http://www.ermes-fp7space.eu/

Downstream service regionali e locali: ricerca e trasferimento

Mirco Boschetti, Monica Pepe, Lorenzo Busetto, Daniela Stroppiana, Gabriele Candiani, Francesco Nutini, Luigi Ranghetti e Alberto Crema

http://space4agri.irea.cnr.it/it

Downstream service: l’esperienza del

progetto ERMES

ERMES: fornire informazioni a valore aggiunto al settore agricolo

PROJECT FRAMEWORK

Realizzare un prototipo di “downstream service” dedicato al settore risicolo basato sull’assimilazione di dati EO e in situ in modellistica agronomica.

Lo scopo del sistema, definito sull’esigenze Europee, è quello di:

Contribuire alle attività delle autorità regionali nell’implementazione delle politiche

Fornire informazioni affidabili e indipendenti al settore dell’agro-business.

Supportare le attività aziendali per implementare pratiche di gestione più sostenibili

L’obbiettivo di lungo termine è di estendere il sistema alle esigenze dei mercati Asiatici e Africani, al fine di rafforzare la competitività europea e contribuire allo sviluppo sostenibile.

A Copernicus services Concept

Tools: Geoportal & smart app

PROJECT PORTFOLIO & SERVICE LINE

Processing chain Service demonstration

Yield forecast/estimation

Meteo data

(A)biotic Risk alert

Field level constant pattern

Rice mapping

Biophysical parameter

Field level seasonal pattern

RRS

LRS

Fornire alle autorità (mandato/interesse di monitoraggio larga scala) un sistema agro-monitoraggio dedicato all’identificazione di situazioni anomale, allerte e stime di resa

Fornire al settore privato (agricoltori, cooperative, agro-consulenza, ecc.) informazioni a valore aggiunto sulla variabilità intra-campo delle colture, su i rischi, sulle rese e valutazione dei danni arrecati a livello aziendale

Phenology and development stages

SERVICE DEMONSTRATION

RRS

8

Crop identification

Crop phenology LAI Biotic Risk

Rainfall Maximum humidity

Max Temperature Radiation

COPERNICUS LAI (GEOV1)

WARM MODEL

RRS Crop monitoring platform (http://ermes.dlsi.uji.es/prototype/geoportal/login.html)

9

2015 (2016) Sentinel 1 OLI (S2)

15 LUGLIO PRIMA STIMA 15 SETTEMBRE SUPERFICI

RRS IDENTIFICAZIONE DELLE COLTURE E PRATICHE IRRIGUE

Informazioni sintentiche sulla variabilità spaziale e inter-annuale delle pratiche agricole

MODIS (S2/S3 in future)

RRS DINAMICHE DELLA COLTURA: EPOCHE DI SEMINA E FENOLOGIA

ERMES: a prototype of downstream service

Regional rice monitoring system in Europe (Italy, Spain and Greece)*

• EO processing chain: automatic procedure to derive geo products (Crop mapping, Meteo maps, LAI, Phenology…) as spatialized inputs for the model

• Modelling solution: customization of WARM rice model, for ERMES regional applications, to simulate rice growth processes on a 2x2 km grid over study areas (Italy, Spain, Greece and Gambia)

• Outputs generation and deploy: provide via dedicated GEOPORTAL risk alert and yield estimation

WARM MODEL

ERMES products Geo-processing

2 by 2 km Simulation «Grid»

Risk

Statistical analysis Yield indicators

Yield forecast

RRS ASSIMILAZIONE MODELLISTICA: allerte e stima delle rese

SERVICE DEMONSTRATION

LRS

LRS: Crop management platform (http://ermes.dlsi.uji.es/prototype/geoportal/login.html)

15

Constant Pattern map

Early season field homogenety SAR data (CSK/S1)

Seasonal Pattern maps Optical data (RE)

Phenological stages Biotic Risk

50 unità/ha N

33 unità/ha N

16 16

LRS SUPPORTO PRE-SEMINA

Varietà: Mare Semina: 15 Aprile 2016

Fertilizzazione PRE-SEMINA a rateo variabile 6 Aprile

Mappa della variabilità costante

17 17

33 unità/ha N

27 unità/ha N

30 unità/ha N

Mappa della variabilità stagionale

15 Luglio

Fertilizzazione a rateo variabile basata su mappe di variabilità

26 Luglio

Varietà: Mare Semina: 15 Aprile 2016

LRS SUPPORTO FERTILIZZAZIONI

18 18

2014 2015

2016

VRT – ERMES supported

VRT – ERMES supported

NO - VRT

LRS CONFRONTO MAPPE DI RESA T/HA

NITROGEN NUTRITIONAL INDEX

An operational workflow to assess rice nutritional status based on satellite imagery and smartphone apps

Francesco Nutini a*, Roberto Confalonieri b, Alberto Crema a, Ermes Movedi b, Livia Paleari b, Dimitris Stavrakoudis c and Mirco Boschetti a*

Smart Scouting EO data analysis Maps generation

<= 0.7 0.7 - 0.9 0.9 – 1.1 ESU1.1 – 1.3 >= 1.3Cluster a Cluster b Cluster c ESU

PocketLAI

PocketN

Ncrit=

Dilution curve

LAI map

PNC map

Project follow-up: user uptake

On-going activities

User uptake: Interest in the private & public sectors

TELEMOD: Monitoraggio satellitare NRT (20.000 km^2) con dati HR (Rapid-eye, S2) e fruizione con tecnologia web per supporto attività peritale

BIORISK: Fornitura in NRT di bollettini sul rischio biotico

SATFARMING: Monitoraggio satelitare NRT (S2) dei tenimenti dell’azienda (6500 ha) e supporto allo sviluppo di soluzioni di precision farming

SATURNO: satelliti e tecnologie innovative a supporto di fertilizzazione VRT in risicoltura

Monitoring program blackbridge

TELEMOD (2015 – 2019)

Upload System

Download System

SATFARMING (2016 – 2019)

S2A&B

SATFARMING (2016 – 2019)

S2A&B

SATURNO (2017 – 2019)

Phenological estimation

Pedological analysis

Smart scouting and mapgeneration

Agro-consultancy VR N distribution

24

40 N/ha

20 N/ha

30 N/ha

Evaluation

<= 0.7 0.7 - 0.9 0.9 – 1.1 ESU1.1 – 1.3 >= 1.3

Satellite monitoring

SATURNO (2017 – 2019)

http://saturno.get-it.it/

SATURNO (2017 – 2019)

http://saturno.get-it.it/

Nuove sfide in ambito Osservazione della Terra

Le attività di ricerca hanno evidenziato l’importanza di disporre di adeguate risoluzioni spazio/temporali durante il monitoraggio dei sistemi agricoli da serie temporali di dati satellitari

Discrepanze per pixels misti

Buoni risultati dove le colture sono uniformemente presenti nel pixel

Criticità e prossimi passi

2015 2017 2013 1993 2000 2016

S2A S2B OLI

TM5

MODIS

S3

Serie temporali storiche a livello di azienda ricostruzione Uso del suolo, agropratiche valutazioni effetto del clima sulle produzioni

Serie temporali stagionali a livello di azienda mappatura delle colture, supporto PA, valutazione dei danni alle colture

Necessità informative e soluzioni In

form

azio

ne

Sistema di monitoraggio stagionale NRT Ricostruzione delle dinamiche a lungo termine Pro

do

tto

Integrazione di dati decametrici regolarmente

acquisiti S2A e B + OLI

Fusione dei dati HR EO disponibili con dati LR EO quasi giornalieri

Solu

zio

ne

Fusion of HR (Landsat-OLI, S2) & LR (MODIS, PROBA, S3) images

ROI #1

ROI #2

ROI #1

ROI #2

ROI #1

ROI #2

x x x x x x x x

HR image (SPOT4TAKE5)

LR image (MODIS)

Fusion (20 m; 5 days)

+

=

Ricostruzione delle dinamiche a lungo termine

OLI

MODIS

Sistema di monitoraggio stagionale NRT

Sistema di monitoraggio stagionale NRT

User needs

Technology Research &

development

Downstream services

www.ermes-fp7space.eu

35

More info

Grazie dell’attenzione