📄 agriculture

UAV-Based Assessment of Pre- and Post-Harvest Water Stress Dynamics in Vineyards Using NDRE and GNDVI Spectral Responses

Questo studio dimostra che il monitoraggio multispettrale basato su UAV, utilizzando gli indici complementari GNDVI e NDRE, caratterizza efficacemente la dinamica dello stress idrico pre e post-raccolta e l'eterogeneità spaziale in un vigneto turco, offrendo un quadro prezioso per l'irrigazione di precisione e la viticoltura resiliente al clima.

Autori originali: Alperen Meral, Alaaddin Yüksel, Ezgi DOĞAN MERAL, Gültekin Özdemir

Pubblicato 2026-06-26

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Alperen Meral, Alaaddin Yüksel, Ezgi DOĞAN MERAL, Gültekin Özdemir

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate un vigneto non solo come un campo di viti, ma come un enorme circuito stampato vivente. Ogni vite è una piccola lampadina e la salute dell'intera azienda agricola dipende da quanto brillano queste lampadine.

Questo articolo di ricerca è come un racconto investigativo ad alta tecnologia dove i detective sono i droni (robot volanti) e gli indizi sono i colori che l'occhio umano non può vedere. L'obiettivo era capire quanto le viti stessero sentendo la sete prima e dopo il raccolto, specificamente in un vigneto della Turchia orientale che coltiva un vitigno locale chiamato "Ağın Beyazı".

Ecco la suddivisione della loro investigazione utilizzando semplici analogie:

1. Le telecamere volanti (I droni)

Invece di camminare tra i filari delle viti con una cartella clinica (il che è lento e controlla solo pochi punti), i ricercatori hanno fatto volare un drone su tutta l'azienda agricola. Questo drone aveva telecamere con una "super-visione" speciale.

L'analogia: Pensate al drone come a un fotografo che scatta una foto così nitida che potreste vedere una singola foglia da 50 metri di distanza. Ha scattato foto in due stagioni specifiche: subito prima che l'uva venisse raccolta (Pre-Raccolto) e subito dopo (Post-Raccolto).

2. I due occhiali speciali (Gli indici)

I ricercatori non si sono limitati a guardare le foto; hanno indossato due diversi paia di "occhiali magici" per interpretare i dati. Questi occhiali si chiamano GNDVI e NDRE.

GNDVI (Gli "Occhiali della Vigoria"):
- Cosa vede: Guarda la luce verde che rimbalza dalle foglie.
- L'analogia: Immaginate un fitness tracker che misura quanta energia ha una persona. Se le foglie sono di un verde brillante, le viti sono forti e stanno fotosintetizzando bene. Se diventano opache, le viti sono stanche o assetate.
- Cosa ha scoperto: Questi "occhiali" erano ottimi per vedere il quadro generale. Hanno notato che, nel complesso, le viti sono cambiate significativamente dopo il raccolto, mostrando un cambiamento nei loro livelli di energia generali.
NDRE (Il "Detective dello Stress"):
- Cosa vede: Guarda la luce del red-edge (un colore proprio tra il rosso e l'infrarosso che gli umani non possono vedere).
- L'analogia: Immaginate un medico con uno stetoscopio che può sentire un battito cardiaco debole e irregolare che un controllo normale non coglierebbe. Questi "occhiali" sono molto sensibili ai cambiamenti sottili nel "sangue" della pianta (la clorofilla), anche quando la pianta appare sana da lontano.
- Cosa ha scoperto: Questi "occhiali" erano i maestri nel individuare problemi locali. Potevano vedere minuscoli appezzamenti di viti assetate nascosti tra quelle sane. Hanno mostrato che, dopo il raccolto, le differenze tra le viti "felici" e quelle "assetate" sono diventate molto più evidenti.

3. La grande scoperta: L'effetto "Patchwork Quilt"

I ricercatori hanno confrontato il vigneto prima e dopo il raccolto.

Il cambiamento: Dopo che l'uva è stata raccolta, le viti naturalmente rallentano (come un corridore che si calma dopo una gara). Gli "Occhiali della Vigoria" (GNDVI) hanno visto chiaramente questo rallentamento generale.
Il colpo di scena: Tuttavia, il "Detective dello Stress" (NDRE) ha rivelato qualcosa di sorprendente. Dopo il raccolto, il vigneto non è diventato semplicemente "stanco" in modo uniforme. Invece, è diventato un patchwork quilt (una coltre di pezze). Alcuni punti sono diventati molto diversi dai loro vicini.
- L'analogia: Immaginate un'aula dove tutti sono silenziosi dopo un test. Dalla parte posteriore della stanza, sembra che tutti siano uguali. Ma se vi avvicinate a ogni banco, vedete che alcuni studenti sono annoiati, altri sono preoccupati e altri ancora sono entusiasti. L'NDRE è stato quello che si è avvicinato ai banchi e ha visto le differenze.

4. Perché esistono le differenze (La mappa)

Lo studio ha scoperto che questi "appezzamenti assetati" non apparivano casualmente. Si trovavano negli stessi punti anno dopo anno.

L'analogia: Pensate al terreno del vigneto come a un paesaggio con colline e valli nascoste. Anche se irrigate tutto il campo in modo uniforme, l'acqua drena in modo diverso in vari punti. Alcune aree sono come una spugna (trattengono l'acqua), altre come un setaccio (lasciano passare l'acqua).
Il risultato: Le viti "assetate" erano sempre negli stessi posti a causa del suolo e della forma del terreno, non solo a causa del meteo. Le mappe del drone hanno mostrato che questi schemi di stress sono organizzati, non casuali.

5. La conclusione

L'articolo conclude che è necessario utilizzare entrambi i paia di occhiali per comprendere il vigneto.

Se usate solo gli Occhiali della Vigoria (GNDVI), saprete che l'azienda agricola è generalmente stanca dopo il raccolto.
Se usate solo il Detective dello Stress (NDRE), saprete esattamente dove si nascondono i problemi specifici.

In parole semplici: Usando i droni e questi due modi speciali di guardare i dati, i ricercatori hanno dimostrato che è possibile individuare esattamente quali parti di un vigneto hanno bisogno di acqua e quali no, anche dopo che l'uva è stata raccolta. Ciò aiuta gli agricoltori a risparmiare acqua e a prendersi cura meglio delle loro viti, trattando le diverse parti del campo in modo differente, invece di irrigare l'intera azienda agricola allo stesso modo.

Sintesi Tecnica: Valutazione della dinamica dello stress idrico pre e post-raccolta nei vigneti tramite le risposte spettrali di NDRE e GNDVI basate su UAV

Problematica
Il cambiamento climatico e la crescente frequenza della siccità pongono rischi significativi per i sistemi viticoli, in particolare nelle regioni semi-aride dove la disponibilità idrica determina direttamente la produttività e la qualità delle viti. Sebbene le strategie di irrigazione a deficit, come l'Irrigazione a Deficit Regolato (RDI), offrano un potenziale per migliorare l'efficienza dell'uso dell'acqua, il loro successo dipende da valutazioni accurate e tempestive dello stato idrico della vite. I metodi di monitoraggio convenzionali (ad esempio, potenziale idrico fogliare, conduttanza stomatica) sono laboriosi, basati su punti isolati e spesso non riescono a catturare l'eterogeneità spaziale inerente ai sistemi viticoli. Sebbene il telerilevamento tramite Veicoli Aerei Non Presidiati (UAV) sia emerso come una soluzione, esiste una scarsità di indagini comparative focalizzate sulle dinamiche spettrali dello stress idrico specificamente attraverso i periodi pre-raccolta e post-raccolta utilizzando indici di vegetazione complementari.

Metodologia
Lo studio è stato condotto in un vigneto commerciale di varietà Ağın Beyazı nel distretto di Hoşköy, nella provincia di Elazığ, Anatolia Orientale, Turchia. Il disegno della ricerca ha confrontato due periodi fenologici: pre-raccolta (maturazione completa) e post-raccolta (immediatamente dopo la raccolta).

Acquisizione dei Dati: Immagini multispettrali ad alta risoluzione sono state acquisite utilizzando una piattaforma DJI Mavic 3 Multispectral (M3M) a un'altitudine di 50 metri, ottenendo una distanza di campionamento al suolo (GSD) di 2,31 cm. I voli sono avvenuti in condizioni di cielo sereno tra le 11:00 e le 14:00 per minimizzare la variabilità radiometrica.
Indici di Vegetazione: Due indici sono stati derivati dagli ortomosaici:
- GNDVI (Green Normalized Difference Vegetation Index): Calcolato utilizzando le bande del Vicino Infrarosso (NIR) e del Verde per valutare la concentrazione di clorofilla e l'attività fotosintetica.
- NDRE (Normalized Difference Red Edge Index): Calcolato utilizzando le bande NIR e Red Edge per rilevare variazioni fisiologiche sottili e la saturazione della clorofilla in chiome dense.
Framework Analitico: Lo studio ha impiegato un approccio a campo intero, analizzando tutti i pixel all'interno del confine del vigneto (inclusi gli spazi tra i filari) piuttosto che limitare l'analisi alle maschere della chioma. Le componenti analitiche chiave hanno incluso:
- Rilevamento del Cambiamento Basato sui Pixel: Calcolo delle differenze ( $\Delta$ ) tra gli indici pre- e post-raccolta.
- Analisi dell'Eterogeneità Spaziale: Utilizzo della Media Locale e della Deviazione Standard Locale (Local SD) tramite una finestra mobile di 15×15 pixel per quantificare la variabilità locale.
- Autocorrelazione Spaziale: Applicazione dell'I di Moran globale per determinare il grado di raggruppamento spaziale rispetto alla casualità nei pattern di stress.
- Metriche di Sensibilità Comparativa: Quantificazione del Cambiamento Relativo (RC), del Rapporto di Risposta Standardizzato (SRR), della Risposta di Eterogeneità (HR) e della Risposta di Organizzazione Spaziale (SOR) per valutare le prestazioni degli indici.

Risultati Chiave

Cambiamenti Spettrali Temporali: Entrambi gli indici hanno indicato un declino generale dei valori massimi di vegetazione post-raccolta, coerentemente con la senescenza fogliare e la riduzione dell'attività fotosintetica. Tuttavia, i valori medi degli indici per l'intero campo sono aumentati leggermente post-raccolta, a causa dei cambiamenti nella composizione spettrale complessiva (ad esempio, suolo esposto rispetto alla chioma) piuttosto che di un miglioramento della fisiologia della vite.
Sensibilità degli Indici:
- GNDVI ha dimostrato un cambiamento relativo superiore (+10,49%) e un Rapporto di Risposta Standardizzato più forte (0,208), indicando una sensibilità superiore ai cambiamenti su larga scala della vigoria della chioma e dell'attività fotosintetica complessiva.
- NDRE ha esibito un cambiamento relativo inferiore (3,85%) ma una Deviazione Standard Locale significativamente più alta (+64,97% nella Local SD). Ciò suggerisce che l'NDRE è più efficace nel catturare la variabilità spaziale fine e le differenze fisiologiche localizzate, particolarmente in condizioni di chioma densa dove altri indici possono saturarsi.
Dinamiche Spaziali:
- Eterogeneità: La Deviazione Standard Locale è aumentata significativamente per entrambi gli indici post-raccolta (GNDVI +43,43%; NDRE +64,89%), indicando che lo stress idrico è diventato più differenziato spazialmente dopo la raccolta.
- Organizzazione Spaziale: I valori dell'I di Moran globale sono rimasti costantemente positivi e stabili (circa 0,257) in entrambi i periodi. Ciò rivela che, sebbene l'intensità della variabilità locale sia aumentata, l'organizzazione spaziale sottostante dei pattern di stress è rimasta raggruppata e non casuale. Questa stabilità suggerisce che i pattern di stress sono governati da fattori ambientali persistenti come le proprietà del suolo, la micro-topografia e la distribuzione dell'irrigazione, piuttosto che da fluttuazioni fisiologiche casuali.

Significatività e Rivendicazioni
L'articolo sostiene che l'uso combinato di GNDVI e NDRE fornisce informazioni complementari essenziali per una valutazione completa dello stress idrico del vigneto. Lo studio dimostra che:

Utilità Complementare: Affidarsi a un singolo indice è insufficiente. Il GNDVI è prezioso per valutare la condizione generale della chioma e i cambiamenti fisiologici su larga scala, mentre l'NDRE offre una capacità superiore nell'identificare l'eterogeneità dello stress localizzato e le zone di gestione fine.
Stabilità Spaziale: Lo stress idrico del vigneto non è solo una risposta fisiologica temporale, ma un processo spaziale controllato da fattori ambientali persistenti. La stabilità dei valori dell'I di Moran indica che i "hotspot" di stress sono prevedibili in base alle condizioni specifiche del sito.
Applicazione della Viticoltura di Precisione: Il framework proposto, che utilizza immagini UAV a risoluzione centimetrica, supporta lo sviluppo di strategie di irrigazione a tasso variabile. Distinguendo tra i livelli di stress generali e la variabilità localizzata, i coltivatori possono mirare le interazioni in modo più efficace, migliorando l'efficienza dell'uso dell'acqua in ambienti con scarsità idrica.

Lo studio conclude che il monitoraggio multispettrale basato su UAV è uno strumento efficace per caratterizzare le dinamiche dello stress idrico per la cultivar Ağın Beyazı in condizioni semi-aride, offrendo una base pratica per la gestione della viticoltura resiliente al clima.

1. Le telecamere volanti (I droni)

2. I due occhiali speciali (Gli indici)

3. La grande scoperta: L'effetto "Patchwork Quilt"

4. Perché esistono le differenze (La mappa)

5. La conclusione

Articoli simili