Progetto Axia - Indicatori stress idrico - 27.02.2012

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

[email protected]

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

Azienda Sperimentale Vittorio Tadini, Piacenza

Localizzazione

LTDA


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


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)


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


Stazione misura di temperatura

radiometrica della canopy (2 plot)

LTDA

Pianificazione dei sorvoli aerei con

sensori iperspettrali


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


perchè i sensori iperspettrali?

LTDA


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


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)


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



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



Misure strutturali e fisiologiche fogliari e di canopy

Alcune ancillari, raccolte da altri gruppi

per altri scopi

LTDA



• 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


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


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


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


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


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


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.

LTDA

Missione spaziale ESA FLEX (FLuorescence Explorer)

Buone news!

LTDA

Grazie per l’attenzione

Progetto Axia - Indicatori stress idrico - 27.02.2012

Education

Transcript of Progetto Axia - Indicatori stress idrico - 27.02.2012