Date post: | 21-Jul-2015 |
Category: |
Education |
Upload: | nestle-progetto-axia |
View: | 699 times |
Download: | 0 times |
LTDA
Milano, 27 febbraio 2012 Relatore: R. Colombo
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
http://www.disat.unimib.it/Telerilevamento/
LTDA
• Presentazione del progetto di ricerca;
• Pianificazione dell’esperimento;
• Acquisizione dei dati;
• Preelaborazione e elaborazione delle immagini
• Risultati ottenuti
• Conclusioni
Sommario
LTDA
Obiettivi della ricerca
Sperimentare tecniche innovative di telerilevamento iperspettrale finalizzate alla detezione
precoce dello stress ossidativo (deficit di acqua e azoto) utilizzando sensori
aviotrasportati
• 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.
Contesto: stato di salute delle colture, agricoltura di precisione, sostenibilità
LTDA
Progettazione dell’esperimento
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)
Disegno sperimentale
LTDA
Stagione meteorologica, regimi irrigui e calendario irriguo
Progettazione dell’esperimento
0
5
10
15
20
25
30
0
5
10
15
20
25
30
35
40
45
50
06-giu 10-giu 14-giu 18-giu 22-giu 26-giu 30-giu 04-lug 08-lug 12-lug 16-lug
Rainfall
Mean temperature
semina voli13 settembre raccolta mais
3 giugno 2010
LTDA
Stazione meteorologica (umidità relativa,
temperatura, precipitazioni, radiazione solare
PAR e GLOB, velocità e direzione vento)
Progettazione dell’esperimento
Installazione strumenti di misura per
misure in continuo
Sensori TDR, umidità del suolo;
tensiometri (potenziale totale e
matriciale del terreno) a diverse
profondità
LTDA8
Installazione strumenti di misura per
misure in continuo
Progettazione dell’esperimento
Stazione misura di temperatura
radiometrica della canopy (2 plot)
LTDA
Pianificazione dei sorvoli aerei con
sensori iperspettrali
Progettazione dell’esperimento
AugustJulyJune
E’ determinante la scelta strumenti e momento temporale!!!!
-fase fenologica di levata precedente alla comparsa del fiore;
-sensori ipersettrali CASI, AHS, AISA (+ Lidar)
LTDA
Progettazione dell’esperimento
Analisi delle features di
assorbimento
perchè i sensori iperspettrali
LTDA
Riflessa
(6-12%)
Calore
(75-97%)
Fluorescenza
(3-5%)
Assorbita
(48-94%)
Fotochimica
(0-20%)
PAR
incidente
Trasmessa
(0-40%)
Interazione radiazione-foglia
(% della incidente)
Dissipazione dell’energia assorbita
(% dell’assorbita)
a parte..telerilevamento dei
processi
Progettazione dell’esperimento
LTDA
Calore
(75-97%)
Fluorescenza
(3-5%)
Riflessa
(6-12%)
Assorbita
(48-94%)
Fotochimica
(0-20%)
PAR
incidente
Trasmessa
(0-40%)
Interazione radiazione-foglia
(% della incidente)
Dissipazione dell’energia assorbita
(% dell’assorbita)
Progettazione dell’esperimento
a parte..telerilevamento dei
processi
LTDA
S
sorvolo: 20 luglio 2010
Acquisizione dati telerilevati
Configurazione adottata
AISA Eagle (VIS-NIR)
H: 770 - 830 m
D = 1.0 mD
IFOV
FOV
S = 500 m
[Istituto Nazionale di Oceanografia e
di Geofisica Sperimentale, Trieste]
LTDA
S
Acquisizione dati telerilevati
Configurazione adottata
AHS (VIS-NIR-TIR)
H: 1000 m
D = 2.0 mD
IFOV
FOV
S = 2000 m
EUFAR supported!
sorvolo: 19 luglio 2010
[Instituto Nacional de Tecnica
Nacional Aerospacial, Madrid]
LTDA
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 lowreflectance natural targets);
–Misure in continuo di radianza incidente nella banda diassorbimento atmosferico O2-A (FWHM=0.13 nm) e misure diriflettanza con spettrometri ad alta risoluzione spettrale;
–Temperature della canopy per diversi trattamenti (FLIRhand-held thermal radiometer)
LTDA
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
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
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
• Correzione geometrica;
• Calibrazione radiometrica;
• Calibrazione spettrale;
• Correzione atmosferica.
Pre-elaborazione immagini iperspettrali
Queste operazioni sono “obbligatorie” per il retrieval dei parametri e la stima degli indicatori di early detection
LTDA
Correzione geometrica
Pre-elaborazione immagini iperspettrali
GPS
positi
on
pitch
roll
headin
g
Esempio correzione geometrica di precisione immagini AISA
LTDA
•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)
Calibrazione spettrale
Pre-elaborazione immagini iperspettrali
SS
Results of SpecCal calibration at the 02A absorption window
Example of radiance spectral signature before and after Spectral Shift correction
LTDA
Sono stati impiegati RT models + correzione empirical line impiegando white & black panels e i target di riferimento
Ricostruzione delle riflettività superficiali
RL
Es
g lob
su p
Correzione atmosferica
Pre-elaborazione immagini iperspettrali
Rs (λ) = L sensore (λ)* Gain + Offset
LTDA
0
500
1000
1500
2000
2500
3000
3500
4000
394.
04
449.
88
507.
10
564.
68
624.
12
683.
91
743.
97
804.
65
864.
64
925.
20
wl
R*1
04
P1_W2_N1
P3_W0_N1
P11_W1_N1
Elaborazione dei dati iperspettrali
Analisi degli spettri di riflettanza (dati AISA)
Esempio di mais concimato con tre diversi regimi idrici
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!
P3 P1
P11
LTDA
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
Elaborazione dei dati iperspettrali
Calcolo indici di vegetazione (dati di campo e riflettanze immagini iperspettrali)
LTDA
Input data
– AISA Eagle
– FWHM ≈ 4.2 nm @760 nm
– Spectral Sampling Interval = 2.43 nm, 244 spectralbands
Metodo
– Standard FLD
– Metodo di Maier et al. (2002) ottimizzato [2 targetnon-fluorescenti (white, suolo nudo, strade..) perstimare trasmittanza e radianza atmosferica nellebande selezionate
– Stima di Fs in unità relative (k3Fs):
k3 Fs = Lin – k1 Lout + k2
Elaborazione dei dati iperspettrali
Stima della fluorescenza della clorofilla indotta dal sole (F760,O2-A fluorescence)
Wavelength (nm)
400 500 600 700 800 900 1000
Flu
ore
scen
ce (
a.u
.)
0
1
2
Ref
lect
ance
(-)
0.0
0.2
0.4
0.6
0.8
1.0
y = 0.49994x + 249.03151R² = 0.99
0
5000
10000
15000
0 5000 10000 15000 20000 25000
L in
(7
61
.00
nm
)
L out (756.13 nm)
L in Vs. L out, non-F targets
- Algorithm improvement!- Better results using 2 bands
(761.0 nm + 763.4 nm)
LTDA
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
Andamenti medi a midday dei dati di campo (mais)
Box & Whisker Plot: LaiSun
Irrig
La
iSu
n
Mean
Mean±SD
Mean±1.96*SD N: 0
0 1 20.0
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
5.0
N: 1
0 1 2
Box & Whisker Plot: SPAD
Irrig
SP
AD
Mean
Mean±SD
Mean±1.96*SD N: 0
0 1 234
36
38
40
42
44
46
48
50
52
54
56
58
60
62
N: 1
0 1 2
Box & Whisker Plot: Qeff * 1000
Irrig
Qe
ff *
10
00
Mean
Mean±SD
Mean±1.96*SD N: 0
0 1 2220
240
260
280
300
320
340
360
380
400
420
440
N: 1
0 1 2
Box & Whisker Plot: Medie PRI * 1000
Irrig
Me
die
PR
I *
10
00
Mean
Mean±SD
Mean±1.96*SD N: 0
0 1 2-10
-5
0
5
10
15
20
25
N: 1
0 1 2
LAISPAD
PRI∆F/Fm’
- Diverse risposte a diversi trattamenti!
- NO vs N1 . In alcuni casi basta sapere il LAI o la quantità di clorofilla per diagnosticare stati di stress. [abbastanza facile e operativo per il RS..]
- Quando invece i parametri non variano si deve ricorrere a parametri fisiologici per identificare e anticipare lo stress
Risultati. Variabilità dei parametri in campo
Parametri
strutturali e
biochimici
Parametri
fisiologici e di
efficienza
fotosintetica
LTDA
PRI-AISA vs efficienza fotosintetica (mais).
Risultati. Confronti con i dati iperspettrali
- 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
0 k
g/h
a N
Fert
iliza
tio
n
0,05-0,05
P22 P25
dry wet
h 11.20
h 11.45
h 12.00
h 12.30
h 12.40
h 12.55
Risultati. Andamento dell’indice PRI in campo
Variazione indice PRI in funzione del
grado di irrigazione
LTDA
NDI vs. LAI
y = 0.1142x + 0.2917
R2 = 0.72520.30
0.40
0.50
0.60
0.70
0.80
1 1.5 2 2.5 3 3.5 4
LAI
ND
I
TCARI/OSAVI vs. SPAD
y = -26.22x + 2150.1
R2 = 0.6421
500
600
700
800
900
1000
1100
1200
35 40 45 50 55 60
SPAD
TC
AR
I/O
SA
VI
Risultati. Mapping dei parametri biofisici come indicatori di stress
Analisi di regressione, sviluppo modelli empirici (e.g. mais)
Immagini AISA
LTDA
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
- Cosa succede a parità di Azoto?
- In N0, stabilità di LAI e Cab (+Fs); l’indice PRI è sensibile in forma early detection!
- In N1 il PRI rivela ancora diversi stati di stress idrico anche se è sufficiente analizzare la variabilità spaziale del LAI per mappare stati di sofferenza.
Variabilità spaziale di PRI e Fs
- Cosa succede a parità di regime idrico?
- In generale è il mapping del contenuto di clorofilla che individua sofferenze da mancanza di nutrienti!
- La fluorescenza aggiunge preziose informazioni che combinate con la concentrazione totale di Cab possono migliorare la detezione precoce dello stress nutrizionale!
Risultati. Valutazione dei risultati
LAI SPAD PRI Fs
Irr 0F1, 8 = 0.791
p = 0.439
F1,8 = 27.627
p = 0.013
F1, 8 = 2.861
p = 0.526
F1, 8 = 0.336
p = 0.602
Irr 1F1, 8 = 6.053
p = 0.091
F1,8 = 10.353
p = 0.049
F1, 8 = 2.861
p = 0.526
F1, 8 = 11.741
p = 0.042
Irr 2F1, 8 = 1.280
p = 0.340
F1,8 = 12.736
p = 0.037
F1, 8 = 0.970
p = 0.397
F1, 8 = 3.515
p = 0.157
LAI SPAD PRI Fs
N 0F2, 12 = 4.654
p = 0.060
F2,12 = 0.481
p = 0.278
F2, 12 = 6.985
p = 0.027
F2, 12 = 2.126
p = 0.200
N 1F2, 12 = 6.396
p = 0.032
F2,12 = 6.166
p = 0.035
F2, 12 = 6.599
p = 0.030
F2, 12 = 4.037
p = 0.077
LTDA
Risultati. Stima delle temperature della canopy
Generazione mappa della temperatura della canopy
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
)(
)(ln
5
1
2
L
Lc
cTbrightness
T
IrrF2,24 = 7.8
p = 0.007
NF1, 24 = 2.7
p = 0.197
Irr * NF2, 24 = 0.1
p = 0.930
LTDA
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
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.