Uno studio condotto dai ricercatori del CNR-IMAA in collaborazione con i colleghi Cinesi del CAS-RADI pubblicato su IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, mostra come sia possibile stimare tramite indici spettrali l'indice di area fogliare (LAI) del grano. Il LAI rappresenta un importante indice per il calcolo della Produttività Primaria Netta, e quindi può fornire informazioni sulla capacità di immagazzinamento di CO2 delle piante. Obiettivo del lavoro è ottimizzare le performance degli indici spettrali per la stima del LAI utilizzando dati di multi-temporali e sensori remoti diversi.

L'indice di area fogliare (LAI) è una delle principali variabili biofisiche della vegetazione e rappresenta il rapporto tra la superficie fogliare totale e la superficie del suolo su cui le foglie si proiettano. Questo parametro può essere utilizzato nello studio dei processi fisiologici della vegetazione e per il funzionamento dell'ecosistema. La stima del LAI e la sua distribuzione spaziale in agricoltura sono importanti per nel monitoraggio crescita delle colture, la stima delle resa delle colture, il monitoraggio delle malattie, monitoraggio dello stress della vegetazione ed anche per suggerire le migliori pratiche di gestione. Il LAI, inoltre, trova applicazione nei modelli SVAT (soil-vegetation-atmosphere transfer) e nei GCM (global circulation models). I campi di grano sperimentali utilizzati, si trovano vicino a Pechino (Cina) all’interno del National Experiment Station for Precision Agriculture (40◦10 N, 116◦2 E). Per lo studio condotto sono stati utilizzati dati acquisiti sia in campo (misure di LAI e misure spettrali con lo spettroradiometro FieldSpec-FR2500, ASD,) sia da remoto utilizzando uno scanner iperspettrale aerotrasportato che acquisisce immagini nel VNIR (Figura 1).

Sono stati quindi validati tre indici di letteratura NDVI, MSR e MSAVI per la stima del LAI sulla base dei dati raccolti in campo negli anni 2002 e 2014. Sono state identificate le rette di regressione LAI-VI così da indentificare le migliori performance e poi applicati i modelli predittivi (RMSE) alle immagini iperspettrali da aereo.

Si è dimostrato (Figura 2) che gli indici spettrali presentano un diverso comportamento predittivo del LAI: (i) l’NDVI fornisce una buona stima di LAI tra i diversi plot, utilizzando sia diversi sensori sia i diversi anni delle misure in situ. Si deriva però che l’NDVI non è adatto per la stima di tipologie vegetazionali dense a causa di una saturazione di tale indice con LAI > 3; (ii) MSAVI mostra una buona performance sugli spettri misurati a terra non presentando il problema della sottostima del LAI per valori medi e la sovrastima per i valori elevati; (iii) MSR ha una media capacità di predittiva, comunque minore rispetto all’NDVI per bassi valori di LAI. I risultati dimostrano che gli indici calcolati utilizzando le bande presenti nella sola regione del red-edge (705 - 750 nm) non sono necessariamente meglio correlati al LAI rispetto a quelli calcolati utilizzando la regione tra 670 nm e 800 nm, questo perché il red-edge è più sensibile alla vegetazione densa, usualmente caratterizzata da un elevato contenuto di clorofilla, mentre il secondo è di fatto più sensibile alla vegetazione rada.

Figura 1

Figura 2

Approfondimenti:

Xie, Q., Huang, W., Zhang, B., Chen, P., Song, X., Pascucci, S., Pignatti S., Laneve G. & Dong, Y. Estimating Winter Wheat Leaf Area Index From Ground and Hyperspectral Observations Using Vegetation Indices. IEEE Journal Of Selected Topics In Applied Earth Observations And Remote Sensing, Vol. 9, No. 2, (2016). Digital Object Identifier 10.1109/Jstars.2015.2489718

Per informazioni:

Simone Pascucci, CNR-IMAA – simone.pascucci at imaa.cnr.it