• agro-ecology
• agro-ecologia
• mappatura

Il concetto di zonazione agro-ecologica fu definito e utilizzato per la prima volta dalla FAO nel 1978, che le raccomandava come strumento per la pianificazione territoriale, ma ad oggi si contano innumerevoli altre applicazioni: dalle predizioni dei raccolti su larga scala alla valutazione di impatto ambientale delle attività agricole, dal potenziale produttivo delle varie colture allo studio delle conseguenze del cambiamento climatico. Normalmente, le zonazioni agro-ecologiche sono costruite sulla base di criteri pedo-climatici. Tuttavia, la produzione agricola è influenzata da molteplici fattori, sia biotici che abiotici, relativi sia all’ambiente che alle pratiche agronomiche. Di conseguenza, anche l’inclusione di informazioni sul land cover, ed in particolare sulle colture più diffuse sul territorio, può apportare un miglioramento al significato della zonazione. In questa prospettiva, il telerilevamento presenta un ottimo potenziale di utilizzo. In particolare, l’analisi di immagini acquisite da satellite offrono diversi vantaggi: il monitoraggio continuo e costante a risoluzioni spaziali adeguate; la disponibilità di serie storiche di dati; la possibilità di effettuare convalide incrociate con dati provenienti da altre fonti; il costo, molto ridotto rispetto a quello da sostenere per indagini di campo su larga scala.
Nell’elaborato si mostrerà l’utilità di integrare informazioni sui tipi di colture nelle zonazioni agro-ecologiche. Il caso studio è rappresentato dalla Muzza, un’area della Lombardia afferente alla Pianura Padana e caratterizzata da una produzione agricola intensiva legata al settore zootecnico, molto forte sul territorio.
Nella ricerca, è stata effettuata un’indagine sperimentale per la classificazione delle principali coltura presenti nell’area nell’annata agraria 2014-2015, impiegando immagini acquisite da satellite. In particolare, sono state utilizzate le immagini del sensore OLI, a bordo del satellite Landsat8, il quale scansiona l’area studio ogni 8 giorni. La classificazione è stata effettuata sulla base di variabili relative alla fenologia delle colture: infatti, persino colture con cicli di crescita simili non presentano una fenologia identica. A tale scopo, sono stati calcolati cinque indici di vegetazione (SAVI, EVI, NDVI, TCT, MSAVI) sulla serie storica dell’intervallo di tempo considerato. Sulla base del profilo temporale dei tre indici, e per ogni indice, sono state calcolate 19 metriche in grado di descrivere la fenologia della coltura: ad esempio, la data in cui la pianta comincia a crescere, la data di raccolto, la data in cui la pianta raggiunge la massima biomassa, la velocità del processo di senescenza. Analizzando visivamente i dati prodotti, sono stati scelti 3 indici di vegetazione (NDVI, EVI, SAVI) e 11 variabili fenologiche, tra quelli che presentavano una migliore performance. Le varie combinazioni di indici di vegetazione e di variabili fenologiche sono infine state utilizzate per classificare le colture dell’area studio, con l’algoritmo di classificazione RandomForest. Il training del modello e la validazione dei risultati ottenuti sono stati effettuati grazie a dei dati open source forniti dalla Regione Lombardia e relativi all’utilizzo delle particelle agricole registrate.
Nell’ultima fase della ricerca, tra le mappe prodotte è stata scelta quella con il maggior grado di accuratezza, per poi integrarla in una zonazione agro-ecologica esistente, basata solo su dati pedo-climatici. Questa integrazione ha rivelato delle differenze nei tipi di colture presenti nelle zone agro-ecologiche dell’area studio.