Progetto Axia - Indicatori stress idrico - 27.02.2012
1 like824 views
Il documento descrive un progetto di ricerca volto a sviluppare metodi innovativi di telerilevamento iperspettrale per la rilevazione precoce di stress idrico e carenza di nutrienti nelle colture. L'obiettivo principale è migliorare la stima di parametri biofisici e correlare indicatori remoti con misure in campo, generando mappe dello stato di salute delle coltivazioni. I risultati indicano l'efficacia dell'uso di sensori aviotrasportati e forniscono evidenze sulla variabilità spaziale degli indicatori di stress.
![Acquisizione dati telerilevati
Configurazione adottata
AISA Eagle (VIS-NIR)
[Istituto Nazionale di Oceanografia e
di Geofisica Sperimentale, Trieste]
sorvolo: 20 luglio 2010
FOV
H: 770 - 830 m
IFOV
D = 1.0 m S
D
S = 500 m
LTDA](https://image.slidesharecdn.com/progettoaxaindicatoristressidrico27-02-2012-120302073038-phpapp02/85/Progetto-Axia-Indicatori-stress-idrico-27-02-2012-14-320.jpg)
![Acquisizione dati telerilevati
Configurazione adottata
AHS (VIS-NIR-TIR)
[Instituto Nacional de Tecnica
Nacional Aerospacial, Madrid]
sorvolo: 19 luglio 2010
FOV
H: 1000 m
IFOV
D = 2.0 m S
D
S = 2000 m
EUFAR supported!
LTDA](https://image.slidesharecdn.com/progettoaxaindicatoristressidrico27-02-2012-120302073038-phpapp02/85/Progetto-Axia-Indicatori-stress-idrico-27-02-2012-15-320.jpg)
![Risultati. Variabilità dei parametri in campo
Andamenti medi a midday dei dati di campo (mais)
LaiSun Box & Whisker Plot: SPAD
Box & Whisker Plot:
5.0 62
60
4.5
58
4.0 56
54
3.5
52
Parametri 3.0
50 - Diverse risposte a diversi
strutturali e 2.5 48
trattamenti!
SPAD
LaiSun
46
biochimici 2.0
44
1.5 42
1.0
40
38
- NO vs N1 . In alcuni casi basta
0.5
36 sapere il LAI o la quantità di
Mean
0.0
0 1 2 0 1 2
Mean
Mean±SD
34
0 1 2 0 1 2 Mean±SD clorofilla per diagnosticare stati di
Mean±1.96*SD Mean±1.96*SD
N: 0 N: 1
N: 0
Irrig
N: 1 stress. [abbastanza facile e
Irrig
LAI operativo per il RS..]
SPAD
Box & Whisker Plot: Qeff * 1000
- Quando invece i
parametri non variano si
Box & Whisker Plot: Medie PRI * 1000
440
25
420
400 20 deve ricorrere a
Parametri
fisiologici e di
380
360
15 parametri fisiologici per
efficienza 340 10 identificare e anticipare
Qeff * 1000
Medie PRI * 1000
320
fotosintetica 5 lo stress
300
280
0
260
240 -5
220 Mean
0 1 2 0 1 2 Mean±SD -10 Mean
Mean±1.96*SD 0 1 2 0 1 2 Mean±SD
N: 0 N: 1 Mean±1.96*SD
N: 0 N: 1
Irrig
Irrig
∆F/Fm’ PRI
LTDA](https://image.slidesharecdn.com/progettoaxaindicatoristressidrico27-02-2012-120302073038-phpapp02/85/Progetto-Axia-Indicatori-stress-idrico-27-02-2012-29-320.jpg)
Progetto Axia - Indicatori stress idrico - 27.02.2012
- 1. Verso l’individuazione di indicatori precoci dello stress idrico e carenza di nutrienti in agricoltura: sviluppo di metodi innovativi di telerilevamento iperspettrale da aereo R. Colombo, Cinzia Panigada e collaboratori Laboratorio di Telerilevamento delle Dinamiche Ambientali (LTDA) Dipartimento Scienze dell’Ambiente e del Territorio (DISAT) Università degli Studi di Milano-Bicocca (UNIMIB) 20126 Milano, Italia Tel. 0264482819 [email protected] http://www.disat.unimib.it/Telerilevamento/ LTDA Milano, 27 febbraio 2012 Relatore: R. Colombo
- 2. Sommario • Presentazione del progetto di ricerca; • Pianificazione dell’esperimento; • Acquisizione dei dati; • Preelaborazione e elaborazione delle immagini • Risultati ottenuti • Conclusioni LTDA
- 3. Obiettivi della ricerca Sperimentare tecniche innovative di telerilevamento iperspettrale finalizzate alla detezione precoce dello stress ossidativo (deficit di acqua e azoto) utilizzando sensori aviotrasportati Contesto: stato di salute delle colture, agricoltura di precisione, sostenibilità • Migliorare gli algoritmi per la stima di parametri biofisici e processi fisiologici dalle immagini acquisite (LAI, Fs, PRI e Ts); • Individuare le relazioni tra indicatori remoti e descrittori dello stato di stress delle colture misurati in campo (esperimento irrigazione/fertilizzazione); • Generare mappe dello stato di salute delle colture e valutare l'efficacia del sistema proposto. LTDA
- 4. Progettazione dell’esperimento Localizzazione Azienda Sperimentale Vittorio Tadini, Piacenza LTDA
- 5. Progettazione dell’esperimento Disegno sperimentale randomized block design split plot, 4 blocchi, 48 parcelle 15x16.5 m (247.5 m2) • Specie & trattamenti: 2 colture (mais e sorgo) 2 livelli di fertilizzazione (0 and 100 kg/ha N) 3 regimi idrici: non irrigato, irrigato e in variabile deficit idrico (imposto dalla fase fenologica, tra emergenza e fioritura) LTDA
- 6. Progettazione dell’esperimento Stagione meteorologica, regimi irrigui e calendario irriguo 50 30 45 25 40 35 20 30 25 15 20 10 15 10 Rainfall 5 5 Mean temperature 0 0 06-giu 10-giu 14-giu 18-giu 22-giu 26-giu 30-giu 04-lug 08-lug 12-lug 16-lug 3 giugno 2010 13 settembre raccolta mais semina voli LTDA
- 7. Progettazione dell’esperimento Installazione strumenti di misura per misure in continuo Sensori TDR, umidità del suolo; Stazione meteorologica (umidità relativa, tensiometri (potenziale totale e temperatura, precipitazioni, radiazione solare matriciale del terreno) a diverse PAR e GLOB, velocità e direzione vento) profondità LTDA
- 8. Progettazione dell’esperimento Installazione strumenti di misura per misure in continuo Stazione misura di temperatura radiometrica della canopy (2 plot) LTDA 8
- 9. Progettazione dell’esperimento Pianificazione dei sorvoli aerei con sensori iperspettrali E’ determinante la scelta strumenti e momento temporale!!!! -fase fenologica di levata precedente alla comparsa del fiore; -sensori ipersettrali CASI, AHS, AISA (+ Lidar) June July August LTDA
- 10. Progettazione dell’esperimento perchè i sensori iperspettrali? LTDA
- 11. Progettazione dell’esperimento perchè i sensori iperspettrali Analisi delle features di assorbimento LTDA
- 12. Progettazione dell’esperimento a parte..telerilevamento dei PAR processi incidente Interazione radiazione-foglia Riflessa Trasmessa (% della incidente) (6-12%) (0-40%) Assorbita (48-94%) Dissipazione dell’energia assorbita (% dell’assorbita) Fluorescenza Calore Fotochimica (3-5%) (75-97%) (0-20%) LTDA
- 13. Progettazione dell’esperimento a parte..telerilevamento dei PAR processi incidente Interazione radiazione-foglia Riflessa Trasmessa (% della incidente) (6-12%) (0-40%) Assorbita (48-94%) Dissipazione dell’energia assorbita (% dell’assorbita) Fluorescenza Calore Fotochimica (3-5%) (75-97%) (0-20%) LTDA
- 14. Acquisizione dati telerilevati Configurazione adottata AISA Eagle (VIS-NIR) [Istituto Nazionale di Oceanografia e di Geofisica Sperimentale, Trieste] sorvolo: 20 luglio 2010 FOV H: 770 - 830 m IFOV D = 1.0 m S D S = 500 m LTDA
- 15. Acquisizione dati telerilevati Configurazione adottata AHS (VIS-NIR-TIR) [Instituto Nacional de Tecnica Nacional Aerospacial, Madrid] sorvolo: 19 luglio 2010 FOV H: 1000 m IFOV D = 2.0 m S D S = 2000 m EUFAR supported! LTDA
- 16. Acquisizione dati di campo In contemporanea ai sorvoli Misure spettroscopiche – Riflettanze a livello di canopy acquisite sulle parcelle di mais (spectral camera VIS/NIR & SWIR, Specim Finland); –Fluorescenza attiva (FluorWatt Leaf Clip); –Riflettanze superfici target per correzione atmosferica (6x6m black and white reference panels; high and low reflectance natural targets); –Misure in continuo di radianza incidente nella banda di assorbimento atmosferico O2-A (FWHM=0.13 nm) e misure di riflettanza con spettrometri ad alta risoluzione spettrale; –Temperature della canopy per diversi trattamenti (FLIR hand-held thermal radiometer) LTDA
- 17. Acquisizione dati di campo In contemporanea ai sorvoli Misure strutturali e fisiologiche fogliari e di canopy – Biometria campo – LAI (Delta-T quantum ceptometer Hemispherical camera) – fAPAR (Delta-T quantum ceptometer) – Relative chlorophyll content (Minolta SPAD) – Indice PRI a livello fogliare (PRI Plant Pen, PSI) – Fluorescenza attiva, yield & Fv/Fm (miniPAM) – Gas exchange: assimilazione istantanea e curve di luce (Ciras, Licor6400) – Concentrazione pigmenti fogliari (Chl a, Chl b e Car) – Contenuto d’acqua (EWT e RWC) – Camere di Scholander (potenziale fogliare) LTDA
- 18. Acquisizione dati di campo In contemporanea ai sorvoli Misure strutturali e fisiologiche fogliari e di canopy Alcune ancillari, raccolte da altri gruppi per altri scopi LTDA
- 19. Acquisizione dati di campo In contemporanea ai sorvoli • Other RS-related measurements and ancillary Data – Sun photometer for AOD computation – Differential GPS measurements for geometric corrections – Ground-based laser scanner of plants for 3D modelling – Anisotropy of soil reflectance using a field goniometer – Anisotropy of incident radiance (multi-band Cimel Sunphotometer) Coinvolti numerosi gruppi di ricerca italiani e europei LTDA
- 20. Pre-elaborazione immagini iperspettrali Queste operazioni sono “obbligatorie” per il retrieval dei parametri e la stima degli indicatori di early detection • Correzione geometrica; • Calibrazione radiometrica; • Calibrazione spettrale; • Correzione atmosferica. LTDA
- 21. Pre-elaborazione immagini iperspettrali Correzione geometrica headin g pitch roll GPS positi on Esempio correzione geometrica di precisione immagini AISA LTDA
- 22. Pre-elaborazione immagini iperspettrali Calibrazione spettrale •Correzione relativa allo shift spettrale (SS) e FWHM (Improved SpecCal spectral calibration software ); •Misure di irradianza dei pannelli confrontate con simulazione modello trasf. Rad. MODTRAN4; •RISULTATI: correzione shift di circa 6 nm e FWHMs riscontrata maggiore del valore nominale (e.g. da 2.2 to 4.4 nm a 760 nm) SS Results of SpecCal calibration at the 02A absorption window Example of radiance spectral signature before and after Spectral Shift correction LTDA
- 23. Pre-elaborazione immagini iperspettrali Correzione atmosferica Sono stati impiegati RT models + correzione empirical line impiegando Ricostruzione delle riflettività superficiali white & black panels e i target di riferimento Rs (λ) = L sensore (λ)* Gain + Offset L su p Rs E g lo b LTDA
- 24. Elaborazione dei dati iperspettrali Analisi degli spettri di riflettanza (dati AISA) Esempio di mais concimato con tre diversi regimi idrici P3 P1 4000 3500 P1_W2_N1 3000 P3_W0_N1 P11_W1_N1 P11 2500 R*104 2000 1500 1000 500 0 04 88 10 68 12 91 97 65 64 20 4. 9. 7. 4. 4. 3. 3. 4. 4. 5. 39 44 50 56 62 68 74 80 86 92 wl In generale il comportamento delle parcelle stressate è differente e riconoscibile sugli spettri. Presenza di regioni spettrali con presenza di rumore. Pre-processing, noise removal filter! LTDA
- 25. Elaborazione dei dati iperspettrali Calcolo indici di vegetazione (dati di campo e riflettanze immagini iperspettrali) •Biochemical & structure indices –greenness VIs (e.g. NDVI, SR) –chlorophyll VIs (e.g. REP, MTCI) –carotenoid VIs (e.g. SIPI, PSRI) –water indices (e.g. WBI, NDWI) •Physiological indices –light use efficiency (PRI) (VIs related to heat dissipation, xanthophyll cycle pigments) LTDA
- 26. Elaborazione dei dati iperspettrali Calcolo indici di vegetazione (dati di campo e riflettanze immagini iperspettrali) LTDA
- 27. Elaborazione dei dati iperspettrali Stima della fluorescenza della clorofilla indotta dal sole (F760,O2-A fluorescence) 1.0 Input data – AISA Eagle 0.8 Fluorescence (a.u.) 2 Reflectance (-) – FWHM ≈ 4.2 nm @760 nm 0.6 – Spectral Sampling Interval = 2.43 nm, 244 spectral 1 0.4 bands 0.2 Metodo 0 400 500 600 700 800 900 1000 0.0 Wavelength (nm) – Standard FLD – Metodo di Maier et al. (2002) ottimizzato [2 target non-fluorescenti (white, suolo nudo, strade..) per stimare trasmittanza e radianza atmosferica nelle L in Vs. L out, non-F targets bande selezionate 15000 L in (761.00 nm) – Stima di Fs in unità relative (k3Fs): y = 0.49994x + 249.03151 10000 R² = 0.99 k3 Fs = Lin – k1 Lout + k2 5000 0 - Algorithm improvement! 0 5000 10000 15000 20000 25000 - Better results using 2 bands L out (756.13 nm) (761.0 nm + 763.4 nm) LTDA
- 28. Risultati. Variabilità dei parametri in campo Statistiche descrittive dati di campo - LAImax = Irr2 N1 - In N0 maggiore stabilità dei parametri strutturali -biochimici! mais sorgo LTDA
- 29. Risultati. Variabilità dei parametri in campo Andamenti medi a midday dei dati di campo (mais) LaiSun Box & Whisker Plot: SPAD Box & Whisker Plot: 5.0 62 60 4.5 58 4.0 56 54 3.5 52 Parametri 3.0 50 - Diverse risposte a diversi strutturali e 2.5 48 trattamenti! SPAD LaiSun 46 biochimici 2.0 44 1.5 42 1.0 40 38 - NO vs N1 . In alcuni casi basta 0.5 36 sapere il LAI o la quantità di Mean 0.0 0 1 2 0 1 2 Mean Mean±SD 34 0 1 2 0 1 2 Mean±SD clorofilla per diagnosticare stati di Mean±1.96*SD Mean±1.96*SD N: 0 N: 1 N: 0 Irrig N: 1 stress. [abbastanza facile e Irrig LAI operativo per il RS..] SPAD Box & Whisker Plot: Qeff * 1000 - Quando invece i parametri non variano si Box & Whisker Plot: Medie PRI * 1000 440 25 420 400 20 deve ricorrere a Parametri fisiologici e di 380 360 15 parametri fisiologici per efficienza 340 10 identificare e anticipare Qeff * 1000 Medie PRI * 1000 320 fotosintetica 5 lo stress 300 280 0 260 240 -5 220 Mean 0 1 2 0 1 2 Mean±SD -10 Mean Mean±1.96*SD 0 1 2 0 1 2 Mean±SD N: 0 N: 1 Mean±1.96*SD N: 0 N: 1 Irrig Irrig ∆F/Fm’ PRI LTDA
- 30. Risultati. Confronti con i dati iperspettrali PRI-AISA vs efficienza fotosintetica (mais). - Buone relazioni tra PRI e df/Fm’, coerenti con i dati osservati in campo (livello fogliare vs canopy scale!). - Ps. Indici tradizionalmente legati a LAI e clorofilla sembrano meno sensibili all’efficienza fotosintetica. LTDA
- 31. Risultati. Andamento dell’indice PRI in campo Variazione indice PRI in funzione del grado di irrigazione dry wet P22 P25 h 11.20 h 12.30 Fertilization 0 kg/ha N h 11.45 h 12.40 h 12.00 h 12.55 -0,05 0,05 LTDA
- 32. Risultati. Mapping dei parametri biofisici come indicatori di stress Analisi di regressione, sviluppo modelli empirici (e.g. mais) Immagini AISA NDI vs. LAI 0.80 0.70 0.60 NDI 0.50 0.40 y = 0.1142x + 0.2917 R2 = 0.7252 0.30 1 1.5 2 2.5 3 3.5 4 LAI TCARI/OSAVI vs. SPAD 1200 1100 y = -26.22x + 2150.1 R2 = 0.6421 1000 TCARI/OSAVI 900 800 700 600 500 35 40 45 50 55 60 SPAD LTDA
- 33. Risultati. Mappe degli indicatori precoci Variabilità spaziale di PRI e Fs - Il PRI evidenzia le parcelle sottoposte a stress idrico. A parità di LAI (e.g. NDVI) il PRI è sensibile al regime idrico! - Nel sorgo Fs è un ottimo indicatore - Non sono correlate e rilevano due diverse informazioni! LTDA
- 34. Risultati. Valutazione dei risultati Variabilità spaziale di PRI e Fs - Cosa succede a parità di Azoto? - Cosa succede a parità di regime idrico? - In generale è il mapping del contenuto di - In N0, stabilità di LAI e Cab (+Fs); l’indice PRI è clorofilla che individua sofferenze da sensibile in forma early detection! mancanza di nutrienti! - In N1 il PRI rivela ancora diversi stati di stress - La fluorescenza aggiunge preziose informazioni idrico anche se è sufficiente analizzare la che combinate con la concentrazione totale di variabilità spaziale del LAI per mappare stati di Cab possono migliorare la detezione precoce sofferenza. dello stress nutrizionale! LAI SPAD PRI Fs LAI SPAD PRI Fs F1, 8 = 0.791 F1,8 = 27.627 F1, 8 = 2.861 F1, 8 = 0.336 F2, 12 = 4.654 F2,12 = 0.481 F2, 12 = 6.985 F2, 12 = 2.126 Irr 0 N0 p = 0.439 p = 0.013 p = 0.526 p = 0.602 p = 0.060 p = 0.278 p = 0.027 p = 0.200 F1, 8 = 6.053 F1,8 = 10.353 F1, 8 = 2.861 F1, 8 = 11.741 F2, 12 = 6.396 F2,12 = 6.166 F2, 12 = 6.599 F2, 12 = 4.037 Irr 1 N1 p = 0.091 p = 0.049 p = 0.526 p = 0.042 p = 0.032 p = 0.035 p = 0.030 p = 0.077 F1, 8 = 1.280 F1,8 = 12.736 F1, 8 = 0.970 F1, 8 = 3.515 Irr 2 p = 0.340 p = 0.037 p = 0.397 p = 0.157 LTDA
- 35. Risultati. Stima delle temperature della canopy Generazione mappa della temperatura della canopy c2 Tbrightness c1 5 L( ) ln L( ) T F2,24 = 7.8 Irr p = 0.007 F1, 24 = 2.7 N p = 0.197 F2, 24 = 0.1 Irr * N p = 0.930 Variabilità tra 30-42 °C. E’ condizionata dalla proporzione di suolo nudo presente nel pixel. E’ sensibile ad entrambi i trattamenti! Importante contributo per la valutazione dello stress LTDA
- 36. Conclusioni o Realizzazione di un esperimento pilota per indagare le potenzialità del telerilevamento iperspettrale per il monitoraggio dello stress idrico e nutrizionale; o Messa a punto degli algoritmi per la stima della fluorescenza da sensori iperspettrali aviotrasportati. Ruolo fondamentale della fase di pre-elaborazione dei dati; o Abbiamo riscontrato ottime relazioni tra indici spettrali e dati di campo e sviluppato semplici modelli semi-empirici operativi per la generazione di mappe di indicatori dello stress (interessanti ricadute applicative); o E’ stato dimostrato che indici precoci consentono di individuare stati di sofferenza prima della comparsa dei sintomi. L’indice PRI è fortemente dipendente dallo stress idrico. La fluorescenza riconosce stati di carenza nutrizionale. Possibilità di early detection da remoto (valide ricadute scientifiche); o Verso un sistema ottimale..... Configurazione da postazione fissa (punto spia) e segnalazioni per riprese remote (aereo, UAV) rapidamente tradotte in mappe di indicatori (e.g, PRI) e mappe di prescrizione. LTDA
- 37. Ringraziamenti a Nestlé e al progetto Axía per aver sostenuto questa ricerca a tutti i responsabili, collaboratori e partecipanti alle campagne di misura L. Busetto, C. Cilia, T. Julitta, B. Di Mauro, M. Ferretti, S. Cogliati, M. Rossini, M. Meroni, A. Marchesi, L. Fumagalli, A.D. Ortica (DISAT- UNIMIB, Italy), S. Amaducci, M. Bergonti, Dante (Università Cattolica di Piacenza, Azienda V. Tadini), Guido d’Urso, M. Palladino, P. Eduardo (Università Napoli) J-L. Widlowski (JRC); Uwe Rasher (Julich Univ), Paolo Paganini (OGS)… Le immagini multispettrali AHS sono state acquisite ad opera dell’Istituto Nazionale di Tecnologia Aerospaziale di Madrid (INTA - http://www.inta.es) nell’ambito del progetto EUFAR (European Facility For Airborne Research project) Transnational Access project. LTDA
- 38. Buone news! Missione spaziale ESA FLEX (FLuorescence Explorer) LTDA
- 39. Grazie per l’attenzione LTDA