Long-term grass biomass estimation from satellite Earth observation data for livestock sector resilience in a changing climate

Resource sustainability is primary condition for economic development and environmental stability of World's regions. However, to promote the development of the agriculture sector it is not possible to disregard the interactions between vegetation and weather. The general consensus on global climatic models and projections poses new and increased concern on future expectations. Global mean temperature is expected to increase, while precipitation are expected to change in pattern and intensity. Droughts are primary worrying, since they contribute in altering the composition, distribution and abundance of the species. To support agriculture sector, international organizations such as the Food and Agriculture Organization of the United Nation (FAO) are promoting the development of dedicated initiatives, with particular attention for undeveloped and disadvantaged countries. Such approach involves the exploitation of satellite remote sensing data for the observation and the analysis of the agriculture areas. In this framework, this research study developed a methodology for the characterization of grass distribution, grass growth cycle and biomass. Grasslands are in fact primary source for grazing of mammals and changing in climate determines variation in available yields for cattle. Zambia has been identified as a significant test area due to the vulnerability to the adverse impacts of climate change as a result of its geographic location, the socioeconomic stresses, and its low adaptive capacity. Within the Zambia region, a 10,000 km2 wide area in the Barotseland was designed as study site. For grassland analysis firstly an automatic land-cover classification algorithm for grass areas identification has been developed by means of Multilayer Perceptron Neural Networks (MLP-NN) which demonstrated to be effective for accuracy, generalization capabilities and massive data processing. Secondly, a regression analysis was carried out to estimate grass biomass by Normalized Difference Vegetation Index (NDVI) from optical satellite observations. Moreover, the proposed approach allows to derive grass growth cycles from NDVI and biomass estimates. In fact, analysis and estimations were performed over long time window (21 years) to identify correlations with climate variables, such as precipitation, to clarify sensitivity to climate change and possible effect already in place. From the analysis, grass quality and quantity decline is not currently in place in the study area. However, Barotseland's pastures are found vulnerable to changing climate, and in particular to water shortages coming with drought periods. This methodology, even tested on small study area was designed to be extensible to wider areas (from small areas to the whole world) and adaptive at different scales of detail, providing growth cycles which comprise land parcels or whole country extent. Findings and methodology will be exploited by FAO to be integrated in their models and eventually extended to the whole Zambia and other countries.

La sostenibilità delle risorse è condizione primaria per lo sviluppo economico e la stabilità ambientale nelle diverse regioni del mondo. In particolare, per promuovere lo sviluppo agricolo non bisogna dimenticare le interazioni esistenti tra vegetazione e clima. Il consenso generale che attualmente esiste sui modelli e sulle proiezioni climatiche globali pone nuove e crescenti preoccupazioni su ciò che ci aspetta in futuro. Si prevede, infatti, un aumento della temperatura media globale e una variazione nell’intensità e nel pattern delle precipitazioni. La siccità rappresenta e rappresenterà uno dei principali pericoli, specialmente nelle regioni aride e secche, in quanto contribuisce a modificare la composizione, la distribuzione e l'abbondanza delle specie. Per sostenere il settore agricolo, organizzazioni internazionali, come il Food and Agriculture Organization of the United Nation (FAO), stanno promuovendo lo sviluppo di iniziative dedicate, con particolare interesse e attenzione verso i Paesi sottosviluppati e svantaggiati. Tale approccio prevede, in particolare, l'analisi e il monitoraggio delle aree agricole sfruttando dati telerilevati da satelliti per l'osservazione della Terra. In tale contesto, nell’ambito del presente studio è stata sviluppata una metodologia per la caratterizzazione della distribuzione dei pascoli, del ciclo di crescita dell'erba e della biomassa erbosa disponibile al bestiame. Il cambiamento climatico sta infatti determinando una variazione importante delle rese disponibili ai mammiferi ruminanti, il cui sostentamento è primariamente basato su aree di pascolo naturale. Tra i Paesi svantaggiati, lo Stato africano dello Zambia è stato identificato come regione significativa per la sua vulnerabilità agli impatti negativi del cambiamento climatico principalmente dovuta alla sua posizione geografica, alle tensioni socio-economiche esistenti e alla bassa capacità di adattamento in tutti i settori, tra cui quello agricolo. Nell’area geografica Barotseland, situata presso la porzione settentrionale del fiume Zambesi e di grande valore naturale ed economico per un’importante presenza di bestiame e pascoli, è stata individuata un’area di studio estesa circa 10,000 km2 . In primo luogo, per l’identificazione e la caratterizzazione delle aree erbose, è stato sviluppato un algoritmo di classificazione automatica della copertura del suolo mediante reti neurali Multilayer Perceptron (MLP-NN), che hanno dimostrato la loro efficacia in accuratezza, capacità di generalizzazione e elaborazione massiva di dati. In secondo luogo, è stata condotta un'analisi di regressione non-lineare per la stima della biomassa basata sul Normalized Difference Vegetation Index (NDVI) ottenibile da osservazioni satellitari multispettrali. L'approccio proposto consente di ricavare cicli di crescita dell'erba da stime di NDVI e di biomassa estendendo temporalmente l’analisi. Infatti, eseguendo le stime per un lungo intervallo temporale (21 anni) è stato possibile identificare eventuali correlazioni con le variabili climatiche, quali le precipitazioni, ancorché per chiarire la sensitività delle aree a pascolo esaminate ai cambiamenti climatici, e possibili effetti già in atto. Dall'analisi condotta sull’area di studio presso la Barotseland è emerso che le aree erbose non sono attualmente soggette ad un fenomeno di declino in termini di quantità e qualità della componente erbacea. Tuttavia, è stato possibile riscontrare un’elevata vulnerabilità dei suddetti pascoli ad un eventuale persistenza di condizioni climatiche avverse, con particolare riferimento a condizioni di carenza idrica corrispondente a prolungati periodi di siccità. La metodologia e gli algoritmi prodotti nell’ambito della presente ricerca di dottorato, anche se sperimentati su una limitata area di studio, sono stati progettati e sviluppati per estendersi a porzioni più vaste di territorio (da piccole aree a tutto il mondo) e per adattarsi a diverse scale di dettaglio, ovvero in grado di fornire cicli di crescita relativi a singole particelle terrestri o rappresentativi di tutte le aree a pascolo presenti all’interno di un Paese o di un’intera Regione. I risultati e la metodologia saranno sfruttati dalla FAO per essere integrati nei loro modelli e infine estesi all'intero Zambia e ad altri Paesi.