Caratterizzazione di vigneti di erbaluce e nebbiolo tramite telerilevamento ottico nel Canavese

The thesis aims at proving the usefulness of remote sensing in viticulture. Remote sensing relies on sensors that exploit electromagnetic radiation and can give useful data for vineyard management. Multispectral sensors are mounted on different vehicles such as Sentinel-2 satellites that are able to elaborate pixel maps and collect different bands of the electromagnetic spectrum and by combing these bands through mathematical computations called spectral indexes that can give a direct information about the vegetation activity. In particular, the spectral indexes utilized in this study are the NDVI (Normalized Difference Vegetation Index) and NDRE (Normalized Difference Red-Edge Index): they are both useful indicators of the vegetation vigor but the NDRE is more related to the chlorophyll content and can penetrate more in the canopy compared to the NDVI that focuses on the topmost leaves layers. These indexes are applied for the evaluation of three vineyards in the Canavese DOC area, in the Piverone and Viverone localities. Each vineyard is divided in three clusters according to the August 2019 NDVI differences and within each cluster five properly georeferenced plants are taken into consideration for sampling field parameters. Hence, the evaluation follow three different steps: the correlation (α = 0.05) between NDVI and NDRE indexes, the correlation (α = 0.05) between the spectral indexes with vine and production features and the NDVI and NDRE evolution during the 2020 vegetative period (from the 4th May to the 13th October). The correlation between the spectral indexes was set to understand if these two indicators can give different information about the plants activity while their correlation with field parameters aims at assessing which index can be considered the best predictor for vine characteristics. The considered parameters (i.e. buds number/fruiting cane, shoots number/fruiting cane, inflorescence number/fruiting cane, average fruiting cane fertility, number of foliar layers, berry °BRIX, berry pH, berry average weight bunches number, total bunches weight, average bunches weight) are compared with the NDVI and NDRE statistical elaborations (i.e. arithmetic mean, maximum and standard deviation) through linear regression model. The predictability of the NDVI ad NDRE elaboration is also tested through the MAE (Mean Absolute Error), the error based on the range computed on the observed values (err=(MAE/(Max obs-Min obs))100) and the error based on the single observation (ERR=(1/n ∑▒(exp-obs)/obs)100). The last analysis was regarded as the evaluation of the evolution the NDVI and NDRE along time for each vineyard by evaluating image time series that are a collection of NDVI- NDRE cluster maps grouping pixels having similar spectral characteristics, trying to give an agronomic interpretation to the results.

La tesi vuole sottolineare l'utilità del telerilevamento in viticoltura. Il telerilevamento si basa su sensori che sfruttano la radiazione elettromagnetica e possono fornire dati utili per la gestione del vigneto. I sensori multispettrali sono montati su diversi veicoli come i satelliti Sentinel-2 che sono in grado di elaborare mappe composte da pixel e capaci di acquisire diverse bande dello spettro elettromagnetico e, mediante la combinazione di queste bande attraverso calcoli matematici è possibile sviluppare indici spettrali che possono dare un'informazione diretta sull'attività della vegetazione. In particolare, gli indici spettrali utilizzati in questo studio sono l'NDVI (Normalized Difference Vegetation Index) e l'NDRE (Normalized Difference Red-Edge Index): sono entrambi indicatori utili per stabilire il vigore della vegetazione ma l'NDRE è più correlato al contenuto di clorofilla e può penetrare di più nella chioma rispetto all'NDVI che si concentra sugli strati più alti delle foglie. Questi indici sono applicati per la valutazione di tre vigneti della zona DOC del Canavese, nelle località di Piverone e Viverone. Ogni vigneto è suddiviso in tre cluster in base alle differenze NDVI dell’agosto 2019 e all'interno di ciascun cluster sono prese in considerazione cinque piante opportunamente georeferenziate per il campionamento dei parametri del campo. Pertanto, la valutazione segue tre diversi passaggi: la correlazione (α = 0,05) tra gli indici NDVI e NDRE, la correlazione (α = 0,05) tra gli indici spettrali con caratteristiche delle viti e della produzione e l'evoluzione di NDVI e NDRE durante il periodo vegetativo del 2020 (dal 4 maggio al 13 ottobre). La correlazione tra gli indici spettrali è stata impostata per capire se questi due indicatori possono fornire informazioni diverse sull'attività delle piante mentre la loro correlazione con i parametri di campo mira a valutare quale indice può essere considerato il miglior predittore per le caratteristiche delle piante e della produzione. I parametri considerati (es. numero gemme/capo a frutto, numero germogli/capo a frutto, numero di infiorescenze/capo a frutto, fertilità media dei capi a frutto, numero strati fogliari, °BRIX, pH, peso medio acino, numero di grappoli, peso totale dei grappoli, peso medio dei grappoli) vengono confrontati con le elaborazioni statistiche di NDVI e NDRE (ovvero media aritmetica, massimo e deviazione standard) attraverso un modello di regressione lineare. La predittività delle elaborazioni NDVI e NDRE viene verificata anche attraverso il MAE (Mean Absolute Error), l'errore basato sul range calcolato sui valori osservati (err=(MAE/(Max obs-Min obs))100) e l'errore sulla base della singola osservazione (ERR=(1/n ∑▒exp/obs)100). L'ultima analisi ha riguardato la considerazione dell'evoluzione nel tempo dell’NDVI e dell’NDRE per ciascun vigneto, valutando una zonazione multitemporale che consiste in una raccolta di NDVI-NDRE cluster maps che raggruppano pixel aventi caratteristiche spettrali simili, cercando di dare un significato tecnologico ed economico ai risultati ottenuti.