Analisi di vigneti mediante dati multispettrali e termici da satellite e UAV: limiti e potenzialità a confronto

The aim of this work is to compare a traditional agronomical parameter (water potential) and thermal data, with multispectral data acquired through UAV and Sentinel 2. Furthermore, thanks to a pedological classification, it was investigated how the type of soil could affect spectral indices along the year. The correlation between water potential and the elaborated spectral indices was not optimal because the two most performing computed models, namely UAV-derived NDVI and Sentinel 2-derived NDRE, only reached a coefficient of determination of about 0.30. On the other hand, thermal model fitted incredibly better. The two most performing models (UAV NDVI and Sentinel 2 NDWI) both reached an R2 value above 0.98. The validation of those models showed a prediction error comparable to one of the thermal cameras used. The UAV-derived NDVI model was applied to the satellite-derived NDVI, obtaining a comparable R2 value and a nearly similar error. After finding those well performing models, time series of the respective indices were made and the pixels classified by the pedological division. Each layer of the time series was statistically tested and soils were significantly recognized as different. The discriminative power of this time series and the possibility to think about a model that might be able to predict vegetation temperatures makes the possibility of predicting and monitoring the crop water stress index (that comes from temperatures elaboration) along time and space plausible. In conclusion this technology, Sentinel 2, might allow people to manage the vineyards differently, more sustainably and more efficiently. It is important to keep in mind that further analysis is necessary in order to be able to extend those assumptions to different places, water conditions and times of the year.

Il progetto di tesi mette a confronto ed in relazione tra loro, il potenziale idrico misurato con la camera di Scholander, dati termici e multispettrali acquisiti tramite UAV, una classificazione pedologica del tipo di suolo presente all'interno dei vigneti analizzati e le immagini multispettrali Sentinel 2. Si è studiata la correlazione tra i diversi indici spettrali elaborati con i dati termici registrati e con il potenziale idrico misurato in vigneto. Non si è notata una forte correlazione con i valori della camera di Scholander, mentre invece i modelli ottenuti per stimare i dati termici si sono rivelati altamente performanti. In particolare, i due modelli ottenuti tramite l'NDVI da UAV e quello ottenuto con l'NDWI satellitare hanno ottenuto entrambi un coefficiente di determinazione (R2) maggiore a 0.98. Il modello NDVI ottenuto tramite drone è riuscito ad essere applicato con successo ai valori NDVI Sentinel 2, ottenendo un errore nella predizione assimilabile agli altri due. La divisione pedologica è stata sfruttata attraverso l'uso della serie temporale NDWI ed NDVI generata dai dati Sentinel 2 nel periodo di 11 mesi. Queste due serie hanno evidenziato come sia stato possibile distinguere, in modo statisticamente significativo, le porzioni di vigneto racchiuse in diverse categorie di suolo. Questi modelli correlativi e le differenze evidenziate tramite le serie temporali fanno presumere che si possa predire lo stress idrico (calcolato tramite le temperature) in modo differenziato nel tempo e nello spazio, andando in contro ad una gestione più sostenibile, efficace ed economica dei vigneti utilizzando i dati di Sentinel 2.