Tecniche di classificazione e monitoraggio delle aree agricole nei paesi dell’Africa Centro-Orientale da immagini satellitari

We investigated the use of phenological information extracted from satellite imagery combined with crop calendar and supported by agro-ecological zoning (AEZ) in accurate crop classification and monitoring. Vegetation indices extracted from Landsat 8 imagery are capable to track the vegetation development through the year and from them the phenological profile can be extrapolated and implemented into a multi-temporal automatic classification process to detect agricultural vegetated areas and to discriminate among different crop species.The classification procedure is supported by the agro-ecological zoning which, based on crop modeling and environmental matching procedures, identifies crop-specific environmental limitations under assumed levels of inputs and management conditions. The Fao AquaCrop simulation model was implemented to estimate the site specific crop yield response to different stress factors. Accurate crop classification and monitoring is the main objective of the SBAM (Satellite Based Agricultural Monitoring) project funded by the Italian Space Agency and focused on Kenya.

Il progetto Africover per l’Africa Orientale fu attivo fra gli anni 1995 e 2002, ed ebbe come obiettivo la produzione di un archivio digitale georeferenziato volto alla classificazione delle tipologie di copertura del suolo, nonché alla determinazione della loro destinazione di utilizzo; venne inoltre introdotto un riferimento geodetico omogeneo e stabilita una chiara ed univoca toponimia di strade e bacini idrici presenti nell’area. La FAO e la Cooperazione Italiana supportarono, in risposta a numerose richieste di assistenza a livello sia nazionale che locale, la creazione dell’archivio e la realizzazione delle mappe tematiche di land cover poste a fondazione dei criteri decisionali per la gestione e lo sfruttamento delle risorse naturali delle regioni africane. A partire dal 2002 l’archivio realizzato non è mai più stato aggiornato; da questo punto parte il nostro lavoro, con l’obiettivo di realizzare mappe aggiornate delle aree agricole del Kenya impiegando sensori della classe del Thematic Mapper, sviluppare una metodologia di stima dello stato delle culture per un accurata previsione dei raccolti, sviluppare ed implementare un sistema software che renda agevole la creazione di mappe di uso del suolo da immagini satellitari. Il progetto SBAM (Satellite Based Agricultural Monitoring), risponde alle esigenze di ottenere delle mappe aggiornante ed accurate delle aree dedicate all'agricoltura nei paesi dell'Africa Centrale, fornire alle istituzioni di ricerca locali il know how per perseguire l’attività di aggiornamento del land cover ed attivare un sistema di monitoraggio dello stato di salute delle colture e previsione dei raccolti ed infine potenziare la stazione di telerilevamento del BSC (Broglio Space Center) di Malindi. La procedura di classificazione MDT (Multi-variate Decision Tree) del dato satellitare segue un approccio fenologico multi-temporale, supportato dall’impiego della zonazione agro-ecologica; un sistema automatico di modellizzazione climatico-ambientale interviene a calibrare i parametri di simulazione in ambiente FAO AquaCrop per l’individuazione dei parametri di stress attivi sulle coltivazioni e l’effetto da essi determinato sul livello di produzione atteso. L'area di studio comprende i paesi dell'Africa Centrale ed in particolare i paesi che cadono nel cerchio di acquisizione della stazione di telerilevamento del BSC di Malindi.