Visualizza articoli per tag: agricoltura di precisione
Agricoltura di Precisione: formazione e ricerca in IREA
La partecipazione di IREA
La presentazione del Dr. Crema (sinistra) e del Dr. Nutini (destra) durante l’evento conclusivo del master
Il project work presentato al termine del master ha riguardato il supporto alla fertilizzazione a rateo variabile ed il monitoraggio di un appezzamento di circa 60 ha coltivati a grano duro nel corso della stagione 2016-2017 presso l’azienda Bonifiche Ferraresi, situata a Jolanda di Savoia (FE). Tale studio si inquadra nella collaborazione che IREA ha in atto con l’azienda per attività di ricerca e sviluppo nell'ambito dell'agricoltura di precisione.
Un’immagine dell’indice di vegetazione NDRE (Normalised Difference Red Edge) acquisita da sensore multispettrale (sequoia) da piattaforma APR nel marzo 2017. I dati spettrali acquisiti a terra confermano le anomalie individuate nell’immagine.
Il progetto ERMES sul portale della Ricerca italiana del MIUR
Il progetto ERMES, FP VII, coordinato dall'IREA del CNR è ora sul portale della Ricerca italiana del MIUR, ResearchItaly
ERMES (An Earth obseRvation Model based RicE information Service) è un progetto europeo del VII Programma Quadro di ricerca nel settore SPACE (EU-FP7) che ha come obiettivo la realizzazione di un prototipo di servizi dedicati al settore agricolo delle produzioni risicole. In particolare, il Progetto risponde alle necessità, soprattutto nell'agricoltura dei "paesi sviluppati", di un approccio produttivo sostenibile sia a livello economico sia a livello ambientale (G20 Agriculture Action plan).
In questo contesto, ERMES fornirà informazioni a valore aggiunto realizzate dell’integrazione in modelli di simulazione delle colture di prodotti tematici forniti direttamente dai servizi Copernicus o derivati dall’elaborazione di dati di Osservazione della Terra (EO) SAR (Synthetic Aperture Radar) e ottici e dati da osservazioni in situ.
ResearchItaly è il nuovo portale web del Ministero dell’Istruzione, dell’Università e della Ricerca (MIUR) nato con l’obiettivo di fotografare, supportare e promuovere la ricerca italiana d’eccellenza offrendo contenuti e servizi a quattro pubblici diversi, identificati dalle sezioni presenti nel portale: i cittadini (sezione CONOSCERE); le imprese e le pubbliche amministrazioni (sezione INNOVARE); gli studenti e i docenti delle scuole secondarie di primo e secondo grado (sezione ESPLORARE); e tutti coloro che fanno ricerca (sezione FARE).
Vai alle altre notizie in evidenza
Premio IEEE-GRS29-Italy 2020-21 alla tesi di laurea svolta all’IREA da Marina Ranghetti
Lo scorso 3 marzo si è svolta la cerimonia di premiazione del Premio tesi IEEE-GRS29-Italy 2020-21. Il concorso, organizzato anche quest’anno congiuntamente dai Chapter IEEE Geoscience Remote Sensing Central-North Italy (GRS29-CNI) e South Italy (GRS29-SI), ha visto la premiazione delle 3 migliori tesi di dottorato e delle 3 migliori tesi di laurea magistrale, su tematiche di geoscienze e telerilevamento, discusse nel periodo dal 1° giugno 2020 al 31 maggio 2021.
Tra i candidati di quest’anno, è risultata vincitrice Marina Ranghetti, per la tesi di laurea magistrale dal titolo “Hybrid approaches for the estimation of biophysical variables of agronomic interest from hyperspectral and multispectral data: applications for maize crops”, svolta presso IREA e discussa al Politecnico di Milano nell’aprile 2021.
La tesi svolta da Marina ha riguardato l’utilizzo di approcci ibridi per la stima di variabili biofisiche da dati iperspettrali e multispettrali. Tra le variabili biofisiche di interesse, sono state scelte l’indice di area fogliare (LAI), nonché il contenuto di clorofilla e azoto nella chioma (CCC e CNC, rispettivamente). Più in dettaglio, un approccio ibrido consiste nell’integrare modelli di trasferimento radiativo (RTM) con algoritmi di machine learning (ML), sfruttando le proprietà di generalizzazione tipiche dei metodi fisicamente basati, come gli RTM, con la flessibilità e l’efficienza computazionale dei ML. Durante la tesi Marina ha utilizzato l’RTM PROSAIL-PRO per simulare un database composto da migliaia di spettri di vegetazione del mais, facendo variare i parametri di input del PROSAIL-PRO per considerare diverse condizioni della vegetazione. Le relazioni tra spettri (input) e parametri biofisici di interesse (output) sono quindi state modellate utilizzando diversi algoritmi di ML: Gaussian Processing Regression, Neural Network, Random Forest, Partial Least Square Regression, Support Vector Regression. I diversi modelli addestrati sono stati testati con dati simulati in configurazione PRISMA e Sentinel-2 a partire da dati aerei iperspettrali. Le performance dei modelli sono state valutate con dati in-situ raccolti durante le campagne di misura contemporanee ai sorvoli aerei. I migliori algoritmi in configurazione Sentinel-2, per ciascuna variabile di interesse (LAI, CCC e CNC), sono stati applicati a dati reali per la creazione delle relative mappe.
Marina, è attualmente borsista di ricerca presso la sede IREA di Milano, dove sta continuando la sua attività di ricerca nell’ambito del telerilevamento ottico applicato all’agricoltura di precisione.