REMOTE SENSING TO SUPPORT THE AGRI-FOOD INDUSTRY: CASE STUDIES OF VEGETABLE CROPS

Abstract

Questa tesi si concentra sull'utilizzo di nuove tecnologie, tra cui il telerilevamento satellitare e i veicoli aerei senza pilota (UAV), come strumento di monitoraggio delle colture orticole per migliorare il settore orticolo regionale, sviluppando soluzioni specifiche per il settore agroalimentare dello spinacio da industria, dell'aglio bianco piacentino e del pomodoro da industria. Nello specifico il capitolo 2 ha l'obiettivo di valutare la fattibilità dell'utilizzo delle immagini satellitari Sentinel-2 per monitorare la filiera dello spinacio attraverso lo sviluppo di modelli per la stima dei parametri biofisici e biochimici e di valutare la trasferibilità e l'operatività del modello di stima della resa alla scala di campo utilizzando i dati forniti dall'industria in diverse stagioni di crescita. Il capitolo 3 ha l’obiettivo di sviluppare un modello di apprendimento automatico per monitorare la resa dell'aglio utilizzando immagini multispettrali acquisite da UAV. Il capitolo 4 mira a stabilire un flusso di lavoro efficace di apprendimento automatico (ML) per prevedere la resa del pomodoro da industria su scala di campo. In generale, si è dimostrato che le immagini satellitari Sentinel-2 e UAV possono stimare efficacemente i parametri biofisici e biochimici cruciali per il monitoraggio delle colture orticole, oltre ad essere una fonte primaria di dati per la stima e previsione della resa.