GEOmedia 5 2017

mediageo

Rivista bimestrale - anno XXI - Numero 5/2017 - Sped. in abb. postale 70% - Filiale di Roma

TERRITORIO CARTOGRAFIA

GIS

CATASTO

3D

INFORMAZIONE GEOGRAFICA

FOTOGRAMMETRIA

URBANISTICA

GNSS

BIM

RILIEVO TOPOGRAFIA

CAD

REMOTE SENSING SPAZIO

EDILIZIA

WEBGIS

UAV

SMART CITY

AMBIENTE

NETWORKS

LiDAR

BENI CULTURALI

LBS

Sett/Ott 2017 anno XXI N°5

La prima rivista italiana di geomatica e geografia intelligente

Aerofotogrammetria

dalla Documentazione Storica

all’Analisi Agricola con i Droni

DRONI PER

L’AGRICOLTURA

DI PRECISIONE

EVOLUTION OF

INTEGRATED UAV

SOLUTIONS

TRACCIARE UN

LABIRINTO DI MAIS

CON IL GPS


trimBle SX10

la rivoluzione

è appena cominciata

abbiamo creato uno strumento innovativo, versatile

e integrato. trimble SX10 coniuga la tecnologia di una

Stazione totale robotica di alta precisione con quella di uno

Scanner ad alta velocità e funzionalità imaging reale, senza

alcun compromesso prestazionale.

noleggialo, anche solo per un giorno.

Soluzioni innovative per il rilievo, la misura e la modellazione.

Transforming the way the world works

Spektra Srl, a Trimble Company

039.625051 | info@trimble-italia.it | www.trimble-italia.com


Riprendere dall’alto

Fintanto che l’uomo non ha potuto volare e riprendere il territorio dall’alto ha solo immaginato quale poteva essere

la visione da un oggetto volante, quale ad esempio quella che ha poi dato il nome alla classica “vista d’uccello”, oggi

universalmente realizzata con l’uso dei droni.

Il tema di questo numero è la ripresa dall’alto del territorio, effettuata per analizzarne le sue caratteristiche,

che può mirare alla misura topografica attraverso la tecnica aerofotogrammetrica, oppure a telerilevare

informazioni anche oltre il campo del visibile umano o semplicemente per avere una vista aerea senza alcuna

pretesa geometrica o di fotointerpretazione.

Uno degli scopi più trainanti che hanno consentito in pochi decenni sviluppi tecnologici epocali, è stata

nel secolo scorso l’analisi bellica, che mira da una parte ad individuare obiettivi particolari per eliminarli, ad

esempio con il bombardamento, e poi dall’altra a verificare successivamente l’entità del danno effettuato.

Con questa premessa la Royal Air Force britannica ha eseguito migliaia di fotogrammi aerei del nostro

territorio, oggi conservati presso l’Aerofototeca Nazionale, che costituiscono un prezioso ed inestimabile

tesoro informativo dell’Italia anni ’40 -‘50 ancora quasi sconosciuto e in gran parte non digitalizzato.

L'Aerofototeca Nazionale è una struttura di raccolta e di studio del materiale aerofotografico relativo al

territorio italiano, nata nel 1958 come sezione distaccata del Gabinetto Fotografico Nazionale del Ministero

della Pubblica Istruzione. Dal 1975 fa parte dell’Istituto Centrale per il Catalogo e la Documentazione del

MiBACT.

Nel corso degli anni ha acquisito un patrimonio di oltre due milioni di immagini del territorio italiano, che

datano già dalla fine dell’Ottocento. Tra le immagini più antiche conservate si annoverano quelle del Foro

Romano, riprese ai primi del ‘900 da Giacomo Boni e dalla Brigata Specialisti del Genio; altre immagini di

quel periodo sono pervenute dal Museo Aeronautico Caproni di Trento, dalla Fototeca del 5° Reparto dello

Stato Maggiore dell'Aeronautica, dall'archivio del pittore Francesco Paolo Michetti.

Numerose le collezioni donate o acquistate da società private di rilevazione aerofotografica o produzione di

cartografia, quali Aerofoto Consult, Aerotop, EIRA, ESACTA, E.T.A. Nistri, Fotocielo, I-BUGA, IRTA,

S.A.F. Nistri, SIAT. Alcuni voli di società ancora attive, come CGR e S.A.R.A. Nistri, sono disponibili

soltanto per la consultazione in sede.

Ma tra le collezioni di maggiore importanza citiamo le immagini aerofotogrammetriche stereoscopiche

scattate tra il 1943 e il 1945 dai ricognitori della Royal Air Force britannica (RAF), della United States Army

Air Force (USAAF) e della Luftwaffe tedesca.

Le immagini, ovviamente concentrate solo in zone di “interesse bellico”, sono in corso di catalogazione

e georeferenziazione. Operazione non facile, di cui troviamo resoconto nell’articolo a firma di Shepherd,

Cantoro e Remondino dal titolo “Il potenziale informativo degli archivi di fotografia militare della Seconda

Guerra Mondiale ai fini della protezione civile e dell’analisi del territorio”.

Sempre sul tema dell’osservare dall’alto, seguono in questo numero, testimonianze sull’uso di aeromobili

a pilotaggio remoto (APR o droni nel linguaggio comune) per le analisi di carattere agricolo del territorio,

attività decisamente più pacifiche.

La riduzione dei costi che può portare l’uso di un drone per avere immagini aeree del territorio ha portato

a grandi sviluppi delle tecniche per migliorare coltivazioni, che possono ottimizzare l’uso di fertilizzanti

o di acqua analizzando lo stato di salute vegetazionale delle cultivar. La tecnica è denominata Agricoltura

di Precisione (o Precision Farming) e pur essendo destinata a territori di grande estensione, trova oggi

applicazione, proprio grazie ai droni, anche in limitate estensioni di territorio.

Sistemi di teleguida dei mezzi agricoli, assistiti da droni che scrutano la vegetazione dall’alto inviando

immagini che in tempo reale l’agricoltore elabora sul suo laptop, sono di uso corrente nelle grandi estensioni

agricole mondiali ed anche in Italia si affacciano i primi esperimenti, come ad esempio quelli di agricoltura

di precisione sui vigneti o per la frumenticoltura nei casi studio che vi presentiamo.

Il futuro dei droni nella moderna farming industry è segnato e Nathan Stein, di Sensefly, ce ne porta una

grande testimonianza nella Guest Paper di questo numero.

Buona lettura, Renzo Carlucci


In questo

numero...

FOCUS

REPORT

GUEST PAPER

LE RUBRICHE

Il potenziale

informativo degli

archivi di fotografia

militare della II

Guerra Mondiale ai

fini della protezione

civile e dell’analisi del

territorio

di Elizabeth Jane Shepherd,

Gianluca Cantoro

Fabio Remondino

6

38 COMMEMORAZIONE

50 AGENDA

L'immagine di sfondo nel

Sommario è del 22 agosto

2017 e ci trasporta nel nord

del Brasile, nel punto in cui il

Rio delle Amazzoni incontra

l’Oceano Atlantico. Le forme

geometriche sono dovute a

coltivazioni agricole, mentre

strade ad andamento lineare

attraversano la restante area di

densa vegetazione. Le foreste

pluviali vengono distrutte a

livello globale ad un ritmo

allarmante. Questo fatto è di

grande rilevanza perchè esse

giocano un ruolo importante

nella formazione del clima

globale. Inoltre questa foreste

ospitano una estesa varietà di

piante, animali ed insetti. Più

di un terzo di tutte le specie

del mondo vivono nella Foresta

Pluviale del Rio delle Amazzoni.

Immagine dal satellite Sentinel-

2A, del programma europeo

Copernicus. Credits ESA.

In copertina una delle

immagini aeree scattate

durante la seconda Guerra

Mondiale della Rpyal Air

Force inglese che oggi fa

parte della raccolta di circa

800.000 immagini custodite

nella Aerofototeca Nazionale

dell'Istituto per il Catalogo

e la Documentazione del

MiBACT.

10

16

Attività sperimentale di

agricoltura di precisione

su vigneto

Confronto tra i sensori

Mapir Survey2 e Parrot

Sequoia

di Simone Kartsiotis, Gianluca

Rossetti, Matteo Turci,

Emanuele Luigi de Angelis

Agricoltura di

Precisione per la

frumenticoltura

toscana: il caso studio

di Marco Mancini,

Anna Dalla Marta, Simone

Orlandini, Marco Napoli,

Simone Gabriele Parisi

geomediaonline.it

GEOmedia, bimestrale, è la prima rivista italiana di geomatica.

Da 20 anni pubblica argomenti collegati alle tecnologie dei

processi di acquisizione, analisi e interpretazione dei dati,

in particolare strumentali, relativi alla superficie terrestre.

In questo settore GEOmedia affronta temi culturali e tecnologici

per l’operatività degli addetti ai settori dei sistemi informativi

geografici e del catasto, della fotogrammetria e cartografia,

della geodesia e topografia, del telerilevamento aereo e

spaziale, con un approccio tecnico-scientifico e divulgativo.


24 Agricoltura

di precisione:

l’impegno di

ALPHA Consult

in Europa e

Africa

di Claudia Maltoni,

3DTARGET 33

Agricolus 49

Aeronike 27

AerRobotix 37

Codevintec 32

Epsilon Italia 39

INSERZIONISTI

Una piattaforma

software di supporto

decisionale per la

gestione e l’analisi

di grandi dataset

ambientali

di Raffaele Battaglini,

Valerio Noti, Brunella Raco,

Alessandro Salvadori

28

Elizabeth A. Nerantzis

Esri Italia 23

Geogrà 22

Geomax 52

Mesa 38

Planetek Italia 15

Stonex 43

Survey Lab 48

Teorema 50

TRACCIARE UN

LABIRINTO DI MAIS

CON IL GPS

Il caso del Labirinto

di HORT

di Massimiliano Toppi, Giorgia

44

Il Remote Sensing

per l’individuazione

delle Zone di

Gestione nei vigneti

di Elisabetta Mattioli, Sara

Antognelli, Antonio Natale,

Velia Sartoretti

Topcon 51

Trimble 2

Pandolfi, Francesca Massetani

40

The Future of

Drones in the

Modern Farming

Industry

by Nathan Stein

34

Errata Corrige GEO-media 4 2017

Il sistema FIRE-SAT per il monitoraggio post-incendio:

il caso-studio dell'incendio di Potenza del 21-23 luglio 2015

Il nome corretto dell'autore nel titolo è Fortunato De Santis

invece di Fortuanto Desantis

una pubblicazione

Science & Technology Communication

Direttore

RENZO CARLUCCI, direttore@rivistageomedia.it

Comitato editoriale

Vyron Antoniou, Fabrizio Bernardini, Mario Caporale,

Luigi Colombo, Mattia Crespi, Luigi Di Prinzio,

Michele Dussi, Michele Fasolo, Marco Lisi, Flavio Lupia,

Beniamino Murgante, Aldo Riggio, Mauro Salvemini,

Domenico Santarsiero, Attilio Selvini, Donato Tufillaro

Direttore Responsabile

FULVIO BERNARDINI, fbernardini@rivistageomedia.it

Redazione

VALERIO CARLUCCI, GIANLUCA PITITTO,

redazione@rivistageomedia.it

Diffusione e Amministrazione

TATIANA IASILLO, diffusione@rivistageomedia.it

Comunicazione e marketing

ALFONSO QUAGLIONE, marketing@rivistageomedia.it

Progetto grafico e impaginazione

DANIELE CARLUCCI, dcarlucci@rivistageomedia.it

MediaGEO soc. coop.

Via Palestro, 95 00185 Roma

Tel. 06.64871209 - Fax. 06.62209510

info@rivistageomedia.it

ISSN 1128-8132

Reg. Trib. di Roma N° 243/2003 del 14.05.03

Stampa: SPADAMEDIA srl

VIA DEL LAVORO 31, 00043 CIAMPINO (ROMA)

Editore: mediaGEO soc. coop.

Condizioni di abbonamento

La quota annuale di abbonamento alla rivista Science è di € & 45,00. Technology Communication

Il prezzo di ciascun fascicolo compreso nell’abbonamento è di € 9,00. Il prezzo di

ciascun fascicolo arretrato è di € 12,00. I prezzi indicati si intendono Iva inclusa.

L’editore, al fine di garantire la continuità del servizio, in mancanza di esplicita

revoca, da comunicarsi in forma scritta entro il trimestre seguente alla scadenza

dell’abbonamento, si riserva di inviare il periodico anche per il periodo successivo.

La disdetta non è comunque valida se l’abbonato non è in regola con i pagamenti.

Il rifiuto o la restituzione dei fascicoli della Rivista non costituiscono disdetta

dell’abbonamento a nessun effetto. I fascicoli non pervenuti possono essere

richiesti dall’abbonato non oltre 20 giorni dopo la ricezione del numero successivo.

Gli articoli firmati impegnano solo la responsabilità dell’autore. È vietata la

riproduzione anche parziale del contenuto di questo numero della Rivista in

qualsiasi forma e con qualsiasi procedimento elettronico o meccanico, ivi inclusi i

sistemi di archiviazione e prelievo dati, senza il consenso scritto dell’editore.

Rivista fondata da Domenico Santarsiero.

Numero chiuso in redazione il 20 dicembre 2017.


FOCUS

Il potenziale informativo degli archivi di fotografia

militare della Seconda Guerra Mondiale ai fini

della protezione civile e dell’analisi del territorio

Fotogrammetria, intelligenza artificiale e webGIS al servizio degli archivi fotografici

di Elizabeth Jane Shepherd, Gianluca Cantoro, Fabio Remondino

Durante la Seconda Guerra

Mondiale, la ricognizione

fotografica aerea ebbe un ruolo

decisivo sull'esito delle campagne

alleate in Europa. La visione

dall'alto fornita da fotogrammi

di grande formato ed elevata

risoluzione geometrica

costituiva una fonte primaria

di informazioni per il

monitoraggio delle linee

nemiche, l'identificazione

di bersagli sensibili,

la pianificazione di

attacchi e la valutazione

di danni causati dai

bombardamenti

aerei.

Fig. 1 - Esempi di camere fotografiche (fonte: Wikipedia) usate per ricognizioni aeree durante

la Seconda Guerra Mondiale e grafici delle strisciate di ricognizione (fonte: AFN).

Le ricognizioni aeree venivano

eseguite con aerei

quali British Spitfire,

Mosquito, American P-38

Lightning o P-51 Mustang, e

impiegando camere fotografiche

di medio o grande formato

(K-17, F24, F52), in configurazione

nadirale o obliqua.

Le acquisizioni fotografiche

venivano di norma processate in

tempi brevissimi (a volte anche

allestendo laboratori di stampe

fotografiche di fortuna in tende

militari in prossimità delle basi

aeroportuali) e disseminate nel

teatro di guerra fra gli specialisti

delle varie operazioni.

Al giorno d’oggi la maggior

parte di queste fotografie

è conservata nel Aerial

Reconnaissance Archive - TARA

/ NCAP (http://ncap.org.uk)

e nei National Archives and

Records Administration - NARA

(https://www.archives.gov).

Le foto aeree scattate durante

la Campagna d’Italia

(1943-1945) vennero eseguite

dalla Mediterranean Allied

Photo Reconnaissance Wing

(MAPRW). La MAPRW era

l’arma di ricognizione e intelligence

delle Mediterranean Allied

Air Forces (MAAF), composta

da Royal Air Force (RAF), South

African Air Force (SAAF) e

United States Army Air Force

(USAAF). Quest’attività congiunta

di ricognizione aerea

sull’Italia dal 1943 al 1945 ha

prodotto moltissime fotografie,

6 GEOmedia n°5-2017


FOCUS

Fig. 2 - Risultati

della georeferenziazione

automatica di

due blocchi di

immagini e di

alcuni ingombri

delle strisciate,

visualizzate

all’interno del

GIS dell’AFN.

883.005 delle quali oggi sono

conservate a Roma dall’Aerofototeca

Nazionale (AFN),

uno dei due archivi fotografici

dell’Istituto Centrale per il

Catalogo e la Documentazione

(ICCD) del Ministero per i

Beni e le Attività Culturali. Il

fondo MAPRW dell’Aerofototeca

è composto da 600.000

immagini donate dall’American

Academy in Rome nel 1964 e da

283.005 immagini in deposito

dalla British School a Roma a

partire dal 1975. Questo patrimonio

costituisce una delle più

importanti raccolte di fotografie

aeree della II° Guerra Mondiale

in Europa e la più importante

fonte di informazioni storiche

in grado di documentare l’urbanizzazione

del territorio italiano

e le modificazioni agrarie prima

della meccanizzazione agricola.

Le principali caratteristiche di

queste fotografie aeree del periodo

bellico sono:

4il significato storico e la valenza

documentale

4l’alta qualità e il livello di

dettaglio (risoluzione geometrica

generalmente di 1m)

4la ricchezza di informazioni

associate ed associabili

4l’informazione sulle aree

bombardate (ca. 1 milione

di bombe sull’Italia negli

anni 1943-45).

4Come convertire in formato

digitale e sostenibile l’enorme

patrimonio fotografico?

4Come condividere al meglio

questa grande quantità di

dati per ricerca, studio, visualizzazione,

protezione, monitoraggio,

interpretazione?

4Come valorizzarli?

4Come sfruttarne i preziosi

contenuti?

Alcuni progetti in passato

hanno provato a dare risposte

ad alcuni dei quesiti

sopra riportati relativamente

alle immagini aeree della

WWII (per es. Furlanello et

al., 2004; Nocerino et al.,

2012; Marchetti et al., 2012).

Tuttavia, i grandi archivi menzionati

in precedenza conservano

ancora quantità di materiali

fotografici (e relative informazioni)

largamente inesplorati e

difficilmente gestibili con metodi

di archiviazione tradizionali.

Peraltro, le fotografie aeree

storiche presentano sfide conservative

ed archivistiche spesso

uniche e peculiari. I fotogrammi

e i negativi -ove disponibili-

sono infatti spesso in fragili

condizioni fisiche, dovute in

larga parte alla stessa genesi dei

fotogrammi come documenti di

rapida consultazione sul campo

e non come documento pensato

per i posteri. Inoltre, la loro creazione

durante la guerra rende

le fotografie aeree veri e propri

documenti storici al pari di antichi

volumi e dipinti artistici.

Per questi motivi, si sta cercan-

La visione

Le domande alle quali si sta

tentando di rispondere includono:

Fig. 3 - Alcune news pubblicate dai media relative alla scoperta e disinnesco di ordigni bellici in Italia.

GEOmedia n°5-2017 7


FOCUS

do di lanciare un progetto interdisciplinare

al fine di:

1. Digitalizzare il patrimonio

fotografico disponibile

presso l’AFN (sono state

attualmente scansionate ca

90.000 su 880.000). I fotogrammi

aerei sono di norma

di due formati: 24x24 cm

e 18x24 cm. La loro digitalizzazione

(considerando

l’archiviazione e gli utilizzi

successivi delle immagini) è

normalmente eseguita a risoluzione

di 600-1200 dpi.

2. Georeferenziare le immagini

e i poligoni di ingombro

delle strisciate aeree (Fig. 2).

È probabilmente il problema

maggiore: in genere non

ci sono metadati, piani di

volo o altre informazioni

associate alle immagini ed è

necessario (o indispensabile),

vista la mole di dati, un

approccio automatizzato.

Finora la procedura è stata

completamente manuale, in

particolare per l’identificazione

dei punti omologhi,

a causa delle numerose

variabili di un territorio notevolmente

modificato negli

ultimi 70 anni. Ad oggi,

la metodologia più diffusa

prevede l’uso di operatori di

tipo SIFT in grado di individuare

elementi simili in

riprese differenti dello stesso

soggetto, ma tali algoritmi

producono spesso risultati

insoddisfacenti a causa dei

grandi cambiamenti del territorio.

3. Condividere i dati tramite

webGIS.

La pubblicazione dei fotogrammi

o dei loro ingombri

via internet tramite una

interfaccia di facile utilizzo

può dare largo accesso a tali

documenti storici. Tuttavia

questa operazione è strettamente

collegata alle due fasi

precedenti (digitalizzazione

e georeferenziazione) e alla

sistematica e dettagliata

archiviazione delle informazioni

in database strutturati

in grado di associare informazioni

sensibili a coordinate

geografiche o poligoni

di ingombro.

4. Analizzare il territorio, in

particolare per:

a. rilevare le tracce dei

bombardamenti aerei,

pesanti e ripetuti, che

ancora oggi causano

problemi quotidiani al

rinvenimento di ordigni

inesplosi (UXO /

UXB);

b. studiare l’uso e i cambiamenti

del territorio.

Di particolare importanza,

anche ai fini della protezione

civile, è il potenziale informativo

dei fotogrammi aerei storici

legato agli ordigni bellici inesplosi

(sintetizzato dall’acronimo

inglese UXO - UneXploded

Ordnance o UXB - UneXploded

Bombs).

Le statistiche militari del dopoguerra

calcolarono più di 1

milione le bombe sganciate dagli

Alleati sull’Italia nel periodo

1943-45, e di queste tra l’8%

e il 10% (pari a circa 38.000

tonnellate di ordigni) non è

esploso. Ogni anno vengono individuati

numerosi ordigni inesplosi

(Figura 3), con ovvi disagi

e pericoli per la società civile

per il disinnesco e la rimozione

di materiale potenzialmente ancora

pericoloso, ma molti altri

sono ancora nel terreno. I segni

dei bombardamenti sono chiaramente

visibili e documentabili

sulle fotografie storiche e le loro

“impronte” possono pertanto

essere trasferite sul territorio

moderno come strumento di

conoscenza preventivo capace

di limitare o eliminare danni a

distanza di tanti anni.

Le immagini aeree della guerra

sono quindi essenziali per

rilevare i crateri delle bombe

esplose (aree di sicuro bombardamento)

e i possibili punti di

impatto di quelle inesplose. E’

quindi necessario analizzare le

foto esistenti, rilevando le aree

di impatto e analizzandone il

contenuto. Il Ministero della

Difesa ha vari strumenti a disposizione

per l’individuazione

delle aree interessate, ma la documentazione

aerea degli alleati,

che costituisce una base certa

di conoscenza, non è mai stata

considerata nel suo insieme a

livello nazionale, ma solo su

piccole aree o province.

L’uso di algoritmi supervisionati

(machine learning) ha sempre

dato risultati interessanti (Fig.

4), anche se fortemente legati

al training-set a disposizione. Si

stanno ora testando vari metodi

e librerie (Tensor Flow, CNN,

Boosting, ecc.) al fine di migliorare

l’apprendimento automatico,

renderlo piú affidabile

e applicabile su scala nazionale.

Il nostro obiettivo al momento

consiste nel creare una casistica

completa dell’aspetto di ogni

possibile cratere, in rapporto

all’ordigno caduto. Una volta

rilevati i casi più comuni e diffusi,

la sfida si sposterà sul come

distinguere ordigni esplosi dagli

inesplosi.

Obiettivo ultimo sarebbe quindi

quello di giungere alla definizione

di un metodo completamente

automatizzato basato

su un training-set attendibile.

Tale attività richiede comunque

tempi considerevoli, considerata

anche la mancanza attuale di riscontri

puntuali sul terreno e la

difficoltà di testare una per una

le presenze di potenziali ordigni

inesplosi sul terreno (groundtruthing).

8 GEOmedia n°5-2017


FOCUS

Fig. 4 - Risultati dell’identificazione supervisionata (machine learning) di crateri di bomba in immagini aeree (sinistra). Crateri di bomba

identificati in un’immagine storica a confronto con un’immagine attuale (destra).

Conclusioni e lavori futuri

Le foto aeree della Seconda

Guerra Mondiale conservate

presso l’Aerofototeca Nazionale

sono una grande risorsa per la

protezione civile e l’analisi del

paesaggio. È necessario pianificare

la conservazione, la condivisione

e la valorizzazione di

questo incredibile patrimonio

per molti aspetti ancora sottostimato

e sottovalutato.

Le attività si devono concentrare

su una diffusione a livello

nazionale attraverso una piattaforma

webGIS (in via di pubblicazione),

il tracciamento digitale

delle aree bombardate, la realizzazione

di mappe di rischio

UXO nelle aree urbane e vicino

ai siti archeologici, ecc.

I metodi di machine learning

stanno fornendo risultati interessanti

ma richiedono un

approccio critico e grandi set di

dati per l’addestramento e l'impiego

a scala nazionale: è quindi

necessario un team interdisciplinare

e un approccio sistematico

che porti avanti il progetto in

tempi e quantità significative

(ad oggi solo il 10% delle foto

analogiche è digitalizzato e pubblicato).

BIBLIOGRAFIA

Cantoro, G., 2015: Aerial photogrammetry: when archaeology meets SIFT. In Ivanišević, Veljanovski,

Cowley, Kiarszys & Bugarski (Eds.), Recovering Lost Landscapes, Belgrade, pp.117-128.

Censimento delle raccolte e degli archivi fotografici in Italia: http://www.censimento.fotografia.

italia.it/

Furlanello, C., Merler, S., Menegon, S., Paoli, E., Fontanari, S., 2004: Mapping the Risk of

Unexploded Bombs from World War Two. Italian GRASS users meeting proceedings, Geomatics

Workbooks, pp. 1-2.

Marchetti, A., Shepherd, E.J., Cosci, F., 2012: Geomemories: un punto di raccolta e pubblicazione dei

dati storico geografici. Proc. Workshop Opening the Past. Archaeological Open Data.

Nocerino, E., Menna, F., Remondino, F., 2012: Multi-temporal analysis of landscapes and urban

areas. Int. Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.

39(4), pp. 85-90.

Shepherd, E., J., Palazzi, D. S., Leone, G., Mavica, M., 2012: La collezione c.d. USAAF dell’Aerofototeca

Nazionale, Archeologia Aerea 6, 2012, pp. 16-32.

Shepherd, E.J., 2015: Le foto aeree della II guerra mondiale conservate in Aerofototeca Nazionale e il

loro potenziale informativo per la sicurezza nazionale. Bollettino di Archeologia, VI, 2015/1, 111-

130.

Shepherd, E.J., 2016: Mapping unexploded ordnance in Italy: the role of World War II aerial photographs.

In B. Stichelbaut, D. Cowley (Eds), Conflict Landscapes and Archaeology from Above,

Ashgate, pp. 205-217.

ABSTRACT

WWII aerial photo reconnaissance played a decisive role in the success of the Allied campaigns in Europe. Repeated

aerial surveys provided information to monitor enemy lines, identify targets, plan attacks and assess damages

inflicted by aerial bombing. Reconnaissance activity in the 1943-45 Italian campaign produced an awesome

number of aerials, 883,005 of whom are kept today by ICCD-Aerofototeca Nazionale (AFN) in Rome. The often

massive scale of bombing has left a lasting legacy across the landscape, as is shown by the problems in dealing with

unexploded ordnance (UXO), still retrieved on a nearly daily basis. The AFN collection is a powerful, though still

underdeveloped record of the landscape of wartime Italy and is essential for the plotting of UXO hazard maps. The

article focuses on the main steps to be taken in order to exploit and share it.

PAROLE CHIAVE

Fotografie aeree, WWII, machine learning, webGIS, UXO

AUTORE

Elizabeth Jane Shepherd

elizabethjane.shepherd@beniculturali.it,

Aerofototeca Nazionale (AFN), ICCD, Roma

web: http://www.iccd.beniculturali.it/index.php?it/98/aerofototeca-nazionale

Gianluca Cantoro

gianluca.cantoro@gmail.com

Institute for Mediterranean Studies, Foundation for Research and Technology (FORTH), Grecia

Fabio Remondino

remondino@fbk.eu

3D Optical Metrology unit, Fondazione Bruno Kessler, Trento

web: http://3dom.fbk.eu

GEOmedia n°5-2017 9


REPORT

Attività sperimentale di agricoltura

di precisione su vigneto

Confronto tra i sensori Mapir Survey2 e Parrot Sequoia

di Simone Kartsiotis, Gianluca Rossetti, Matteo Turci, Emanuele Luigi de Angelis

Nell’estate del 2017 Zephyr e

DroneBee hanno svolto insieme alcune

sperimentazioni con APR (Aeromobili

a Pilotaggio Remoto) sui vigneti

dell’azienda agricola Savignola Paolina

nel Chianti Classico, in Toscana.

I test avevano l’obiettivo di valutare e

di mettere a confronto la qualità dei

dati forniti dalle camere multispettrali

Parrot Sequoia e Mapir Survey2.

Le camere multispettrali

sono in generale progettate

per acquisire separatamente

diverse bande nello spettro della

luce. Misurando opportune caratteristiche

di riflettanza della

vegetazione nelle diverse bande,

è possibile calcolare particolari

indici vegetativi, quali NDVI

(Normalized Index Vegetation

Index) o SAVI (Soil Adjusted

Vegetation Index), che danno informazioni

funzionali sullo stato

di salute della pianta.

L’andamento degli indici è poi visionabile

dall’agronomo attraverso

le cosiddette “mappe di vigore”

generate in post-processing con

appositi software.

Grazie alla loro compattezza e

leggerezza, Sequoia e Mapir sono

fra le camere più utilizzate in attività

di agricoltura di precisione

effettuate con APR. Sebbene siano

entrambe utilizzate con lo scopo

di generare mappe indicizzate,

queste camere hanno differenze

tecnologiche sostanziali che determinano

pratiche diverse per un

loro corretto utilizzo sul campo.

Di seguito vengono riportate le

principali caratteristiche delle due

camere.

Come prima differenza sostanziale,

le Mapir registrano ciascuna

un’unica banda: risulta dunque

necessario imbarcare sull’APR

almeno due camere, ad esempio

RED e NIR, per l’analisi NDVI

(esiste anche la camera multipla

RED+NIR che registra contemporaneamente

le due bande ma,

essendo la camera di tipo single

imager, cioè con un solo sensore

per registrare entrambe le bande,

i dati raccolti soffrono della sovrapposizione

parziale di queste

ultime, conducendo a mappe di

vigore meno accurate). La camera

Sequoia non ha questo problema,

in quanto possiede in un unico

corpo, oltre che un sensore RGB

nel campo del visibile, ben quattro

sensori multispettrali separati

10 GEOmedia n°5-2017


Parrot Sequoia:

Mapir Survey2:

REPORT

• Sensore da 1.2 MP per ogni banda +

sensore RGB da 16 MP

• Multi imager

• Global shutter

• Bande narrowband: RED (40 nm) +

GREEN (40 nm) + NIR (40 nm) +

RED EDGE (10 nm)

• Ground Sample Distance (GSD): 13

cm/pixel a 120 m

• GPS, IMU e magnetometro integrati

• Sensore di luminosità integrato

• Peso 108 g (camera+sensore luminosità)

• Prezzo circa 3850 euro €

• Sensore Bayer RGB modificato da

16 MP

• Single Imager

• Rolling Shutter

• 1 Banda broadband a scelta tra:

RED, GREEN, BLUE, NIR

• Disponibile anche la versione con

sensore accoppiato NIR+RED

• Ground Sample Distance (GSD):

4.05 cm/pixel a 120 m

• GPS non integrato

• Sensore di luminosità n\on disponibile

• Calibrazione con 3 curve di riflettanza

note

• Peso 64 g

• Prezzo circa 375 euro €

che consentono l’acquisizione

sincronizzata delle immagini nelle

diverse bande. Per contro, la risoluzione

dei sensori del Sequoia

è più bassa (1.2 MP contro 16

MP di Mapir) e questo può in

parte condurre ad una più bassa

precisione del risultato se si lavora

su colture a filare o a crescita verticale,

come i vigneti. A differenza

di Mapir, Sequoia inoltre integra

al suo interno un set di sensori di

posizione e assetto utilizzati per la

georeferenziazione delle immagini

acquisite, ed un sensore di luminosità

da montare separatamente

sull’APR, che permette la calibrazione

automatica dei quattro sensori

multispettrali. Quest’ultima

caratteristica è molto importante

perché permette un confronto

veritiero fra diverse acquisizioni

effettuate per lo stesso terreno

agricolo ma in condizioni di luce

differenti e/o in periodi diversi:

ciò permette di generare dei valori

assoluti in termini di riflettanza.

Mapir non dispone di un sensore

GPS integrato né di un sensore

di luminosità. Di conseguenza, le

immagini vanno georeferenziate

in post-processing e le acquisizioni

possono perdere di valore se le

condizioni di luce subiscono mutamenti

durante la missione (ad

esempio, se il sole viene coperto

dalle nuvole).

In generale è buona norma non

effettuare rilievi in condizioni

di nuvolosità irregolare bensì in

condizione di cielo sereno o totale

copertura, in modo da evitare

le ombre generate dalle nuvole.

Tuttavia, in condizioni di cielo

coperto, solo la Sequoia può dare

dei risultati corretti, poiché regi-

Fig. 1 - Missione 1 Sequoia - Ortomosaico e modello digitale di superficie (DSM).

Fig. 2 - Missione 1 Sequoia - Mappa NDVI.

Fig. 3 - Missione 2 Sequoia - Ortomosaico e modello digitale di superficie (DSM).

Fig. 4 - Missione 2 Sequoia GEOmedia - Mappa n°5-2017 NDVI. 11


REPORT

Fig. 5 - Missione 3 Sequoia- Ortomosaico e modello digitale di superficie (DSM).

Fig. 6 - Missione 3 Sequoia - Mappa NDVI.

Fig. 7 - Missione 2 Mapir - Ortomosaico e modello digitale di superficie (DSM).

Fig. 8 - Missione 2 Mapir - Mappa NDVI.

stra la luminosità corrente durante

il volo. La georeferenziazione

delle immagini Mapir è dunque

possibile solo utilizzando dati di

posizione e assetto provenienti

da sistemi esterni: in genere si

usano i dati forniti dall’autopilota

dell’APR, se questo li rende disponibili.

In conclusione, si può affermare

che le operazioni di sincronizzazione

di georeferenziazione e

di calibrazione delle immagini

ottenute con le Mapir risultano

decisamente più complesse e

articolate rispetto alla camera

Sequoia. Per contro, quest’ultima

ha un costo d’acquisto maggiore

e una risoluzione dei sensori multispettrali

più bassa, che per certi

tipi di colture potrebbe risultare

uno svantaggio.

I Test

I test di volo sono stati svolti

presso l’azienda agricola Savignola

Paolina nel territorio del Chianti

Classico, dove è stata scelta una

porzione di vigneti su cui Zephyr

ha effettuato tre missioni di rilevamento.

Zephyr utilizza l’APR

EXOS, un esarotore ad elevata

autonomia di produzione propria,

specializzato per operazioni

altamente professionali. Nella

configurazione impiegata sul

campo, Zephyr EXOS montava

una piattaforma stabilizzata a due

assi studiata appositamente per il

Parrot Sequoia. I voli sono stati

effettuati al mattino, a mezzogiorno

e nel primo pomeriggio,

in modo da avere condizioni di

luce differenti per ogni set di immagini.

Durante lo svolgersi del

terzo volo inoltre, il cielo risultava

parzialmente velato da nuvole

passeggere.

Tutte e tre le missioni sono state

pianificate tramite una stazione

di terra. Dopo aver caricato le

missioni nella memoria interna

dell'autopilota, l'APR è in grado

di operare in modalità automatica

mantenendo un'altezza dal

terreno costante. Quest'ultima

funzionalità (terrain following)

risulta necessaria per ottenere

valori corretti di riflettanza su terreni

collinari.

Le altezze sono state impostate a

50 metri (missione 1) e 60 metri

(missione 2 e 3), la velocità di

volo a 5 m/s e overlap dei fotogrammi

imposto all’80%. Prima

di effettuare i voli si è proceduto

con la calibrazione dell’IMU e del

magnetometro di Sequoia; inoltre

prima di ogni singolo volo, sono

state scattate le foto ai bersagli di

calibrazione radiometrica per una

corretta analisi dei dati. Il tempo

impiegato per ogni missione è

stato di 20-25 minuti.

Per le camere Mapir sono state

usate identiche impostazioni di

volo. Tuttavia, è stato operato un

unico volo, effettuato subito dopo

la seconda missione di EXOS (a

mezzogiorno circa). Le camere

Mapir sono state montate a bordo

di un DJI Phantom 3 Pro tramite

apposito supporto.

Per la generazione delle mappe di

vigore è stato utilizzato il software

Pix4D e per il post-processing il

software QGis.

12 GEOmedia n°5-2017


REPORT

Il confronto sui risultati è stato

effettuato valutando l’indice

NDVI per entrambe le camere.

Tale indice è definito come il

rapporto, rispettivamente, fra differenza

e la somma dei parametri

NIR e RED ed è uno degli indici

più utilizzati in agricoltura di

precisione per via della sua semplicità

di calcolo e per la capacità

di rivelare stati di stress vegetativo.

Tuttavia la sua stima risulta molto

sensibile alle variazioni atmosferiche

e a fenomeni di disturbo dovuti

alla riflettanza del suolo. Per

ovviare a quest’ultimo problema

è spesso utilizzato l’indice SAVI

che corregge il NDVI rispetti agli

effetti del suolo (cosa particolarmente

importante per i vigneti,

in cui il suolo tra i filari è molto

esposto e potrebbe falsare il risultato

finale).

Risultati – Parrot Sequoia

Di seguito sono visualizzabili figure

a bassa risoluzione relative ai

risultati ottenuti con i tre voli.

Nell’ordine, per ogni missione, si

riportano:

4Ortomosaico e DSM (Digital

Surface Model)

4Mappa NDVI

Si può constatare come i valori

assoluti degli indici ottenuti con i

diversi rilevamenti risultino particolarmente

affidabili, mostrando

valori tra loro molto vicini tra un

test e l’altro. Inoltre, zone di alto

e basso vigore sono rappresentate

qualitativamente bene nelle tre

mappe NDVI.

Questo consente di affermare che:

4i dati sono potenzialmente

confrontabili se acquisiti in

momenti diversi;

4i dati acquisiti sono robusti

rispetto a variazioni moderate

delle condizioni di luce.

Parrot Sequoia, grazie al

sensore di luminosità, risulta

poco sensibile a coperture

leggere e temporanee di nubi

durante la missione. Affinchè

sia garantita la qualità dei

risultati è comunque buona

norma effettuare i voli nelle

ore più calde e in giornate

soleggiate.

La risoluzione della camera

Sequoia risulta sufficiente per

discriminare i filari anche acquisendo

i dati da un’altitudine di 60

metri.

Risultati – Mapir Survey2

Un unico volo è stato effettuato

con due camere Mapir RED e

NIR. Gli ortomosaici sono stati

elaborati secondo le indicazioni

dettagliate reperibili sul sito del

produttore, utilizzando anche appositi

bersagli radiometrici di calibrazione

per normalizzare i dati.

Nell’ordine per ogni missione si

riportano:

4Ortomosaico e DSM

(Digital Surface Model)

4Mappa NDVI

Come si può notare dalle immagini

nella Figura 9, che sono

state scalate sullo stesso intervallo

di valori per un confronto più

efficace, i dati rilevati sono qualitativamente

congruenti tra loro

ma sono abbastanza diversi in

termini di valori assoluti. Dalla

Figura 10, si rileva che la mappa

realizzata con la Mapir ha un

dettaglio maggiore all’interno dei

filari rispetto alla Sequoia, in virtù

di una maggiore risoluzione del

sensore.

Curve di Riflettanza

La figura 12 seguente mostra

l’andamento teorico di tre curve

di riflettanza, chiamate anche

firme spettrali, relative ai casi di

pianta sana, pianta stressata e

suolo. Per i primi due casi si vede

che tra 690 e 740 nm è previsto

un deciso incremento della riflettanza,

proporzionale allo stato di

Fig. 9 - Missione 2 – Confronto Mappe NDVI

Sequoia vs Mapir.

Fig. 10 - Missione 2 – Confronto Mappe NDVI

Sequoia vs Mapir (dettaglio filari).

GEOmedia n°5-2017 13


REPORT

salute della pianta; entrambe le

curve presentano inoltre un punto

di flesso nella zona del RED

EDGE, che separa la riflettanza

VIS dalla riflettanza NIR.

Nei grafici seguenti sono riportate

le curve di riflettanza, con

relativi valori di NDVI, di tre

campioni di suolo e vegetazione

(filare) raccolti durante la missione

2 con camera Sequoia. Le

curve sono state ottenute prendendo

dei punti campione sulle

mappe di riflettanza generate dalle

4 bande rilevate dalla camera

Sequoia (GREEN, RED, RED

EDGE e NIR). Le curve hanno

l’andamento tipico che ci si

aspetterebbe, sia per il suolo che

per la vegetazione. In particolare,

per la vegetazione vigorosa e sana

si notano alti valori di riflettanza

nel NIR (curva verde del primo

grafico), mentre per la vegetazione

meno vigorosa o malata

questa riflettanza è vistosamente

più bassa (curva rossa del primo

grafico). Il suolo ha invece un

andamento crescente con la lunghezza

d’onda e ad un suolo più

umido corrisponde una curva più

bassa.

Nell’ultimo grafico si può infine

notare la sovrapposizione delle

curve di vegetazione e del suolo.

Come ci si poteva aspettare, il

suolo presenta delle riflettanze

maggiori nel campo del visibile e

delle riflettanze minori nel campo

NIR, rispetto ad una vegetazione

sana. I valori di riflettanza, in

termini assoluti, corrispondono a

studi analoghi condotti in passato

sul vigneto.

Fig. 11 - Spettro di riflettanza teorico.

14 GEOmedia n°5-2017

Fig. 12 - Missione

2 – Mappe di

Riflettanza Vegetazione

e Suolo di

3 campioni.

Conclusioni

In conclusione, per riassumere i

risultati dell’esperimento, si può

affermare quanto segue:

4Le camere sono entrambe

efficaci nel discriminare zone a

differente vigore vegetativo.

4Le camere danno risultati qualitativamente

congruenti tra loro.

4La camera Sequoia fornisce

risultati di riflettanza corretti e

confrontabili nel tempo grazie

alle correzioni operate dal sensore

di luminosità.

4Le camere Mapir, avendo una

risoluzione maggiore, permettono

di avere una mappa

NDVI più dettagliata rispetto

a quella generata a partire dai

dati Sequoia.

4Le curve di riflettanza di vegetazione

e suolo ottenute da

campioni sulle mappe ricavate

dalla camera Sequoia rispecchiano

la fisica e la natura del

problema in questione.

La camera Sequoia è stata progettata

per avere dei risultati

numerici di riflettanza corretti

poiché, attraverso la calibrazione

radiometrica ed il sensore di luminosità,

è possibile risalire alla

riflettanza, ossia alla percentuale

di radiazione che viene riflessa

da un oggetto nelle varie bande

analizzate.

Questo è possibile perché, mentre

li sensore multispettrale registra la

radianza, ossia la quantità di luce

riflessa da un oggetto nelle varie

bande, il sensore di luminosità

registra l’irradianza solare, che è

un dato necessario per ottenere la

riflettanza. Infatti, il rapporto tra

radianza e irradianza è proprio la

riflettanza.

Tuttavia, se sono ricercati dei

risultati qualitativi utili a discriminare

le zone ad alto e basso

vigore, le camere Mapir risultano

una soluzione alternativa ed economica,

che incontrano limiti allorquando

una più accurata analisi

quantitativa risulti necessaria.

PAROLE CHIAVE

Precision farming; precision viticulture; agricoltura di

precisione; viticoltura di precisione; drone; multispectral

sensors; sensori multispettrali

ABSTRACT

This report presents a comparison via field-testing between

Parrot Sequoia and Mapir Survey2 multispectral cameras.

Both sensors are commonly used in precision farming activities

conducted by micro-RPAS (drones), thanks to their small

size and light weight. The experimental activity was performed

in summer on the vineyards of the Savignola Paolina agricultural

holding in Tuscany. The sensors were mounted on board

the EXOS drone, a hexacopter developed by Zephyr company

and specifically designed for precision farming operations.

Pros and cons qualities for each cameras are examined by a

comprehensive approach, starting from technical specifications

and continuing with a comparison of the results obtained

on field. The activity was performed by a partnership between

the companies DroneBee and Zephyr.

AUTORE

Simone Kartsiotis

s.kartsiotis@dronebee.it

info@dronebee.it

Gianluca Rossetti

Matteo Turci

Emanuele Luigi de Angelis

info@zephyraerospace.com


REPORT

GEOmedia n°5-2017 15


REPORT

Agricoltura di Precisione per la

frumenticoltura toscana: il caso studio

di Marco Mancini, Anna Dalla Marta, Simone Orlandini, Marco Napoli, Simone Gabriele Parisi

Fig 1 - Istallazione della stumentazione per georeferenziazione e sistemi di controllo e

misura su metitrebbiatrici e trattrici.

Gran parte delle aree coltivate a

frumento in Italia sono dislocate

in ambienti caratterizzati da

elevata disomogeneità dal

punto di vista pedologico,

orografico e climatico.

La variabilità dell’ambiente

fisico si riscontra anche nella

crescita e nella produzione del

frumento che mostrano una

differenziazione elevata anche

in aree di coltivazione con

limitate estensioni quali campi

di pochi ettari.

In tale contesto la possibilità

di applicare input di coltivazione

in maniera sitospecifica,

a seconda delle esigenze, ha

risvolti positivi sulla sostenibilità

sia economica sia ambientale.

La necessità attuale per l’introduzione

di applicazioni di agricoltura

di precisione è di avere

nuove figure professionali che

siano in grado di adottare un

approccio sistemico multidisciplinare

che integri conoscenze

di informatica, di telerilevamento,

di cartografia, di sistemi

informativi territoriali, alle

conoscenze agronomiche, oltre

a competenze tecniche legate ai

centri di assistenza delle componenti

meccaniche (Casa R.,

2016).

Nei progetti integrati di Filiera

“Pasta dei Coltivatori Toscani” e

“Grani Antichi Nuove Tecniche

di lavorarione”, supportati dal

Programma di Sviluppo Rurale

della Regione Toscana, in alcune

aziende agricole pioniere

sono state introdotte macchine

operatrici capaci di guida parallela

e di monitorare le rese,

modelli per la distribuzione

sitospecifica del fertilizzante

azotato, sistemi di monitoraggio

remoto ed un dossier aziendale

informatizzato capace di elaborare

e storicizzare le informazioni

colturali parcellari.

L’obiettivo dei progetti è di gestire

agronomicamente, con tecniche

di agricoltura di precisione,

la coltivazione del frumento

e di trasferire le conoscenze alle

aziende agricole ed al Consorzio

Agrario di Siena, coordinatore

dei progetti.

Le azioni svolte per l’introduzione

delle tecniche di fertilizzazione

di precisione sono state:

4introduzione di sistemi di

geoposizionamento e teleguida

nei mezzi meccanici delle

aziende pilota;

4valutazione dello stato vegetazionale

della coltura per

mezzo di monitoraggio remoto;

4fornitura di mappe di prescrizione

per la concimazione di

copertura sitospecifica basate

su monitoraggio remoto della

coltura;

16 GEOmedia n°5-2017


REPORT

4organizzazione delle infomazioni

per la realizzazione di

un dossier aziendale digitale,

4raccolta di infomazioni utili

per la storicizzazione e tracciabilità

delle operazioni

colturali;

Aspetti agronomici della fertilizzazione

azotata di copertura

del frumento

La resa e la qualità del frumento

sono influenzate dal peculiare

andamento meteorologico di

ciascuna annata. Nelle fasi che

vanno dalla semina alla prima

fertilizzazione di copertura,

nelle aree collinari possono verificarsi

condizioni di notevole disomogeneità

vegetativa all’interno

degli appezzamenti produttivi,

sia con eccessi di precipitazioni

che in condizioni di siccità

(Dalla Marta et al., 2011); nel

primo caso troveremo vegetazione

sofferente soprattutto nei

fondovalle, luogo di ristagni

idrici, mentre in caso di siccità

la vegetazione sarà più rigogliosa

nei fondovalle, generalmente

più umidi. Le necessità di azoto

distribuite sono legate alle

aspettative di resa che, a loro

volta sono legate allo stato di

rigoglio vegetativo della coltura

al momento della distribuzione.

La dose di fertilizzante azotato

viene quindi determinata al

momento della distribuzione in

copertura, a fine accestimento

e a metà levata, sulla base dello

stato vegetazionale del frumento

ed in funzione delle aspettative

produttive medie del campo.

In tale contesto la distribuzione

differenziata all’interno di un

appezzamento non può essere

operata a partire dalle mappe

di resa degli anni precedenti,

ma necessità di un monitoraggio

vegetazionale che consenta

di individuare le potenzialità

produttive delle differenti sottozone.

A livello di ricerca, l’obiettivo

è di simulare, attraverso

la modellistica, la crescita e la

produzione partendo da monitoraggio

remoto e simulando

l’effetto di dosi variabili d’azoto

e dalle previsioni climatiche

fino al raggiungimento della

maturità fisiologica.

Macchine operatrici e sistemi

di monitoraggio remoto

I mezzi meccani delle aziende,

in particolare la mietitrebbiatrice

e la trattrice usata per le concimazini,

sono stati cablati e dotati

di sensori e computer della

Trimble. La mietitrebbiatrice è

stata dotata di sensori di portata

per la misurazione delle produzioni,

mentre per la distribuzione

di concime è stato utilizzato

uno spandiconcime a settori

separati della Kuhn (fig.1).

Per migliorare la precisione dei

sistemi di posizionamento e di

navigazione satellitari, durante

le fasi sperimentali del progetto,

si è provveduto al posizionamento

temporaneo di una singola

stazione RTK (Real Time

Kinematic).

Il monitoraggio dello stato vegetazionale

della coltura è stato

effettuato per mezzo delle immagini

satellitari multispettrali

Rapid Eye, capaci di fornire

contemporaneamente informazioni

su ampie aree di territorio.

Sono state acquisite 2 immagini,

la prima nella prima settimana

di marzo, corrispondente alla

fase fenologica di fine accestimento/inizio

levata (prima della

prima concimazione di copertura)

e la seconda nella prima

settimana di aprile, ossia a metà

levata (prima della seconda concimazione

di coperura).

La risoluzione spaziale di circa

5x5 m è idonea alle applicazioni

reali in quanto lo spandiconcime

opera su un fronte di 18 m,

ed è controllabile solamente su

ciascuna delle due giranti, equivalente

a 9 m.

Il monitoraggio remoto dello

Fig. 2 - Mappa dell’indice NDVI RE (Normalized Difference

Vegetation Index Red Edge) elaborata dall’immagine

telerilevata nell’aprile 2012.

stato vegetazionale del frumento

è stato ottenuto a partire da

indici vegetazionali basati sulla

correlazione che sussiste fra le

risposte di riflettanza nelle varie

bande e le variabili biofisiche

della coltura, gli aspetti quantitativi

e qualitativi delle rese

finali (Filella e Peñuelas, 1994;

Cammarano et al., 2011; Dalla

Marta et al., 2015).

Gli indici di vegetazione sono

utilizzati anche a carattere predittivo,

sia direttamente che integrandoli

con modelli colturali

per stimare la resa in granella

del frumento duro (Broge e Leblank,

2000; Labus et al., 2002;

Mkhabela et al., 2011; Dalla

Marta et al., 2015) e per valutare

aspetti qualitativi della produzione

quali il contenuto di

Fig. 3 - relazione fra NDVI_RE e biomassa secca nelle

fasi fenologiche di levata e antesi. La relazione è significativa

nella fase di levata esuccessivamente scompare

nella fase di antesi.

GEOmedia n°5-2017 17


REPORT

Tab. 1 - Indici

di vegetazione

utilizzati in

questo studio,

dove R è la

riflettanza

alla lunghezza

d'onda (nm).

Indice Formula Bibliografia

NDVI (R 780

− R 670

)/(R 780

+ R 670

) Rouse et al., 1974

NDVI RE (R 780

− R 700

)/(R 780

+ R 700

) Gitelson e Merzlyak, 1997

OSAVI (1 + 0.16)(R 800

− R 670

)/(R 800

+ R 670

+ 0.16) Rondeaux et al., 1996

proteine (Hansen et al., 2002;

Guasconi et al., 2011).

Uno dei problemi principali di

questi indici di vegetazione risulta

essere da una parte la difficoltà

di impiego fino a quando

il suolo non è sufficientemente

ricoperto dalla vegetazione,

ossia verso la fine dell’accestimento;

dall’altra, il fenomento

della saturazione dell’indice che

si raggiunge quando la densità

della copertura vegetale, misurata

in indice di area fogliare

(LAI) supera il valore di circa 3.

In questo caso l’indice perde

la capacità di discriminare la

variabilità della vegetazione in

quanto la risposta radiometrica

è sempre simile (Aparicio et

al., 2002). Recentemente viene

molto utilizzato NDVI red edge

(NDVI RE), calcolato impiegando

la banda a cavallo fra i

700 nm, ricavata fra il rosso e

l’infrarosso vicino. Questo ha

fornito stime migliori rispetto

ai tradizionali indici di vegetazione.

Partendo da tali presupposti

sono stati calcolati, per l’intera

area coperta dalle immagini

telerilevate, l’NDVI e l’NDVI

Tab. 2 - Coefficiente

di determinazione

delle

correlazioni tra i

parametri vegetativi

rilevati nella

coltura nelle fasi

fenologiche di levata

e antesi e gli

indici telerilevati,

nell’anno 2012.

In rosso le relazioni

significative.

Valori di significatività:

P≤0.05

con r≥0.45,

P≤0.01 con

r≥0.57, P≤0.001

con r≥0.69.

CHL R 780

/R 550

− 1 Gitelson et al., 2003

LEVATA

ANTESI

RE oltre ad alcuni dei principali

indici similari principalmente

impiegati in bibliografia (tab. 1

e fig. 2).

Dal monitoraggio remoto alle

mappe di prescrizione

La scelta dell’indice con migliore

performance è stata effettuata

tramite un’acquisizione sincrona

di immagini satellitari e misure

puntuali sulla vegetazione. La

variabilità vegetativa in campo

è stata indotta allestendo campi

sperimentali con due differenti

varietà di frumento duro, Miradoux

e Claudio con differenti

livelli di fertilizzazione azotata

(136, 160 e 183 kg di N ad ha).

Il monitoraggio è stato ripetuto

per 3 anni consecutivi. In 18

punti sono stati prelevati campioni

ed effettuate misure volte

a determinare, nelle fasi fenologiche

di metà levata e antesi, il

peso secco della biomassa aerea,

il suo contenuto di N totale, il

LAI e nella fase fenologica di

maturità, la resa, il contenuto di

N totale nella granella.

Dallo studio delle relazioni fra

indici di vegetazione e parametri

della resa finale è emerso

INDEX PS LAI N N

(g ·m -2 ) (m 2 · m -2 ) (%) (g · m -2 )

NDVI 0.806 0.848 -0.044 0.839

NDVI

RE 0.906 0.942 -0.029 0.935

CHL 0.525 0.591 0.043 0.583

OSAVI 0.807 0.848 -0.044 0.840

NDVI -0.001 0.417 0.301 0.145

NDVI

RE 0.008 0.330 0.260 0.135

CHL 0.034 0.395 0.104 0.057

OSAVI -0.001 0.417 0.301 0.145

chiaramente che, indipendentemente

dalla varietà e dal livello

d’azoto totale fornito, nella fase

di metà levata è ben definita la

produttività relativa che avrà la

coltura. Le aree con vegetazione

più rigogliosa saranno maggiormente

produttive. Tale informazione

confuta la necessità

di sostenere la produzione con

livelli d’azoto proporzionali alle

aspettative delle future necessità

della pianta.

Gli indici telerilevati sono stati

poi messi in relazione con indicatori

vegetazionali rilevati

direttamente sulla coltura (peso

secco, LAI, azoto presente sulla

biomassa verde) nelle due fasi

fenologiche di levata e antesi.

L’indice vegetazionale migliore,

per il monitoraggio remoto della

coltura, è risultato l’NDVI-

RE, che ha mostrato le migliori

performance alla prima data

(tab.2), mostrando correlazione

positiva anche con la resa finale.

Questa capacità di descrivere

lo stato del raccolto è risultata

particolarmente efficace in levata,

per due ragioni principali:

in primo luogo, la variabilità

della vegetazione è abbastanza

elevata per essere discriminata e

descritta da indici telerilevati; in

secondo luogo, la fase di levata

rappresenta il tempo ottimale in

cui il terreno è completamente

coperto dalla vegetazione, ma

questa non è sufficientemente

densa per saturare le risposte

radiometriche delle bande

spettrali con cui si calcolano gli

indici telerilevati.

Con valori di sostanza secca fino

a 300-400 g/m 2 e di LAI fino a

circa 3 l’indice telerilevato riesce

a distinguere le differenze fra le

varie aree con differente rigoglio,

mentre al di sopra la risposta

radiometrica della coltura si

uniforma (fig. 3).

Nel periodo fra inizio levata e

metà della levata si apre quindi

una finestra temporale, in cui

18 GEOmedia n°5-2017


REPORT

la vegetazione copre completamente

il suolo e non è troppo

folta, gli indici vegetazionali

elaborati da informazioni telerilevate

consentono di descrivere

abbastanza bene la variabilità

della vegetazione all’interno

delle unità produttive. Normalmente

questa finestra temporale

è collocata fra le due concimazioni

di copertura.

L’immagine satellitare acquisita

nella fase di fine accestimento

– inizio levata (fine marzo- inizio

aprile) può quindi essere

utilizzata per produrre mappe

di prescrizione della seconda

concimazione di copertura. Risulta,

infatti, idonea a descrivere

la variabilità di campo, fornendo

informazioni puntuali sullo

stato della vegetazione (LAI,

biomassa aerea, azoto fogliare),

ed è associabile alle aspettative

di resa finale.

Dal punto di vista operativo

l’acquisizione delle immagini,

l’ortofotorettifica, le correzione

per la trasparenza dell’atmosfera

e l’elaborazione degli indici vegetazionali

è stata esternalizzata

ad una ditta specializzata. Attualmente

risulta molto interessante

anche la possibilità d’impiego

di monitoraggio remoto

attraverso immagini Sentinel

2 la cui risoluzione spaziale di

circa 10x10 m risulta idonea ai

fini operativi.

Mappe di prescrizione e fertilizzazione

sitospecifica

Le mappe vegetazionali costituiscono,

ai fini sperimentali,

un input per i modelli di crescita

e sviluppo della coltura,

quali CERES-Wheat. I modelli

possono essere calibrati con

informazioni dettagliate sulla

vegetazione, derivanti dal monitoraggio

remoto, con dati meteorologici

previsionali, derivanti

dalle previsioni stagionali e da

differenti dosi di fertilizzante, al

fine di individuare la dose ottimale

ai fini della ottimizzazione

delle performance produttive.

Allo stato attuale nel contesto

operativo non sperimentale

è molto difficile operare con

modelli di simulazione che prevedono

una descrizione dettagliata

di tutte le componenti del

agroecosistema. Per questo motivo

la produzione delle mappe

di prescrizione è stata effettuata

senza l’ausilio di modelli di crescita

e sviluppo. Dalla mappa di

NDVI RE sono state estratte le

mappe dei singoli appezzamenti

produttivi e sono state effettuate

operazioni di reclassamento,

suddividendole in categorie

vegetazionali utilizzabili come

discriminanti delle differenti

necessità di apporti nutritivi

(fig. 4).

La scelta della dose media di

fertilizzante azotato viene lasciata

all’agricoltore in base alla

sua conoscenza, esperienza, e

strategia affinata nel contesto

produttivo, sia agronomico, sia

economico. L’agricoltore può

decidere anche la percentuale in

più od in meno da attribuire a

ciascuna categoria.

Mappatura delle rese

Il sistema di monitoraggio continuo

applicato alle metitrebbie

consente la mappatura delle rese.

La procedura di calibrazione

richiede un primo passagio durante

il quale si acquisiscono dati

Fig. 4 - reclassamento della mappa di NDVI RE 12 apr

2013 (a sinistra) ottenuta da immagini Rapid Eye per

la produzione di una mappa utilizzabile per la fertilizzazione

azotata di copertura (a destra).

georeferiti, visibili in tempo reale

dai monitor di bordo (fig. 5).

Al primo scarico della metitrebbia

si misurano le informazioni

esatte circa il peso e l’umidità

relativa e si riutilizzano per la

calibrazione del sistema di monitoraggio.

Queste informazioni

base di conoscenza e costituiscono

un importante elemento

per il miglioramento e l’estensione

delle applicazioni sitospecifiche.

A questo scopo è stato

impiegato il software SITIfarmer,

piattaforma WEB dedicata

all’agricoltura di precisione.

L’impiego del software gestionale

SITI4farmer (www.

siti4farmer.eu)

Il software di ABACO SPA di

Mantova (www.abacogroup.eu)

è stato utilizzato come base per

assolvere alle necessità di operatività

e di storicizzazione delle

Fig. 5 - Mietritrebbiatura GEOmedia n°5-2017 con monitoraggio 19

continuo delle rese.


REPORT

Fig. 6 - Dashboard di visualizzazione dell’andamento storico dell'indice NDVI medio sull’intero appezzamento,

con possibilità di visualizzare anche il valore del singolo pixel e confrontare le immagini di due

date differenti per il medesimo appezzamento.

informazioni. Infatti la piattaforma

Siti4farmer, utilizzata in

modalità Cloud, fornisce strumenti

finalizzati alla conoscenza

e monitoraggio del territorio,

all’agricoltura di precisione, alla

pianificazione e controllo delle

attività in campo.

Il Portale permette la rappresentazione

del territorio con una

dotazione di ortofoto aeree certificate

e ad altissima risoluzione

(fino a 20 cm) corredate da

altimetria del terrreno (DTM

– Digital Terrain Model) e del

soprasuolo, come alberi , edifici

(DSM – Digital Surface Model).

Il primo passo dell’implementazione

è stata la gestione dei dati

dell’Azienda Chiarion, oggetto

del caso studio, in Siti4farmer

ed ha previsto l’importazione

dei dati catastali da dossier

aziendale. A seguire si è proceduto

all’assegnazione dei codici

colturali idonei (Agea) per una

corretta compilazione del piano

colturale. Collegata ai suddetti

codici colturali, è presente la

gestione della scala fenologica

secondo lo standard BBCH, la

parametrizzazione comprende

anche l’approndimento radicale

medio per tipologia di terreno

ed i coefficienti colturali (Kc)

per ogni macrofase fenologica.

Una volta completato il piano

colturale, Siti4farmer è in grado

di gestire le attività di Pratica

Agricola, che comprendono:

semina, fertilizzazione, diserbo,

trattamenti con fitofarmaci e

raccolta, e in generale tutte le

attività effettuate negli appezzamenti

oggetto dello studio. Da

sottolineare che il portale è in

grado di gestire le base dati raccolta

dagli strumenti in campo.

Il monitoraggio continuo attraverso

l’indice vegetazionale

NDVI

In Siti4farmer è disponibile

un dataset completo di NDVI

calcolato a partire dalle immagini

riprese dalla costellazione

Sentinel 2A e 2B, Landsat 8

durante la stagione vegetativa

della coltura.

La frequenza di ripresa delle

immagini in caso di cielo sereno

è di 4-5 giorni e la risoluzione

è di circa 10x10 m. La risoluzione

temporale ha consentito

di monitorare costantemente

l’andamento dell’intera stagione

vegetativa cogliendone la

variabilità spaziale e temporale

(fig. 6 e 7). La risoluzione spaziale

per colture con copertura

continua della superficie, quali

il frumento, risulta buona per

effettuare la maggior parte delle

operazioni colturali quali diserbi,

concimazioni, trattamenti

fitosanitari (fig. 6 e 7).

Nell’ambito del progetto sopracitato

sono stati presi in

considerazione gli appezzamenti

a frumento nelle campagne

2016/2017 situati nel comune di

Monteroni d’Arbia (SI) ed impiegati

in fase sperimentale per

la stima della bontà predittiva.

La possibilità di seguire, attraverso

il software, l’andamento

della vegetazione durante tutta

la stagione costituisce il presupposto

per rendere accessibile

all’agricoltore le informazioni

operative. Occorre sempre

considerare che la fase in cui le

informazioni circa la variabilità

vegetazionale del campo sono

maggiormente attendibili sono

Fig. 7 - sequenza temporale delle immagini NDVI

dai satelliti Sentinel2 e Landsat 8 relative ad un

appezzamento sperimentale dell'Azienda Chiarion,

durante la stagione frumenticola 2016/2017.

20 GEOmedia n°5-2017


REPORT

sempre quelle comprese fra la

fine accestimento e la fine levata.

Naturalmente è possibile confrontare

gli andamenti di annate

diverse distinguendo anche

le differenze che sussistono di

anno in anno.

L’immagine NDVI è stata processata

attraverso il software

Siti4farmer con la funzionalità

di editing al fine di ottenere

una base informativa utile per

la formulazione della mappa di

prescrizione (fig. 8).

Gli indici agrometeorologici

Oltre agli indici di vegetatività

(NDVI), a partire dai raster

meteorologici giornalieri (calcolati

grazie ai dati meteorologici

della rete SIR - Toscana e dei

dati previsionali giornalieri a 7

giorni), sono stati calcolati sul

territorio oggetto di studio una

serie di indicatori quali: la temperatura

del terreno a 10 cm di

profondità, la radiazione solare

globale, l’evapotraspirazione potenziale

da coltura di riferimento

(ETo) e l’evapotraspirazione

reale della coltura (ETm) e non

ultimo il bilancio idrico.

Per il bilancio idrico oltre ai

suddetti dati meteorologici si è

reso necessario acquisire i dati

pedologici aziendali, necessari

per determinare l’ampiezza del

“serbatoio” cui la pianta può attingere

la risorsa idrica (AWC).

I DSS standard

Sulla base delle informazioni

provenienti dai dati meteorologici

ed indici agrometeo, sono

stati implementati una serie di

allarmi in grado di controllare

le seguenti casistiche:

di valori superiori ad uno

soglia parametrizzabile e comunque

fissata per default a

0.2 , viene emessa un’allerta

nel caso tale soglia venga

oltrepassata,

3) indice di disomogeneità

all’interno dell’appezzamento,

4) accumulo di risorse termiche

insufficienti per la

maturazione tecnologica/

raccolta.

Conclusioni

L’introduzione dei sistemi e

delle tecniche di fertilizzazione

azotata di precisione ha aperto

la strada per nuove sfide volte

ad ampliare le applicazioni possibili

e a migliorare quelle messe

a punto. La storicizzazione delle

produzioni, i dati sulle caratteristiche

dei suoli, i modelli di

crescita e sviluppo, il miglioramento

delle previsioni stagionali,

consentiranno di migliorare

l’affidabilità delle mappe di

prescrizione e delle fertilizzazioni

e di renderle operative anche

per la concimazione fatta alla

semina, la prima concimazione

di copertura e per le necessità

di altri nutrienti quali fosforo e

potassio.

Tutto ciò è facilitato dall’impiego

di software come SI-

TI4farmer che raccolgono in

un unico ambiente tutti i dati

Fig. 8 - immagine NDVI acquisita in fase di levata

(21/4/2016)reclassata ai fini della somministrazione

della seconda concimazione di copertura.

della campagna, ne forniscono

una visione storica e georiferita

(dove, quando, come) e elaborano

informazioni di “supporto

alle decisioni”. Grazie alle nuove

tecnologie sono ora disponibili,

per tutti gli agricoltori e a

costi contenuti, apparecchiature

di precisione, sensoristica di

1) temperatura del terreno

adatta alla semina;

2) crescita vegetativa non uniforme:

a partire dalle immagini

NDVI, andando a

leggere il valore relativo alla

deviazione standard, in caso

Fig. 9 - dashboard che aggrega gli indici agrometeorologici storici e previsionali calcolati sull’azienda

Chiarion. A: Plot andamento delle temperature massime, minime e precipitazioni giornaliere .

B: Plot andamento dell’evapotraspirazione giornaliera da coltura di riferimento e reale del frumento

duro. C: Plot dell’andamento della radiazione globale giornaliera. D: Plot dell’andamento della

temperatura del terreno minima e massima giornaliera a 10 cm di profondità. E:Plot dell’andamento

del bilancio idrico giornaliero.

GEOmedia n°5-2017 21


REPORT

campo ed algoritmi

complessi per la elaborazione

dei dati.

Questo nuovo modo di

lavorare in agricoltura

è la chiave di volta per

l’ incremento e miglioramento

della produzione,

nell’ottica della

sostenibilità, tracciabilità

e capacità di adattamento

ai cambiamenti

climatici.

Ringraziamenti

Si ringrazia il Consorzio

Agrario di Siena, il Dr.

Roberto Ceccuzzi, la

Az. Agr. Chiarion, la

Fondazione Cassa di

Risparmio di Firenze

per il supporto fornito.

Il progetto GRani Antichi

Nuove Tecniche

di coltivazione è svolto

nell’ambito della sottomisura

16.2 - PSR

Regione Toscana.

Si ringrazia inoltre per

il supporto fornito: il

Dr. Agr. Pietro Pagliuca.

BIBLIOGRAFIA

APARICIO, N., VILLEGAS, D., ARAUS, J.L., CASADESUS, J. & ROYO, C. (2002). Relationship between

growth traits and spectral vegetation indices in durum wheat. Crop Sci. 42, 1547–1555.

BROGE, N.H. & LEBLANC, E. (2000).Comparing prediction power and stability of broadband and hyperspectral

vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of

Environment 76, 156-172.

CAMMARANO, D., FITZGERALD, G.J., BASSO, B., CHEN, D., GRACE, P. & O’LEARY, G.J. (2011).

Remote estimation of chlorophyll on two wheat cultivars in two rainfed environments. Crop & Pasture Science

62, 269–275.Casa R. (2016). Agricoltura di precisione. Edagricole. ISBN 978-88-506-5510-6.Dalla Marta A.,

Grifoni D., Mancini M., Zipoli G., Orlandini S. (2011) - The influence of climate on durum wheat quality in

Tuscany, Central Italy. International Journal of Biometeorology, 55, 87-96.

Dalla Marta A., Grifoni D., Mancini M., Orlando F., Guasconi F., Orlandini S. (2015) - Durum wheat in-field

monitoring and early-yield prediction: assessment of potential use of high-resolution satellite imagery in a hilly area

of Tuscany, Central Italy. Journal of Agricultural Science, 153, 68-77

Dalla Marta A., Orlando F., Mancini M., Guasconi F., Motha R., Qu J., Orlandini S. (2015). A simplified index

for an early estimation of durum wheat yield in Tuscany (Central Italy). Field Crops Research, 170, 1-6

FILELLA, I. & PEÑUELAS, J. (1994). The red edge position and shape as indicators of plant chlorophyll content,

biomass and hydric status. International Journal of Remote Sensing 15, 1459-1470.

Guasconi F., Dalla Marta A., Grifoni D., Mancini M., Orlando F., Orlandini S. (2011) - Influence of climate on

durum wheat production and use of remote sensing and weather data to predict quality and quantity of harvests.

Italian Journal of Agrometeorology, 3/2011, 21-28.

HANSEN, P. M., JØRGENSEN, J.R. & THOMSEN, A. (2002). Predicting grain yield and protein content in

winter wheat and spring barley using repeated canopy reflectance measurements and partial least squares regression.

Journal of Agricultural Science, Cambridge 139, 307–318.

LABUS, M.P., NIELSEN, G.A., LAWRENCE, R.L., ENGEL, R. & LONG, D.S. (2002). Wheat yield estimates

using multi-temporal NDVI satellite imagery. International Journal of Remote Sensing, 23, 4169-4180.

MKHABELA, M.S., BULLOCK, P., RAJ, S., WANG, S. & YANG, Y. (2011). Crop yield forecasting on the Canadian

Prairies using MODIS NDVI data. Agricultural and Forest Meteorology 151, 385–393.

PAROLE CHIAVE

Agricoltura di precisione; Rapid Eye; Sentinel-2; monitoraggio remoto; NDVI, DSS

ABSTRACT

Most of the wheat areas in Italy are located in areas characterized by high inhomogeneities from the pedological, orographic

and climatic point of view. In this context, the precision fertilization in function of crop needs, has had a positive

impact on both economic and environmental sustainability.

In the integrated projects of the "Pasta dei Coltivatori Toscani" chain and the " Grani Antichi Nuove Tecniche di lavorazione

", supported by the Rural Development Program of the Tuscany Region, some testing farms have been provided

with operating machines capable of parallel guidance and monitoring yields, precision distribution models for nitrogen

fertilizer, remote monitoring systems, and a computerized business dossier capable of processing and storing parcel information.

This basic knowledge informations are an important element for the improvement and extension of sitospecific

field practice. In this framework, SITIfarmer software was used as a platform dedicated to precision agriculture.

AUTORE

Marco Mancini, marco.mancini@unifi.it

Anna Dalla Marta, Simone Orlandini , Marco Napoli

Dipartimento di Scienze delle Produzioni Agro-alimentari e dell’Ambiente (DISPAA)

Università di Firenze.

Simone Gabriele Parisi, s.parisi@abacogroup.eu

Abaco S.p.A. , Corso Umberto I, 43, 46100 Mantova,

Via Indipendenza, 106

46028 Sermide - Mantova - Italy

Phone +39.0386.62628

info@geogra.it

www.geogra.it

22 GEOmedia n°5-2017


REPORT

®

®

GEOmedia n°5-2017 23


REPORT

Agricoltura di precisione: l’impegno

di ALPHA Consult in Europa e Africa

di Claudia Maltoni, Elizabeth A. Nerantzis

Fig. 1 - Trial per l'agricoltura di precisione in Sud Africa.

Il settore agricolo si trova sempre

più spesso ad affrontare nuove

sfide provenienti da scenari

economici, sociali e ambientali in

rapida evoluzione. Questo obbliga

gli agricoltori ad individuare nuove

soluzioni per far fronte a tali

mutamenti. In questo contesto,

l’agricoltura di precisione si

prefigura come una strategia

efficace, che permette di abbattere

i costi e ottimizzare le attività

agricole, come dimostrato da Alpha

Consult durante le sue attività.

Negli ultimi anni, il mercato

dell’agricoltura di

precisione si è evoluto

rapidamente grazie ai continui

progressi tecnologici nel settore

agricolo, volti a rispondere al

bisogno di una produzione sempre

più efficiente, al crescente

consumo di cibo, nonché alla

necessità di sfruttare le risorse

naturali in maniera sostenibile.

Inoltre, i cambiamenti climatici

dovuti all’aumento del riscaldamento

globale hanno reso necessaria

l’adozione di tecnologie

avanzate per migliorare la produttività

e la resa delle colture.

Secondo un rapporto pubblicato

da Mordor Intelligence

(MI, 2017), nel 2016 il mercato

globale per l’agricoltura di precisione

è stato valutato più di

3 miliardi di dollari e dovrebbe

raggiungere un valore di 7 miliardi

entro la fine del 2022, con

un CAGR previsto del 12,14%

durante il periodo 2017-2022.

Secondo uno studio del Parlamento

Europeo (EP, 2016)

la diffusione di tecnologia di

precisione risulta tuttavia ancora

lenta nel Vecchio Continente,

soprattutto nell’Europa

meridionale. Basti pensare che

oggi in Italia solo l’1% della

superficie agricola coltivata vede

l’impiego di mezzi di agricoltura

di precisione, anche se il dato

dovrebbe salire al 10% entro il

2021, secondo gli obiettivi del

Ministero delle politiche agricole

alimentari e forestali (Mipaaf,

2016).

Come per l’Italia, in tutta Europa

oggi si assiste ad un crescente

interesse degli operatori del

settore primario per l’agricoltura

di precisione. Il fenomeno

non stupisce, se si considera

che il precision farming spesso

permette alle aziende di produrre

output agricoli maggiori e

migliori con input inferiori,

riducendo i costi di esercizio e

l’impatto sull’ambiente e coniugando

redditività e sostenibilità.

In effetti, sempre stando allo

studio del Parlamento Europeo,

la completa diffusione dell’agricoltura

di precisione potrebbe

avere influenze positive su diversi

aspetti, portando benefici

socio-economici e ambientali.

In particolare, si accenna spesso

al ruolo fondamentale della precision

farming nel supportare

lo sviluppo sostenibile e la sicurezza

alimentare, attualmente

garantite con difficoltà crescenti

nell’economia europea.

È altresì necessario sottolineare

l’importanza delle diverse tecnologie

di precisione e strumenti

per l’acquisizione dei dati, tra

cui sensori montati principalmente

su macchine agricole,

applicazioni per smartphone,

satelliti (ad esempio Sentinel 1

e Sentinel 2) fino ai robot agricoli.

Infine, ma non meno importante,

le soluzioni alla base

dell’agricoltura di precisione

saranno enabler fondamentali

nel processo verso il concetto

dell’autonomous driving (es. per

i trattori).

L’avvento di tecnologie sempre

più sofisticate porta necessariamente

con sé una serie di costi.

In tal senso, i benefici prodotti

dall’agricoltura di precisione

devono (e dovranno) rivelarsi

coerenti con la spesa sostenuta

dagli agricoltori per introdurre

queste nuove tecnologie. È in

questo contesto, che l’attività

di ALPHA Consult si inserisce,

attraverso una serie di analisi

costi-benefici volte proprio a

investigare una tale coerenza

per i principali attori nel settore

agricolo.

24 GEOmedia n°5-2017


REPORT

Fig. 2 - I principali servizi di Alpha Consult.

ALPHA Consult

Alpha Consult (www.alphacons.

eu) è una società Europea di

consulenza gestionale focalizzata

principalmente nei settori

GNSS (Global Navigation

Satellite System), EO (Earth

Observation), UAVs (Unmanned

Aerial Vehicle), IoT (Internet

of Things) e relative industry

in Europa e in Africa. Una

lista dei principali servizi offerti

è riportata in figura 2.

Fin dalla sua creazione nel

2009, ALPHA ha lavorato costantemente

con le istituzioni

europee promuovendo analisi

e studi a supporto del valore

aggiunto dell’agricoltura di

precisione. In particolare, attraverso

le sue attività, ALPHA ha

analizzato in dettaglio i benefici

che possono portare al settore

agricolo le tecnologie basate su:

(i) sistemi di navigazione e di

posizionamento come GNSS e

SBAS (Satellite Based Augmentation

System), ed in particolare

Galileo e EGNOS (European

Global Navigation Overlay System);

(ii) sistemi per l’osservazione

terrestre (es. Copernicus);

(iii) sistemi di informazione

geografica (GIS); e (iii) soluzioni

IoT o UAVs (per raccogliere

informazioni). L’analisi è stata

customizzata prendendo in considerazione

diverse variabili (es.

geografia, tipo di coltivazioni,

livello di meccanizzazione) al

fine di sostenere le decisioni

dell’agricoltore nelle diverse fasi,

quali la concimazione delle colture,

la semina o la raccolta.

In questo ambito, ALPHA ha

sviluppato, a seconda dei progetti,

analisi di mercato, analisi

costi-benefici, piani di business,

roadmaps per l’introduzione di

nuove tecnologie. Allo stesso

tempo, si è occupata di stakeholder

engagement (ad es.

tramite interviste e focus group)

e ricerca di nuove opportunità

di finanziamento per il settore

(tra le altre attività, tramite la

partecipazione ad eventi dedicati).

Grazie a questa attività, Alpha

ha maturato una solida competenza

in ambito di precision

agriculture che le ha permesso

di riutilizzare alcuni concetti

tipici del settore (es. “the right

quantity, in the right place, at

the right time” or “autonomous

driving”) anche in ambiti totalmente

diversi come ad esempio

la manutenzione invernale.

L’agricoltura di precisione nei

progetti di Alpha Consult

All’interno del portfolio progetti

di Alpha (più di 100 progetti),

quelli dedicati all’agricoltura

ricoprono da sempre una parte

importante.

Innanzitutto, vanno citati due

framework contract (SUCCESS

e SUCCESS 2) con la Commissione

Europea (2010-2017) per

attività a sostengo della cooperazione

internazionale in ambito

navigazione satellitare e dei programmi

EU in ambito GNSS.

L’estensione al continente Africano

dei servizi di SBAS, ed in

particolare EGNOS, è stato il

focus principale del progetto. Le

relative attività sono state portate

avanti congiuntamente da tre

partner: FDC (coordinatore),

DLC (management advisor)

ed ALPHA (in capo alle analisi

economiche e finanziare).

All’ interno del progetto, a

seguito di uno studio dei potenziali

benefici di SBAS ed

EGNOS in vari settori in Africa,

Alpha ha potuto concludere

che l’agricoltura (in particolare

quella di precisione) è da considerarsi

il secondo mercato

(dopo l’aviazione) a poter ricevere

un impatto positivo dall’estensione

di tali sistemi. In particolare,

i sistemi citati potrebbero

permettere una maggiore

precisione, una riduzione dello

spreco degli input, un miglioramento

del sistema di irrigazione

e gestione delle acque. Di conseguenza,

ci si può aspettare una

riduzione di tempo, soldi e fatica,

un’ottimizzazione della produzione

e un aumento dei profitti.

Tutti fattori che non vanno

sottovalutati in un continente

in cui l’agricoltura contribuisce

al 32% del PIL e dà impiego al

65% della popolazione.

Entrando nel dettaglio dell’analisi,

si vede come la maggiore

precisione permessa da SBAS ed

EGNOS abbia un ruolo chiave

per specifiche colture (quelle

senza marker, come ad esempio

i cereali, mais, il riso, la canna

da zucchero, il sorgo e il grano)

Fig.3 - Il team VISCA presso l'azienda vincola Symington (Portogallo).

GEOmedia n°5-2017 25


REPORT

e fasi (quali i trattamenti iniziali

e quelli successivi alla semina).

Durante queste attività, una riduzione

degli input da un minimo

di 2.36% ad un massimo di

3.55% (soprattutto fertilizzanti,

ma anche riduzione del lavoro

e utilizzo dei mezzi) può essere

raggiunta grazie ad EGNOS.

Partendo da queste premesse e

tramite un modello disegnato

da Alpha, sono stati calcolati i

benefici netti relativi all’utilizzo

di EGNOS (e dell’agricoltura

di precisione) in alcuni paesi

dell’Africa Sub-Sahariana (con

un più alto livello di meccanizzazione)

e specificatamente in

Sud Africa.

Insieme alle analisi fatte per

l’agricoltura di precisione in

Africa, Alpha si è occupata di

capire il valore aggiunto della

stessa (tramite tecnologie ancor

più avanzate) in Europa.

Tra gli altri progetti 1 , VISCA

(Vineyards´ Integrated Smart

Climate Application) è il più

recente. VISCA è un progetto

finanziato dall’ Unione Europea

all’interno del programma

Horizon 2020. Il progetto è

iniziato nel 2017 con durata

triennale (2020). VISCA riunisce

una squadra multidisciplinare

di 11 partners europei

tra cui società di servizi meteorologici

e ambientali, enti di

ricerca e università, produttori e

distributori di vino, e società di

consulenza. Il progetto è coordinato

da Meteosim. I partners

del consorzio includono: Barcelona

Supercomputing Center,

Codorniu, Institut De Recerca

I Tecnologia Agroalimentaries,

Istituto Superiore Mario Boella,

Universita degli Studi di Napoli

Federico II, Mastroberardino

Spa, Symington - Vinhos, Universidade

Do Porto, Unite Technique

Du Semide Geie e Alpha

Consult.

VISCA mira a rendere le industrie

vinicole europee resilienti

ai cambiamenti climatici, riducendo

al minimo costi e rischi

attraverso un miglioramento

della gestione della produzione

(qualità e quantità del prodotto

finale). Per raggiungere questo

obiettivo, VISCA fornirà un

servizio climatico (Climate

Service) e un sistema di supporto

decisionale (Decision

Support System) che verranno

testati con tre potenziali utenti

in Italia, Portogallo e Spagna.

Insieme con altre fonti di dati,

il Climate Change Service di

Copernicus sarà utilizzato. Inoltre,

sarà eseguito uno scouting

dei dataset esistenti e disponibili

all’interno del database GEOSS.

Seppur appena cominciato, le

aspettative rispetto ai potenziali

impatti nel settore sono

già elevate. Secondo un primo

feedback da parte di potenziali

utenti interni al Consorzio 2 o

membri del Project Advisory

Board 3 , “VISCA consentirebbe

una previsione di produzione

anticipate di un anno. Questo

avrebbe un impatto immediato

del valore del raccolto di uva del

2%”. Anche qui, sarà compito

di Alpha validare questi benefici

e capire i potenziali costi, al fine

di stimare l’impatto finale per i

viticoltori e valutare, al tempo

stesso, la sua replicabilità ad altri

settori agricoli ad alto valore

aggiunto (es. olive e riso).

NOTE

1 Alcuni esempi di altri progetti/ attività sono: (i) AUDITOR (Advanced Multi-Constellation EGNSS Augmentation

and Monitoring Network and its Application in Precision Agriculture), un progetto H2020 di durata

biennale (2016-2017) finanziato dall'Agenzia Europea per il GNSS (GSA) (www.auditor-project.eu); servizi di

consulenza ad hoc per GSA nell'ambito del progetto di implementazione dei piani di ingresso sul mercato di

EGNOS per l’agricoltura di precisione.

2 Codorniu, Mastroberardino and Symington.

3 OIV(International Wine Association), INNOVI (Catalan Wine Cluster), PTV (Plataforma Tecnológica del

Vino), Asso Enology, WMO (Wolrd Meteorological Organization), UNEP (United Nations Development Programme)

Consultant, IOC (International Oil Council), AEMO (Spanish Olive Association), CITOLIVA (Olive

Oil technological Center), Aprol Campania (Olive Oil Organization), DELTAMED (Mediterranean Deltas Association),

EEA (European Environmental Agency), JRC (Joint Research Center).

BIBLIOGRAFIA

Precision Agriculture: An opportunity for

EU farmers - Potential support with the

CAP 2014-2020, Study, Directorate-General

for Internal Policies, Policy Department B:

Structural and Cohesion Policies, Agriculture

and Rural Development, 2014. Fonte:

http://www.europarl.europa.eu/RegData/

etudes/note/join/2014/529049/IPOL-AGRI_

NT%282014%29529049_EN.pdf

GNSS Market Report 2017, EU GNSS

Agency, 2017. Fonte: https://www.gsa.europa.

eu/2017-gnss-market-report

Smart equipment for sustainable agriculture

precision farming: producing more with less,

CEMA (European agricultural machinery),

2017. Fonte: http://cema-agri.org/sites/default/files/Smart%20equipment%20for%20

sustainable%20agriculture.pdf

Global Precision Agriculture Market - Growth,

Trends and Forecasts (2017 - 2022), Mordor

Intelligence, 2017. Fonte: https://www.mordorintelligence.com/industry-reports/precision-farming-market

“Linee guida per lo sviluppo dell’agricoltura di

precisione in Italia” Mipaaf, 2016. Fonte: https://www.politicheagricole.it/flex/cm/pages/

ServeBLOB.php/L/IT/IDPagina/10349

PAROLE CHIAVE

Alpha Consult; Agricoltura di precision;

GNSS; Earth Observation; Costs-Benefits

Analysis

ABSTRACT

Precision agriculture is the application of different

technologies and solutions aimed to manage

the variability of agricultural production, in order

to improve crop yield and reduce environmental

impact, by also increasing resilience to climate

change. All in all, these technologies are also key

enabling elements of the foreshadowed autonomous

driving concept realized in the agricultural

domain, applied for tractors and spraying drones,

the documentation of assets and tasks, raising

preparedness for disaster relief, etc.

In recent years, a number of technologies have

been developed leveraging satellite positioning

systems (e.g. Galileo and EGNOS), geographic

information systems (GIS), earth observation

services (e.g. Copernicus), UAVs and/or IoT sensors.

In general, the technology is still far form

level 5 automatization of driving (on the 0-5

ADAS scale), but applications like automatic

steering, tractor guidance, geofencing, livestock

tracking and asset management/documentation

are already quite widespread and their adoption

is expected to grow in the next future.

Nevertheless, the uptake of such sophisticated

technologies necessarily entails a number of costs.

In this sense, the benefits of precision agriculture

must be coherent with the expenditure incurred

by farmers in introducing them. In this context,

throughout different projects, ALPHA Consult's

work and expertise appears crucial to investigate

such coherence for the major players in the agricultural

sector, in particular in Europe and Africa.

AUTORE

Claudia Maltoni

cm@alphacons.eu

Elizabeth A. Nerantzis

en@alphcons.eu

26 GEOmedia n°5-2017


Aeronike presenta City Explorer 3D:

know how e innovazione tecnologica

REPORT

Aeronike, presente sul mercato dal 1966,

ha saputo sviluppare negli oltre 40 anni di

vita, tutte le attività legate al rilievo da

piattaforma aerea, completando la filiera

produttiva dotandosi della strumentazione

necessaria per la redazione di cartografia

numerica aerofotogrammetrica ai

diversi livelli di dettaglio e sviluppando

una competenza core sulla restituzione

3D dei dati aerofotogrammetrici.

City Explorer 3D è una piattaforma

tecnologica che consente di ricreare un

modello virtuale 3D integrando dati e

rilievi aerofotogrammetrici provenienti da

diverse fonti (aereo-drone-terrestri) a

supporto delle esigenze dei diversi enti,

assessorati, associazioni, consorzi etc.

Fornisce all’utente un’esperienza immersiva

3D della propria città o del territorio,

del sito o del monumento di interesse.

Al proprio interno è possibile progettare

specifici itinerari turistici (Tour Virtuali)

con il supporto di una voce narrante

multilingue che permette di immergersi a

360° nel contesto.

L’utilizzatore può accedere al tour virtuale

3D immersivo via web, via APP su dispositivi

mobili, usufruendo anche di supporti

tipo Google Cardboard oppure su un

TOTEM / Monitor Touch Screen disponibile

ad esempio nei vari Punti Informativi

con integrazione di contenuti di Realtà

Virtuale e Realtà Aumentata.

Altri ambiti applicativi del Modello 3D del Territorio

Analisi e Pianificazione

Supporto alla progettazione

Analisi 4D

Rilievo 3D su cui realizzare i progetti esecutivi

Ambiente

GIS 3D

per

interrogazioni

Inserimento di cartografia

Verifiche dimensionali

Inserimento di modelli CAD/BIM

Analisi relazioni spaziali

(rapporto pieni e vuoti)

Export

in

formato

CAD

Realizzazione cartografia da modello 3D

Fotoinserimenti

Supporto per verifica impatto ambientale

Simulazioni (idrogeologico, acustico,etc...)

Profili stradali

www.aeronike.com

Aeronike

@aeronikece3d

Aeronike City Explorer 3D

GEOmedia n°5-2017 27


REPORT

Una piattaforma software di supporto decisionale per

la gestione e l’analisi di grandi dataset ambientali

di Raffaele Battaglini, Valerio Noti, Brunella Raco, Alessandro Salvadori

Fig. 1 - Interfaccia di TL-Ambiens con la rete

di monitoraggio delle acque sotterranee della

discarica “Tiro a Segno” (Cascina, PI).

TL-Ambiens è una piattaforma

software geografica per

l’archiviazione e l’analisi di grandi

dataset ambientali. Il suo utilizzo

sulla rete di monitoraggio di una

discarica per rifiuti speciali ha

permesso di ottimizzare la gestione

dei dati analitici ed è risultato di

fondamentale importanza come

strumento di supporto decisionale

nella soluzione di rilevanti

problematiche ambientali.

Dall’entrata in vigore

del Dlgs 152/2006 il

monitoraggio ambientale

è entrato a far parte a pieno

titolo nella organizzazione di

qualsiasi attività produttiva che

comporti potenziali ricadute

sulle diverse matrici ambientali

(acqua, suolo, aria). Il decreto

demanda infatti il monitoraggio

ai titolari delle attività che sono

obbligati a predisporre piani di

controllo analitici periodici i cui

esiti devono essere comunicati

agli Enti di controllo. All’attività

di monitoraggio di routine del

gestore si somma quella più

sporadica di campionamento e

analisi in contenzioso messa in

atto dagli stessi Enti.

L’insieme di queste attività di

monitoraggio, spesso eseguite

su molti punti di controllo,

con cadenze variabili (da uno

a qualche mese), comportano

negli anni la produzione di

grandi moli di dati analitici;

questi ultimi possono presentare

importanti variabilità sia

intrinseche per la natura delle

matrici analizzate (variabilità

chimica spaziale e temporale) sia

introdotte involontariamente dal

cambiamento delle metodologie

analitiche (ad es. cambio dei limiti

di detezione), delle tecniche di

campionamento ed altro.

Tali variabili naturali o di

metodo devono essere tenute ben

presenti per poter individuare

prontamente ed efficacemente

i mutamenti indotti nel

sistema naturale da eventuali

contaminazioni provocate

dall’attività antropica.

L’utilizzo e l’interpretazione dei

dataset prodotti dai monitoraggi

sono spesso risultati carenti poiché

affrontati dai diversi operatori ed

enti attraverso archivi cartacei o

elettronici, questi ultimi di solito

privi di funzionalità evolute di

ricerca e analisi.

Per risolvere queste problematiche

è stata realizzata una piattaforma

software (denominata TL-

Ambiens), specificamente

progettata per l’archiviazione

dinamica di grandi moli di dati

multitemporali.

Composta da un segmento

geografico (webGIS) e da

un’interfaccia dotata di specifiche

funzionalità di ricerca e analisi

statistica, TL-Ambiens consente

l’archiviazione dei dati analitici

in modo da poter essere filtrati,

interrogati, diagrammati e

rappresentati su base cartografica

oltre alla produzione di elaborati

grafici e di specifica reportistica.

La piattaforma è stata utilizzata

con successo sulla rete di

monitoraggio della discarica per

rifiuti speciali del “Tiro a Segno”

(Cascina – PI; Fig. 1), risultando

di fondamentale importanza

come strumento di supporto

decisionale nella soluzione

di rilevanti problematiche

ambientali.

La discarica oggetto del case

history di seguito illustrato è

gestita dalla Società Ecofor Service

SpA, che utilizza TL-Ambiens

per l’analisi dei dati raccolti sulle

diverse matrici ambientali presso

tutti i suoi impianti.

28 GEOmedia n°5-2017


Fig. 2 - Ricerca di dati analitici con visualizzazione del pannello dei risultati tabellari e

dell’ubicazione dei punti di controllo in mappa

Case History: la gestione dei

dati di monitoraggio di una

discarica per rifiuti speciali

La discarica oggetto di studio

poggia su sedimenti caratterizzati

dall’alternanza di orizzonti

prevalentemente limo-argillosi

con discontinue lenti sabbiosolimose

e orizzonti di torba.

Tale insieme di depositi, di

ambiente lagunare e lacustre, si

comporta nel complesso come

un acquitardo e si sovrappone

ai sottostanti orizzonti sabbiosi

e ghiaiosi di ambiente fluviale

presenti a partire da circa 40-

50 m di profondità dal piano

di campagna all’interno dei

quali è ospitato un acquifero di

importanza regionale.

La discarica è dotata di un sistema

di monitoraggio delle acque

sotterranee, costituito da una

serie di 18 piezometri di controllo

distribuiti sia all’interno (Fig.

1) che all’esterno del perimetro

dell’impianto (S6 e Pozzo A).

Ad eccezione di un pozzo (Pozzo

A) che presenta una profondità

oltre i 50 metri, 14 piezometri si

estendono fino ad un massimo

di 15 metri, mentre altri 3

piezometri (N1, N2 e N3),

raggiungono la profondità di 30

metri.

I 18 punti di controllo sopra

elencati sono oggetto di

monitoraggio trimestrale con

un protocollo analitico che

prevede la determinazione

di 59 parametri chimici e

chimico-fisici e di ulteriori 4

parametri isotopici. A questi

dati si aggiungono analoghe

determinazioni condotte sulle

acque di scorrimento superficiale

raccolte dalle canalette e dai fossi

presenti nelle aree contermini

e sul percolato prodotto dalla

discarica (5 punti di prelievo).

Queste analisi sono state

realizzate a partire dal 2001

e fanno parte integrante del

piano di sorveglianza e controllo

dell’impianto. In totale i dati

chimici archiviati al dicembre

2016 sono oltre 25.000 solo per le

acque sotterranee, con indicazione

Funzionalità e caratteristiche

REPORT

principali di TL-AMBIENS

4Visualizzazione della distribuzione spaziale e temporale

dei dati di monitoraggio

4Gestione dei layer geografici (GIS) di matrici, sottomatrici

ambientali, superamenti di soglia

4Ricerche per matrice, sottomatrice, campagna, intervallo

di date, punto di controllo, parametro, range di

valori, metodo analitico, laboratorio

4Output tabellare e in mappa dei risultati con funzionalità

di esportazione

4Visualizzazione immediata di eventuali superamenti

dei livelli e soglie di allarme (es. Concentrazioni Soglie

di Contaminazione, Livelli di Controllo e di Guardia,

limiti normativi, ecc.)

4Realizzazione di mappe tematiche (per concentrazioni,

superamento soglie, ecc.)

4Verifica qualità dei nuovi dati analitici importati (es.

verifica di elettroneutralità con segnalazione testuale e

grafica di eventuali non conformità, difformità dai dati

pregressi)

4Analisi statistica dei dati con strumenti grafici (es. cronogrammi,

scatterplot, diagrammi triangolari, istogrammi,

QQ-Plot, Box-Plot, ecc.) e numerici

4Possibilità di collegamento a documenti esterni (es. certificati

analitici, stratigrafie, ecc..)

4Pannello di controllo con gestione matrici, sottomatrici,

punti di controllo, campagne, ecc..

4Accurata procedura di importazione delle analisi nella

banca dati con normalizzazione dei dati sorgente eterogenei

(es. diversi laboratori, strumentazioni e metodologie

di acquisizione, ecc..) da formati di foglio elettronico

o database template standardizzati

4Modulo per gestione stazioni di monitoraggio continuo

4Realizzazione di report stampabili

4Supporto multi-utenza con parametri di accesso riservati

4Possibilità di gestione di più impianti/aree di interesse

per singolo operatore

dei vari metadati quali metodo

analitico, laboratorio che ha

prodotto il dato, differenziazione

tra valori effettivamente rilevati

e valori inferiori ai limiti di

detezione.

Tutti i dati sopra descritti sono

interrogabili con la possibilità

di impostare filtri per matrice,

sottomatrice, campagna,

intervallo di date, punto di

controllo, parametro, range

di valori, metodo analitico,

laboratorio e di restituire output

tabellari e in mappa dei risultati

(Fig. 2).

I dati di monitoraggio sopra

descritti sono stati normalizzati

e archiviati con procedure

automatiche all’interno del

geodatabase in formato PostGIS

di TL-Ambiens. Quest’ultimo ha

consentito inoltre l’archiviazione

di informazioni relative alle

stratigrafie dei vari piezometri,

Fig. 3 - Pannello di controllo amministrativo per la gestione degli elenchi e l’importazione delle campagne.

GEOmedia n°5-2017 29


REPORT

dei parametri idrogeologici dei

diversi orizzonti e degli esiti

dei test di cessione realizzati sui

sedimenti campionati a varie

profondità, oltre a tutte le ulteriori

informazioni richieste dall’Ente di

controllo al Gestore dell’impianto

per le matrici ambientali

coinvolte.

La piattaforma dispone di

un pannello di controllo

amministrativo all’interno del

quale è possibile archiviare i dati

di monitoraggio mediante la

semplice importazione di fogli

elettronici o tabelle di database

standardizzati. Il gestore ha

infatti chiesto ai vari laboratori di

analisi di fornire i dati secondo

template prestabiliti. In questo

modo, l’attività di popolamento

è risultata estremamente

semplificata consentendo anche la

verifica automatica di qualità dei

nuovi dati analitici (es. verifica di

elettroneutralità con segnalazione

testuale e grafica di eventuali non

conformità, difformità dai dati

pregressi, ecc..). Il pannello di

Fig. 4 - Rappresentazione spaziale dei valori medi delle concentrazioni di As (in µg/L) registrati

nel periodo 2001-2016. In legenda sono indicati gli intervalli di concentrazione

(Range) e il numero di punti di controllo ricadenti in ciascun intervallo (N).

controllo permette inoltre

l’aggiornamento degli elenchi di

matrici, sottomatrici, campagne,

punti di controllo, parametri,

laboratori e metodi analitici per

ogni singolo impianto gestito

(Fig. 3).

Problematica ambientale:

l’origine delle anomalie di

arsenico

Le acque sotterranee intercettate

dalla rete di monitoraggio della

discarica presentano una notevole

variabilità composizionale con

Fig. 5 - QQplot

(in alto;

concentrazioni

sulle ordinate

in µg/L, Z score

sulle ascisse) e

box-plot As categorizzati

sulle

profondità (a

sinistra 5-8 m;

al centro 12-

15 m: a destra

30-33 m; valori

sulle ordinate

in µg/L).

una prevalenza di facies cloruratoalcaline

e bicarbonato - alcalino

terrose. La maggior parte dei

campioni mostra composizioni

compatibili con meccanismi

di mixing tra questi due end

member composizionali, la cui

origine può essere ricondotta,

rispettivamente, alla dissoluzione

di salgemma da parte di acque

meteoriche infiltratesi localmente

e caratterizzate da circolazioni

molto lente e alla dissoluzione di

minerali carbonatici. Sono inoltre

presenti acque solfato calciche

originatesi probabilmente per

dissoluzione di minerali quali

gesso e anidrite, rinvenuti sia in

forma dispersa che cristallina

nei sedimenti locali. La marcata

variabilità spaziale delle acque

testimonia, in accordo con

le evidenze stratigrafiche e

idrogeologiche, la mancanza di

interconnessione tra gli orizzonti

più permeabili presenti all’interno

dei depositi lagunari (probabili

canali di laguna).

In questo contesto geochimico

e idrogeologico, è stata

riscontrata la presenza di elevate

30 GEOmedia n°5-2017


REPORT

Fig. 6 - Finestra di generazione dei cronogrammi con l’evoluzione temporale delle concentrazioni

di As (in µg/L ) rilevate nelle acque campionate dai piezometri N1, N2 e N3.

Fig. 7 - Finestra di generazione degli scatterplot. Diagramma As vs Fe in scala logaritmica

(valori in µg/L) per le acque campionate dai piezometri N1, N2 e N3.

Fig. 8 - Diagramma semilogaritmico As (µg/L) vs SO4 (mg/L) per le acque campionate dai

piezometri N1, N2 e N3.

Fig. 9 - Diagramma di correlazione As (µg/L) vs Trizio (U.T.) per le acque campionate dai

piezometri N1, N2 e N3.

concentrazioni di As (fino a 220

µg/L). Il rinvenimento di queste

anomale concentrazioni di arsenico

ha comportato, da parte dell’Ente

di controllo, la prescrizione per

l’avvio di una procedura di indagini

supplementari volte a stabilire se

quanto rilevato fosse da correlare

alla presenza di contaminazioni da

percolato o ad altre cause antropiche o

naturali.

La possibilità di avere a disposizione

una piattaforma software in cui i dati

fossero archiviati e informatizzati

e al cui interno fossero disponibili

strumenti di analisi grafica e numerici,

ha enormemente diminuito i

tempi di elaborazione e facilitato la

comprensione dei fenomeni in atto.

Nella maggior parte dei casi, infatti, i

dati di monitoraggio sono archiviati

sotto forma di certificati analitici

cartacei o pdf o, nel migliore dei casi,

su fogli elettronici di varia struttura

più o meno adatta ad eseguire ricerche

ed elaborazioni dei dati. In questi

casi la sola razionalizzazione delle

informazioni implica un ingente

dispendio di energie e di tempo

paragonabile, o superiore, a quello

necessario per l’analisi dei dati, con

il rischio ulteriore di introduzione di

errori di trascrizione e di perdita di

informazioni.

Attraverso TL-Ambiens i dati sono

stati mappati e diagrammati per

indagare la distribuzione spaziale delle

anomalie di arsenico, per individuare

la presenza di trend temporali e per

evidenziare correlazioni della specie di

interesse con altri parametri chimici

e isotopici. In particolare il software

permette di tematizzare sull’interfaccia

webGIS le concentrazioni dei vari

parametri suddivisi in intervalli

graduati e di eseguire varie tipologie

di diagrammi (es. cronogrammi,

istogrammi, scatterplot, QQ-Plot,

Box-Plot, ecc.).

La rappresentazione spaziale

della concentrazione di As (Fig.

4) e la costruzione dei box plot

categorizzati (Fig. 5) ha indicato

che le concentrazioni più elevate

erano costantemente rinvenute

GEOmedia n°5-2017 31


REPORT

Eppur… si muove?

nei piezometri di profondità

intermedia (30 m da p.c.) i cui

sondaggi avevano evidenziato

la presenza di orizzonti torbosi,

ossia livelli per i quali è nota la

possibilità di innesco di processi

di rilascio di As e di altri metalli,

quali Mn e Fe, in ambienti

riducenti (Shaefer et al., 2017;

Dousova et al., 2012 e loro

riferimenti).

L’effettiva presenza di citati

meccanismi di riduzione

della materia organica quali

responsabili dell’arricchimento

in As delle acque sotterranee può

essere verificata analizzando i

rapporti tra questa specie e altri

elementi in traccia che subiscono

lo stesso meccanismo genetico, fra

tutti il Fe. Come evidenziato dal

diagramma As vs Fe (Fig. 7) i due

analiti mostrano effettivamente

una correlazione positiva che

supporta l’ipotesi che le elevate

concentrazioni delle due specie

sia effettivamente da attribuire

ad una origine naturale. Anche

l’osservazione dei rapporti As –

SO 4

(Fig. 8) corrobora questa

ipotesi: infatti, all’aumentare della

concentrazione di solfato, dunque

all’instaurarsi di condizioni

più ossidanti, corrisponde una

riduzione dei contenuti in As.

Per eliminare ogni dubbio circa la

possibilità di un contributo legato

alla discarica è stata verificata la

presenza di eventuali correlazioni

tra l’arsenico e il principale

tracciante del percolato, il trizio

(Tazioli et al., 2002; Fuganti et

al., 2003; Doveri et al., 2008;

Raco et al., 2013). Come è

possibile osservare in figura 9 pur

non essendo stati prodotti dati

isotopici relativi ai campioni dove

è stata riscontrata la maggiore

concentrazione di As, è evidente

come ai valori più elevati di

quest’ultimo corrispondano i

valori minori di trizio. Questa

indicazione esclude chiaramente

che esistano contributi alla

concentrazione di As legati alla

presenza di processi di interazione

tra reflui di discarica e acque

sotterranee.

Conclusioni

La possibilità, da parte del

gestore dell’impianto, di avere

a disposizione, una piattaforma

di archiviazione, interrogazione

e analisi di grandi masse di dati

chimici e non, ha consentito

di affrontare e risolvere una

questione complessa in tempi

rapidi.

Il principale vantaggio di uno

strumento del genere consiste

nel rendere facilmente e

immediatamente disponibile

l’intero storico dei dati di

monitoraggio realizzati sulle

varie matrici ambientali,

archiviati in un unico database

omogeneo e aggiornato. Questa

conoscenza e disponibilità di dati

e strumenti per la loro analisi,

con la possibilità di settare soglie

di attenzione su vari parametri

e punti di controllo, fornisce

un efficace mezzo di gestione

dei dati ambientali che non

dipendono più dalla memoria del

tecnico preposto, ma diventano

parte essenziale del know-how

aziendale.

Ringraziamenti

Si ringrazia la società Ecofor

Service SpA, in particolare

l’Ing. Alessandro Salvadori

e i suoi preziosi colleghi, per

la disponibilità e lo spirito

collaborativo.

Interferometro

radar da terra

Monitoraggio in tempo reale

di deformazioni, movimenti

e vibrazioni fino a una distanza

di 4 chilometri.

Con precisione di 0,01 millimetri

> monitoraggio frane, ponti

e cavalcavia

> prove di carico

> deformazioni dighe e strutture

> analisi modale

> monitoraggio vibrazioni

FastGBSAR RAR

Real Aperture Radar

Photo: designed by Evening_tao - Freepik.com

FastGBSAR: SAR and RAR

Uno strumento, due modalità.

FastGBSAR SAR

Synthetic Aperture Radar

PAROLE CHIAVE

GIS; webGIS; TL-Ambiens; monitoraggio ambientale;

Decision Support System (DSS); analisi statistica;

dataset ambientali; ottimizzazione gestione dati

ABSTRACT

TL-Ambiens is a geographical software platform for storing

and analyzing large environmental data sets. Its use

on the monitoring network of a landfill for special waste

has made it possible to optimize the management of analytical

32 data and was GEOmedia of fundamental n°5-2017 importance as a tool

to support decision-making in the solution of significant

environmental problems.

AUTORE

Raffaele Battaglini

r.battaglini@terrelogiche.com

Valerio Noti

valerio.noti@terrelogiche.com

TerreLogiche

Brunella Raco, b.raco@igg.cnr.it

CNR-IGG, Istituto di Geoscienze e Georisorse di Pisa

Alessandro Salvadori

Ecofor Service SpA

CODEVINTEC

Tecnologie per le Scienze della Terra

ph. +39 02 4830.2175

www.codevintec.it


REPORT

GEOmedia n°5-2017 33


GUEST PAPER

The Future of Drones

in the Modern

Farming Industry

by Nathan Stein

With the prominence of precision agriculture platforms

rapidly increasing in the modern farming industry, Nathan

Stein, Ag Solutions Manager at senseFly, explores the key

trends in 2018 and how innovative technologies, such as

unmanned aerial vehicle (UAV) solutions, can meet the dayto-day

challenges ag professionals face.

The modern farming

industry is at a turning

point. With the development

of more advanced farm

management techniques, such

as precision agriculture, industry

professionals now have more

tools than ever to improve the

accuracy and efficiency of processes.

Innovative technologies,

such as unmanned aerial vehicle

(UAV) solutions, also have a

growing presence in this arena,

as the benefits become more apparent

and access to hardware

and software improves.

Such advances have complemented

the ground-based

techniques historically used in

agricultural surveying applications,

and enabled a more holistic

approach to data collection.

This is especially true in the

European agriculture market,

where countries like Italy, which

has more than 12.9 million hectares

of utilised agricultural area

(UAA), are seeing more widespread

acceptance of modern

mapping technologies 1 .

With the agriculture industry

set for greater adoption of advanced

technologies, UAV solutions

are expected to become

more integrated and capable of

meeting the needs of industry

professionals.

Current challenges

While the modern agriculture

industry is learning to adapt to

evolving demands and technologies,

farmers and agronomists

across the globe still face challenges

that can complicate business

operations. For instance,

with world supply at an all-time

high, commodity prices are at

an all-time low, meaning that

budgets have become tighter

and improved resource management

is a necessity. There is also

a growing demand from endusers

for greater product traceability;

consumers want to know

where the goods they buy come

from and how they were grown.

As well as creating a need for

more stringent food safety and

quality control checks, this farm

to fork movement has resulted

in the establishment of more

34 GEOmedia n°5-2017

1 European Union, Eurostat: Agricultural census in Italy [website] http://ec.europa.eu/eurostat/

statistics-explained/index.php/Agricultural_census_in_Italy (retrieved 4 December 2017)


GUEST PAPER

in-depth, controlled systems

to track and record a product’s

journey, often at additional expense.

Optimising sustainability also

continues to be a key challenge

in the global farming industry.

Agriculture professionals face

pressures to produce more crops

using fewer resources, such as

water and fertiliser, to minimise

the impact on the environment,

public health and animal

welfare. With such fluctuating

market conditions to contend

with, these demands can place

significant strain on operational

efficiency and profitability.

Seeking new opportunities to

economise is therefore vital for

the farming industry.

Past approaches

Prior to the development of

new, advanced technologies,

traditional solutions have been

used to address these challenges;

however, these are typically

time, resource and labour intensive.

For instance, in volatile

market conditions, estimating

annual yield has been a common

approach, to guide decision-making

and help manage

expectations in the face of economic

uncertainty. To successfully

manage traceability, careful

monitoring and record-keeping

of product origin and journey

has played an important role.

Enhancing sustainability has

also relied upon documentation,

with this having often

been achieved by benchmarking

the volume of resources, such

as water, fertiliser and seeds,

required in the previous year, in

an effort to minimise excess.

While these traditional approaches

all once played a

key role in helping farmers to

safeguard their interests and

deal with market fluctuations,

the increased need for more

on-demand insight means that

faster, more efficient solutions

are growing in popularity.

Similarly, with the demand for

large quantities of precise, accurate

data increasing, traditional

terrestrial approaches to crop

monitoring, such as laser scanning

and remote sensing, are

less favourable today due to the

time and labour requirements

these methods necessitate.

Further problems arise when

faced with challenging weather

conditions, which can significantly

impact the time it takes

to map large areas of farmland,

particularly when on-foot, and

can delay projects for days.

GEOmedia n°5-2017 35


GUEST PAPER

The role of UAVs

In light of these challenges, it

is increasingly essential for the

farming industry to explore

new approaches and embrace

innovative precision technologies,

to better navigate the market

and protect profitability.

While drones have been present

in agriculture for many years,

recent developments, such as

improved accuracy and efficiency,

have seen UAVs emerge

as a trustworthy and efficient

data collection tool during crop

season.

In addition to data quality,

drones can play a significant

role in streamlining workflows

and processes, with more resources

being invested in improving

UAV integration with

existing farm management

information systems (FMIS).

For instance, agronomists can

take field boundaries from their

existing FMIS and fly drones

repeatedly during crop season

without re-drawing them, helping

to reduce time spent planning

and in the field. Providers

of drone solutions, such as

senseFly, are leading the way to

support agriculture professionals

in integrating new software

with terrestrial techniques.

Professional, end-to-end solutions,

such as the senseFly Ag

360, provide in-depth aerial

insights to monitor crop development,

increase yield and

reduce inputs. Collaborative

partnerships between hardware

and software manufacturers

enable these solutions to

facilitate more streamlined,

integrated workflows, supporting

agriculture professionals

from data collection through to

processing and analysis. Once

analysed, this data can then be

converted to a prescription,

which is applied to crops using

Mobile Implement Control

System (MICS). These systems

are now installed in many tractors,

and can be used to map

areas of , as well as precisely

apply seed, fertiliser and crop

protection products.

Navigating the challenges

Aside from facilitating more

effective data collection, UAVs

can also help address the key

challenges facing the industry

today. Take unfavourable commodity

markets as an example.

Having an informed, comprehensive

plan is essential to help

determine areas of high and low

production. With highly detailed

measurements, UAVs can

offer accurate insights to guide

decision-making. This data can

also support the streamlining of

product traceability, by providing

a digitised map with the

GPS location of every point in

the journey and enabling farmers

to move away from traditional,

time-consuming written

records.

In addition, the insights from

drone technology can help to

improve the sustainability of

crop production. With this information,

farmers can utilise

optimal quantities of water,

fertiliser and crop protection

to maximise growth, while

minimising excess. This can be

further complemented by other

imaging techniques such as

satellite imagery which, while

providing lower quality data,

can monitor crop changes on

an ongoing, longer term basis

and with less expenditure.

What’s next for UAVs?

While UAVs can offer a wide

range of advantages to farming

professionals, moving from

written and qualitative measurements

to highly accurate

quantitative methods is not always

simple. The integration of

UAVs into existing workflows

has been further impacted by

stringent regulations on agricultural

drone use in Europe. In

Italy specifically, while regulations

have become gradually

more accommodating, there are

still restrictions in place that

have impacted take up. For instance,

regulations put in place

by the Italian aviation authority,

Ente Nazionale per l’Aviazone

Civile (ENAC) dictate that, for

use in critical operations such

as cities, railways and highways,

drones must be below 2kg 2 .

Despite this, as users become

more aware of the operational

and legislative requirements of

commercial drone use and seek

36 GEOmedia n°5-2017


to broaden their service offering,

the integration of UAV

solutions is expected to grow in

2018 and the years to come. To

maintain a competitive edge,

many professionals are also

developing UAV programmes

for scouting or fertiliser management,

while hardware

and software providers, like

senseFly, are collaborating to

develop end-to-end solutions

that facilitate more integrated

workflows for rice, corn, soybean,

fruit and nut partners, as

well as vegetable growers. While

more work is needed to create

analytics that can optimise the

data collected, the potential for

integrated drone solutions in

agriculture is significant.

The future of ag

In an evolving, and often volatile

market, a comprehensive

understanding of farm and

crop conditions is essential for

agriculture professionals to

optimise their operations and

increase commercial success.

While ground-based mapping

techniques continue to play

an important role, aerial mapping

systems, like UAVs, can

complement these options,

providing consistent and highly

2 Regolamento ENAC “Mezzi aerei a pilotaggio remoto” (ENAC Regulation “Remotely Piloted Aerial

Vehicles”), 2nd edition, [website], 2015 https://www.enac.gov.it/repository/ContentManagement/information/N122671512/Reg_APR_Ed%202_2.pdf,

(retrieved 4 December 2017)

accurate insights in a timelier

and more cost-effective fashion.

While the road to widespread

adoption of drones in ag has

not been simple, the benefits –

from time savings to logistical

problem-solving – are evident.

With sustainability in farming

higher on the agenda than ever

before, UAV solutions may

prove to be key in contributing

to safeguarding the environment,

while also protecting and

increasing profitability in the

industry.

KEYWORDS

Unmanned aerial vehicles; UAV; drones; precision

agriculture; end-to-end solutions; integrated

workflows

ABSTRACT

With the modern farming industry continuing to evolve,

and demand for faster, more efficient farmland mapping at

an all-time high, the potential for unmanned aerial vehicles

(UAVs) in the agriculture industry is greater than ever. While

more investment in R&D programmes is required, collaborative

partnerships between hardware and software providers

are enabling the creation of more integrated, end-to-end

drone solutions, capable of meeting the needs of agriculture

professionals worldwide and influencing future developments

in modern farming.

AUTHOR

Nathan Stein,

Ag Solutions Manager Sensefly

info@sensefly

www.sensefly.com

• Rilievi batimetrici automatizzati

• Fotogrammetria delle sponde

• Acquisizione dati e immagini

• Mappatura parametri ambientali

• Attività di ricerca

Vendita – Noleggio - Servizi chiavi in mano, anche con strumentazione cliente


COMMEMORAZIONE

A VENT’ANNI DALLA

SCOMPARSA DI

MARIANO CUNIETTI

Luglio 1967, tornavo da

Luino, presidente di una

commissione di esami di

Stato per geometri, insoddisfatto

sia degli esaminandi

che degli esaminatori,

questi ultimi capaci

solo di porre domande

ovvie e soprattutto, per topografia

e costruzioni, ben

lontane dalla realtà di quei

tempi e invece ancorate al

mezzo secolo precedente.

Pensavo ai libri di Piero Chiara e alle poesie di Vittorio Sereni,

nati nella ridente città lombarda poi ricordata in tante loro opere,

e al fatto che il commissario di lettere italiane s’era dimenticato

di questi insigni cittadini nelle interrogazioni. Mi giunse

improvvisa la chiamata al cellulare da parte della segreteria della

Sezione Rilevamento del mio Dipartimento, e rimasi scioccato:

era scomparso, al mattino, Mariano Cunietti, da anni afflitto dal

morbo di Parkinson ma che appena un paio di settimane prima

avevo visitato, insieme all’amico comune Terenzio Mariani

trovandolo come ormai da tempo fiaccato nel corpo, ma come

sempre lucido di mente e ancor capace di sorridere e far battute.

La sua passione per le discipline del rilevamento e della rappresentazione

era totale; quanto si sia speso nella sua vita per

insegnare, in particolare a coloro che considerava i topografi

per eccellenza, i geometri, lo possono testimoniare i suoi colleghi,

i suoi collaboratori, i suoi scritti. Ma da bravo fisico qual

era per formazione, il suo punto di partenza era la misura, nella

sua realtà fisica così come nella sua concezione epistemologica

e in particolare euristica. La “Giornata della misurazione”, nata

quasi per scommessa, divenne via via una palestra nella quale

discutevano alla pari ingegneri e filosofi, fisici e matematici.

Cosa è rimasto, vent’anni dopo la sua dipartita, della topografia,

della fotogrammetria, della tecnica della misura in genere. tipiche

del suo tempo? Ben poco, in particolare nell’ambito della

fotogrammetria. Cosa peserebbe Mariano oggi, delle prese da

camere digitali con obbiettivi per nulla calibrati, con direzioni

oblique sia da terra che dallo spazio, con trattamenti “a posteriori”

che spostano i “pixel” secondo considerazioni probabilistiche

fornite da algoritmi del tipo di quelli usati per la correlazione

delle immagini? Una lunga discussione fra Mariano e chi

scrive queste righe, avvenne negli anni settanta avanzati ed aveva

per tema i dispositivi, allora appena introdotti da Zeiss sulle

camere nadirali (e mutuati da quelli poco tempo prima usati per

le camere militari panoramiche) detti all’inglese FMC “forward

motion compensation”. Come noto, si trattava di traslare di

quantità submillimetriche le pellicole, per evitare il fenomeno

ben noto del “trascinamento” delle immagini in seguito al

moto dell’aereo. Cunietti affermava che così si “rompeva”

la relazione di prospettiva centrale fra oggetto e immagine, che

stava alla base della fotogrammetria. Cosa penserebbe oggi, di

fronte alle diffuse procedure di “trattamento delle immagini” vigenti

nella fotogrammetria attuale, tanto per dire del tipo “SFM”

(Structure From Motion) e delle soluzioni di “Dense Image

Matching” oggi usualmente praticate?

Formatosi al tempo della fotogrammetria analogica, per cui

le immagini erano prevalenti nella loro geometria proiettiva,


MERCATO

Cunietti aveva seguito con estremo interesse la loro virata

nell’ambito delle fotogrammetria analitica, ove il calcolo prevaleva,

ma pur sempre connesso alla misura semplice sull’immagine,

misura in fondo di posizione bidimensionale sulle

lastre via stereocomparatore. La fotogrammetria digitale, con

la relativa trasformazione dell’immagine in “pixel” aveva in

lui sollevato molti dubbi, per esempio sulla rettilineità delle

guide dello scansore e sulla loro ortogonalità: chissà quali sarebbero

stati i suoi ulteriori dubbi sulle deformazioni, rispetto

alla semplice geometria della prospettiva centrale, provocate

da obbiettivi con elevate aberrazioni di figura e dai trattamenti

ulteriori delle immagini digitali. Non ne ebbe il tempo,

e fu un peccato: cosa avremmo udito nelle “Giornate della

Misurazione” se questi argomenti avessero potuto essere discussi

con lui presente?

A proposito; Mariano Cunietti nel suo primo libro sulle misure

aveva ben sottolineato che l’operazione di misura non

esiste in natura, pur esistendovi le grandezze: la misura è

essenzialmente e unicamente opera dell’uomo, e come tutte

le opere dell’uomo non è perfetta: da lì tutti i trattamenti di

tipo statistico e matematico per giungere ad una “valutazione”

della misura che fosse il più possibile vicino al valore “vero”

della grandezza misurata, in un certo ambiente e in un certo

momento. Quale sarebbe stato il suo pensiero, di fronte

al valore del tempo ottenibile oggi con l’orologio “passive

Hydrogen Maser” (PHM) installato sui satelliti della costellazione

Galileo, che offre la stabilità di 1 secondo ogni TRE

milioni di anni? Che strane coincidenze si presentano talvolta

nella vita dell’uomo: il PHM è costruito dalla Finmeccanica-

Selex ES nello stabilimento di Nerviano, creato alla fine degli

anno sessanta del secolo ventesimo per la nuova Salmoiraghi

(allora azienda IRI) poi fagocitata dalla Aeritalia (successivamente

fusa con Selenia, dando vita ad Alenia). Infine quel

complesso andò a Finmeccanica (ora “Leonardo”). Ebbene,

in quell’edificio stette per circa un anno anche chi scrive ora

questa nota, e Mariano Cunietti vi ci andò più di una volta,

proprio per discutere degli ultimi strumenti topografici progettati

(ma poi non più costruiti) dalla vecchia azienda creata

dal Porro che stava ormai per scomparire. Il Maser posto sui

satelliti Galileo consente di determinare la posizione di un

ricevitore satellitare con incertezza bassissima, dato che nella

sua misura del tempo un errore di 0,5 nanosecondi (1 sec ×

10-9) equivale a una incertezza di 15 cm nella misura della

distanza fra satellite e ricevitore.

Nata nel 1982 con cadenza annuale, la “Giornata della misurazione”

si è svolta all’università Roma3 il 22 e 23 giugno 2015;

sotto l’egida del Gruppo Nazionale di Misure Meccaniche e

Termiche e del Gruppo Nazionale di Misure Elettriche ed

Elettroniche. L’edizione 2016 ha visto come sede il Politecnico

di Bari, e quella del 2017 si è svolta a Torino. La “Giornata” è

dal 1998 intestata al suo ideatore, ma il contributo di topografi

e fotogrammetri è ormai in pratica nullo. Che peccato! Un ambiente

che della misura e sin dai tempi di Roma ha fatto il suo

simbolo (pensate ai “gromatici veteres” e ai “mensores” delle

centuriazioni!) non dà più oggi alcun contributo sensibile a

questa manifestazione. Mariano Cunietti si rivolterà nella sua

tomba, anche perché è dimenticato dai più.

Ciò che mi dispiace infatti, è che andando su Google e cercando

“Mariano Cunietti”, vi si trovano migliaia di “link” relativi

ad un suo nipote che lavora con successo nei “media”;

ma nulla o quasi vi si trova per chi fu tra le altre cose, uno dei

più validi e amati Presidenti della nostra Società scientifica, la

“SIFET”, Società Italiana di Topografia e Fotogrammetria. Sic

transit gloria mundi.

Attilio Selvini

già presidente della SIFET

GEOmedia n°5-2017 39


REPORT

di Massimiliano Toppi, Giorgia

Pandolfi, Francesca Massetani

TRACCIARE UN LABIRINTO

DI MAIS CON IL GPS

Il caso del Labirinto di HORT

Velocizzare e semplificare le

operazioni di tracciamento di un

labirinto di mais, erano queste

le esigenze sul tavolo, ma con

lo sguardo già rivolto al futuro:

guidare direttamente le operazioni

di realizzazione dei percorsi, senza

più necessità di tracciare sul campo

il progetto realizzato in ufficio.

I

labirinti effimeri sono ricavati

da terreni destinati

alla coltivazione di colture

annuali come il mais, e sono

considerati tali in quanto si

sviluppano con un intreccio

di sentieri delimitati da pareti

naturali che rimangono in vita

solamente una stagione.

Questi labirinti vengono realizzati

allo scopo di farli diventare

un vero e proprio palcoscenico

per manifestazioni ed eventi

estivi.

Si sono inizialmente diffusi

negli Stati Uniti e nei paesi anglosassoni,

ma sono arrivati in

Italia per la prima volta recentemente,

in particolare in Emilia

Romagna.

Il Labirinto di HORT

La HORT è una società cooperativa

nata come spin-off

dell’Università Politecnica delle

Marche, costituita nel 2011 con

lo scopo di fornire servizi in

ambito agronomico con finalità

tecniche, ricreative e didattiche.

Dal 2012 progetta e realizza

labirinti di mais nel territorio

marchigiano e il labirinto di

HORT può considerarsi la prima

esperienza di un labirinto di

mais con finalità turistica.

La HORT realizza il primo

labirinto di mais delle Marche

nell’estate 2012 nel comune

di Porto Recanati; il labirinto

raffigurava la Basilica di Loreto

ispirata al territorio che lo ospitava.

Dal 2013 viene realizzato

a Senigallia: il primo raffigurava

la Rocca Roveresca e registrò

ben 8.000 visitatori, il secondo,

dedicato alla cinta muraria rinascimentale,

riuscì a confermare

il numero di visitatori dell’anno

precedente, mentre il terzo, del

2015, ispirato alla facciata del

Palazzo Ducale di Urbino, portò

a oltre 12.000 il numero dei

visitatori.

Nel 2016 la HORT decide di

dedicare il suo labirinto a Bike

the Nobel (candidatura della

bicicletta a premio Nobel per

la pace) la campagna promossa

dalla trasmissione radiofonica

Caterpillar, riproducendone fedelmente

sul campo il logo.

Radio 2 sposa l’iniziativa e

la porta avanti con passione,

fornendo un contributo fondamentale

al raggiungimento

del numero record di visitatori,

arrivando a 15.000 presenze, un

dato che consacra il Labirinto di

HORT come una delle iniziative

imprenditoriali più brillanti

del territorio regionale e che

raccoglie unanimi consensi dal

mondo delle istituzioni locali e

dai tanti turisti che nella stagio-

40 GEOmedia n°5-2017


REPORT

tware topografico Meridiana.

La strumentazione GPS che

Topcon Positioning Italy ha

fornito gratuitamente per il

picchettamento ha garantito

maggiore velocità di esecuzione

e un’assoluta affidabilità e

precisione delle misure nelle

operazioni di trasferimento del

progetto dal modello CAD al

terreno.

Nella fattispecie sono stati utilizzati

ricevitori GNSS Topcon

HiPer V e HiPer HR, entrambi

dotati di controller palmari con

display ad alta visibilità.

Francesca Massetani di HORT,

responsabile tecnico del progetto,

ha detto: “Per la trasposizione

in campo del percorso del

labirinto di mais, la società ha

cercato un metodo innovativo

che permettesse di evitare le operazioni

iniziali di squadro con

strumenti ottici e di velocizzare

il tracciamento manuale dei sentieri,

sostituendo le misurazioni

mediante rotella metrica, con il

picchettamento tramite GPS.

Ne sono derivati vantaggi in terne

estiva affollano la “spiaggia

di velluto” ed il suo entroterra.

Tracciare i progetti con

metodi tradizionali

Fino all’edizione 2016 per le

operazioni di tracciamento sul

campo dei labirinti, la HORT

ha utilizzato le tradizionali

tecniche degli allineamenti e

squadri, realizzati con strumenti

di vecchia generazione: squadro

agrimensorio e cordella metrica,

il che rendeva il lavoro sul campo

lungo e faticoso.

Inoltre, la tecnica dell’irrigazione

a pioggia lasciava il terreno

bagnato e non consentiva di

utilizzare per intero il campo,

riducendo così la potenziale

percorribilità del labirinto.

Il progetto 2017

Per il 2017 la HORT ha progettato

il disegno con l’idea di

raffigurare un tema universale e

lo ha tradotto nella rappresentazione

di un apparecchio radio,

un antico (ma attuale) e nobile,

mezzo di comunicazione che fa

sentire ma non vedere.

La figura della radio con la

sua complessità, si è rivelata

ideale per il progetto del nuovo

labirinto, al quale dona un

tono attraente ed accattivante.

L’aspetto della maggiore complessità

del nuovo progetto lo

si evince inoltre dal fatto che,

secondo una stima della stessa

HORT, si prevede che un visitatore

medio possa compiere il

tragitto all’interno del labirinto

in un’ora e mezzo, percorrendo

fino a 4 km, tempi e distanze

che ipoteticamente possono

ridursi della metà per un visitatore

“infallibile”.

Le maggiori difficoltà dovute

alla complessità del nuovo progetto

hanno spinto la HORT a

cercare nuove soluzioni per la

realizzazione del tracciamento

sul campo, e hanno fatto nascere

l’esigenza di avviare una

collaborazione con un’azienda

di strumentazione topografica

e Topcon ha subito sposato con

entusiasmo la proposta di partecipare

al progetto come sponsor

tecnico.

Francesca Massetani di HORT

aveva le idee molto chiare su

come affrontare il lavoro sul

campo per l’edizione 2017, e

un breve incontro in Topcon ha

delineato da subito l’opzione

migliore: utilizzare il GPS.

Un paio di successivi meeting

con Gabriele Potenza (Product

Manager di TPI) sono stati sufficienti

per impostare il lavoro

di rilievo del campo di mais e

la successiva georeferenziazione

del progetto CAD all’interno

dell’ambiente grafico del sof-

GEOmedia n°5-2017 41


REPORT

mini di tempo e di accuratezza

soprattutto nella trasposizione

di tratti lunghi, nei quali gli

eventuali errori manuali verrebbero

amplificati. Inoltre, la

soluzione ha permesso di utilizzare

agevolmente tutte le aree

del campo, anche quelle dove la

semina del mais non segue una

direzione regolare, e di realizzare

forme più complesse.

Un auspicabile miglioramento

infine, risiederebbe nella possibilità

di guidare direttamente

le operazioni di realizzazione

dei percorsi, superando la fase

intermedia di picchettamento e

tracciamento”.

Conclusioni

La HORT ha progettato il labirinto

pensandolo come una

grande aula didattica con lo

scopo di avvicinare il pubblico

ai temi della campagna e pertanto

all’interno del labirinto

saranno allestiti pannelli descrittivi

al fine di valorizzare il

territorio.

Sono inoltre previsti eventi di

varia natura, sia a carattere ludico

che rivolti ad un pubblico

professionale, agricoltori compresi,

per far vivere il labirinto

come un luogo sperimentale e

puntare a superare il numero

record di visitatori dello scorso

anno.

Topcon Positioning Italy, orgogliosa

di aver fornito il proprio

contributo al progetto, si congratula

con HORT per aver

superato anche quest’anno il record

di presenze e raccomanda

a tutti visitatori della prossima

edizione di… non perdersi!

PAROLE CHIAVE

GNSS; picchettamento; innovazione; agricoltura di precisione

ABSTRACT

This job comes from a need of HORT of Ancona, a company born as a spin-off of Università Politecnica

delle Marche, and which now provides agronomic services, to look for an innovative method to

layout the path of a corn labyrinth on the field, a recreational-educational activity of which HORT is

a specialist, as it is about to inaugurate the sixth edition, this year in Senigallia as well, Marche Region.

HORT needed a new solution that would allow it to avoid performing ‘alignment and squares’ operations

with old-fashioned optical instruments, and speed up manual path tracking, a solution that was

found with Topcon Positioning Italy's contribution through the use of modern, multi-constellation

GPS receivers.

AUTORE

Massimiliano Toppi

mtoppi@topcon.com

Marketing Communications Manager c/o Topcon Positioning Italy

Giorgia Pandolfi

giorgia.pandolfi@savoiabenincasa.it

stagista c/o Topcon Positioning Italy

Francesca Massetani

f.massetani@hort.it

Responsabile Tecnico c/o HORT Soc. Coop.

Credits della foto di copertina (labirinto 2017): Manlio Marchetti

42 GEOmedia n°5-2017


REPORT

GEOmedia n°5-2017 43


REPORT

Il Remote Sensing per l’individuazione

delle Zone di Gestione nei vigneti

di Elisabetta Mattioli, Sara

Antognelli, Antonio Natale,

Velia Sartoretti

Le zone di gestione sono

estremamente importanti nella

viticoltura e, più in generale,

nella gestione di qualsiasi

appezzamento secondo le

tecniche del precision farming.

Attraverso nuove tecnologie è

possibile identificare macroaree

all’interno del campo,

omogenee per aspetti vegetativi

e produttivi, con l’obiettivo di

gestire gli appezzamenti in modo

sito specifico.

È

ormai affermata la consapevolezza

che in uno

stesso vigneto aree differenti

possono dare, a parità di

condizioni agronomiche, vini

diversi.

La variabilità spaziale all’interno

di un vigneto è stata da sempre

un problema di difficile misura

e gestione e costituisce una

criticità maggiore che affligge i

viticoltori, soprattutto nella loro

ricerca di valorizzare pienamente

il potenziale enologico delle

proprie uve.

Questa variabilità determina,

infatti, differenze vegetative e

produttive che si ripercuotono

anche pesantemente sul prodotto

finale.

La variabilità, o meglio l’impossibilità

di gestirla, determina

inefficienza di conduzione,

incertezza della produzione e

inconsistenza della qualità.

Gestire la variabilità vuol dire

conoscere i fattori che influenzano

qualità e resa e che possono

essere modificati con una

gestione agronomica informata

e razionale.

Le fonti di variabilità spaziale

in agricoltura sono molteplici,

d’altronde solo alcune di queste

rimangono stabili nel tempo;

altre mutano continuamente in

funzione della stagionalità, degli

eventi climatici e meteorologici,

delle operazioni agronomiche.

Alla gestione della variabilità

spaziale si aggiunge la complessità

della variabilità temporale.

Conoscere, misurare e correlare

l’insieme o una parte di queste

variabili con i risultati quantitativi

e qualitativi della produzione

e soprattutto comprendere in

che modo avviene l’interazione

tra i fattori, conduce, in ultima

istanza, il viticoltore a poter

fare delle predizioni accurate e

spazializzate dei comportamenti

e dei risultati. Questo gli permette

di declinare il paradigma

dell’Agricoltura di Precisione

pianificando in maniera differenziale

o sito specifica la gestione

colturale e le vinificazioni

e trarre il maggior beneficio

possibile dal proprio vigneto.

Alcune delle sfide critiche nel

successo e nella larga adozione

dell’Agricoltura di Precisione

in Europa sono legate al superamento

del rischio di investimento,

alla percezione di complessità

riguardo le soluzioni

tecnologiche e alla determinazione

dei benefici specifici per il

singolo produttore.

Nella valutazione dell’adozione

di tecnologie e metodi del

44 GEOmedia n°5-2017


REPORT

Precision Farming, l’agricoltore,

come qualsiasi imprenditore,

considera prima di tutto il profitto

ed i benefici diretti che la

sua attività e l’azienda ne possono

trarre.

Misurare tutte o molte delle

fonti di variabilità spaziale e

temporale che influenzano la

produttività di un vigneto, in

questo senso, appare un processo

costoso ed oneroso, dunque

inappropriato alla realtà aziendale.

Il processo dell’applicazione delle

strategie di gestione sito-specifica

deve iniziare utilizzando

le informazioni già in possesso

delle aziende e proseguire raccogliendo

nuovi dati che possono

essere misurati in campo o acquisiti

tramite analisi di immagini

multispettrali da Remote

Sensing.

Quest’ultimo risulta attualmente

uno dei mezzi più potenti ed

efficienti in termini di rapporto

costi-benefici per l’acquisizione

di dati multitemporali in agricoltura

e che quindi sembrano

meglio rispondere al compromesso

dettato dalla cautela propria

di un’azienda che si affaccia

all’innovazione.

I sensori multispettrali sono

strumenti in grado di registrare

la quantità di energia riflessa

e trasmessa dagli oggetti della

superficie terrestre nelle diverse

lunghezze d’onda dello spettro

elettromagnetico (generalmente

visibile e infrarosso).

Nella loro applicazione agricola,

la quantità di radiazione riflessa

e trasmessa nella regione del

visibile (400-700 nm), è relativamente

bassa, ad eccezione

del picco nella regione del verde

(struttura cellulare e pigmenti

fotosintetici).

Nel vicino infrarosso (700-1350

nm) le foglie assorbono poco, a

causa della struttura del mesofillo

fogliare e quindi la riflettanza

e la trasmittanza sono molto

alte.

Il passaggio tra valori di riflessione

bassi nel rosso ed alti

nell’infrarosso è molto rapido:

questa porzione dello spettro,

denominata Red Edge, è molto

utilizzata nello studio dello stato

di salute della vegetazione.

I dati raccolti per ogni canale

possono essere comparati, combinati

o matematicamente manipolati

per generare indici ed

immagini utili per i viticoltori.

Diversi tipi di indici multi-spettrali

di vegetazione sono stati

sviluppati per massimizzare la

correlazione dell’immagine con

la quantificazione e qualificazione

della vegetazione.

Molti autori hanno dimostrato

che gli indici vegetazionali, tra

cui il più solido è il Normalised

Difference Vegetation Index

(NDVI), sono in grado di fornire

informazioni di valore non

solo circa lo stato vegetativo del

vigneto, ma anche circa la resa e

la composizione delle uve, pH,

acidità, contenuto zuccherino e

componenti fenolici (Lamb et al

2004; Arnó et al 2011).

L’NDVI è correlato all’area

fogliare e costituisce un utile

indicatore dello sviluppo e del

vigore complessivo del vigneto.

Dall’analisi di questo indice si

possono identificare le variazioni

della crescita all’interno del

vigneto, così come identificare e

mappare i cambiamenti che avvengono

tra un anno e un altro.

Le differenze nella crescita possono

seguire uno schema, un

pattern, regolare o casuale.

Schemi regolari con linee dritte

o forme geometriche sono spesso

correlate a differenze dovute

alla cultivar o alla varietà tra

una parcella ed un’altra, oppure

al tipo di portainnesto, alle

diverse pratiche di irrigazione o

concimazione effettuate, o infine

ad altri fattori correlati con

le unità parcellari.

Schemi che invece seguono un

andamento casuale o irrego-

GEOmedia n°5-2017 45


REPORT

lare sono molto più frequenti

e riconducibili a differenze

pedologiche o allo sviluppo di

avversità.

In ogni caso, qualsiasi sia l’andamento

spaziale della variabilità,

le cause delle differenze

di sviluppo devono essere diagnosticate

utilizzando tutte le

informazioni disponibili circa

le variabili delle unità parcellari

combinate necessariamente con

delle verifiche in campo.

Grazie agli elementi di comprensione

delle differenze di

vigoria tra le parcelle e all’interno

delle parcelle, forniti dalle

immagini, il viticoltore può

realizzare dei campionamenti

differenziati e ragionati per porzioni

di vigneto, migliorando

enormemente la significatività e

l’efficienza del campionamento.

Oltre ad identificare aree con

crescita ridotta della chioma o

basso vigore, le immagini sono

molto utili nel rilevare i cambiamenti

interannuali. Le comparazioni

tra un anno ed un

altro possono essere di notevole

supporto nell’identificazione

delle problematiche; aiutano a

discriminare, ad esempio, problematiche

di origine fitosanitaria

dagli effetti delle condizioni

del suolo.

Inoltre, tramite analisi delle

immagini si possono verificare e

monitorare gli effetti conseguenti

alle azioni rimediatrici, per valutarne

l’efficacia. Le immagini

possono essere utilizzate per

tracciare l’andamento colturale

nel tempo, in seguito ad interventi

colturali specifici, come

l’aumento della concimazione,

l’irrigazione differenziale o pratiche

di gestione del suolo sitospecifiche.

Molte aziende utilizzano il

Remote Sensing per migliorare

la qualità del vino attraverso

la vendemmia differenziale basandosi

sull’indice di vigoria,

NDVI. Questo indice è stato

anche correlato con i livelli di

solidi solubili e con il contenuto

fenolico nelle cultivar rosse.

Permettendo a diverse sezioni di

maturare nella stessa misura prima

di vendemmiarle, la qualità

complessiva del vino migliora. I

blocchi che storicamente hanno

prodotto vini di qualità media,

possono generare vini di qualità

nettamente superiore quando

scelti sulla base della maturità

uniforme. Nonostante la sua

predominanza applicativa,

l’NDVI non è l’unico indice in

grado di fornire informazioni

utili all’agricoltore, molti altri

sono riconosciuti come espressione

indiretta ma correlata con

specifici parametri di campo.

Inoltre è necessario rendere gli

indici dei prodotti operativamente

fruibili dall’azienda attraverso

la loro generalizzazione e

semplificazione in aree omogenee

di risposta multispettrale o

zone di gestione.

Le zone di gestione sono estremamente

importanti per l’agricoltura

di precisione, identificando

macro-aree all’interno del

campo in cui i fattori limitanti

sono diversi dal resto dell’appezzamento,

permettono e

guidano la gestione agronomica

differenziale o sito specifica.

Le zone di gestione possono essere

create dalla generalizzazione

di un unico indice, derivare dalla

sovrapposizione di più indici

multispettrali, oppure dall’integrazione

di dati da satellite

con dati di diversa origine (es.

da monitoraggio in campo) che

definiscono una diversa variabilità

spaziale specifica per ciascun

fattore rilevato.

Le zone di gestione si distinguono,

quindi, in:

4 factor-specific: derivanti

dalla generalizzazione di un

indice alla volta interpretato

in funzione delle correlazioni

verificate tra i suoi valori e

specifici fenomeni in campo.

Alcuni degli indici che si

sono dimostrati espressione

significativa di un carattere

sono ad esempio il CHLRE

- Chlorophyll Red-edge

(Gitelson 2011, 2013): correlato

alla clorofilla presente

nella pianta, e quindi in

grado di rilevare deficit dello

stato vegetativo, NDMI

- Normalized Difference

Moisture Index correlato con

il deficit idrico.

In questo scenario, le zone risultano

internamente uniformi

per livello di un fattore di stress

specifico come stress idrico,

stress nutrizionale, presenza di

fitopatie ecc.; subiscono facilmente

variazioni nel tempo in

relazione alla variazione di eventi

climatici e pratiche colturali.

Le zone di gestione factorspecific

possono dare informazioni

per la gestione di un

singolo fattore di produzione.

Ad esempio, indici basati sullo

SWIR (Short Wave Infrared),

indicando un diverso livello di

46 GEOmedia n°5-2017


REPORT

stress idrico, possono essere utilizzati

per informazioni accurate

sull’irrigazione.

Le zone di gestione factor specific

possono essere integrate in

funzioni ancora più avanzate,

poiché grazie ai dati da satellite

e a modelli di bilancio idrico e

nutrizionale, è possibile produrre

mappe di prescrizione dettagliate

che permetteranno anche

la spazializzazione differenziale

delle quantità di input da somministrare

alla coltura.

4 multipurpose: derivate

cioè dalla sovrapposizione

ragionata di più indici

multispettrali. Alcuni degli

indici integrati a creare un

indice globale di benessere

sono il già citato NDVI oltre

al CHLRE, l’NDMI ed

altri.

Le zone risultano internamente

uniformi per livello di benessere

della coltura, dovuto a diversi fattori

correlati, come vigoria, stress

idrico e fitopatie; sono tendenzialmente

stabili nel tempo.

Le zone di gestione multipurpose

suddividono il campo in

diversi livelli di benessere della

coltura (solitamente 3 o 5) e

possono essere utilizzate come

un’efficace guida per le osservazioni

in campo, in quanto

permettono l’identificazione di

sub-campioni statisticamente

rappresentativi all’interno di

ogni zona. In base alle conoscenze

dell’agricoltore, ai dati

da campionamento e agli indici

utilizzati, queste zone di gestione

possono essere utilizzate

anche per eseguire concimazioni,

irrigazioni, trattamenti fitosanitari

e raccolta con tecniche

differenziate.

Una piattaforma per la gestione

dell’azienda agricola

La piattaforma Agricolus è una

soluzione completa per l’azienda

agricola, in quanto permette

di gestire i diversi aspetti della

produzione. Agricolus ha una

struttura modulare flessibile,

che permette una configurazione

personalizzata del sistema. In

questo modo, la piattaforma è

facilmente adattabile alle esigenze

di diversi utilizzatori.

La versione Free di Agricolus

supporta le decisioni comuni a

diverse colture. Questa versione

contiene funzionalità di base

che permettono la georeferenziazione

e la gestione degli

appezzamenti, offrendo un

semplice ed efficace strumento

cartografico per il controllo

completo delle colture presenti

in azienda. Inoltre, permette

la caratterizzazione pedologica

degli appezzamenti mediante

la spazializzazione dei risultati

delle analisi del suolo comunemente

effettuate dalle aziende

agricole e fornisce alcuni indici

da satellite che descrivono la

vigoria delle colture. Su questa

base, disponibile gratuitamente,

si innestano funzionalità più

avanzate.

Agricolus propone anche una

versione Premium, in cui sono

disponibili funzioni avanzate

applicabili a più colture, che

permettono il calcolo del fabbisogno

irriguo o nutrizionale, la

gestione delle rotazioni colturali

e la definizione delle zone di gestione

dei campi. Gli innovativi

algoritmi proposti da Agricolus

permettono di confrontare tra

loro le zone di gestione di tutti i

campi aziendali coltivati con la

stessa varietà o coltura, in modo

da offrire un supporto efficace

alla calendarizzazione delle operazioni

colturali a livello aziendale.

Inoltre, Agricolus permette

di utilizzare le zone di gestione

come base per funzionalità

avanzate, in quanto, integrando

modelli di bilancio idrico e nutrizionale,

permette di produrre

mappe di prescrizione dettagliate

per la spazializzazione differenziale

delle quantità di input

da somministrare alla coltura.

Alcune colture presentano

caratteristiche peculiari, che

implicano che gli agricoltori si

confrontino ogni giorno con

problematiche specifiche. Per

queste colture, Agricolus propone

alcuni moduli crop-specific

che beneficiano di efficaci algoritmi

predittivi dello stadio

di sviluppo dei patogeni, e di

funzionalità specifiche per la

raccolta dei dati in campo tipici

di ciascuna coltura. Ad esempio,

il modulo Oliwes permette la

gestione accurata dell’oliveto,

grazie ad apposite funzionalità

che permettono di monitorare

le infestazioni di mosca dell’olivo

(Bactrocera Oleae) ed altri patogeni

specifici, mentre Tobacco

DSS permette un’efficace gestione

colturale e fitopatologica del

tabacco. Grape DSS permette

di ottimizzare la gestione del vigneto,

grazie a modelli e funzionalità

per la gestione dei principali

parassiti e delle più delicate

operazioni colturali. GrapeDSS

supporta anche la raccolta dati

per il monitoraggio qualitativo e

quantitativo dei diversi vitigni,

permettendo di visualizzare cartograficamente

e graficamente i

principali parametri qualitativi,

lo stato di maturazione e le stime

anticipate della resa.

Un caso applicativo su vigneto

Nell’annata 2016/17, le zone di

gestione sono state identificate

in un’azienda vitivinicola del

centro Italia. L’azienda si estende

per circa 100 ha, in media

collina. L’annata 2016/17 è stata

caratterizzata da una situazione

di stress idrico che ha caratterizzato

tutto il centro Italia e ha

determinato un’anticipazione

del periodo di raccolta dell’uva,

con un decremento delle rese

rispetto alla media.

Il modulo Remote Sensing ha

GEOmedia n°5-2017 47


REPORT

permesso di definire le zone di gestione generiche

utilizzando i soli dati da satellite. Le

zone di gestione sono state determinate sulla

base di indici di vegetazione, di clorofilla e di

stress idrico e in seguito validate con osservazioni

visive in campo, che hanno confermato

l’effettiva corrispondenza con il livello di stress

mostrato dalle colture attraverso sintomi come

ridotta greenness delle foglie, e ridotta vegetazione.

Grazie alle zone di gestione, l’azienda ha

potuto eseguire il campionamento stratificato

in campo dei principali parametri quantitativi

(numero di grappoli e peso medio dei

grappoli) migliorando la rappresentatività del

campione con un numero inferiore di prelievi.

Questo ha permesso la stima precoce della resa

e la valutazione della necessità di diradamento

di ciascun campo. La stessa procedura è stata

applicata al monitoraggio dei parametri qualitativi

(zuccheri, pH e acidità). L’azienda ha

potuto monitorare la variazione dello stadio

di maturazione dei vitigni nel tempo per ogni

zona. A causa della siccità che ha caratterizzato

l’annata e la maturazione precoce, le zone di

gestione sono risultate particolarmente utili

per gestire la vendemmia differenziale.

RIFERIMENTI BIBLIOGRAFICI

Lamb, D.W., Weedon, M.M., Bramley, R.G.V. (2004) Using Remote Sensing to

predict grape phenolics and colour at harvest in a Cabernet Sauvignon vineyard.

Arnó, J., Rosell, J.R., Blanco, R., Ramos, M.C., Martínez-Casasnovas, J.A. (2011)

Spatial variability in grape yield and quality influenced by soil and crop nutrition

characteristics.

Viña, A., Gitelson, A.A., Nguy-Robertson, A.L., Yi Peng. (2011) Comparison of different

vegetation indices for the remote assessment of green leaf area index of crops.

Clevers, J.G.P.W., Gitelson, A.A. (2013) Remote estimation of crop and grass chlorophyll

and nitrogen content using red-edge bands on Sentinel-2 and -3.

Ji, L., Zhang, L., Wylie, B.K., Rover, J.A., (2010) On the terminology of the spectral

vegetation index (NIR – SWIR)/(NIR + SWIR), International Journal of Remote

Sensing.

PAROLE CHIAVE

REMOTE SENSING; VIGNETO; PRECISION FARMING; AGRICOLUS

ABSTRACT

Spatial variability inside a vineyard has been always difficult to be measured in order to

valorize the enological potential of the grapes. Remote Sensing is a technique that can

be used for improving wine quality through the identification of Management Zones

in the fields and the consequent differential grape harvest. The technique is based on

the use of Vigor Vegetation Indices, that allow to identify the variations of the grape

growth and the composition of the grape in the vineyard, and the changes that happen

over time. Agricolus software provides these features and it has been used successfully

in some vineyards in the center of Italy.

AUTORE

Elisabetta Mattioli, e.mattioli@agricolus.com

Sara Antognelli, s.antognelli@agricolus.com

Antonio Natale, a.natale@agricolus.com

Velia Sartoretti, v.sartoretti@agricolus.com

Agricolus srl

®

Satellite Services for Structural Monitoring

I.MODI® è un servizio che sfrutta i dati di Osservazione Terrestre per

monitorare la stabilità di edifici e infrastrutture civili in tutto il mondo.

Fornendo report in maniera user-friendly tramite WebGIS,

I.MODI® rende il dato satellitare utilizzabile in modo semplice e intuitivo.

Controllo sistematico

di aree molto vaste

Dati satellitari

facili da capire

Non richiede dispositivi

installati sulla struttura

48 GEOmedia n°5-2017

Back Analysis usando

dati archiviati dal 1992

Integrazione con il

contesto geologico

Servizi modulari per

le esigenze dell’utente

I.MODI® è sviluppato da

Survey Lab, spin off dell’Università La Sapienza di Roma, è

impegnata nello sviluppo di nuove tecnologie per la

realizzazione di prodotti, processi e servizi di geomatica.

Dal 2008 opera nel campo del controllo di edifici e

infrastrutture civili e del monitoraggio del territorio

mediante l’utilizzo integrato di sensori satellitari e terrestri.

www.imodi.info

www.surveylab.info

This project has received funding from the European Union’s Horizon 2020

research and innovation programme under grant agreement No 720121


REPORT

®

GEOmedia n°5-2017 49


AGENDA

18-21 marzo 2018

GI4DM 2018 -

Geoinformation for Disaster

Management

Istanbul (Turkey)

www.geoforall.it/kww3r

16-19 Gennaio 2018

Geospatial World Forum

Hyderabad (India)

www.geoforall.it/kwacw

23 – 24 Gennaio 2018

Praga (Repubblica Ceca)

Prague INSPIRE Hack 2018

www.geoforall.it/kwuxk

19-22 Febbraio 2018

FOSS4G Italia

Roma

www.geoforall.it/kwwh3

20-23 marzo 2018

3rd GEO Data Providers

Workshop

Frascati

www.geoforall.it/kwu3y

26 - 29 March 2018

RSCy2018 Cyprus Sixth

International Conference on

Remote Sensing and Geoinformation

of Environment

Cyprus

www.geoforall.it/kwukw

6-11 maggio 2018

Istanbul (Turkey)

FIG Congress

www.geoforall.it/k9cwx

22 - 23 maggio 2018

London (UK)

GEO Business 2018

www.geoforall.it/kwxyc

30-31 Maggio 2018

Simposio NIRITALIA 2018

Genova

www.geoforall.it/kwwyq

7-4 giugno 2018

The ISPRS Technical

Commission II Symposium

"Towards Photogrammetry

2020"

Riva del Garda (Italy)

www.geoforall.it/kwwfa

13-15 giugno 2018

21st International AGILE

Conference

AGILE 2018 "Geospatial

Technologies for All"

Lund (Sweden)

www.geoforall.it/kw9w4

10 - 13 settembre 2018

2018 SPIE Remote Sensing

symposium

Berlin (Germany)

www.geoforall.it/kwuxx

19 - 21 Settembre 2018

Remtech Expo 2018

Ferrara

www.geoforall.it/kwwyr

16 - 18 ottobre 2018

INTERGEO 2018

Frankfurt (Germany)

www.geoforall.it/kwux9

leica multistation ms60,

la nuova dimensione

nella tecnologia di misura

Dal 1986 Teorema srl

lavora a fianco del professionista fornendo

la tecnologia più avanzata, la migliore consulenza

e un’accurata assistenza post-vendita

per rendere affidabile e produttivo il vostro lavoro.

Leica MuLtiStation MS60, Be caPtiVate

❚❚Processore Dual Core ARM Cortex da 1 GHz

❚❚Reflector Less “PinPoint” fino a 2000 metri

❚❚Sistema operativo Windows ® EC7

❚❚Dimensioni Spot Laser 8mm x 20mm a 50 metri

❚❚Doppio Display da 5” WVGA a colori Touch Screen ❚❚Tecnologia di misura brevettata Wave Form Digitizing (WFD)

❚❚IP65/MIL-STD-810G

❚❚Fotocamera grandangolare campo di vista di 19.4°,

❚❚Temperatura operativa da -20°C a +50°C

sensore da 5 MPixel CMOS

❚❚Motorizzazione basata su tecnologia Piezo

❚❚Fotocamera coassiale campo di vista 1.5°

(velocità 200gon/sec.)

❚❚Messa a fuoco automatica - 30 ingrandimenti (Autofocus)

❚❚Precisione angolare Hz e V 1” (0.3mgon)

❚❚Live Stream a 20Hz

❚❚Nuova tecnologia di ricerca automatica del Target “ATR Plus” ❚❚Immagini collegate ai dati misurati

❚❚Tecnologia brevettata MERGETEC

❚❚Visualizzazione e gestione del rilievo in 3D a bordo

❚❚Scansione Laser con precisione angolare di 1” fino a (scansioni e misure puntuali TPS/GNSS)

1000 metri

❚❚Gestione applicativi specifici (monitoraggio ambientale e

❚❚Velocità di scansione di 1000pti/sec. fino a 300 metri As Built, ambito ferroviario, costruzione di gallerie ecc.)

Leica Multistation MS60 - La nuova dimensione nella tecnologia di misura

www.disto.it • www.geomatica.it • www.termocamere.com

Via A. Romilli, 20/8 20139 Milano • Tel. 02 5398739 • teorema@geomatica.it


SOLUZIONI DI GEOPOSIZIONAMENTO

topconpositioning.it

PRESENTA

AERIAL MAPPING

IMAGING FALCON 8 SIRIUS PRO MAGNET

LA PIÙ AVANZATA TECNOLOGIA DI RACCOLTA DATI

Mappatura aerea ad alta precisione combinata con GNSS RTK.

Per applicazioni di ispezione, monitoraggio, topografia e cartografia.

© 2017 Topcon Positioning Group


Porta il #fresh surveying nel tuo business con

innovazioni uniche e pratiche di GeoMax

30°

(video) Zoom3D Catalogo Generale Zenith 35 Pro

www.geomax-positioning.it

works when you do

More magazines by this user
Similar magazines