiglio per la ricerca in agricoltura e l’analisi dell’economia agraria
• 47 Centri ed Unità di ricerca
• 5300 ha di aziende sperimentali
• 1400 dipendenti
➢ La terza Istituzione pubblica di ricerca
➢ Il più grande Ente pubblico italiano di ricerca in agricoltura
Laboratorio di Treviglio (BG)
Sede di Monterotondo (RM)
L’Unità di ricerca per l’ingegneria agraria CREA-IT
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
8. Trattori e pneumatici 7. Colture specializzate
1. Tecnologie per l’allevamento
6. Sicurezza ed ergonomia
4. Energia da biomassa e rinnovabile 2. Foraggicoltura
3. Gestione reflui organici 5. Chimica da biomassa
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
12 1900
1950
1990
2010
Meccanizzazione
▪ Introduzione dei trattori
▪ Aumento dell’efficienza
▪ Ma ancora elevata manodopera
▪ Bassa produttività
Agricoltura 1.0
Rivoluzione verde
▪ Nuove agrotecniche
▪ Uso di fertilizzanti e antiparassitari
▪ Miglioramento delle sementi
▪Aumenti delle rese
Agricoltura 2.0
Agricoltura di precisione
▪ Guida assistita
▪ Mappatura delle produzioni
▪ Applicazioni a rateo variabile
▪ Telemetria
▪ Gestione dei dati
Agricoltura 3.0
Agricoltura 4.0 Agricoltura digitale
▪ Uso delle informazioni in tempo reale
▪ Servizi ad elevato valore aggiunto
▪ Sensoristica e automazione
▪ Miglioramento delle agrotecniche
▪ Ottimizzazione dei processi
Fonte: CEMA -European Agricultural Machinery, 2017
Agricoltura 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.
14
Obiettivi della Precision Farming
15
• FARE LA COSA GIUSTA
• FARLA NEL MOMENTO GIUSTO
• FARLA NEL MODO GIUSTO
Le applicazioni disponibili per l’AdP
Applicazione Obiettivi Stato dell’arte
Interfacce uomo-macchina e macchina- macchina
Monitorare e gestire tutte le applicazioni di AdP
Terminali indipendenti o universali (ISOBUS)
Sistemi di guida Evitare sovrapposizioni, ridurre
l’affaticamento Assistita o semi-automatica
Traffico controllato Minimizzare il compattamento del suolo Macchine specifiche, sistemi di guida, software
Registrazione degli spostamenti delle
macchine Tracciabilità, sicurezza Sistemi di registrazione imbarcabili
Campionamento del terreno Localizzare le caratteristiche fisico- chimiche del terreno
Sensori geofisici (es.: EMI), sistemi di 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.
Sensori remoti Monitorare lo stato delle colture Immagini aeree o satellitari (es.: satelliti Sentinel 2)
Applicazioni a dose variabile Controllo delle dosi di fertilizzanti o fitofarmaci
Rende possibili trattamenti specifici riducendo sprechi e impatto ambientale Applicazioni a sezioni variabili Controllo della semina Evita sovrasemine, rispetta la densità Monitoraggio delle produzioni Localizza informazioni sulla produzione Consente di realizzare mappe di
produzione Sistemi di supporto alle decisioni Software per documentazioni, previsioni,
elaborazioni, ecc. In fase di sviluppo e diffusione
Fonte: Studio del Parlamento Europeo, 2014
Guida automatica
Rateo Variabile Semina VRT
2
Raccolta
Rapporto 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
Monitor unico
Centralina trattore Centralina
operatrice
Joystick
Il sistema ISOBUS
Sistemi 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 …
…per mezzo della tecnologia
(Fonte dell’immagine: Lutman et al.
2002)
Conoscere la realtà
22
Cartografia di base: qualsiasi rappresentazione geograficamente accurata della zona in questione.
Dati sito-specifici: analisi del terreno, produzioni, densità di infestanti, ecc. Ognuno raccolto con le proprie coordinate
geografiche (tramite GPS).
Cartografia tematica (layers):
singole mappe basate su dati
omogenei raccolti e sovrapponibili;
si basano su un sistema di coordinate geografiche.
Mappa delle infestanti
Analisi del terreno Topografia
Cartografia di base
GIS: centro di gestione dei dati
Individuazione di aree omogenee
Aree a bassa resa Aree ad alta resa
Adottare strategie specifiche per
ogni area omogenea
Come funziona un sensore di vigore?
Parte sana
Parte stressata
Fonte: Goldfinch Technolgies, 2015
Immagine nel
campo del visibile di una pianta di soia
Determinazione in tempo reale dello stato
Foglia morta Foglia stressata Foglia sana
Misure di riflettanza spettrale
La radiazione NIR non è visibile, ma può essere rilevata da sensori
Fonte: Goldfinch Technolgies, 2015
Indici spettrali
((NIR + Green) – (2 x Blue)) / ((NIR + Green) + (2 x Blue)) NIR-Blue/NIR+Blue
NIR-Red/NIR+Red
Sensori fisiologici (NDVI)
Soia in precessione
GPS Sensore
NDVI Sensore
NDVI
Esempi: feedback dopo diserbo (IR)
Fonte: Price, 2013
Infestanti
Infestanti Infestanti
Foto aerea su cereali invernali, risoluzione spaziale 0,63 cm
Fonti informative
Mappa di prescrizione
Crop
Mappe geoelettriche
QUOD
1954 2014 2016
La cartografia GIS
11/03/2017
Mappe di vigore
Video
Mappe 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
GPS
Sensore di umidità NIR
LVDT Centralina,
monitor
Encoder
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 capacitivo
Fondamentali la
calibrazione e la taratura
Video NIR Grain
Altre mappe informative
• Mappe patologie
• Mappe fenologiche
• Mappe della presenza biomassa infestante
• Etc..
Ambiente
Mappa di prescrizione sintesi delle informazioni
Suolo Coltura
40
Albero decisionale
41
Fonte: G. Chen – Advanced Agricultural Machinery and Technologies, 2018
Implementazione
Raccolta dati
Analisi dei dati
Processo decisionale Adattamento delle
decisioni Applicazione
Verifica
Mappa di prescrizione
Sensoristica disponibile
Sensori RGB per fotogrammetria e topografia
Sensori termici per la termografia
Sensori multispettriali per l'agricoltura di precisione e il monitoraggio ambientale
((NIR + Green) – (2 x Blue)) / ((NIR + Green) + (2 x Blue)) NIR-Blue/NIR+Blue
NIR-Red/NIR+Red
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, 2018
NDVI TCARI
ARI GNDVI
BNDVI
CHL_RED_EDGE
Indice NDVI
Fonte: Marlyn G. Jones and Robin A. Vaughan, 2011. Remote Sensing of Vegetation. Principles, Techniques and Applications.
28/04/2019
07/06/2019 27/06/2019
25/02/2019
12/06/2019 27/02/2019
Modalità di elaborazione
finalizzate alla MAPPA DI PRESCRIZIONE
Geoprocessing
Geostatistica e ricampionamento
Georeferenziazione e Trasformazione
UAV ARP YIELD
PRESCRIPTION MAP
Geoprocessing
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.
Dati RASTER
I dati raster possono essere 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
55
È pertanto possibile modificare anche una singola coordinata per
ottenere forme di distribuzione diverse
Conversioni 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
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.
L’interpolazione spaziale è la stima del valore assunto da una variabile in una posizione in cui la misurazione non è stata
effettuata
Output e finalità in Agricoltura
Le operazioni di elaborazione effettuate sui dati ottenibili dalle
diverse fonti informative possono avere principalmente due obiettivi:
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
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
→ OUTPUT: es.: Preparazione di griglie ispettive in campi sperimentali.
Georesistività Resa
NDVI drone NDVI SAT
Passaggi per la distribuzione
+ Tutti i layers
informativi disponibili
Clusterizzazione
Smoothing
Georesistività Resa
NDVI drone NDVI SAT
Sistema di supporto alle decisioni
(DSS=Decision Support System)
Diagramma di Flusso
Gestione della mappa delle zone omogenee
220 180 140
Ricerca della stabilità – Resilienza delle zone
2018
2017
ceci 2016
2015
2018
Umidità granella
Bonifica
Scelta colturale
elio.romano@crea.gov.it