The need to fulfil sustainability requirements while increasing productions to feed the raising world’s population represents a big challenge for the agricultural sector. To achieve this goal, improving management of resources at farm level is acknowledged as one of the most effective solutions. However, this requires intensive activities targeting cropping system monitoring and data processing. The advances in remote sensing and simulation technologies – especially when used in an integrated way – provide a valuable solution to support farmers and technicians in such a context. This research aims at setting up and evaluating pre-operational tools based on the integration of crop models and remotely sensed information to support decision making in cropping systems management. The research was articulated in two main preliminary activities before the application of crop models and remote sensing in a case study. Extensive sensitivity analysis experiments were performed to deepen the knowledge about model behaviour and to identify the most influential parameters for yield simulation. A wide range of conditions was investigated, considering both current weather and future climate projections, as well as five major crops cultivated in several European sites and using two different modelling solutions (the standard version of WOFOST and a version of the model improved for the simulation of the impact of extreme weather events). Model outputs were mainly influenced by parameters involved with storage organs development; nevertheless, in case limiting conditions were explored, simulations were influenced by parameters driving crop growth during early stages. Given leaf area index (LAI) data are those mostly used when crop models and remote sensing are integrated, the second activity targeted the quantification of the impact of subjectivity in LAI estimates from hemispherical images. Precision was determined via the application of the ISO 5725 validation protocol, thus leading to define repeatability and reproducibility limits. Results proved the reliability of LAI estimates from hemispherical images; the precision obtained was indeed comparable with that of other commercial instruments. The best results were obtained in case of high LAI and continuous canopy, further underlying the reliability of this method for intensive agricultural systems characterized by continuous and homogeneous canopies. Both the activities just presented aimed at defining a sound starting point for the coupling of crop models and remote sensing, providing useful information for the design of the case study. For this last activity, a high-resolution pre-operational system based on the WARM model and remotely sensed information was evaluated using observations from paddy rice fields during the seasons 2014, 2015 and 2016. The remotely sensed information, consisting in temporal series of LAI, were integrated in the model by automatically re-calibrating either parameters identified as the most influential or those strictly related with LAI dynamics. The system performances were compared with those obtained using the default parameterizations of the model. Results underlined the improvement in rice yield simulation after the integration of remotely sensed data, proving the reliability of the system. Overall, the simulation of rice yield was affected by a restrained RRMSE (13.8%), compared to the results obtained with the default model parameterizations (RRMSE = 15.7%). Moreover, the assimilation of remotely sensed information at high spatial resolution (30 m × 30 m) led to satisfactorily describe the within-field yield variability. The obtained results make the proposed system a valuable solution to provide high-resolution estimates of rice productivity. Nonetheless, weakness were highlighted, related with some the inconsistencies between observed crop state variables and crop reflectance properties. This, as well as the possibility to consider other models and crops, lays the basis for further studies.

La necessità di garantire l’accesso al cibo per una popolazione mondiale in continua crescita, adempiendo al contempo a precisi requisiti ambientali, rappresenta una grande sfida per il settore agroalimentare. Il successo, in questa sfida, può essere garantito da un utilizzo ottimale delle risorse aziendali, raggiungibile attraverso sforzi notevoli volti al monitoraggio e all’analisi del sistema agricolo. I recenti sviluppi in campo satellitare e modellistico, forniscono strumenti adatti allo scopo specialmente in caso di un utilizzo integrato delle due tecnologie. Il progetto di ricerca, oggetto di questa tesi, mira alla formalizzazione e successiva valutazione di uno strumento, basato sull’integrazione di modelli di simulazione e telerilevamento, per il supporto alle decisioni in agricoltura. L’attività di ricerca, culminata nell’applicazione dello strumento al caso studio, ha previsto la realizzazione di due attività preliminari. In prima istanza è stato eseguito uno studio di analisi di sensibilità per accrescere la conoscenza del modello utilizzato e identificare i parametri, alla cui variazione, il modello risulta più sensibile. In questo studio sono state considerate sia serie climatiche attuali che proiezioni nel medio futuro e, utilizzando due diverse configurazioni del modello WOFOST (una standard ed una che permette di simulare l’impatto degli eventi meteorologici estremi sulle colture), sono state simulate le cinque colture più coltivate in Europa. I risultati evidenziano una forte sensibilità del modello ai parametri coinvolti nella simulazione degli organi di accumulo in quasi tutte le condizioni esplorate a meno dei casi in cui sono state riscontrate condizioni limitanti per la produttività delle colture. In queste condizioni il modello è infatti risultato più sensibile ai parametri che regolano la simulazione delle prime fasi di crescita delle colture. La seconda attività preliminare ha invece permesso di quantificare l’impatto della componente soggettiva sulla precisione delle stime di indice di area fogliare (LAI), una variabile tra le più utilizzate per permettere l’integrazione di modelli di simulazione e telerilevamento. Attraverso l’applicazione del protocollo previsto dalla normativa ISO 5725 è stato possibile calcolare i limiti di ripetibilità e riproducibilità delle stime di LAI da immagini emisferiche e quindi ottenere una misura della loro precisione. I risultati ottenuti, dimostrano l’affidabilità della tecnica seguita per ottenere stime di LAI; la precisione ottenuta è stata infatti comparabile a quella che caratterizza altri strumenti in commercio. I risultati migliori sono stati ottenuti in caso di coperture vegetali continue ed omogenee, caratteristiche dei sistemi agricoli intensivi, sottolineando ulteriormente l’affidabilità di tale tecnica in questi contesti. Entrambe le attività, qui brevemente riassunte, hanno permesso di definire un valido punto di partenza per l’integrazione di modellistica e telerilevamento fornendo informazioni utili per la progettazione e la realizzazione del caso studio. In questa ultima attività, un sistema di previsione ad alta risoluzione basato sull’integrazione di modellistica e telerilevamento è stato formalizzato e quindi valutato utilizzando dati raccolti in risaia durante le annate 2014, 2015 e 2016. Il modello colturale WARM è stato integrato con serie temporali di LAI telerilevate, ricalibrando automaticamente quei parametri, identificati come i più influenti oppure strettamente legati alla simulazione del LAI. Il confronto dei risultati ottenuti adottando questo approccio con quelli ottenuti utilizzando solamente il modello colturale, ha permesso di evidenziare i miglioramenti nella stima della produttività del riso dovuti all’integrazione di informazioni telerilevate. In generale la simulazione delle produttività del riso è risultata affetta da un ridotto RRMSE (13.8%), se confrontata con quella ottenuta usando solamente il modello (RRMSE = 15.7%). Inoltre l’integrazione delle due tecnologie ad una elevata risoluzione spaziale (30 m × 30 m), ha consentito di riprodurre la variabilità interna di ciascun campo. I risultati ottenuti evidenziano la validità del sistema proposto per la stima della produttività del riso ad un’elevata risoluzione spaziale. Ciò detto, durante la valutazione del sistema sono emerse alcune criticità legate ad incongruenze tra le variabili simulate e quelle telerilevate. Questi aspetti, così come la possibilità di considerare altre colture e altri modelli di simulazione, pongono le basi per ricerche future.

IMPROVING DECISION SUPPORT TOOLS VIA INTEGRATION OF REMOTELY SENSED DATA IN CROP MODELS / C. Gilardelli ; supervisor: R. Confalonieri ; coordinatore: D. Bassi. - : . DIPARTIMENTO DI SCIENZE E POLITICHE AMBIENTALI, 2018 Jan 15. ((30. ciclo, Anno Accademico 2017. [10.13130/c-gilardelli_phd2018-01-15].

IMPROVING DECISION SUPPORT TOOLS VIA INTEGRATION OF REMOTELY SENSED DATA IN CROP MODELS

C. Gilardelli
2018-01-15

Abstract

La necessità di garantire l’accesso al cibo per una popolazione mondiale in continua crescita, adempiendo al contempo a precisi requisiti ambientali, rappresenta una grande sfida per il settore agroalimentare. Il successo, in questa sfida, può essere garantito da un utilizzo ottimale delle risorse aziendali, raggiungibile attraverso sforzi notevoli volti al monitoraggio e all’analisi del sistema agricolo. I recenti sviluppi in campo satellitare e modellistico, forniscono strumenti adatti allo scopo specialmente in caso di un utilizzo integrato delle due tecnologie. Il progetto di ricerca, oggetto di questa tesi, mira alla formalizzazione e successiva valutazione di uno strumento, basato sull’integrazione di modelli di simulazione e telerilevamento, per il supporto alle decisioni in agricoltura. L’attività di ricerca, culminata nell’applicazione dello strumento al caso studio, ha previsto la realizzazione di due attività preliminari. In prima istanza è stato eseguito uno studio di analisi di sensibilità per accrescere la conoscenza del modello utilizzato e identificare i parametri, alla cui variazione, il modello risulta più sensibile. In questo studio sono state considerate sia serie climatiche attuali che proiezioni nel medio futuro e, utilizzando due diverse configurazioni del modello WOFOST (una standard ed una che permette di simulare l’impatto degli eventi meteorologici estremi sulle colture), sono state simulate le cinque colture più coltivate in Europa. I risultati evidenziano una forte sensibilità del modello ai parametri coinvolti nella simulazione degli organi di accumulo in quasi tutte le condizioni esplorate a meno dei casi in cui sono state riscontrate condizioni limitanti per la produttività delle colture. In queste condizioni il modello è infatti risultato più sensibile ai parametri che regolano la simulazione delle prime fasi di crescita delle colture. La seconda attività preliminare ha invece permesso di quantificare l’impatto della componente soggettiva sulla precisione delle stime di indice di area fogliare (LAI), una variabile tra le più utilizzate per permettere l’integrazione di modelli di simulazione e telerilevamento. Attraverso l’applicazione del protocollo previsto dalla normativa ISO 5725 è stato possibile calcolare i limiti di ripetibilità e riproducibilità delle stime di LAI da immagini emisferiche e quindi ottenere una misura della loro precisione. I risultati ottenuti, dimostrano l’affidabilità della tecnica seguita per ottenere stime di LAI; la precisione ottenuta è stata infatti comparabile a quella che caratterizza altri strumenti in commercio. I risultati migliori sono stati ottenuti in caso di coperture vegetali continue ed omogenee, caratteristiche dei sistemi agricoli intensivi, sottolineando ulteriormente l’affidabilità di tale tecnica in questi contesti. Entrambe le attività, qui brevemente riassunte, hanno permesso di definire un valido punto di partenza per l’integrazione di modellistica e telerilevamento fornendo informazioni utili per la progettazione e la realizzazione del caso studio. In questa ultima attività, un sistema di previsione ad alta risoluzione basato sull’integrazione di modellistica e telerilevamento è stato formalizzato e quindi valutato utilizzando dati raccolti in risaia durante le annate 2014, 2015 e 2016. Il modello colturale WARM è stato integrato con serie temporali di LAI telerilevate, ricalibrando automaticamente quei parametri, identificati come i più influenti oppure strettamente legati alla simulazione del LAI. Il confronto dei risultati ottenuti adottando questo approccio con quelli ottenuti utilizzando solamente il modello colturale, ha permesso di evidenziare i miglioramenti nella stima della produttività del riso dovuti all’integrazione di informazioni telerilevate. In generale la simulazione delle produttività del riso è risultata affetta da un ridotto RRMSE (13.8%), se confrontata con quella ottenuta usando solamente il modello (RRMSE = 15.7%). Inoltre l’integrazione delle due tecnologie ad una elevata risoluzione spaziale (30 m × 30 m), ha consentito di riprodurre la variabilità interna di ciascun campo. I risultati ottenuti evidenziano la validità del sistema proposto per la stima della produttività del riso ad un’elevata risoluzione spaziale. Ciò detto, durante la valutazione del sistema sono emerse alcune criticità legate ad incongruenze tra le variabili simulate e quelle telerilevate. Questi aspetti, così come la possibilità di considerare altre colture e altri modelli di simulazione, pongono le basi per ricerche future.
CONFALONIERI, ROBERTO
BASSI, DANIELE
CONFALONIERI, ROBERTO
The need to fulfil sustainability requirements while increasing productions to feed the raising world’s population represents a big challenge for the agricultural sector. To achieve this goal, improving management of resources at farm level is acknowledged as one of the most effective solutions. However, this requires intensive activities targeting cropping system monitoring and data processing. The advances in remote sensing and simulation technologies – especially when used in an integrated way – provide a valuable solution to support farmers and technicians in such a context. This research aims at setting up and evaluating pre-operational tools based on the integration of crop models and remotely sensed information to support decision making in cropping systems management. The research was articulated in two main preliminary activities before the application of crop models and remote sensing in a case study. Extensive sensitivity analysis experiments were performed to deepen the knowledge about model behaviour and to identify the most influential parameters for yield simulation. A wide range of conditions was investigated, considering both current weather and future climate projections, as well as five major crops cultivated in several European sites and using two different modelling solutions (the standard version of WOFOST and a version of the model improved for the simulation of the impact of extreme weather events). Model outputs were mainly influenced by parameters involved with storage organs development; nevertheless, in case limiting conditions were explored, simulations were influenced by parameters driving crop growth during early stages. Given leaf area index (LAI) data are those mostly used when crop models and remote sensing are integrated, the second activity targeted the quantification of the impact of subjectivity in LAI estimates from hemispherical images. Precision was determined via the application of the ISO 5725 validation protocol, thus leading to define repeatability and reproducibility limits. Results proved the reliability of LAI estimates from hemispherical images; the precision obtained was indeed comparable with that of other commercial instruments. The best results were obtained in case of high LAI and continuous canopy, further underlying the reliability of this method for intensive agricultural systems characterized by continuous and homogeneous canopies. Both the activities just presented aimed at defining a sound starting point for the coupling of crop models and remote sensing, providing useful information for the design of the case study. For this last activity, a high-resolution pre-operational system based on the WARM model and remotely sensed information was evaluated using observations from paddy rice fields during the seasons 2014, 2015 and 2016. The remotely sensed information, consisting in temporal series of LAI, were integrated in the model by automatically re-calibrating either parameters identified as the most influential or those strictly related with LAI dynamics. The system performances were compared with those obtained using the default parameterizations of the model. Results underlined the improvement in rice yield simulation after the integration of remotely sensed data, proving the reliability of the system. Overall, the simulation of rice yield was affected by a restrained RRMSE (13.8%), compared to the results obtained with the default model parameterizations (RRMSE = 15.7%). Moreover, the assimilation of remotely sensed information at high spatial resolution (30 m × 30 m) led to satisfactorily describe the within-field yield variability. The obtained results make the proposed system a valuable solution to provide high-resolution estimates of rice productivity. Nonetheless, weakness were highlighted, related with some the inconsistencies between observed crop state variables and crop reflectance properties. This, as well as the possibility to consider other models and crops, lays the basis for further studies.
Sustainability; Crop modelling; Remote Sensing; Decision support system; Yield prediction
Settore AGR/02 - Agronomia e Coltivazioni Erbacee
https://hdl:2434/467508
IMPROVING DECISION SUPPORT TOOLS VIA INTEGRATION OF REMOTELY SENSED DATA IN CROP MODELS / C. Gilardelli ; supervisor: R. Confalonieri ; coordinatore: D. Bassi. - : . DIPARTIMENTO DI SCIENZE E POLITICHE AMBIENTALI, 2018 Jan 15. ((30. ciclo, Anno Accademico 2017. [10.13130/c-gilardelli_phd2018-01-15].
Doctoral Thesis
File in questo prodotto:
File Dimensione Formato  
phd_unimi_R11019.pdf

embargo fino al 14/06/2019

Tipologia: Tesi di dottorato completa
Dimensione 5.54 MB
Formato Adobe PDF
5.54 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

Caricamento pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/2434/540068
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact