Atti Progetto AQUATER, Bari, 31 ottobre 2007, 101-110

L’IMPIEGO DI SENSORI OTTICI SATELLITARI PER LA STIMA DEI FABBISOGNI IRRIGUI

Guido D’Urso, Mario Palladino

Dipartimento di Ingegneria Agraria e Agronomia del Territorio - Università di Napoli “Federico II”

Introduzione

La ricerca scientifica ha portato ad un notevole aumento delle conoscenze dei diversi

processi fisici presenti in un sistema irriguo. In particolare, l’impiego di modelli numerici

di simulazione idrologica consente di migliorare l’efficienza dell’irrigazione, attraverso

una corretta valutazione dei consumi idrici delle colture e delle modalità d’intervento.

L’impiego di questi algoritmi è però severamente limitato dalla necessità di reperire i dati

d’ingresso, specialmente quando le aree d’indagine interessano ampie superfici, come nel

caso dei comprensori irrigui; in questi casi, inoltre, è presente, in genere, una notevole

variabilità delle tipologie colturali e di suolo.

In questo contesto, un valido ausilio è costituito dall’acquisizione di immagini

multispettrali mediante sensori remoti ad alta risoluzione spaziale, unitamente ad

opportune tecniche d’elaborazione e di gestione dei dati (Schultz e Engman, 2000). Le

osservazioni effettuate dai differenti sensori oggi disponibili, nelle regioni del visibile e

dell’infrarosso vicino dello spettro elettromagnetico, consentono di valutare la radiazione

solare riflessa della superficie terrestre, attraverso cui è possibile individuare i principali

parametri che caratterizzano lo sviluppo delle coperture vegetali (in particolare, l’indice di

area fogliare e l’albedo). La conoscenza di questi parametri, unitamente all’acquisizione di

dati agro-meteorologici, permette la valutazione dell’evapotrapirazione delle colture in

condizioni di adeguato rifornimento idrico, attraverso la nota equazione di Penmann-

Montheith, adottata come standard in ambito F.A.O. (Jensen et al., 1990; FAO, 1998).

Nell’ambito del progetto AQUATER, partendo dalla metodologia messa a punto presso il

Dipartimento di Ingegneria Agraria ed Agronomia del Territorio dell’Università di Napoli

“Federico II” (D’Urso e Menenti, 1995), è stata ulteriormente sviluppata e validata una

procedura per la stima dei fabbisogni irrigui delle colture basata sull’integrazione di

informazioni satellitari e dati agro-meteorologici rilevati in situ.

Come verrà mostrato più avanti, mediante opportune elaborazioni e con l’ausilio di

dati agrometeorologici, è possibile ricavare da immagini satellitari le mappe dei fabbisogni

irrigui delle colture.

Le informazioni ottenute dalle immagini telerilevate vengono impiegate per la

definizione dei dati di input necessari per il modello di simulazione idrologico. Ciascuna

parcella, le cui caratteristiche idrauliche sono riportate nel Sistema Informativo

Territoriale, viene schematizzata come una colonna di suolo unidimensionale.

L’inserimento dei dati in formato raster derivati dall’elaborazione delle immagini da

satellite in un Sistema Informativo Territoriale agevola lo scambio di dati di input e di

output con il modello idrologico prescelto.

L'impiego congiunto dei modelli di simulazione del bilancio idrologico e delle

tecniche di telerilevamento può risultare di notevole utilità nella valutazione dell’efficienza

degli interventi irrigui. In particolare, è possibile confrontare i risultati ottenuti da differenti

simulazioni in cui vengono variati, ad esempio, la distribuzione e l'entità dei volumi

d'adacquamento.

102

Metodologia

Le condizioni della copertura vegetale del suolo intervengono nella stima dei flussi

potenziali di evaporazione e di traspirazione, Es,p e Tp (mm/giorno), nonché l’entità dei flussi

netti di irrigazione e precipitazione, In e Pe (mm/giorno). Nel caso di una copertura uniforme

del suolo ed in presenza di adeguata disponibilità idrica (condizioni potenziali o standard),

si può stimare la somma di Es,p e Tp attraverso la nota equazione di Penman-Monteith

(FAO, 1998). In questa relazione, diffusamente impiegata per il calcolo

dell’evapotraspirazione ET da dati meteorologici standard, è necessario conoscere i valori

di albedo r, indice di area fogliare LAI e altezza media del manto vegetale hc. Questi

parametri intervengono nel calcolo della radiazione netta Rns e delle resistenze rc ed ra

secondo le seguenti relazioni:

(1 )ns tR r S= − [1]

max

,min

max max

0.5100

0.5 0.5

eff

c

effeff

LAI LAI LAI LAIr

LAI LAI LAI LAILAI

< ⇒ == ≥ ⇒ =

[2]

2 23 3ln ln

0.123 0.0123

0.168

U c T c

c c

a

z h z h

h hr

U

− − = [3]

Nelle precedenti equazioni St rappresenta la radiazione solare incidente, U la velocità

del vento, zu e zT. le altezze di misura anemometrica e termo-igrometrica. Nell’eq. [2] è

stata implicitamente assunta una disponibilità idrica del suolo non limitata (condizione

potenziale), attraverso un valore minimo della resistenza stomatica, assunto pari a

100 sm-1.

Assumendo che l’altezza della coltura hc sia legata al LAI da una relazione di tipo

lineare, l’equazione (3) può essere scritta nel seguente modo:

( )lna

a b cLAIr

U

−= [4]

ove i parametri a e b, nel caso di zU = zT = 2 m assumono entrambi il valore a = b = 66,

mentre in molti casi il valore di c può essere approssimato pari a 0.2. Inoltre, il flusso di

calore nel suolo G può essere stimato dalla relazione seguente proposta da Choudhury et

al. (1987):

0.50.4 LAI

nsG e R−= [5]

Così facendo l’equazione di Penman-Monteith, adottata in ambito F.A.O. (1998) può

essere adattata per il calcolo dell’evapotraspirazione massima ETp, e scritta esplicitamente

in funzione dei parametri colturali (r, LAI e hc) e di quelli meteorologici:

( )( )( ) ( ) ( )( )( )( )( )

0.5 *1 0.4 1 / ln86400

1 / ln

LAI

t p a s a

p

s e S L c e e U a b cLAIET

s U a b cLAI LAI

α ρ

λ γ

− − − + + − − =

+ + −

[6]

103

in cui L* è la radiazione alle onde lunghe, cp è il calore specifico dell’aria, ρa la densità,

(es−ea) il deficit di vapor saturo, λ il calore specifico di evaporazione dell’acqua, e γ è la costante psicrometrica. Tutte queste quantità possono essere facilmente dedotte dalle

misure di temperatura Ta ed umidità relativa dell’aria RH. Adottando, invece, i valori

standard dei parametri della vegetazione (r = 0.23; LAI = 2.88; hc = 0.12 m), si ottiene

l’evapotraspirazione di riferimento ET0 (F.A.O., 1998). In pratica, in base all’eq.[6], per un

assegnato insieme di dati meteorologici, è possibile stabilire una corrispondenza fra il

valore di Kc ed i parametri r e LAI:

( ), ; , , ,p

c t

o

ETK f r LAI S U T RH

ET= = [7]

La relazione [7] esprime il coefficiente colturale Kc, largamente impiegato in

irrigazione, mediante una relazione analitica f fra i parametri della vegetazione r e LAI, e le

variabili meteorologiche (temperatura T, velocità del vento U, pressione di vapore e,

radiazione globale St).

Per coperture del suolo parziali, si può effettuare la ripartizione di ETp nei termini

Es,p e Tp ricorrendo alla nota schematizzazione:

0.5

,

LAI

s p pE ET e−= [8]

( )0.5

, 1 LAI

p p s p pT ET E ET e−= − = − [9]

Anche i flussi di precipitazione al netto dell’intercettazione fogliare, Pn, possono

essere stimati in funzione dell’indice di area fogliare LAI. E’ quindi possibile calcolare il

fabbisogno irriguo massimo dalla relazione:

irr p eV ET P= − [10]

Stima di parametri della vegetazione dalla riflettanza della superficie

La stima dei parametri r, LAI e hc può essere ottenuta da misure di riflettanza della

vegetazione ottenute da immagini satellitari ad alta risoluzione. La distribuzione

direzionale della riflettanza spettrale della vegetazione, indicata con l’acronimo BDRF

(Bi-directional Reflectance Distribution Function) è il risultato dell’interazione di diverse

componenti, quali lo sviluppo del manto vegetale, le proprietà spettrali dell’apparato

fogliare e del suolo, la geometria esistente fra illuminazione ed osservazione. Inoltre,

nell’impiego di sensori trasportati a bordo di piattaforme aeree o spaziali è necessario

tenere in debito conto dell’influenza dei fenomeni di diffusione ed adsorbimento

atmosferico sul segnale rilevato dal sensore. E’ infatti particolarmente importante applicare

degli algoritmi di correzione degli effetti atmosferici per poter avere stime attendibili della

riflettanza della superficie terrestre.

La complessa interazione fra la radiazione solare e la vegetazione può essere

descritta ricorrendo a modelli analitici che consentono di stimare la funzione BRDF

partendo dai parametri caratteristici della vegetazione, fra cui LAI e LIDF (distribuzione

dell’angolo d’inclinazione dell’apparato fogliare). L’inversione di questo tipo di modelli

richiede però osservazioni multiangolari e multispettrali simultanee; recenti studi hanno

104

dimostrato la necessità di disporre di osservazioni in almeno 5 angoli differenti ed in 7

bande opportunamente scelte per poter ottenere stime di LAI con precisione confrontabile

con misure in-situ.

In base alle caratteristiche dei sensori satellitari multispettrali ad alta risoluzione e

commercialmente disponibili (Landsat, SPOT) è possibile quindi stimare le quantità r, LAI

ed hc soltanto applicando algoritmi semi-empirici, basati sull’ipotesi che le superfici

osservate presentino un comportamento di tipo Lambertiano. Pur considerando le

limitazioni di questo tipo di approccio, l’impiego di opportune procedure di calibrazione

con dati di terra può condurre a risultati di accettabile accuratezza per molti scopi pratici.

Stima dell’albedo

Nel caso di un sensore multispettrale con n-bande, l’albedo, o più correttamente la

riflettanza emisferica integrata spettralmente, può essere stimato sommando i contributi di

riflettanza in ciascuna banda λ, tenuto conto della corrispondente irradianza solare Eλ0 e della radianza riflessa Kλ

↑:

( )1

20

0 0cos

n K dr

E

λλ

λ λ

πϑ

↑

= ∑ [11]

Nella [11] d0 è la distanza Terra-Sole in U.A. e ϑ0

è lo zenith solare. Introducendo i

valori di riflettanza superficiale rλ - dedotte dalle radianze misurate al sensore mediante

algoritmi di correzione che descrivono i fenomeni di trasferimento radiativo nell’atmosfera

- la relazione [11] si semplifica nella seguente:

1,2,...,r w r nλ λλλ= =∑ [12]

in cui i coefficienti wλ sono calcolati dall’irradianza spettrale del sole Eλ0 nella banda λ

corrispondente:

0

0

Ew

E

λλ

λλ

=∑

[13]

Nella caso del Landsat Thematic Mapper, le equazioni [12] e [13] possono essere

applicate adottando i valori di wλ e Eλ0 riportati in tabella 1.

Tabella 1. Coefficienti per il calcolo dell’albedo da adottare nell’Eq.

Errore. L'origine riferimento non è stata trovata. per il Landsat TM.

Banda Lunghezza onda

(nm)

Ampiezza

(nm) E0λλλλ

(W m-2)

wλλλλ

(-)

TM-1 485 66 129.16 0.2212

TM-2 560 82 149.98 0.2569

TM-3 660 67 104.32 0.1787

TM-4 830 128 134.02 0.2295

TM-5 1650 217 47.59 0.0815

TM-7 2215 252 18.78 0.0322

Stima del LAI

Un modello semi-empirico diffusamente impiegato per la stima del

semi-empirica proposta da

comportamento radiativo di diversi tipi di colture:

1ln 1

WDVILAI

WDVIα ∞

= − −

In questa relazione, il termine

un’indice radiometrico calcolato dai valori di riflettanza

rosso (0.63-0.69 µm) e dell’infrarosso prossimo (0.76

s ii r

s r

rWDVI = -r r

r

Nella [15] il rapporto

di LAI mediante l’equazione

α. Il primo corrisponde al

individuato con l’ausilio di misure di

Nella figura 1 è riportata la distribuzione dei valori di

campagna sperimentale condotta nel 1994 nella Piana del Sele con dati Landsat TM

2001). Introducendo nell’equazione

avendo rilevato un valore massimo di

estensione dell’area di studio, comprendente circa 3000 parcelle. L’errore medio assolut

risultante nella stima del LAI

da 0.5 a 4 m2/m

2. Per valori di

analoghe con altri indici di vegetazione è molto meno pr

saturazione. I vincoli posti alla relazione

imprecisione nel calcolo di ET

Figura 1. Distribuzione di frequenza del parametro

base di 11

empirico diffusamente impiegato per la stima del LAI

empirica proposta da Clevers (1989), dedotta da un’analisi semplificata

comportamento radiativo di diversi tipi di colture:

WDVI

WDVI∞

In questa relazione, il termine WDVI (Weighted Difference Vegetation Index) è

un’indice radiometrico calcolato dai valori di riflettanza rr e ri rispettivamente nelle bande del

m) e dell’infrarosso prossimo (0.76-0.90 µm):

il rapporto rsi /rsr rappresenta la pendenza della linea del suolo. Per la stima

mediante l’equazione [14] occorre preventivamente determinare i parametri

. Il primo corrisponde al WDVI osservato per LAI tendente ad ∞individuato con l’ausilio di misure di LAI a terra.

è riportata la distribuzione dei valori di α, ottenuta nel corso di una campagna sperimentale condotta nel 1994 nella Piana del Sele con dati Landsat TM

nell’equazione [14] il valore medio della distribuzione di

avendo rilevato un valore massimo di WDVI∞ uguale a 51, è stato stimato

estensione dell’area di studio, comprendente circa 3000 parcelle. L’errore medio assolut

LAI con la procedura descritte è risultato di 0.3 nell’intervallo di

. Per valori di LAI superiori a 4-5, la stima basata sull’eq.

analoghe con altri indici di vegetazione è molto meno precisa, a causa di effetto di

saturazione. I vincoli posti alla relazione [2] rendono però molto ridotti gli effetti di questa

ETp.

Distribuzione di frequenza del parametro α derivato sulla base di 118 misure di LAI di pieno campo (D’Urso, 2001)

105

LAI è la relazione

, dedotta da un’analisi semplificata del

[14]

(Weighted Difference Vegetation Index) è

rispettivamente nelle bande del

[15]

rappresenta la pendenza della linea del suolo. Per la stima

occorre preventivamente determinare i parametri WDVI∞ ed

∞; mentre α viene

, ottenuta nel corso di una

campagna sperimentale condotta nel 1994 nella Piana del Sele con dati Landsat TM (D’Urso,

il valore medio della distribuzione di α pari a 0.41 ed uguale a 51, è stato stimato il LAI per l’intera

estensione dell’area di studio, comprendente circa 3000 parcelle. L’errore medio assoluto

con la procedura descritte è risultato di 0.3 nell’intervallo di LAI

q. [14] o su relazioni

ecisa, a causa di effetto di

rendono però molto ridotti gli effetti di questa

derivato sulla

D’Urso, 2001).

106

Analisi dei risultati: fabbisogni irrigui stagione 2007

Gli algoritmi descritti precedentemente sono stati impiegati per la produzione di mappe di

r, LAI, ETc e Kc nell’area di studio.

Le mappe di LAI e Kc ottenute in corrispondenza delle date di acquisizione delle

immagini satellitari in formato raster con risoluzione 30 m sono state successivamente

incrociate con la mappa catastale in formato vettoriale, individuando così il valore medio

di LAI e Kc in ciascuna parcella. Un esempio di risultato di quest’elaborazione per il Kc del

mese di giugno 2007 è illustrato in figura 2Figura .

Dalle mappe di LAI e Kc ottenute in corrispondenza delle date di acquisizione delle

immagini satellitari, si è proceduto alla stima delle medesime variabili per le date

intermedie mediante interpolazione lineare. E’ stata così generata una serie temporale di

mappe di LAI e Kc, da cui sono state derivate le mappe giornaliere della distribuzione

spaziale di Es e Tp, in base alle eq.[8] e [9].

I dati raccolti hanno consentito di elaborare, con cadenza settimanale, i fabbisogni

irrigui nei due Consorzi irrigui della Piana del Sele: il Destra del Fiume Sele ed il

Consorzio di Paestum-Sinistra Sele. Le informazioni ottenute possono risultare di

particolare utilità sia in fase di gestione, per migliorare l’operatività degli impianti irrigui,

sia in fase di programmazione degli interventi, per valutare con maggiore accuratezza la

domanda irrigua massima per ciascuno dei distretti.

Figura 2. Mappa dell’indice di area fogliare e del coefficiente colturale Kc in formato raster per i

comprensori irrigui della Piana del Sele. Elaborazione da immagine Landsat TM acquisita in

data 11 giugno 2007.

Le mappe del coefficiente colturale generate per ciascuna immagine satellitare sono

state ulteriormente elaborate per identificare le aree effettivamente coltivate (escludendo

107

quindi superfici prive di vegetazione, centri urbani, strade) e gli apprestamenti protetti

(serre).

Con riferimento ai diversi distretti presenti nei due Consorzi, sono stati stimati i

fabbisogni irrigui cumulati durante la stagione irrigua 2007. I risultati dell’elaborazione per

il Consorzio Destra Sele sono riportati in tabella 2 i valori corrispondenti al Consorzio

Paestum in tabella 3.

Tabella 2. Stima dei fabbisogni dei distretti irrigui per il consorzio Destra Sele. Fabbisogno per ettaro e per

mese.

giorni di osservazione

luglio agosto

31 31

Bacini Superficie totale

(ha)

Superficie irrigua effettiva

(ha)

Fabbisogno irriguo

(m3/ha)

1 CASTRULLO NUOVO 1.737 1.175 1.166 1.274

2 BOSCARIELLO 2.063 1.468 1.205 1.283

3 Z.B.E 1 SEZ.SELE 6.082 3.456 1.159 1.234

4 CANALI PELO LIBERO 467 296 1.080 1.239

5 CANALI PELO LIBERO 4.873 2.430 1.209 1.276

6 FASCIA LITORANEA 1.770 1.120 1.203 1.232

7 CANALI PELO LIBERO 20 5 1.047 1.107

8 CANALI PELO LIBERO 258 132 1.125 1.228

9 CANALI PELO LIBERO 315 139 1.161 1.201

L’analisi di questi dati mostra che il 58,1% della superficie ricadente nei distretti

irrigui del Destra Sele è stata effettivamente irrigata, mentre nel caso del Consorzio di

Paestum, essa è superiore al 67%.

Per il Destra Sele il fabbisogno medio per l’intera durata della stagione irrigua è

valutato in circa 4.000 m3/ha. I valori medi nei mesi di luglio ed agosto sono piuttosto

altro

serre vegetazione

Figura 3. Mappa semplificata di uso del suolo per il consorzio Destra Sele.

108

costanti da distretto a distretto, variando dai 1047 ai 1209 m3/ha nel mese di luglio, e da

1107 a 1283 in agosto.

Dei circa 19 mila ettari dei distretti irrigui di Paestum, 13 mila sono effettivamente

utilizzati per le colture di pieno campo o sotto serra (superficie irrigua netta). I valori dei

fabbisogni irrigui sui 104 giorni osservati sono pari a circa 4.000 m3/ha, in linea con

quanto avviene in Destra Sele.

Tabella 3. Stima dei fabbisogni dei distretti irrigui per il consorzio Paestum. Fabbisogno per ettaro e per

mese.

giorni di osservazione

luglio agosto

31 31

Bacini Superficie totale

(ha)

Superficie irrigua effettiva

(ha)

Fabbisogno irriguo

(m3/ha)

ALIMENTA 3.924 1.143 1.067 1.287

CAPODIFIUME 1.725 1.237 1.173 1.372

IDROVORA 1.618 1.168 1.239 1.335

JONTA 1.064 927 1.141 1.242

LUPATA 1.695 2.059 1.176 1.320

SOLOFRONE 1.551 2.397 1.063 1.261

LA COSA 3.546 731 1.141 1.364

LAMA PANIELLO 1.468 1.005 1.109 1.302

CIORLITTO 2.772 2.379 1.144 1.264

intero comprensorio 19.362 13.046 1.136 1.298

All’interno di ciascun comprensorio è stata fatta una stima del fabbisogno irriguo per

le tipologie colturali maggiormente presenti, quali mais, erba medica e colture arboree

(frutteti) (Tabelle 4 e 5). Si noti che, che nel caso del mais, il fabbisogno medio è risultato

pari a 1428 m3/ha nel mese di luglio e 1205 m

3/ha in agosto.

Tabella 4. Destra Sele. Fabbisogni irrigui medi delle colture. Dati in metri cubi per ettaro e per decade.

coltura

giugno luglio agosto

Sup 11-20 21-30 1-10 11-20 21-31 1-10 11-20 21-31

(ha)

ERBA MEDICA 10.0 220.5 351.6 412.4 516.7 425.5 383.0 375.8 351.6

MAIS 27.7 243.8 326.7 392.6 500.6 535.2 445.3 400.8 358.7

FRUTTETO 77.5 233.8 235.6 213.4 221.5 265.6 218.5 192.5 185.4

Tabella 5. Paestum. Fabbisogni irrigui medi delle colture. Dati in metri cubi per ettaro per decade.

coltura

giugno luglio agosto

Sup 11-20 21-30 1-10 11-20 21-31 1-10 11-20 21-31

(ha)

ERBA MEDICA 23.9 351.4 333.0 382.5 485.7 537.4 466.4 434.7 412.6

MAIS 190.9 336.3 357.3 409.8 502.5 527.9 443.1 405.3 378.3

FRUTTETO 2.2 281.9 292.2 301.0 341.5 324.6 253.7 222.2 220.5

109

Tali valori sono in linea con gli effettivi fabbisogni per l’intero ciclo che possono

essere stimati compresi tra i 3500 ed i 4500 m3/ha in Destra Sele e fra 4200 e 4700 m

3/ha

nel Consorzio di Paestum (Fig. 4).

Figura 4. Consorzio Paestum. Fabbisogni irrigui per decade e cumulati su mais ed erba medica.

Conclusioni

Nel presente lavoro è stata illustrata l’applicazione della metodologia proposta da D’Urso e

Menenti (1995) e sviluppata nell’ambito del progetto AQUATER per la stima dei

fabbisogni irrigui da sensori satellitari. La metodologia è stata applicata alle aree dei

consorzi di irrigazione ricadenti nella piana del Sele, ove è stata condotta un’intensa

campagna sperimentale.

Le tecnologie satellitari consentono oggi un notevole salto di qualità nel livello

d’informazione disponibile per la gestione delle risorse idriche in agricoltura. Le mappe di

fabbisogni irrigui, ottenute mediante la metodologia illustrata, hanno un duplice utilizzo. In

primis, esse rappresentano uno strumento informativo sulla distribuzione spaziale e

temporale della domanda d’acqua in diversi punti dei comprensori irrigui; inoltre, esse

possono essere utilizzate per l’applicazione di modelli di simulazione idrologica, al fine di

stimare i diversi termini del bilancio idrico nel sistema suolo-pianta, tenendo conto in

maniera precisa della variabilità dei fabbisogni irrigui in relazione all’effettivo sviluppo del

manto vegetale.

Integrando fra loro strumenti quali dispositivi di controllo e di telerilevamento,

software di simulazione e di gestione di grandi archivi di dati, è oggi pensabile lo sviluppo

di “sistemi di supporto alle decisioni” nella gestione di un comprensorio irriguo. Questi

strumenti consentono di simulare diversi “scenari” ed identificare per ciascuno di essi le

possibili situazioni di crisi del sistema, dovute, ad esempio, a carenze di tipo strutturale

nella rete di distribuzione od a causa di limitazioni nella disponibilità della risorsa.

L’utilizzazione di software in grado di manipolare dati georeferenziati (Sistemi Informativi

Territoriali) consente di rappresentare in forma cartografica i risultati delle simulazioni, per

una loro più agevole e diretta lettura ed interpretazione.

MAIS

0

100

200

300

400

500

600

11-20 giu

21-30 giu

1-10 lug

11-20 lug

21-31 lug

1-10 ago

11-20 ago

21-31 ago

1-10 sett

11-20 sett

decadi

0

1000

2000

3000

4000

5000

6000

fabbisogno per decade cumulata

ERBA MEDICA

0

100

200

300

400

500

600

11-20 giu

21-30 giu

1-10 lug

11-20 lug

21-31 lug

1-10 ago

11-20 ago

21-31 ago

1-10 sett

11-20 sett

decadifabbisogno (mc/ha)

0

1000

2000

3000

4000

5000

6000

fabbisogno per decade cumulata

110

Bibliografia

Choudhury, B. J., Idso, S. B. and Reginato, J. R., 1987. Analysis of an empirical model for

soil heat flux under a growing wheat crop for estimating evaporation by an infrared-

temperature based energy balnce equation. Agric. For. Meteorol., 39, 283-297.

Clevers, J.G.P.W., 1989. The application of a weighted infrared-red vegetation index for

estimation leaf area index by correcting for soil moisture. Remote Sensing of

Environmental, 29, 25-37.

D’Urso, G. e Menenti, M., 1995. Mapping crop coefficients in irrigated areas from Landsat

TM images. Proceed. European Symposium on Satellite Remote Sensing II, SPIE, Int.

Soc. Optical Engineering, pages 41-47 Bellingham, U.S.A., 1995.

D’Urso, G., 2001. Simulation and Management of On-Demand Irrigation System: a

combined agro-hydrological approach. PhD Dissertation, Wageningen University,

174 pp, ISBN 90-5808-399-3.

FAO. Crop evapotranspiration. Guidelines for computing crop water requirements.

Irrigation and Drainage Paper, 56, 1998.

Jensen, M. E., Burman, R. D., Allen, R. G., 1990. Evapotranspiration and irrigation water

requirements. ASCE Manual n. 701.

Menenti, M., 1984. Physical aspect and determination of evaporation in desert applying

remote sensing techniques. ICW Report n.10 (Special issue).

Schultz, G. A. e Engman, E. T., 2000. Remote sensing in hydrology and water

management. In Gert A. Schultz and Edwin T. Engman editors, Springer-Verlag Inc,

473 pp. New York, U.S.A, 2585.