A causa degli effetti del cambiamento climatico e della potenziale carenza di risorse, come acqua e fertilizzanti, l'uso di tecniche innovative in agricoltura è diventata una delle priorità sulla scena globale.

 

L'obiettivo dello studio è stato quello di valutare l'efficacia di metodi di rilevamento prossimale e da remoto per la gestione sostenibile del suolo, delle colture e delle risorse (acqua e azoto). Lo studio è stato effettuato su una coltura di mais dolce (Zea mays var. saccharata).

 

 banner-agroinnovation-award-fonte-imageline-520x90.jpg

 

Gli obiettivi specifici dello studio sono stati: descrivere la variabilità spaziale del suolo del sito sperimentale, valutare le relazioni tra i parametri ecofisiologici, morfologici e di risposta produttiva della coltura e gli Indici Vegetazionali Iperspettrali (VIs) e Red, Blu, Green (Rgb), al fine di determinare lo stato idrico e nutrizionale del mais.
La prova sperimentale è stata condotta presso i campi sperimentali dell'Istituto Agronomico Mediterraneo di Valenzano (Ba) nel 2020 e 2021. Sono stati confrontati tre regimi irrigui: irrigazione ottimale, irrigazione in deficit e in assenza di irrigazione, e due livelli di azoto: 300 e 50 chilogrammi di azoto per ettaro.

 

All'inizio della sperimentazione è stato utilizzato un sensore ad induzione elettromagnetica per misurare la conduttività elettrica apparente del suolo, al fine di monitorare la variabilità spaziale e definire il disegno sperimentale.
Successivamente, sono state effettuate misurazioni di parametri ecofisiologici (scambi gassosi a livello fogliare, contenuto idrico relativo nelle foglie, indice del contenuto di clorofilla fogliare), biometrici (indice di area fogliare, biomassa aerea) e produttivi. Inoltre, sono state effettuate misure prossimali di riflettanza e di temperatura della canopy e sono state acquisite immagini Rgb tramite una telecamera installata su drone.

 

I dati della riflettanza iperspettrale sono stati analizzati attraverso tecniche di analisi multivariata ovvero analisi delle componenti principali, Pca e regressione lineare multipla con algoritmo stepwise al fine di identificare le lunghezze d'onda più efficaci nel descrivere la risposta della coltura e di selezionare gli Indici di Vegetazione Iperspettali più efficienti per monitorare la risposta produttiva e quella fisiologica del mais.

 

I risultati della regressione multipla hanno mostrato che gli indici vegetazionali che considerano la regione del red edge, come gli indici Chlorophyll Absorption Reflectance Index (Cari), Double Difference Index (Dd), Red Edge Inflection Point (Reip) e Chlorophyll Red Edge (Clred edge), sono stati buoni predittori della produzione e dei parametri fisiologici, a conferma del ruolo cruciale di questa regione spettrale così come anche emerso attraverso la Pca. I VIs, Dd, Reip e Clred edge sono stati in grado di discriminare le condizioni di stress idrico e nutrizionale.

Grafico che mette in relazione la riflettanza con la lunghezza d'onda 

Grafico che mette in relazione la riflettanza con la lunghezza d'onda

(Fonte: Milica Colovic)

 

Si è mostrato anche come l'indice Datt, basato sulle lunghezze d'onda del vicino infrarosso e del red edge, sia stato efficace nello spiegare la variazione del contenuto di clorofilla, mentre l'indice Dd abbia mostrato la maggiore correlazione con gli scambi gassosi. L'indice di vegetazione narrow band (Nndvi) e il rapporto Wbi/Ndvi hanno mostrato la più elevata capacità di discriminare le diverse condizioni idriche e nutrizionali confrontate.
Gli indici basati sul red edge hanno mostrato una maggiore sensibilità ai livelli di azoto rispetto agli indici strutturali e "water band".

 

Inoltre, lo studio si è anche focalizzato sulla possibilità di utilizzare misure da remoto per valutare rapidamente lo stato delle colture, al fine di ampliare le superfici di monitoraggio e ridurre i costi. Pertanto, sono state confrontate le potenzialità di indici Rgb misurati da drone e indici di vegetazione iperspettrali prossimali. L'indice "green area" ha mostrato la migliore capacità predittiva dell'indice di area fogliare nel 2020 (R2= 0,61) e del contenuto di clorofilla fogliare nel 2021 (R2= 0,49). Inoltre, è stata la regione "red edge" che ha evidenziato ancora una volta la migliore capacità predittiva per i parametri di scambi gassosi. Risultati simili sono stati riscontrati anche per gli indici Clred edge, Ndre, Mtci, Dd e Reip.

 

I risultati di questo studio hanno evidenziato il potenziale dell'impiego di sensori geofisici prossimali anche al fine di impostare i disegni sperimentali, l'importanza della scelta di adeguati indici di vegetazione "narrow band" per monitorare la risposta ecofisiologica della pianta agli stress idrici e nutrizionali e infine il potenziale dell'utilizzo degli indici Rgb che hanno dimostrato un'efficienza paragonabile a quella degli indici vegetazionali iperspettrali.

 

Milica Colovic, categoria Agricoltura di precisione: analisi e condivisione dei dati

Milica Colovic, categoria "Agricoltura di precisione: analisi e condivisione dei dati"

(Fonte: Milica Colovic)

 

Scarica la tesi completa di Milica Colovic

Per eventuali contatti milica.colovic@ba.infn.it

A cura di Milica Colovic


Il logo del progetto CAP4AgroInnovation

 

CAP4AgroInnovation è il nuovo progetto di Image Line®, cofinanziato dall'Unione Europea, dedicato all'innovazione in agricoltura e alle opportunità offerte dalla Pac.

Per maggiori informazioni è possibile visitare il sito