ll presente OR ha lo scopo di sviluppare metodologie in grado di sfruttare al meglio sensori e piattaforme innovative realizzati negli OR1 e OR2 quale dimostrazione della loro utilità per applicazioni di field phenotypling e applicazioni di agricoltura di precisione. Oltre al test dei sensori svilupparti in "E-crops", l'OR utilizzerà dati provenienti da missioni satellitari Copernicus (ESA) ed ASI insieme a dati a terra tradizionali quali fonti di informazioni per lo sviluppo di soluzioni di agricoltura di precisione e la dimostrazione di agropratiche con tecniche a rateo variabile. Una gestione dati in cloud (OR7) e lo sviluppo di un DSS dedicato in collaborazione con OR8 forniranno un prototipo per l'applicazione di agropratiche a rateo variabile. La sperimentazione - supportata da risultati del OR3 - verrà svolta su filiere di colture erbacee industriali quali cereali e pomodoro anche con la particolare sfida di dimostrare il contributo delle informazioni digitali per migliorare la sostenibilità delle produzioni biologiche. Nello specifico quattro attività sono state previste in fase di proposta e riviste in considerazione dell'evolvere del progetto come riportato nella relazione annuale: o 4.1 Tecnologie di sensing per la stima dello stato fisiologico in ambiente Field Phenotyping: frumento o 4.2 Tecnologie di sensing per la valutazione della qualità e sicurezza delle produzioni: pomodoro o 4.3 Tecniche di upscale a scala di comprensorio con dati satellitari o 4.4 Caso studio pilota per implementazione DSS per la filiera erbacea Nel periodo relativo al SAL 5 (febbraio 2022 - maggio 2022) il gruppo di lavoro si è dedicato principalmente alle attività 4.1, 4.2, 4.3 e 4.4. In particolare: o Attività "4.1: (i) definizione della dataset e pianificazione del protocollo di campionamento, (ii) programmazione e coordinamento attività di campo o Attività "4.2": (i) definizione della dataset e pianificazione del protocollo di campionamento, (ii) programmazione attività di campo o Attività "4.3": processamento dei dati satellitari per la stima di parametri biofisici utili alla valutazione dello stato delle colture (LAI-Leaf Area Index) con metodi non-parametrici o Attività "4.4": Elaborazione dati digitali aziendali a supporto VRT

[SAL05-Feb22_Mag22] OR4: E-crops per colture erbacee in agricoltura convenzionale e biologica

Antonio Pepe;Pietro Mastro
2022

Abstract

ll presente OR ha lo scopo di sviluppare metodologie in grado di sfruttare al meglio sensori e piattaforme innovative realizzati negli OR1 e OR2 quale dimostrazione della loro utilità per applicazioni di field phenotypling e applicazioni di agricoltura di precisione. Oltre al test dei sensori svilupparti in "E-crops", l'OR utilizzerà dati provenienti da missioni satellitari Copernicus (ESA) ed ASI insieme a dati a terra tradizionali quali fonti di informazioni per lo sviluppo di soluzioni di agricoltura di precisione e la dimostrazione di agropratiche con tecniche a rateo variabile. Una gestione dati in cloud (OR7) e lo sviluppo di un DSS dedicato in collaborazione con OR8 forniranno un prototipo per l'applicazione di agropratiche a rateo variabile. La sperimentazione - supportata da risultati del OR3 - verrà svolta su filiere di colture erbacee industriali quali cereali e pomodoro anche con la particolare sfida di dimostrare il contributo delle informazioni digitali per migliorare la sostenibilità delle produzioni biologiche. Nello specifico quattro attività sono state previste in fase di proposta e riviste in considerazione dell'evolvere del progetto come riportato nella relazione annuale: o 4.1 Tecnologie di sensing per la stima dello stato fisiologico in ambiente Field Phenotyping: frumento o 4.2 Tecnologie di sensing per la valutazione della qualità e sicurezza delle produzioni: pomodoro o 4.3 Tecniche di upscale a scala di comprensorio con dati satellitari o 4.4 Caso studio pilota per implementazione DSS per la filiera erbacea Nel periodo relativo al SAL 5 (febbraio 2022 - maggio 2022) il gruppo di lavoro si è dedicato principalmente alle attività 4.1, 4.2, 4.3 e 4.4. In particolare: o Attività "4.1: (i) definizione della dataset e pianificazione del protocollo di campionamento, (ii) programmazione e coordinamento attività di campo o Attività "4.2": (i) definizione della dataset e pianificazione del protocollo di campionamento, (ii) programmazione attività di campo o Attività "4.3": processamento dei dati satellitari per la stima di parametri biofisici utili alla valutazione dello stato delle colture (LAI-Leaf Area Index) con metodi non-parametrici o Attività "4.4": Elaborazione dati digitali aziendali a supporto VRT
2022
Istituto per il Rilevamento Elettromagnetico dell'Ambiente - IREA
Rapporto intermedio di progetto
SAR
LAI
Machine Learning
File in questo prodotto:
Non ci sono file associati a questo prodotto.

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: https://hdl.handle.net/20.500.14243/458959
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact