IMPROVING DECISION SUPPORT TOOLS VIA INTEGRATION OF REMOTELY SENSED DATA IN CROP MODELS
Tesi di Dottorato
Data di Pubblicazione:
2018
Citazione:
IMPROVING DECISION SUPPORT TOOLS VIA INTEGRATION OF REMOTELY SENSED DATA IN CROP MODELS / C. Gilardelli ; supervisor: R. Confalonieri ; coordinatore: D. Bassi. DIPARTIMENTO DI SCIENZE E POLITICHE AMBIENTALI, 2018 Jan 15. 30. ciclo, Anno Accademico 2017. [10.13130/c-gilardelli_phd2018-01-15].
Abstract:
La necessità di garantire l’accesso al cibo per una popolazione mondiale in continua crescita, adempiendo al contempo a precisi requisiti ambientali, rappresenta una grande sfida per il settore agroalimentare. Il successo, in questa sfida, può essere garantito da un utilizzo ottimale delle risorse aziendali, raggiungibile attraverso sforzi notevoli volti al monitoraggio e all’analisi del sistema agricolo. I recenti sviluppi in campo satellitare e modellistico, forniscono strumenti adatti allo scopo specialmente in caso di un utilizzo integrato delle due tecnologie.
Il progetto di ricerca, oggetto di questa tesi, mira alla formalizzazione e successiva valutazione di uno strumento, basato sull’integrazione di modelli di simulazione e telerilevamento, per il supporto alle decisioni in agricoltura. L’attività di ricerca, culminata nell’applicazione dello strumento al caso studio, ha previsto la realizzazione di due attività preliminari. In prima istanza è stato eseguito uno studio di analisi di sensibilità per accrescere la conoscenza del modello utilizzato e identificare i parametri, alla cui variazione, il modello risulta più sensibile. In questo studio sono state considerate sia serie climatiche attuali che proiezioni nel medio futuro e, utilizzando due diverse configurazioni del modello WOFOST (una standard ed una che permette di simulare l’impatto degli eventi meteorologici estremi sulle colture), sono state simulate le cinque colture più coltivate in Europa. I risultati evidenziano una forte sensibilità del modello ai parametri coinvolti nella simulazione degli organi di accumulo in quasi tutte le condizioni esplorate a meno dei casi in cui sono state riscontrate condizioni limitanti per la produttività delle colture. In queste condizioni il modello è infatti risultato più sensibile ai parametri che regolano la simulazione delle prime fasi di crescita delle colture. La seconda attività preliminare ha invece permesso di quantificare l’impatto della componente soggettiva sulla precisione delle stime di indice di area fogliare (LAI), una variabile tra le più utilizzate per permettere l’integrazione di modelli di simulazione e telerilevamento. Attraverso l’applicazione del protocollo previsto dalla normativa ISO 5725 è stato possibile calcolare i limiti di ripetibilità e riproducibilità delle stime di LAI da immagini emisferiche e quindi ottenere una misura della loro precisione. I risultati ottenuti, dimostrano l’affidabilità della tecnica seguita per ottenere stime di LAI; la precisione ottenuta è stata infatti comparabile a quella che caratterizza altri strumenti in commercio. I risultati migliori sono stati ottenuti in caso di coperture vegetali continue ed omogenee, caratteristiche dei sistemi agricoli intensivi, sottolineando ulteriormente l’affidabilità di tale tecnica in questi contesti. Entrambe le attività, qui brevemente riassunte, hanno permesso di definire un valido punto di partenza per l’integrazione di modellistica e telerilevamento fornendo informazioni utili per la progettazione e la realizzazione del caso studio. In questa ultima attività, un sistema di previsione ad alta risoluzione basato sull’integrazione di modellistica e telerilevamento è stato formalizzato e quindi valutato utilizzando dati raccolti in risaia durante le annate 2014, 2015 e 2016. Il modello colturale WARM è stato integrato con serie temporali di LAI telerilevate, ricalibrando automaticamente quei parametri, identificati come i più influenti oppure strettamente legati alla simulazione del LAI. Il confronto dei risultati ottenuti adottando questo approccio con quelli ottenuti utilizzando solamente il modello colturale, ha permesso di evidenziare i miglioramenti nella stima della produttivit
Tipologia IRIS:
Tesi di dottorato
Keywords:
Sustainability; Crop modelling; Remote Sensing; Decision support system; Yield prediction
Elenco autori:
C. Gilardelli
Link alla scheda completa:
Link al Full Text: