Action cam per la raccolta di verità a terra propedeutica all'identificazione di colture agricole attraverso immagini ottiche del satellite Sentinel-2.

Il telerilevamento ha reso possibile l’applicazione di tecnologie in grado di ridurre gli impatti sull’ambiente. Tra queste, la missione Sentinel-2 di ESA è in grado di fornire informazioni per contrastare il cambiamento climatico. In questo elaborato, l’utilizzo di una action cam per il monitoraggio di appezzamenti agricoli correlata all’utilizzo di bande Sentinel-2 e degli indici NDVI e NDWI hanno permesso di valutare l’andamento fenologico in una serie di appezzamenti della Provincia di Ravenna. Il primo risultato è stato quello di ottenere ground truth (GTs) a basso costo che potessero integrarsi al successivo utilizzo del satellite attraverso il software Google Earth Engine. Secondariamente, le GTs accoppiate al dato satellitare hanno permesso di identificare alcune fasi fenologiche (maturazione e fioritura) nel mais, girasole, soia e sorgo. Gli indici NDVI e NDWI descrivono bene la curva di crescita delle piante e in particolare la loro deviazione standard appare utile per identificare alcune variazioni di fenologia legata ad un non omogeneo accrescimento delle piante. L’applicazione di una tecnica di Machine Learning, attraverso il Random Forest Classifier, per creare un modello predittivo delle colture ha permesso di tentare l’identificazione delle colture nell’intera provincia di Ravenna. Le colture sono risultate ben riconosciute nell’area di raccolta delle GTs, mentre l’assenza di verità a terra nell’area vasta non ha permesso di validare i risultati della classificazione. I risultati ottenuti pongono le basi per integrare la conoscenza a terra ottenuta con metodi di rilievo a basso costo con l’informazione del programma Copernicus, per proseguire verso una precoce identificazione delle colture agricole in un’ottica di gestione sostenibile delle produzioni e dei loro sottoprodotti.