http://www.ermes-fp7space.eu/
Downstream service regionali e locali: ricerca e trasferimento
Mirco Boschetti, Monica Pepe, Lorenzo Busetto, Daniela Stroppiana, Gabriele Candiani, Francesco Nutini, Luigi Ranghetti e Alberto Crema
http://space4agri.irea.cnr.it/it
Downstream service: l’esperienza del
progetto ERMES
ERMES: fornire informazioni a valore aggiunto al settore agricolo
PROJECT FRAMEWORK
Realizzare un prototipo di “downstream service” dedicato al settore risicolo basato sull’assimilazione di dati EO e in situ in modellistica agronomica.
Lo scopo del sistema, definito sull’esigenze Europee, è quello di:
Contribuire alle attività delle autorità regionali nell’implementazione delle politiche
Fornire informazioni affidabili e indipendenti al settore dell’agro-business.
Supportare le attività aziendali per implementare pratiche di gestione più sostenibili
L’obbiettivo di lungo termine è di estendere il sistema alle esigenze dei mercati Asiatici e Africani, al fine di rafforzare la competitività europea e contribuire allo sviluppo sostenibile.
A Copernicus services Concept
Tools: Geoportal & smart app
PROJECT PORTFOLIO & SERVICE LINE
Processing chain Service demonstration
Yield forecast/estimation
Meteo data
(A)biotic Risk alert
Field level constant pattern
Rice mapping
Biophysical parameter
Field level seasonal pattern
RRS
LRS
Fornire alle autorità (mandato/interesse di monitoraggio larga scala) un sistema agro-monitoraggio dedicato all’identificazione di situazioni anomale, allerte e stime di resa
Fornire al settore privato (agricoltori, cooperative, agro-consulenza, ecc.) informazioni a valore aggiunto sulla variabilità intra-campo delle colture, su i rischi, sulle rese e valutazione dei danni arrecati a livello aziendale
Phenology and development stages
SERVICE DEMONSTRATION
RRS
8
Crop identification
Crop phenology LAI Biotic Risk
Rainfall Maximum humidity
Max Temperature Radiation
COPERNICUS LAI (GEOV1)
WARM MODEL
RRS Crop monitoring platform (http://ermes.dlsi.uji.es/prototype/geoportal/login.html)
9
2015 (2016) Sentinel 1 OLI (S2)
15 LUGLIO PRIMA STIMA 15 SETTEMBRE SUPERFICI
RRS IDENTIFICAZIONE DELLE COLTURE E PRATICHE IRRIGUE
Informazioni sintentiche sulla variabilità spaziale e inter-annuale delle pratiche agricole
MODIS (S2/S3 in future)
RRS DINAMICHE DELLA COLTURA: EPOCHE DI SEMINA E FENOLOGIA
ERMES: a prototype of downstream service
Regional rice monitoring system in Europe (Italy, Spain and Greece)*
• EO processing chain: automatic procedure to derive geo products (Crop mapping, Meteo maps, LAI, Phenology…) as spatialized inputs for the model
• Modelling solution: customization of WARM rice model, for ERMES regional applications, to simulate rice growth processes on a 2x2 km grid over study areas (Italy, Spain, Greece and Gambia)
• Outputs generation and deploy: provide via dedicated GEOPORTAL risk alert and yield estimation
WARM MODEL
ERMES products Geo-processing
2 by 2 km Simulation «Grid»
Risk
Statistical analysis Yield indicators
Yield forecast
RRS ASSIMILAZIONE MODELLISTICA: allerte e stima delle rese
SERVICE DEMONSTRATION
LRS
LRS: Crop management platform (http://ermes.dlsi.uji.es/prototype/geoportal/login.html)
15
Constant Pattern map
Early season field homogenety SAR data (CSK/S1)
Seasonal Pattern maps Optical data (RE)
Phenological stages Biotic Risk
50 unità/ha N
33 unità/ha N
16 16
LRS SUPPORTO PRE-SEMINA
Varietà: Mare Semina: 15 Aprile 2016
Fertilizzazione PRE-SEMINA a rateo variabile 6 Aprile
Mappa della variabilità costante
17 17
33 unità/ha N
27 unità/ha N
30 unità/ha N
Mappa della variabilità stagionale
15 Luglio
Fertilizzazione a rateo variabile basata su mappe di variabilità
26 Luglio
Varietà: Mare Semina: 15 Aprile 2016
LRS SUPPORTO FERTILIZZAZIONI
18 18
2014 2015
2016
VRT – ERMES supported
VRT – ERMES supported
NO - VRT
LRS CONFRONTO MAPPE DI RESA T/HA
NITROGEN NUTRITIONAL INDEX
An operational workflow to assess rice nutritional status based on satellite imagery and smartphone apps
Francesco Nutini a*, Roberto Confalonieri b, Alberto Crema a, Ermes Movedi b, Livia Paleari b, Dimitris Stavrakoudis c and Mirco Boschetti a*
Smart Scouting EO data analysis Maps generation
<= 0.7 0.7 - 0.9 0.9 – 1.1 ESU1.1 – 1.3 >= 1.3Cluster a Cluster b Cluster c ESU
PocketLAI
PocketN
Ncrit=
Dilution curve
LAI map
PNC map
Project follow-up: user uptake
On-going activities
User uptake: Interest in the private & public sectors
TELEMOD: Monitoraggio satellitare NRT (20.000 km^2) con dati HR (Rapid-eye, S2) e fruizione con tecnologia web per supporto attività peritale
BIORISK: Fornitura in NRT di bollettini sul rischio biotico
SATFARMING: Monitoraggio satelitare NRT (S2) dei tenimenti dell’azienda (6500 ha) e supporto allo sviluppo di soluzioni di precision farming
SATURNO: satelliti e tecnologie innovative a supporto di fertilizzazione VRT in risicoltura
Monitoring program blackbridge
TELEMOD (2015 – 2019)
Upload System
Download System
SATFARMING (2016 – 2019)
S2A&B
SATFARMING (2016 – 2019)
S2A&B
SATURNO (2017 – 2019)
Phenological estimation
Pedological analysis
Smart scouting and mapgeneration
Agro-consultancy VR N distribution
24
40 N/ha
20 N/ha
30 N/ha
Evaluation
<= 0.7 0.7 - 0.9 0.9 – 1.1 ESU1.1 – 1.3 >= 1.3
Satellite monitoring
SATURNO (2017 – 2019)
http://saturno.get-it.it/
SATURNO (2017 – 2019)
http://saturno.get-it.it/
Nuove sfide in ambito Osservazione della Terra
Le attività di ricerca hanno evidenziato l’importanza di disporre di adeguate risoluzioni spazio/temporali durante il monitoraggio dei sistemi agricoli da serie temporali di dati satellitari
Discrepanze per pixels misti
Buoni risultati dove le colture sono uniformemente presenti nel pixel
Criticità e prossimi passi
2015 2017 2013 1993 2000 2016
S2A S2B OLI
TM5
MODIS
S3
Serie temporali storiche a livello di azienda ricostruzione Uso del suolo, agropratiche valutazioni effetto del clima sulle produzioni
Serie temporali stagionali a livello di azienda mappatura delle colture, supporto PA, valutazione dei danni alle colture
Necessità informative e soluzioni In
form
azio
ne
Sistema di monitoraggio stagionale NRT Ricostruzione delle dinamiche a lungo termine Pro
do
tto
Integrazione di dati decametrici regolarmente
acquisiti S2A e B + OLI
Fusione dei dati HR EO disponibili con dati LR EO quasi giornalieri
Solu
zio
ne
Fusion of HR (Landsat-OLI, S2) & LR (MODIS, PROBA, S3) images
ROI #1
ROI #2
ROI #1
ROI #2
ROI #1
ROI #2
x x x x x x x x
HR image (SPOT4TAKE5)
LR image (MODIS)
Fusion (20 m; 5 days)
+
=
Ricostruzione delle dinamiche a lungo termine
OLI
MODIS
Sistema di monitoraggio stagionale NRT
Sistema di monitoraggio stagionale NRT
User needs
Technology Research &
development
Downstream services
www.ermes-fp7space.eu
35
More info
Grazie dell’attenzione