AAnalisi da telerilevamentonalisi da telerilevamento

Anal

isi

da t

eler

ilev

amen

to

97

IntroduzioneIl progetto ha previsto la sperimentazione e lo sviluppo di tecniche innovative di telerileva-mento applicate all'individuazione, al monitoraggio e alla gestione dei vigneti in aree viticoleubicate nelle tre Regioni interessate dal Contratto di Filiera Territori DiVini (Piemonte, Toscanae Veneto), in funzione dell'elevazione e della stabilizzazione degli standard qualitativi.

Le informazioni ottenute da piattaforma satellitare, oggi relativamente economiche e dispo-nibili, sono state integrate da voli su aree specifiche con aeromobili attrezzati con radiometriiperspettrali e con rilievi iperspettrali di proximal sensing.

È stata esplorata la possibilità di determinare le firme spettrali caratteristiche delle varietà everificata la relazione tra indici di vegetazione telerilevati, parametri della vegetazione erisultati qualitativi. Vini di elevata qualità segnalati nelle aree di indagine sono stati interpre-tati alla luce dei parametri telerilevati.

L'obiettivo generale della ricerca Analisi da telerilevamento è stato la messa a punto di tec-nologie efficaci ai fini del miglioramento qualitativo dei vini e dell'aumento del loro valore.

Gli obiettivi specifici della linea di ricerca sono relativi al segmento "vigneto" della filiera epiù precisamente alla razionalizzazione della gestione del vigneto per ottenere le uve piùadatte come stato di maturazione e di composizione alla produzione di vini tipici delle zoneinteressate dal progetto tenendo conto dell'esistente variabilità spaziale tra vigneti e nell'am-bito del vigneto.

1. TECNICHE DI TELERILEVAMENTOIMPIEGATE

Nell'ambito della linea di ricerca Analisi daTelerilevamento sono stati utilizzati trediversi approcci metodologici allo studio delterritorio vitato. Le metodologie e le tecni-che di telerilevamento differiscono per lascala spaziale e temporale a cui vengonoapplicate, per la risoluzione spettrale e per-tanto vanno scelte in relazione all'obiettivodi studio prefissato.Le tecniche di telerilevamento utilizzate aifini del progetto di ricerca possono esserequindi così distinte in tre categorie applica-tive e vengono di seguito brevemente intro-dotte:

1.1 TELERILEVAMENTO SATELLITARELa disponibilità di satelliti ottici commercia-li con a bordo sensori ad alta risoluzione for-nisce una importante opportunità di acquisi-zione di immagini pancromatiche e di imma-gini multi-spettrali; le elevate risoluzionispaziali raggiungibili hanno aperto interes-santi prospettive nel campo dell'analisimulti-spettrale dell'ambiente. I sistemi diosservazione ottica dallo spazio sono oggiconfigurati su modalità operative in grado difornire informazioni di elevata qualità anchea media e grande scala. Le principali applica-zioni operative nel settore agricolo si basanoappunto su immagini satellitari con risoluzio-ne geometrica media e alta (es.: 15 m perLandsat 7; 6 m per IRS-1C e Spot4; 2,5 m perSpot5; 1-4 m per Quickbird e Ikonos2). Nonmancano comunque applicazioni anche a pic-cola scala (continentale, globale), con imma-gini acquisite da sensori a bassa o bassissimarisoluzione geometrica (es.: 180 m per IRS-WiFS, 250 m per Modis Terra e Aqua, 1 km perNOAA AVHRR e Spot Vegetation), soprattuttoquando sono richieste riprese multi-tempora-li in tempi molto ravvicinati, per studi dimonitoraggio ambientale.

1.2 TELERILEVAMENTO AEREO MULTI- EIPER-SPETTRALE

I sensori per il telerilevamento avio-traspor-tati sono montati su un aereo per ottenereimmagini della superficie terrestre. Un van-taggio del telerilevamento aereo rispetto aquello satellitare, è la capacità di raggiunge-re una risoluzione spaziale delle immaginimolto elevata (20 cm o meno). Gli svantaggi,invece, sono una bassa area di copertura e

l'alto costo per unità di superficie di copertu-ra del suolo e a differenza dei satelliti chespesso offrono la possibilità di un monitorag-gio temporale, i sensori aero-portati sonospesso realizzati una volta sola durante lastagione vegetativa. I sensori iper-spettralisono in grado di raggiungere una elevata riso-luzione spettrale generalmente di circa 100 -200 bande spettrali di larghezze relativa-mente strette (5-10 nm), mentre, i sensorimultispettrali raggiungono risoluzioni spet-trali più ridotte, solitamente di circa 5-10bande relativamente grandi (70-400 nm). Laripresa simultanea di un alto numero di cana-li con un'alta risoluzione spettrale e spaziale,richiede l'utilizzo di una tecnologia moltoavanzata per le ottiche e per i sensori, enecessita ovviamente competenze specificheper il trattamento e la registrazione dellagrande quantità di dati prodotta.

1.3 TELERILEVAMENTO E CLIMATOLOGIANella moderna agrometeorologia le informa-zioni comunemente fornite dalle stazionimeteorologiche, sia locali che sinottiche,quali precipitazioni, temperatura e umiditàrelativa, sono sempre più spesso integratenon solo dalle immagini telerilevate, maanche da indici e variabili climatiche a largascala allo scopo di spiegare e prevedere ilcomportamento fenologico e produttivodelle colture (Atkinson et al., 2005).L'aspetto previsionale legato all'uso di alcuniindici climatici quali il North Atlantic Oscil-lation (NAO), la Sea Surface Temperature(SST) ed il Geopotential Height (GPH) ben siintegra e completa l'analisi di tipo spazialeche si può ottenere dalle immagini telerile-vate.Tali indici sono legati alla circolazione dellemasse d'aria e sono in grado di influenzare ilclima in Europa, incidendo soprattutto sullatraiettoria delle perturbazioni atlantiche,sull'origine delle precipitazioni e sulla deter-minazione dei flussi di calore fra mare eatmosfera, responsabili dei principali feno-meni meteorologici e climatici a varie scale(Hurrell, 1995; Jones et al., 1997).Gli studi sulle relazioni fra parametri qualita-tivi delle produzioni e indici climatici comu-nemente impiegati per le previsioni meteo-rologiche sono molti recente e attualmente,nelle nostre zone, le principali ricerche sonostate effettuate su grano e vite (Grifoni etal., 2006; Dalla Marta et al., 2010; DallaMarta et al., 2011).

98

2. REGIONE VENETO

F. Meggio, G. Fila, L. M. Veilleux, C. Giulivoe A. PitaccoUniversità degli Studi di Padova, Dip. diAgronomia Ambientale e Produzioni Vegetali

2.1 CLIMATOLOGIA - GENERAZIONE DIMAPPE CLIMATICHE GIORNALIERE ADALTA RISOLUZIONE SPAZIALE PER LASTIMA DI VARIABILI DI INTERESSEGESTIONALE

L'agroclimatologia può dare un rilevante con-tributo conoscitivo importante per individua-re le aree del territorio regionale più adatteper una moderna viticoltura di qualità. Unacompleta conoscenza delle relazioni esisten-ti tra parametri analitici dell'uva, dei vini edei parametri meteorologici, è infatti di sicu-ro interesse soprattutto ai fini di effettuaredelle corrette previsioni vendemmiali. Latemperatura e l'acqua rappresentano levariabili ambientali maggiormente influentisull'insieme dei processi di maturazione, invirtù del fatto che anche piccole variazioninei loro livelli hanno degli effetti evidenti suiprocessi fisiologici che portano alla matura-zione delle uve. Per quanto riguarda le pre-cipitazioni e l'umidità dei suoli è noto cheeccessi di vigoria, maturazioni completedelle bacche, elevati livelli di acido malicosono spesso associati ad un'eccessiva e pro-lungata disponibilità idrica. Va infine ricorda-to che per una corretta interpretazione del-l'effetto che il clima può esercitare sulla viti-coltura in un determinato sito, i vari elemen-ti che lo caratterizzano vanno visti congiun-tamente ed in interazione tra loro: così latemperatura viene associata alle ore di lucee all'insolazione. La combinazione di questidue fattori ha effetti diretti su gran partedell'attività vegetativa, di accumulo, ripro-duttiva e di mantenimento della vite. Le oredi sole sono a loro volta positivamente corre-late con la quantità prodotta e con la suaqualità solo se temperatura ed umidità rela-tiva dell'aria ricadono in un intervallo favore-vole e viceversa.La raccolta delle serie storiche di datimeteorologici ha interessato tutte le stazio-ni presenti nelle aree di studio (DOCGProsecco, DOC Soave). All'interno del territo-rio regionale sono state individuate circa 50stazioni automatiche di misura delle variabi-li meteorologiche di proprietà dell'ARPAV edel CO.DI.TV.. L'attività svolta è stata quella

di omogeneizzazione dei dati al fine di otte-nere una serie ordinata ed omogenea che inalcuni siti parte dal 1989. Questa lunga serieha permesso il calcolo della climatologiadelle aree di studio su base giornaliera met-tendo in luce criticità e anomalie presentiall'interno delle aree di studio.

Una volta raccolti i dati e opportunamentegeoriferiti sono state messe a punto delleprocedure di interpolazione spaziale, basatesull'associazione di metodi geostatistici (kri-ging, Inverse Distance Weighting) con laregressione lineare multipla. In tal modo lastima delle variabili climatiche viene messain relazione con le caratteristiche orografi-che del territorio, anche per mettere in lucepossibili criticità e zone di interesse. Comevariabili predittive sono state adottate l'ele-vazione, la giacitura (pendenza e orienta-mento), la distanza dallo spartiacque pre-alpino, e le coordinate cartografiche.Le elaborazioni condotte hanno consentito lacreazione di mappe climatologiche su basegiornaliera. In Figura 1 è rappresentato ilDigital Elevation Model a 25 m per l'area distudio DOCG Prosecco (in alto) e le relativemappe climatologiche ottenute su base gior-naliera per le più importanti variabili meteo-rologiche: (da sx) piovosità,temperatura del-l'aria e radiazione globale.

2.2 UTILIZZO DELLA PIATTAFORMA SATELLI-TARE MODIS A SCALA REGIONALE PERLA STIMA DELL'EVAPOTRASPIRAZIONE EDELLA PRODUZIONE PRIMARIA DELVIGNETO

Nel Veneto, come in altre regioni italiane,l'agricoltura è generalmente condotta su pic-coli appezzamenti che rendono molto etero-geneo il paesaggio agrario, dove le basserisoluzioni del sensore MODIS (250 m) riesco-no difficilmente a discriminare dettagli alivello di singolo appezzamento. Un usoalternativo potrebbe tuttavia basarsi sull'os-servazione di alcuni appezzamenti di grandeestensione o di zone molto omogenee carat-terizzate da elevate concentrazioni spazialidi una stessa coltura, che potrebbero esserepiù facilmente mappati sulle immaginiMODIS. Una cartografia di queste zone,opportunamente campionate sul territorioallo studio, potrebbe costituire una rete dirilevamento regionale o nazionale per ilmonitoraggio dello stato vegetativo e fisiolo-gico di colture specifiche.

99

In un vigneto del Veneto orientale (Negrisiadi Ponte di Piave, TV), caratterizzato da unanotevole estensione e omogeneità spaziale èoperativa dall'estate del 2005 una stazioneeddy-covariance, che fornisce dati continuisui flussi di energia, acqua e carbonio in con-dizioni quasi ideali. Sullo stesso sito sonoinoltre in corso dal 2006 campagne annuali dimisura della crescita, basate su rilievi con-venzionali di fenologia, biomassa, areafogliare, crescita dei frutti e resa finale. Lastazione di misura, essendo inserita nellarete globale di monitoraggio degli scambi dicarbonio tra biosfera e geosfera FLUXNET(http://www.fluxnet.ornl.gov/fluxnet),beneficia di specifiche elaborazioni da partedella NASA sui dati rilevati dai satelliti Aquae Terra del Moderate Resolution ImagingSpectroradiometer (MODIS). Le caratteristi-che di questo vigneto, osservabile anche abasse risoluzioni, e l'insieme dei dati a dispo-sizione hanno consentito una prima valuta-zione dell'applicabilità dei dati MODIS per ilmonitoraggio dello stato vegetativo e fisiolo-gico del vigneto.È stata aggiornata la serie storica dei prodot-ti MODIS finora raccolta sul sito di Negrisia. Idati forniti da MODIS sono stati messi in rela-zione con la serie di dati raccolti dal 2005mediante misure biometriche e micrometeo-rologiche misurate a terra. In particolare, èstata valutata la possibilità di utilizzare alcu-ni prodotti MODIS per monitorare il Leaf AreaIndex (LAI), la Gross Primary Production(GPP) e l'evapotraspirazione (ET). Mentre peril LAI e la GPP esistono pubblicamente dei

prodotti MODIS dedicati e disponibili libera-mente (MOD/MYD15-17), per l'ET è statavalutata la relazione empirica tra l'ET misu-rata mediante la tecnica micrometeorologicae la relazione MODIS-(LST x EVI). Questacostituisce un indicatore integrato che tieneconto della temperatura e dello stato dellavegetazione e dell'intercettazione dellaradiazione solare, indice calcolato utilizzan-do due ulteriori prodotti: la Land SurfaceTemperature (LST) e l'Enhanced VegetationIndex (EVI) (Sims et al. 2008).

Soddisfacenti correlazioni sono state ottenu-te tra i dati di terra e quelli telerilevati.L'evapotraspirazione reale misurata nelvigneto è apparsa strettamente correlata (r2~ 0.9) con l'indicatore derivato da MODIS [LSTx EVI] (Figura 2). In linea generale, i prodot-ti più elaborati come il LAI e GPP, hannomostrato una minore aderenza al dato dicampo rispetto a parametri più diretti comegli indici di vegetazione e la temperatura disuperficie (Figure 3 e 4). Il MODIS-LAI e ilMODIS-GPP sono in effetti il risultato dimodelli di calcolo basati su assunzioni eparametrizzazioni effettuate a livello globa-le e per un numero limitato e rappresentati-vo di biomi, che risultano quindi insufficien-ti a discriminare le specificità dei vari siste-mi colturali. Inoltre, il calcolo di questi datisi basa su dati meteorologici del DataAssimilation Office (NASA), un dataset clima-tico globale a bassissima risoluzione spazia-le, che a livello locale possono facilmentepresentare significativi scostamenti dai valo-

100

Figura 1. Localizzazione delle stazioni meteo dell'ARPAV e del CODITV utilizzate per lo studio climatolo-gico dell'area della DOCG Prosecco. Esempi di mappe climatiche giornaliere della piovosità, temperatu-ra dell'aria e della radiazione globale.

101

Figura 2. Correlazione fra l'evapotraspirazione misurata a terra via Eddy Covariance e l'indicatore deri-vato da MODIS [LST x EVI].

Figura 3. Grafici A, B: Correlazione fra la GPP misurata via Eddy Covariance e il MODIS-GPP. Grafici C, D: Correlazione tra la GPP Eddy Covariance e l'indicatore MODIS [LST x EVI].

Figura 4. Grafici A, B: Correlazione fra il lAI misurato in campo e il MODIS-LAI. Grafici C, D: Correlazionetra il LAI misurato in campo e il MODIS-NDVI.

ri reali. I risultati ottenuti, da considerarecome preliminari, dimostrano tuttavia lapossibilità di monitorare e mappare l'anda-mento dello stato vegetativo e di un vignetoattraverso il sensore MODIS.

2.3 STUDIO DELLE CARATTERISTICHE SPET-TRALI DELLA VEGETAZIONE MEDIANTETECNICHE DI AIRBORNE REMOTE SEN-SING

L'utilizzo di moderne tecniche di remote sen-sing ha permesso di studiare l'effetto dellastruttura della chioma e della sua variabilitàspaziale sulle sue proprietà spettrali.Nell'ambito del progetto sono state condottedelle campagne di misura con l'obiettivo distudiare la risposta spettrale della vegetazio-ne vitata in funzione di diversi parametricome: forma di allevamento (spalliera e per-gola), varietà, esposizione e orografia (pia-nura e collina).La campagna di acquisizione iperspettrale èstata condotta nell'estate del 2010 in dueimportanti realtà viticole venete. La zonadel Soave, caratterizzata da due diverserealtà: la viticoltura classica di collina impo-stata su forme di allevamento a pergola convarietà Garganega e la viticoltura più moder-na in pianura con forme di allevamento aspalliera; la seconda area all'interno DOCPiave (Negrisia di Ponte di Piave) caratteriz-zata da una viticoltura moderna interamentemeccanizzata, in pianura, con forme di alle-vamento a spalliera e vitigni nazionali edinternazionali. L'acquisizione è stata effet-tuata con il sensore iperspettrale aeroporta-to AISA Eagle (VIS/NIR 400-1000 nm), carat-terizzato da una risoluzione radiometrica di400-1000 nm in 122 bande contigue con unaampiezza (FWHM) di 4.6 nm. La quota di volovariabile tra 800-1000 m ha consentito unarisoluzione spaziale a terra di 0.5 m, valoreminimo necessario per la discriminazionevite/suolo. All'interno delle due aree di stu-dio sono stati identificati e opportunamentegeoriferiti 39 siti di studio all'interno di 11vigneti produttivi caratterizzati da differentivarietà, forma di allevamento, pendenza,esposizione e quota. Per l'area del Soave, lascelta dei siti di studio è stata fatta in colla-borazione con Il personale del Consorzio diTutela Vini Soave e Recioto di Soave, con l'o-biettivo di studiare una già nota variabilitàinter-sito e approfondire le conoscenze sudeterminati vigneti già oggetto di studio daparte del Consorzio.

In concomitanza con i rilievi aerei sono staticondotti una serie di rilievi a terra per otte-nere i Ground Control Points (GCP). Nei GCPopportunamente georiferiti mediante un GPSsono state condotte misure di LAI, contenutodi clorofilla fogliare, struttura e dimensionedella chioma, parametri analitici di qualitàdell'uva. La misura della riflettanza dellavegetazione (a scala di parcella) e dellafirma spettrale (a scala fogliare e di canopy)è stata effettuata mediante uno spettrora-diometro (ASD FieldSpec VIS/NIR 400-1000nm).Per la discriminazione spettrale (vite/suolo)sono state condotte due misure: il primomediante l'imposizione di una thresholdbasata sull'indice NDVI, la seconda mediantel'associazione al rilievo iperspettrale di unaacquisizione laser-scan con l'obiettivo diassociare ad ogni pixel iperspettrale una pre-cisa quota e identificar così la natura(vite/suolo) di ogni pixel.

L'utilizzo integrato dell'impostazione di unaNDVI-threshold e le informazioni ottenutedall'elaborazione dei prodotti del rilievoLaser-scan hanno permesso una buona discri-minazione dei pixel di pura vite dal suoloinerbito (Figura 5). Sono stati così rielabora-ti per le immagini AISA solo i pixel di puravite (Figura 6). La rimozione dell'effetto delbackground ha inoltre reso possibile l'indivi-duazione di eventuali fallanze e una possibi-le discriminazione varietale basata sullafirma spettrale delle singole varietà.Le variabili biofisiche e strutturali dellavegetazione misurate nei GCP (dimensionedella chioma, LAI, contenuto di clorofillafogliare) hanno permesso la ricerca di even-tuali correlazioni con i più diffusi indici divegetazione presenti in letteratura (Zarco-Tejada et al., 2005; Hatfield et al., 2008;Meggio et al., 2010). In particolare l'analisidei dati ha prodotto buone correlazioni tra ilLAI misurato in campo e l'NDVI ottenuto dalleimmagini AISA per entrambe le aree di studio(Figure 7 e 8).Le relazioni prodotte sono state utilizzateper creare delle mappe di vigore utili allaindividuazione di eventuali zone disomoge-nee, fallanze o eccessi vegetativi all'internodei vigneti campione (Figura 9).Per la stima del contenuto di clorofilla foglia-re, parametro utile all'individuazione di pos-sibili carenze nutrizionali, è stato utilizzatoun modello di transfer radiativo (rowMCRM

102

103

Figura 5. Discriminazione tra firma spettrale travite (diverse varietà) e suolo inerbito.

Figura 6. Discriminazione tra pixels di pura vitedal background (suolo inerbito).

Figura 7. Relazione lineare tra l'indice di vegeta-zione NDVI ottenuto dalle immagini telerilevate eil LAI misurato nei GCP.

Figura 8. Relazioni lineare tra l'indice di vegeta-zione NDVI ottenuto dalle immagini telerilevate eil LAI misurato nei GCP. Differenza tra le relazio-ni trovati nelle due aree di studio VR e TV.

Figura 9. Mappa tematica (a sx) e dettaglio (a dx) del LAI elaborata su una strisciata telerilevata dell'a-rea di studio di VR.

model). Il modello è stato parametrizzatocon variabili reali misurate in campo (dimen-sione canopy, geometria solare, firma spet-trale del suolo inerbito). È stato così elaborata una relazione di sca-ling-up dedicata ai suoli inerbiti mediantel'indice TCARI/OSAVI calcolato dalle immagi-ni AISA. In Figura 10 è rappresentato l'errore quadra-tico medio (RMSE) ottenuto dal confronto trail contenuto di clorofilla misurato in campo equello stimato mediante lo scaling-up delTCARI/OSAVI. I risultati ottenuti hanno così permesso lacreazione di mappe accurate del contenutodi clorofilla fogliare per le aree di studio(Figura 11).Le analisi sui mosti delle varietà Carmenéree Prosecco (Area TV) e Garganega (Area VR)effettuate alla vendemmia su campioni digrappoli prelevati in 38 GCP, sono state con-dotte in collaborazione con Il Consorzio diTutela Vini Soave e Recioto di Soave e l'Az.agricola F.lli Mercante.

In ogni sito di studio alla vendemmia, in col-laborazione con il personale del Consorzio, èstato prelevato per ogni GCP un campione di4-5 grappoli rappresentativi. I campioni così raccolti sono stati conferitiad un centro di analisi per la determinazionedei principali parametri eno-chimici. I parametri qualitativi ottenuti hannomostrato alcune correlazioni significativecon gli indici spettrali trovati in letteratura(Tabella 1, 2, 3).

2.4 CONCLUSIONII risultati ottenuti nell'ambito del progetto diricerca confermano l'utiizzo delle tecniche ditelerilevamento come uno strumento validoed applicabile anche ad una realtà comples-sa come è la viticoltura italiana. In particola-re, l'elevata aderenza delle relazioni con iparametri di campo ottenute dagli indicatoridiretti (es. NDVI), o di loro semplici derivati(LST x EVI) costituisce una dimostrazionedell'applicabilità della piattaforma satellita-

104

Figura 10. Accuratezza nella stima del contenutodi clorofilla fogliare nei GCP tra dati telerilevatie misure in campo.

Figura 11. Dettaglio di mappa tyematica del con-tentuo di clorofilla fogliare elaborata su una stri-sciata telerilevata dell'area di studio di TV.

Tabella 1. Coefficienti di determinazione (r2) trovati mediante regressione lineare tra i parametri qua-litativi dei mosti misurati alla raccolta nei GCP e indici di vegetazione telerilevati. Varietà Carmenére(Area TV).

re MODIS all'osservazione di appezzamentispecifici nelle realtà territoriali italiane,purché sufficientemente estesi e omogenei.Le relazioni empiriche con indicatori diretti,a parte la semplicità di applicazione, hannoil notevole vantaggio infatti di essere basatiinteramente sui dati satellitari, senza lanecessità di integrarli con dati di terra. Il limite fondamentale di questo approccio èdato tuttavia dal fatto che le regressioniottenute sono valide esclusivamente per ilsito su cui sono state ottenute.L'applicazione del MODIS per estendere leosservazioni su più siti dipenderà dunquedalla possibilità di modellizzare i coefficien-ti delle regressioni empiriche con dati facil-mente rilevabili in campo.I risultati ottenuti dall'analisi delle immaginiiperspettrali ha permesso di ottenere dellestime accurate di parametri biofisici del

vigneto, quali il LAI e il contenuto di clorofil-la fogliare. La creazione di mappe di vigore e del conte-nuto di clorofilla permette conoscere lavariabilità all'interno del vigneto e tra vigne-ti diversi, la presenza di eventuali fallanze,la presenza di zone disomogenee in terminidi vigoria e di stato nutrizionale, tutte infor-mazioni utili a fini produttivi e gestionali perun consorzio. Le relazioni trovate con i para-metri qualitativi sono da considerarsi comepreliminari in quanto per la loro validazioneè necessario l'accertamento della loro stabi-lità spaziale e temporale. La discriminazione varietale da remoto, seb-bene necessiti ancora lavoro per potersi svin-colare dal singolo caso di studio, potrà offri-re ai consorzi e agli Enti di controllo e piani-ficazione del territorio uno strumento dalleenormi potenzialità applicative.

105

Tabella 2. Coefficienti di determinazione (r2) trovati mediante regressione lineare tra i parametri qua-litativi dei mosti misurati alla raccolta nei GCP e indici di vegetazione telerilevati. Varietà Prosecco (AreaTV).

Tabella 3. Coefficienti di determinazione (r2) trovati mediante regressione lineare tra i parametri qua-litativi dei mosti misurati alla raccolta nei GCP e indici di vegetazione telerilevati. Varietà Garganega(Area VR).

3. REGIONE TOSCANA

A. Dalla Marta*, M. Mancini*, S. Orlandini*,F. Maselli**, M. Chiesi**, L. Angeli***, M.Moriondo** e M. Bindi* * Università degli Studi di Firenze, Dip. diScienze delle Produzioni Vegetali, del Suoloe dell'Ambiente Agroforestale** Istituto di Biometeorologia - IBIMET - CNRdi Firenze*** LaMMA CRES - Grosseto

Lo scopo principale della ricerca condotta èstato quello di stimare e monitorare, attra-verso l'integrazione di informazioni meteo-climatiche, modellistica di simulazione etelerilevamento da satellite, le dinamichespazio-temporali delle principali rispostevegeto-produttive dei vigneti e le caratteri-stiche qualitative del vino nell'area delConsorzio del Chianti Classico. Per fare que-sto, la ricerca ha visto l'integrazione di trediversi ambiti: telerilevamento, modellisticae indici climatici, che ha fornito un'analisicompleta sia di tipo spaziale che temporale.La ricerca ha interessato l'area geografica diproduzione del Chianti Classico ed è stataeffettuata a scala di comprensorio. Per lostudio il Consorzio del Chianti Classico hamesso a disposizione il proprio data base dianalisi quanti/qualitative delle produzionivinicole (alcol, acidità totale, glicerolo, etc.)per il periodo 2000-2009. I dati forniti dalConsorzio, i data base meteo-climatici e leimmagini satellitari rappresentano quindi labase su cui è stata impostata l'attività diricerca (Tabella 4). Come più volte sottoli-

neato, l'Indice NDVI telerilevato da piattafor-ma aerea o satellitare è direttamente pro-porzionale alla attività fotosintetica dellavegetazione. Nel caso specifico dei vigneti, ivalori di NDVI sono correlati allo stato vege-tativo delle piante (vigore) durante la stagio-ne di crescita e alla qualità dei vini prodotti(Bramley et al., 2004; Fiorillo et al., 2009).Le immagini riprese dal sensore MODIS mon-tato sui satelliti TERRA e AQUA possono forni-re valori di NDVI ogni 16 giorni con una riso-luzione spaziale di circa 250 metri (Figura12). Questa risoluzione, se pur abbastanzaelevata, non consente di identificare esatta-mente la maggior parte dei vigneti presentinelle nostre zone. Le immagini MODIS devo-no quindi essere trattate tramite opportunetecniche di elaborazione per ottenere infor-mazioni sullo stato dei vigneti. Per questomotivo è stata applicata una procedura di"pixel unmixing locale" sviluppata dal nostrogruppo di ricerca (Maselli, 2001). Tale proce-dura consente di estrarre da immagini amedio-bassa risoluzione i valori di NDVI rela-tivi ad una data classe di copertura indivi-duata sulla base di una mappa a più alta riso-luzione. Nel nostro caso questa mappa èstata fornita dal progetto CORINE 2000, cheriporta la distribuzione delle superfici avigneto nella regione Toscana con una risolu-zione di 50-100 m. L'applicazione della pro-cedura ha consentito di estrarre i dati NDVIdei vigneti di 9 comuni del Chianti Classicoper gli anni 2000-2009. I profili di NDVI dei 9comuni sono poi stati mediati per poterliconfrontare con gli indici di qualità dei viniottenuti da misure "in situ" prese nello stes-

106

Tabella 4. Periodo e tipo di dati utilizzati per lo svolgimento delle attività di ricerca.

so comprensorio. Analisi di correlazione sonostate effettuate fra tutti gli indici di qualitàdisponibili e i valori di NDVI relativi ai perio-di da fine marzo a inizio novembre. La secon-da parte della ricerca ha avuto come scopoprincipale l'assimilazione dei dati satellitaridi NDVI nel modello agrometeorologico dicrescita della vite ViteModel (Bindi et al.,1996) e la valutazione delle sue potenzialitàper la stima degli aspetti qualitativi dellaproduzione. Per la stima dei parametri pro-duttivi-qualitativi, il modello ViteModel, giàcalibrato per la varietà Sangiovese, è statoforzato con osservazioni telerilevate daMODIS al fine di ottenere una stima comples-siva dell'intercettazione della radiazionesolare, sfruttando la relazione lineare chesussiste tre l'indice NDVI ed il grado di coper-tura vegetale di una superficie. I dati meteo-rologici per l'area in oggetto, necessari per lasimulazione, sono stati ottenuti dal databaseDAYMET, che contiene i dati meteorologiciper la Toscana interpolati alla scala 1 x 1 km.Il modello è stato quindi utilizzato per lastima del grado zuccherino del vino prodottonell'areale del Chianti Classico per il periodo2000-2009. Parallelamente alle altre fasi della ricerca, èstata verificata la presenza di relazioni tra lecaratteristiche qualitative del vino e alcuniindici climatici impiegati in meteorologia perle previsioni a lungo termine. In particolare,sono stati utilizzati l'indice NAO (NorthAtlantic Oscillation Index), la GPH (altezzadel geopotenziale) a 500 hPa e la SST (tem-peratura superficiale del mare).In Europa, l'indice NAO sembra essereresponsabile di una grande componente dellavariabilità climatica, influenzando in parti-colare il clima invernale. Nei mesi invernali,infatti, mostra una significativa relazionecon la traiettoria delle perturbazioni, la tem-

peratura e le precipitazioni sulle zone delNord Europa e del Mediterraneo ed è quindiin grado di influenzare, attraverso le intera-zioni clima-pianta, le caratteristiche dellaproduzione delle colture (Atkinson et al.2005; Grifoni et al., 2006; Ribeiro et al.2009; Dalla Marta et al., 2010). L'utilizzo del-l'indice NAO, come evidenziato da diversilavori che lo hanno messo in relazione allaproduzione e alla fenologia di diverse coltu-re (grano, segale, vite, olivo, limone, etc.)(Gimeno et al., 2002; Avolio et al. 2008;Dalla Marta et al., 2011), ha mostrato ungrande potenziale per lo sviluppo di sistemidi previsione della produzione.Il GPH a 500 hPa rappresenta l'altitudine inmetri del livello in atmosfera dove la pressio-ne dell'aria è pari a 500 hPa ed è ben corre-lato con le caratteristiche meteorologiche alsuolo. La SST, la temperatura dello stratosuperficiale del mare, risulta fortementecollegata all'origine delle precipitazioni, allaformazione ed evoluzione dei cicloni, aifenomeni di convezione e alle brezze mari-ne. Poiché i cambiamenti di SST sono relati-vamente lenti rispetto ai cambiamenti inatmosfera, a causa dell'inerzia dell'Oceano,questi hanno delle ripercussioni sulle condi-zioni climatiche in periodi successivi e pro-prio per questo la SST rappresenta un'ottimabase per le previsioni a lungo termine.Le informazioni meteorologiche utilizzateprovengono dal sito della NOAA-CIRESClimate Diagnostics Center, Boulder,Colorado, USA, (http://www.cdc.noaa.gov/).Le variabili ed i campi meteorologici sonostati ottenuti mediante il progetto"NCEP/NCAR Reanalysis Project" (Kalnay1996), che mette a disposizione dati di varia-bili meteorologiche a partire dal 1948 conuna risoluzione spaziale di 2,5° (Lat.-Long.).Questo progetto, utilizzando tutte le osser-

107

Figura 12. Esempio di immagineMODIS NDVI del Centro Italia relativaall'inizio di agosto 2009, con indicazio-ne dei comuni del Chianti Classico con-siderati.

vazioni meteorologiche del passato (daterra, da satellite, radiosondaggi, ecc.),generalmente caratterizzate da una bassarisoluzione spazio/temporale, ha permessola ricostruzione a livello globale dello statodell'atmosfera rendendo disponibili tutte levariabili meteorologiche con una discretacontinuità spazio/temporale.Le relazioni esistenti tra le caratteristichequalitative del vino e i dati meteo climaticisono state analizzate tramite analisi diregressione nel caso dell'indice NAO e attra-verso delle mappe di correlazione nel casodei campi meteorologici GPH ed SST, elabo-rate al fine di evidenziare il possibile impat-to di fenomeni a larga scala sulla qualità delvino a scala locale.Queste mappe, infatti, mediante la distribu-zione spaziale del coefficiente di correlazio-ne, permettono di verificare l'esistenza direlazioni tra la qualità del vino e il valoreassunto dal campo meteorologico sul domi-nio considerato.

In tal modo è possibile individuare le aree incui l'instaurarsi di determinati valori dellevariabili meteorologiche risulta legato con laqualità dei vini.In generale, si sono riscontrate molte corre-lazioni significative (positive o negative) fragli indici di qualità e valori di NDVI misuratidurante la stagione estiva (luglio-agosto).Le correlazioni trovate per alcuni indici sonovisualizzate in Figura 13.Una delle correlazioni più alte è stata trova-ta fra l'estratto secco senza zuccheri ed ivalori di NDVI della seconda quindicina diagosto, ed è mostrata in Figura 14.Infine, i valori di NDVI dei vigneti sono staticonvertiti in frazione di radiazione fotosinte-ticamente attiva assorbita (fAPAR) utilizzan-do una equazione generale fornita da Myneniand Williams (1994) che può essere usata perguidare modelli predittivi della qualità deivini.I valori di fAPAR trovati sono stati quindimessi a disposizione per la successiva model-

108

Figura 13. Coefficienti di correlazione trovati fra alcuni indici di qualità dei vini e valori di NDVI di variperiodi della stagione di crescita per i 10 anni di studio (2000-2009).

Figura 14. Correlazione trovata fra i valori diestratto secco senza zuccheri e valori di NDVIdella seconda quindicina di agosto per i 10 anni distudio (2000-2009) (** = P<0.01).

lizzazione quantitativa di questo parametro.I risultati ottenuti dall'applicazione delmodello agrometeorologico di simulazioneforzato con i dati MODIS di NDVI evidenzianola buona corrispondenza fra il grado zucche-rino osservato e quello simulato daViteModel. Tuttavia nuove analisi e calibra-zioni sono necessarie per ridurre l'incertezzanella stima dei parametri qualitativi, princi-palmente nei periodi scarsamente piovosi,dove il modello tende a sovrastimare la per-centuale zuccherina.Per quanto riguarda l'analisi delle relazionifra indici climatici a larga scala e qualità delvino Chianti Classico, i risultati ad oggi otte-nuti hanno permesso di stabilire l'esistenza diinteressanti legami tra la qualità e il peculia-re andamento meteorologico della stagionevegeto-produttiva. L'acidità totale, l'alcol eil glicerolo risultano fortemente correlati conla GPH e la SST. In particolare, l'acidità tota-le mostra una correlazione altamente signifi-cativa positiva (r=0.8) con la GPH sull'area

che comprende la zona di produzione (Italiacentrale) del periodo invernale (Figura 15) enegativa (r=-0.8) con la SST del Mediterraneooccidentale e del Nord Atlantico nel periodoestivo (Figura 16). Anche il glicerolo risultacorrelato positivamente con la GPH sull'areadi studio durante l'estate (r=0.8) (Figura 17)e negativamente con la SST del Mediterraneooccidentale nei mesi di febbraio e marzo(Figura 18). Una correlazione negativa èstata inoltre trovata tra la SST nelMediterraneo del periodo tardo primaverile-estivo e l'intensità colorante del vino. Talirelazioni, sicuramente complesse, sonodovute all'influenza che i campi di SST e diGPH hanno sul clima della zona di produzio-ne. Un valore alto di GPH, corrispondente avalori di alta pressione al suolo, comportatemperature più elevate della media e perio-di scarsamente piovosi durante i mesi estivi,fattori sicuramente legati a una buona quali-tà del prodotto. Per quanto riguarda la SST,come evidenziato in precedenza, la sua

109

Figura 17. Mappa di correlazione tra glicerolo eGPH a 500 hPa di luglio.

Figura 18. Mappa di correlazione tra glicerolo eSST del periodo febbraio-marzo.

Figura 15. Mappa di correlazione tra acidità tota-le e GPH a 500 hPa del periodo gennaio-febbraio.

Figura 16. Mappa di correlazione tra acidità tota-le e SST del periodo luglio-agosto.

influenza è dovuta soprattutto allo scambiodi calore tra oceano/mare e atmosfera chehanno poi una ricaduta sul clima dei mesisuccessivi.Anche l'indice NAO mostra delle relazioniinteressanti con le diverse caratteristichequalitative del vino in specifici periodi dellastagione vegeto-produttiva. In particolare,risulta correlato significativamente il NAO digennaio all'acidità totale e il glicerolo, diagosto al contenuto di alcol e di settembre alglicerolo. Si nota, inoltre, una correlazionesignificativa tra il NAO di maggio-giugno e ilvalore di pH (Figura 19). Ad alti valori diNAO, infatti, corrisponde tipicamente unclima meno piovoso e più mite nelle areedove viene prodotto il Chianti Classico e, piùin generale, nel sud dell'Europa, poiché ladistribuzione dei campi di alta pressione fain modo che la maggior parte delle perturba-zioni di origine atlantica non riescano airrompere in questa area.

I risultati ottenuti hanno evidenziato che esi-stono dei forti legami tra le caratteristichequalitative del vino prodotto nell'area delChianti Classico e le informazioni meteo-cli-matiche e telerilevate analizzate e che l'in-tegrazione di tali informazioni e la loro assi-milazione nei modelli di simulazione rappre-senta un importante sviluppo sia dal punto divista scientifico che operativo.Per quanto riguarda l'utilizzo dell'indiceNDVI, si può concludere che, se pure leimmagini MODIS non hanno i requisiti ottima-li di risoluzione spaziale per l'identificazionedei vigneti, l'applicazione di opportune tec-niche di elaborazione consente di estrarre daesse utili informazioni per il monitoraggioquantitativo delle condizioni dei vigneti. Piùin particolare, le analisi effettuate hanno

confermato il notevole valore informativodelle immagini MODIS NDVI riguardo allevariazioni interannuali di qualità dei vini.L'utilizzo successivo dei dati telerilevati perforzare il modello produttivo ViteModel, emigliorarne le prestazioni, ha mostrato deibuoni risultati, fornendo delle simulazioniattendibili del grado zuccherino del vinoanche se ulteriori analisi saranno necessarieper diminuire il grado di incertezza nellastima dei parametri qualitativi, principal-mente nei periodi scarsamente piovosi, doveil modello tende a sovrastimare la percen-tuale di zucchero.L'utilizzo delle informazioni meteo-climati-che a larga scala ha mostrato buone poten-zialità non solo in termini di stima dei para-metri qualitativi attuali ma anche per la loroprevisione. Infatti, le correlazioni esistenticon la GPH di gennaio-febbraio e di luglio,così come le correlazioni con la SST di feb-braio-marzo e di luglio, rappresentano un'im-portante risorsa per la pianificazione delleattività di gestione del vigneto fornendo inanticipo informazioni sulla possibile evolu-zione di alcuni parametri qualitativi del vino.Allo stesso modo, l'indice globale NAO mostracome l'assetto della circolazione a scalasinottica, soprattutto nei mesi invernali,possa avere degli impatti significativi sull'an-damento della stagione vegeto-produttivadella vite a scala locale, con conseguenzeimportanti sulla qualità della produzionefinale.I risultati della ricerca mostrano quindi chia-ramente come l'utilizzo e l'integrazione delleinformazioni analizzate, reperibili gratuita-mente su Internet, possa rappresentare unostrumento innovativo e strategico per le atti-vità legate alla produzione vitivinicola, sia dicarattere agronomico e operativo sia di

110

Figura 19. Variazione del coeffi-ciente di determinazione tra lecaratteristiche qualitative delvino e il valore dell'indice NAO deidiversi mesi dell'anno. Sul graficoè riportata la soglia di significati-vità per P<0.05.

carattere più prettamente economico e dimercato. Ovviamente, un completo trasferi-mento dalla fase sperimentale a quella pie-namente operativa richiede ancora deglisforzi allo scopo di stabilire in modo certo lerelazioni trovate e la loro stabilità neltempo, anche in relazione ai cambiamenticlimatici in atto e al loro evidente impattosulla viticoltura.Sulla base dei risultati fino ad ora ottenuti,un'ulteriore importante fase di ricerca sareb-be rappresentata dall'integrazione delleinformazioni meteo-climatiche e telerilevatee della modellistica con le previsioni a mediotermine (uno-due mesi), in termini di anoma-lie termo-pluviometriche, per la messa apunto di un modello di previsione dellecaratteristiche qualitative del ChiantiClassico. Questo, insieme ai risultati giàottenuti, apre la strada a nuove applicazioni,quali gli interventi agronomici mirati, attinon più ad affinare l'interazione tra la vite eil peculiare andamento meteorologico fino aquel momento dell'anno ma per preparare lapianta al periodo successivo.

4. REGIONE PIEMONTE

F. Bonino*, E. C. Borgogno Mondino**, S.Cavalletto*, V. Novello** Università degli Studi di Torino, Dip. di col-ture arboree** Università degli Studi di Torino, Dip. diEconomia e Ingegneria Agraria, Forestale eAmbientale

Il lavoro svolto dall'Università di Torino per laRegione Piemonte, ha avuto l'intento di pre-vedere la realizzazione di un sistema infor-mativo relativo ad una porzione di territoriovitato stabile e gestito dall'elaboratore, sulquale riferire tutti i dati rilevati e rilevabili.Si sono effettuate due acquisizioni di dati nel2009 ed una nel 2010. Si è operato nelseguente modo: si è verificato lo stato delvigore del vigneto attraverso due procedi-menti, il primo usando dei rilievi a terra contecniche tradizionali basate su indici di fun-zionalità della chioma vegetale e il secondocon il ricorso a dati multispettrali raccolti dasensori aerotrasportati. La stima della fun-zionalità della chioma si basa sulla descrizio-ne architetturale della parete vegetale.Quest'ultima viene descritta in funzione dellasua superficie fogliare totale ed esposta, del

suo spessore (in considerazione del fatto chevi sono, come si vedrà più avanti, due moda-lità di potatura) e del suo stato nutrizionale.È stato verificato anche l'andamento dellamaturazione delle uve: si è provveduto, nel2009, alla verifica dell'evoluzione di pH, soli-di solubili totali (°Brix) e acidità titolabilecon tre punti di campionamento. In seguito siè identificata l'area oggetto dell'indagine, siè proceduto con il reperimento e l'organizza-zione della base informativa cartograficadigitale del supporto e con l'acquisizionedelle immagini telerilevate sulla base diun'attenta analisi del calendario fenologicodella varietà coltivata. Nel medesimo perio-do sono stati effettuati i rilievi di campagna(acquisizione dei dati a terra) sia in meritoallo stato vegetazionale della coltura sia alivello di maturazione delle uve; contestual-mente al prelievo si è effettuata una misuradella posizione del campione, nel sistemacartografico di riferimento adottato (Sistemageocentrico UTM 32N WGS84), utilizzando unrilevatore GPS portatile. Successivamentesono state formulate mappe tematiche sullascorta di algoritmi di correlazione tra i datitelerilevati e i dati misurati a terra. I datisono stati rilevati in due momenti, il primoad invaiatura e il secondo a vendemmia. Conil primo momento si forniscono mappe etabulati del vigore vegetativo utili alla valu-tazione dello stato di salute dei vigneti,all'integrazione con la zonazione e sulle qualibasare stime di produzione. In particolarequeste mappe sono di grande utilità per valu-tare l'opportunità di interventi colturali ecostituiscono un'importante documentazioneper ottimizzare la gestione del vigneto nellastagione successiva; in questo modo saràpossibile, di anno in anno, intervenire con lamassima precisione ed efficacia solo dove ilvigneto presenta situazioni di minore effi-cienza. In un secondo momento vengono for-nite mappe dei parametri per i quali sonoeffettuati i prelievi in campo (come tenorezuccherino e acidità totale). Le ricadute diqueste applicazioni possono essere di grandeinteresse se applicate su larga scala creandoun vero e proprio sistema integrato di orga-nizzazione e gestione delle pratiche agrono-miche. Contrariamente al metodo tradizio-nale di campionamento non si opera con ilprelievo di acini secondo criteri tendenti aottenere lo stato medio dell'intero vigneto,ma identificando e analizzando acini prove-nienti da singole piante. Quanto maggiori

111

sono le informazioni e minori le dimensionidell'unità minima in cui sono classificati ivigneti, più l'elaborazione del dato telerile-vato è precisa in termini quantitativi e det-tagliata quanto a localizzazione. Il metodopuò essere applicato indifferentemente susuperfici grandi o medie, con l'unica varabiledel costo, influenzato principalmente dalrisparmio di scala realizzabile acquisendoimmagini su superfici ampie e riducendo diconseguenza il numero di misure in camponecessarie per ettaro rilevato. Il progetto èstato svolto in collaborazione con ilConsorzio dell'Asti DOCG e la Facoltà diAgraria di Torino nel biennio 2009 - 2010. Siè operato su di una superficie di circa 5 etta-ri (Figura 20) situata in località Secennio nelcomune di Cassine in provincia di Alessan-dria. L'appezzamento interamento coltivatoa 'Moscato bianco' presenta tre macro aree:la prima denominata Casarsa 1 è caratteriz-zata della forma di allevamento a contro-spalliera e dalla forma di potatura a Casarsa;la seconda, Casarsa 2, è caratterizzataanch'essa dalla forma di allevamento a con-trospalliera con potatura a Casarsa, ma dif-ferisce dalla precedente per la presenza diun'accentuata clorosi ferrica; la terza,Guyot, è caratterizzata dalla forma di alleva-mento a controspalliera con potatura di tipoGuyot. Su entrambi gli appezzamenti deno-minati Casarsa è presente il portainnesto420A, mentre sull'appezzamento Guyot èpresente il portainnesto V. rupestris du Lot; icloni sono invece presenti tutti in egualnumero sulle tre macroaree. Elementi incomune tra di esse sono i trattamenti fitosa-nitari, la gestione del suolo che avviene

mediante periodica lavorazione con una erpi-catura a profondità di circa 0,30 m e lagestione della fertilizzazione del terreno cheavviene con una letamazione annuale. I sar-menti di potatura vengono trinciati e lascia-ti nell'interfila. Per quanto concerne la piat-taforma tecnologica di telerilevamento sonostate utilizzate immagini aeree digitali mul-tispettrali registrate nel corso di sorvoli pia-nificati e ottenuti con aeromobili ultralegge-ri equipaggiati con appositi sensori di rileva-mento (camere multispettrali). Tale scelta èstata motivata sia dalla flessibilità consenti-ta nella pianificazione dei voli stessi sia dal-l'esigenza di poter disporre di immagini conuna risoluzione geometrica adeguata (dell'or-dine dei 0,50 m) in risposta alle richieste delConsorzio di risultati/prodotti fruibili a livel-lo aziendale. Le immagini multispettrali sonostate acquisite dalla ditta Terrasystem s.r.l.di Viterbo utilizzando il sensore CANON conrisoluzione a terra di 0,25 m per quelle incolori reali, il sensore DUNCAN con risoluzio-ne a terra pari a 0,40 m per quelle in falsocolore (successivamente) e il sensore FLIRcon risoluzione a terra di 2,0 m per quelletermiche e successivamente elaboratemediante il software ENVI. A partire dallefoto aeree multispettrali ottenute sono statisuccessivamente effettuati:- la caratterizzazione zonale degli appezza-

menti basata su tecniche di classificazioneautomatica, con algoritmo neurale NEURALGAS per la separazione delle classi di suoloda quelle di vegetazione;

- la determinazione delle zone ambientalibasata sul DTM (Digital Terrain Model) dellaRegione Piemonte, avente passo 0,50 m e

112

Figura 20. Immagine dell'appezzamen-to oggetto della prova.

precisione altimetrica dichiarata di 2,5 m ela ricerca di correlazioni tra queste ed igruppi di osservazioni;

- la ricerca di correlazioni esistenti tra pro-prietà fisiologiche e chimiche della vite eparametri indiretti derivabili dalle immagi-ni multispettrali (indici di vegetazione).

L'informazione derivata dalle immagini èstata confrontata e integrata con le informa-zioni ottenute a partire dai rilievi di campo.Nel primo anno di attività si sono eseguitidue voli, il primo in corrispondenza dell'in-vaiatura e il secondo in corrispondenza dellavendemmia rispettivamente in data16/07/2009 e 25/08/2009. I rilievi di campohanno riguardato la parete fogliare e lecaratteristiche qualitative del mosto delleuve. Vista la presenza in letteratura di diver-si lavori che attestano un'ottima correlazionetra il parametro LAI e l'indice NDVI, in que-st'anno si è voluto verificare la correlazioneesistente tra i parametri che scaturisconodalla tecnica del point quadrat e l'indicesopra citato. Con il point quadrat si vanno adeterminare tre parametri: la superficiefogliare totale, la superficie fogliare espostae l'indice di ombreggiamento; è stata inoltrecalcolata l'area fogliare totale mediante ilsoftware Image J come verifica della prece-dente metodologia. I parametri chimico -fisici del mosto sono stati determinatimediante l'utilizzo dello strumento analizza-tore FOSS e gli indici di vegetazione utilizza-ti sono il NDVI e PVI. Per ciò che riguarda lecorrelazioni tra gli indici e i parametri rileva-ti possiamo affermare che sono basse, seprese singolarmente; questo può essereimputato alla grandinata del giorno successi-vo al primo volo che ha, a nostro avviso, infi-ciato i dati raccolti. Si è poi provveduto a

suddividere lo scatterogramma di correlazio-ne in tre parti ottenendo così delle buonecorrelazioni (R2) comprese tra 0,63 e 0,93(Figura 21). Sono state inoltre create le cartedi insolazione teorica annuale, pendenza,altimetria e classi di esposizione (Figura 22).Questi quattro parametri sono poi stati rag-gruppati in un'unica immagine finalizzataalla creazione di zone omogenee del vigneto(Figura 23), per evidenziarne le caratteristi-che ambientali. Nel secondo anno di attività,per un problema legato alla ditta fornitricedelle immagini, è stato operato un solo sor-volo, in prossimità di vendemmia in data10/09/2010. I rilievi di campo hanno riguar-dato il LAI attraverso il LAI-2000 PlantCanopy Analyzer, la misura della concentra-zione di clorofilla attraverso lo strumentoottico SPAD-502 Chlorophyll Meter e i para-metri del mosto attraverso il FOSS; gli indicidi vegetazione utilizzati sono il NDVI, il CVI eil Green SR. Le correlazioni si sono dimostra-te molto incoraggianti per i valori di R2riscontrati specialmente nell'appezzamentodove è praticata la potatura di tipo a Guyot,che ha dato le correlazioni migliori. Si sonoottenuti valori statisticamente significativitra APA e CVI (R2 = 0,79), APA e SR Green (R2= 0,74), A. tartarico e NDVI (R2 = 0,70)(Figura 24), A. malico e NDVI (R2 = 0,68),Indice di Botrytis e NDVI (R2 = 0,65), Aciditàtotale e CVI (R2 = 0,65) mentre non è statariportata la correlazione tra NDVI e LAI poi-ché si è rilevato un malfunzionamento diquattro dei cinque anelli da cui è compostolo strumento.Da un'analisi fatta in questi due anni di lavo-ro si evince che il telerilevamento è una tec-nica che può essere applicata in ambito viti-colo per la determinazione dei parametri

113

Figura 21. Esempio di scatterogramma utilizzato per la determinazione delle correlazioni.

strutturali del vigneto e del mosto semplifi-cando le operazioni di campionamento edottimizzando le pratiche agronomiche (adesempio, la sfogliatura sulla base dell'anda-mento del NDVI correlato al LAI oppure la

fertilizzazione sulla base dello stesso NDVIcorrelato allo stato nutrizionale), ma devonoancora essere perfezionate le tecniche dilavoro con la definizione di nuovi indici divegetazione specifici per la vite.

114

Figura 22. Mappe delle pendenze, dell'insolazione annuale, della pendenza e delle classi di esposizioni.

Figura 23. Zone ambientali omogeneeall'interno del vigneto.

Figura 24. Mappa derivante dalla corre-lazione tra NDVI e A. tartarico sull'ap-pezzamento con potatura e Guyot.

115

BibliografiaBibliografia

Atkinson M.D., Kettlewell P.S., Hollins P.D., Stephenson D.B., Hardwik N.V., (2005).Summer climate mediates UK wheat quality response to winter North AtlanticOscillation. Agriculture and Forest Meteorology 130 (1-2), 27-37.

Avolio E., Pasqualoni L., Federico S., Fornaciari M., Bonofiglio T., Orlandi F., BellocciC., Romano B., (2008). Correlation between large-scale atmospheric fields and theolive pollen season in Central Italy. International Journal of Biometeorology 52, 787-796.

Bindi M., Fibbi L., Gozzini B., Orlandini S., Miglietta F., (1996). Modelling the impactof future climate scenarios on yield and variability of grapevine. Climate Res. 7, 213-224.

Brivio P.A., Zani G., (1995). Glossario trilingue di telerilevamento A.I.T.

Brivio P.A., Lechi G., Zilioli E., (2006). Principi e metodi di telerilevamento Città studieditore.

Dermanis A., Biagi L. Telerilevamento: Informazione Territoriale mediante immaginida satellite Casa Editrice Ambrosiana.

Dessena M.A., Melis M.T., (2006). Telerilevamento Applicato.

Gimeno L., Ribera P., Iglesias R., de la Torre L., Garcia R., Hernandez E. (2002).Identification of empirical relationships between indices of ENSO and NAO and agricul-tural yields in Spain. Climate Res. 21: 165-172.

Gomarasca M.A., 2004. Elementi di Geomatica.

Grifoni D., Mancini M., Maracchi G., Orlandini S., Zipoli G., (2006). Analysis of Italianwine quality using freely available meteorological information. American Journal ofEnology and Viticulture 57 (3), 339-346.

Hatfield J.L., Gitelson A.A., Schepers J.S. & Walthall C.L., (2008). Application of spec-tral remote sensing for agronomic decisions. Agronomy Journal, 100:S-117 - S-131.

Hurrell J.W., (1995). Decadal trends in the North Atlantic Oscillation and relationshipsto regional temperature and precipitation. Science 269, 676-679.

Johnson L.F., Bosch D.F:, Williams D.C., Lobitz B.M., (2001). Remote sensing of vine-yard management zones: implications for wine quality Applied engineering inAgriculture 17 (4) 557-560.

Kalnay E., Kanamitsu M., Kistlter R., Collins W., Deaven D., Gandin L., Iredell M., SahaS., White G., Woollen J., Zhu Y., Chelliah M., Ebisuzaki W., Higgins W., Janowiak J.,Mo K.C.

Lanjeri S., Melia J., Segarra D., (2001). A multi-temporal masking classificationmethod for Vineyard monitoring in central Spain International Journal of Remote sen-sing 22 (16) 3167-3186.

Maselli F., (2001). Definition of spatially variable spectral end-members by locally cali-

116

brated multivariate regression analyses. Remote Sensing of Environment, 75:29-38.

Meggio F., Zarco-Tejada P.J., Núñez L.C., Sepulcre-Cantó G., González M.R., Martín P.,(2010). Grape quality assessment in vineyards affected by iron deficiency chlorosisusing narrow-band physiological remote sensing indices. Remote Sensing ofEnvironment 114:1968-1986.

Ribeiro H., Cunha M., Abreu I., (2009). A bioclimatic model for forecasting olive yield.The Journal of Agricultural Science 147, 647-656.

Ropelewski C., Wang J., Leetma A., Reynolds R., Jenne R., Joseph E.D., (1996). TheNCEP/NCAR 40-year reanalysis project. Bulletin of American Meteorological Society77, 437-471.

Sims D.A., Rahman A.F., Cordova V.D., El-Masri B.Z., Baldocchi D.D., Bolstad P.V.,Flanagan L.B., Goldstein A.H., Hollinger D.Y., Misson L., Monson R.K., Oechel W.C.,Schmid H.P., Wofsy S.C., Xu L., (2008). A new model of gross primary productivity forNorth American ecosystems based solely on the enhanced vegetation index and landsurface temperature from MODIS. Remote Sensing of Environment, 112(4):1633-1646.

Wassenaar T., Baret F., Robbez- Masson J.M., Andrieux P., (2001). Sunlit soil surfaceextraction from remotely sensed imagery of perennial, discontinuous crop areas; thecase of Mediterranean vineyards Agronomie 21(3) 235-245.

Wassenaar T., Robbez-Masson J.M., Andrieux P., Baret F., (2002). Vineyard identifica-tion and description of spatial crop structure by per-field frequency analysisInternational Journal of Remote Sensing 23 (17) 3311-3325.

Wildman W.E., Nagaoka R.T., Lider L.A., (1983). Monitoring spread of grape phylloxe-ra by color infrared aerial photography and ground investigation A. J. of Enol. AndVitic. Jun 1983; 34: 83-94.

Zarco-Tejada P.J., Berjon A., Lopez-Lozano R., Miller J.R., Marin P., Cachorro V.,Gonzalez M.R., de Frutos A., (2005). Assessing vineyard condition with hyperspctralindices: Leaf and canopy reflectance simulation in a row-structured discontinuouscanopy. Remote Sensing of Environment, 99: 271-287.