Tesi etd-05282021-115617
Link copiato negli appunti
Tipo di tesi
Corso Ordinario Secondo Livello
Autore
CONTARINI, ALBERTO
URN
etd-05282021-115617
Titolo
UTILIZZO DI IMMAGINI TELERILEVATE DA AEROMOBILE A PILOTAGGIO REMOTO PER LA STIMA DELLA BIOMASSA E DEL LAI DI ERBA MEDICA IN DUE AZIENDE TOSCANE
Struttura
Cl. Sc. Sperimentali - Agraria
Corso di studi
SCIENZE AGRARIE E BIOTECNOLOGIE - SCIENZE AGRARIE E BIOTECNOLOGIE
Commissione
Tutor Prof. BONARI, ENRICO
Relatore Dott. MANTINO, ALBERTO
Relatore Dott.ssa DE PEPPO, MARGHERITA
Presidente Prof. TONUTTI, PIETRO
Membro Dott.ssa BARTOLINI, SUSANNA
Membro Prof.ssa ERCOLI, LAURA
Membro Dott. DELL'ACQUA, MATTEO
Membro Dott.ssa MOONEN, ANNA CAMILLA
Membro Dott.ssa GONZALI, SILVIA
Relatore Dott. MANTINO, ALBERTO
Relatore Dott.ssa DE PEPPO, MARGHERITA
Presidente Prof. TONUTTI, PIETRO
Membro Dott.ssa BARTOLINI, SUSANNA
Membro Prof.ssa ERCOLI, LAURA
Membro Dott. DELL'ACQUA, MATTEO
Membro Dott.ssa MOONEN, ANNA CAMILLA
Membro Dott.ssa GONZALI, SILVIA
Parole chiave
- alfalfa
- biomass
- biomassa
- erba medica
- indice di area fogliare
- leaf area index
- remote sensing
- telerilevamento
Data inizio appello
15/06/2021;
Disponibilità
parziale
Riassunto analitico
Nell’attuale contesto mondiale, caratterizzato dalla crescita dei fabbisogni alimentari ed associato alla necessità di produzioni di elevata qualità, l’agricoltura di precisione offre un prezioso contributo per raggiungere questi obiettivi attraverso un’ottica di sostenibilità economica, sociale ed ambientale. Acquisire conoscenze sulla stima della biomassa epigea e del LAI (_Leaf Area Index_) di specie d’interesse agrario ricopre un ruolo di primaria importanza. Scopo del presente lavoro è stato quello di stimare la biomassa e il LAI di erba medica (_Medicago sativa_ L.) tramite l’utilizzo di immagini telerilevate e campionamenti _in situ_ in due aziende toscane. L’acquisizione delle immagini è stata effettuata tramite il sensore multispettrale Parrot Sequoia+ in grado di rilevare quattro bande spettrali [verde, rosso, _red edge_ e NIR (_near infrared_)] a bordo di un aeromobile a pilotaggio remoto. La stima della biomassa e del LAI tramite l’utilizzo di immagini telerilevate è stata eseguita confrontando metodi di regressione lineare semplice basati su indici di vegetazione e metodi di regressione lineare multipla basati su bande spettrali. I risultati del presente studio mostrano una miglior precisione nella stima attraverso l’impiego di metodi di regressione lineare multipla, sia per la biomassa sia per il LAI. Ulteriori studi sono necessari per corroborare i risultati preliminari riportati in questo elaborato.
In the current global context, characterized by the increase of food needs and associated with the need for high quality production, precision agriculture provides a valuable contribution in order to achieve these goals through a perspective of economic, social and environmental sustainability. Acquiring knowledge about the estimation of above-ground biomass and LAI (Leaf Area Index) of species of agricultural interest plays a role of primary importance. The aim of this study was to estimate biomass and LAI of alfalfa (_Medicago sativa_ L.) through the use of remote sensing images and _in situ_ sampling in two Tuscan farms. Images were acquired using the Parrot Sequoia+ multispectral sensor, capable of detecting four spectral bands (green, red, red edge and near infrared) on board of an unmanned aerial vehicle. Estimation of biomass and LAI through the use of remotely sensed images was performed by comparing simple linear regression methods based on vegetation indices and multiple linear regression methods based on spectral bands. The results of this study show greater precision in the estimation through the use of multiple linear regression methods, both for biomass and LAI. Further studies are needed to corroborate the preliminary results reported in this study.
In the current global context, characterized by the increase of food needs and associated with the need for high quality production, precision agriculture provides a valuable contribution in order to achieve these goals through a perspective of economic, social and environmental sustainability. Acquiring knowledge about the estimation of above-ground biomass and LAI (Leaf Area Index) of species of agricultural interest plays a role of primary importance. The aim of this study was to estimate biomass and LAI of alfalfa (_Medicago sativa_ L.) through the use of remote sensing images and _in situ_ sampling in two Tuscan farms. Images were acquired using the Parrot Sequoia+ multispectral sensor, capable of detecting four spectral bands (green, red, red edge and near infrared) on board of an unmanned aerial vehicle. Estimation of biomass and LAI through the use of remotely sensed images was performed by comparing simple linear regression methods based on vegetation indices and multiple linear regression methods based on spectral bands. The results of this study show greater precision in the estimation through the use of multiple linear regression methods, both for biomass and LAI. Further studies are needed to corroborate the preliminary results reported in this study.
File
| Nome file | Dimensione |
|---|---|
Ci sono 1 file riservati su richiesta dell'autore. |
|