Telerilevamento satellitare per il monitoraggio delle colture: cosa può dirci davvero Sentinel
I satelliti Sentinel offrono dati gratuiti e ad alta frequenza sull'intero territorio agricolo. Ecco cosa possono (e cosa non possono) dirci su una coltura, e come si passa da un'immagine a una mappa utile.
Uno degli equivoci più comuni sul telerilevamento satellitare è pensare che basti “guardare una foto dall’alto” per sapere come sta andando una coltura. In realtà, il valore non è nell’immagine in sé, ma in come la si elabora.
I satelliti Sentinel del programma europeo Copernicus offrono qualcosa che fino a pochi anni fa non era alla portata della maggior parte delle aziende agricole o degli enti locali: dati gratuiti, a risoluzione utile (10-20 metri), con un passaggio ogni pochi giorni su tutto il territorio. La domanda giusta non è se questi dati siano utili, ma come trasformarli in informazione operativa.
Due satelliti, due tipi di informazione
- Sentinel-2 cattura immagini ottiche multispettrali: è la base per calcolare indici di vegetazione come l’NDVI, che dà un’indicazione dello stato vegetativo e del vigore della coltura. Il limite principale è la copertura nuvolosa, che in alcune stagioni può ridurre la disponibilità di immagini utilizzabili.
- Sentinel-1 utilizza un radar, quindi “vede” anche attraverso le nuvole. È meno intuitivo da interpretare ma è prezioso per il monitoraggio in condizioni meteo avverse o per stimare l’umidità del suolo.
Combinare le due fonti (cosa che ho fatto nella costruzione di mappe colturali ad alta risoluzione) permette di ottenere serie temporali continue anche nei periodi più nuvolosi dell’anno.
Dall’immagine alla mappa: il ruolo della classificazione
Un’immagine satellitare grezza non dice “qui c’è grano” o “qui c’è un agrumeto”. Per arrivare a una mappa colturale servono algoritmi di classificazione: nella mia esperienza, in particolare un classificatore Random Forest addestrato su serie temporali di immagini, capace di distinguere decine di classi colturali diverse anche in contesti agricoli frammentati come quello mediterraneo.
Nel lavoro di mappatura che ho svolto sulla Sardegna, ad esempio, questo approccio ha permesso di classificare correttamente oltre 25 tipologie colturali con un’accuratezza superiore al 75%, un livello sufficiente per un uso operativo a scala regionale.
A cosa serve, in pratica
Una mappa colturale aggiornata via satellite non è un esercizio scientifico fine a sé stesso. Le applicazioni dirette includono:
- Monitoraggio dello stato vegetativo durante la stagione, per individuare aree in stress idrico prima che sia visibile a occhio nudo.
- Validazione di dati statistici e catastali, incrociando le mappe satellitari con i dati dichiarati.
- Pianificazione irrigua a scala di comprensorio, identificando dove concentrare interventi o controlli.
- Supporto a pratiche autorizzative e ambientali, dove serve documentare l’uso del suolo nel tempo.
Il punto centrale resta lo stesso di ogni analisi quantitativa: il satellite fornisce il dato grezzo, ma il valore si crea nell’elaborazione: capire quale indice calcolare, quale algoritmo di classificazione usare, e soprattutto quale domanda si sta cercando di rispondere.