Search

GeoGrabber features functionalities and potential societal benefits in a desktop tool enabling the development of downstream services for non-experts periodically downloading and processing data from Sentinel sources.

The present short paper describes the functionalities of a desktop tool enabling non-expert users to develop downstream services for the periodic download and processing of data from Sentinel sources.

Questo studio si concentra sull'implementazione di un approccio a regole basato su per la mappatura precoce delle colture in campo durante la stagione estiva, intorno alla metà di luglio. Il caso di studio analizzato è una fascia agricola della bassa Pianura Padana in Lombardia, situata tra Milano e l'Oltrepò pavese. Dati satellitari Landsat 8 OLI e COSMO-SkyMed sono stati utilizzati per calibrare un algoritmo di classificazione a regole sulla stagione primaverile-estiva del 2013, valutandone l'accuratezza sia sull'anno di riferimento sia sul successivo, 2014. La validazione è stata eseguita a due diversi livelli tematici, con 5 (L0) o 7(L1) tipi di coltura classificati, per la stagione di riferimento e la successiva (2014). Al L1, l'accuratezza complessiva (OA) di mappatura ricavata per la stagione 2013 usando l'approccio sviluppato usando feature ottiche+SAR (EVI+NDFI+RGRI+?°), pari al 91,8%, è stata dell'1,7% superiore a quella ricavata usando solo le feature ottiche(EVI+NDFI+RGRI). Al L0, le prestazioni con i due set di feature di input sono state pressoché equivalenti (OA~98%). Quando l'approccio è stato applicato ai dati della stagione 2014 (Figura 1b), la buona prestazione già riscontrata per l'utilizzo di feature ottiche e SAR integrate è stata confermata (OA=86,6% a L1, OA=92.4% a L0).

This contribution discusses the role of VGI created by means of mobile devices connected to the internet to tag observations on the territory and the use of SDI for sharing such information on the Web. Some guidelines are drawn to adopt an open and integrated SDI framework to manage and share VGI and heterogeneous multisource geospatial information, thus achieving interoperability among different information sources and thus making possible a wider fruition of the information available on the Web by the public. Applications supporting agriculture are case study examples of the approach.

ERMES (An Earth obseRvation Model based RicE information Service) è un progetto del settimo programma quadro volto alla realizzazione di un prototipo di servizi downstream dedicati al settore agricolo delle produzioni risicole basato sull'uso integrato di: i) dati da Osservazione della Terra, ii) osservazioni di campo e iii) modellistica agronomica. Gli obiettivi del servizio, destinato nella fase di progetto alle produzioni Europee, sono: a)Fornire informazioni alle autorità regionali per l'implementazione delle politiche agro-ambientali comunitarie; b)Fornire informazioni per supportare le aziende agricole ad attuare produzioni più sostenibili da un punto di vista economico ed ambientale; c)Fornire informazioni indipendenti ed affidabili su produzioni in corso e stato delle colture al settore dell'agro-business. Obiettivo di lungo termine di ERMES e quello di estendere ed adattare il servizio al contesto dei paesi Asiatici e Africani, al fine di promuovere la competitività Europea del settore della geo-information a livello internazionale e per contribuire con soluzioni innovative agli obiettivi di uno sviluppo sostenibile. ERMES prevede di realizzare due tipologie di servizi: Regional Rice Service (RRS) per fornire alle autorità regionali sistemi di monitoraggio agricolo, specifici per la stima delle produzioni a scala regionale e fornitura di allarmi su rischi abiotici e biotici che possono impattare sulla coltura. Le mappe digitali prodotte e i bollettini verranno distribuiti via WEB secondo i modelli e gli standard dettati dalla Direttiva INSPIRE. Local Rice Service (LRS) per fornire al settore privato (agricoltori, servizi di consulenza e compagnie assicurative) informazioni significative sulla variabilità in campo delle produzioni, allerte sui rischi da patogeni e valutazioni dei danni e delle perdite a scala aziendale. L'utilizzo di smart technologies consentirà di ricevere dagli utenti dati di campo, da utilizzare nella modellistica, e di restituire ad essi informazioni circa lo stato attuale delle coltivazioni.

Among the three main cereals harvested in the world, rice it is the most important staple crop in terms of human consumption, especially in low- and lower-middle-income countries of Africa and Asia. The availability of up-to-date information on the crop season results a very important task for supporting food security initiative. In this contest the contribution of Remote Sensing images and technics could provide a strong contribution for near-real time agro-ecosystem monitoring system to retrieve spatial distribution information on large scale. The present paper aims to (i) evaluate the reliability of an automatic image processing methodology developed for rice detection and rice seasonal monitoring, and (ii) quantify remote sensed phenological metrics contribution to describe rice yields variability. The algorithm "PhenoRice", was applied and tested on Senegal (West Africa), producing rice cropped areas maps and estimations of four phenological metrics: crop seeding/transplanting (MIN), start of season (SoS), peak/flowering (MAX) and maturity (EoS). These indices, together with the maximum value of NDVI in the season (NDVI-max), were estimated for each year of the period 2001 ÷ 2010 using temporal series of vegetation indices from MOD09A1 data. Remote sensing estimations were aggregated at regional and national level and used as independent variables in a multivariate model to explain yearly variability of rice production. Results demonstrate that: i) despite errors due to the well know low-resolution bias, the mapping method was able to detect the crop in the main rice districts of the study area, ii) the remote sensed seasonal indices were able to explain up to 75% of annual yield variability at regional level. The proposed approach can be of fundamental support for early warning monitoring system and for crop modelling simulation in areas where information on crop calendar are absent or not reliable.

International audience

The aim of this work is to assess the effectiveness of approaches for energy fluxes estimation at the boundary layer by TM, AVHRR and ground meteorological measurements, comparing the results to ground measurements. These include, besides meteorological records such as air temperature, relative humidity, air pressure and wind speed, other parameters such as total and net solar radiation, soil temperature and heat flux at different depths. The ground station is located at S. Pietro Capofiume in the south eastern Po river plain and is managed jointly by ENEL and CISE. Following experiments reported in the literature the energy balance parameters have been evaluated and compared in the authors' case from remotely sensed measurements obtained from Thematic Mapper and NOAA multitemporal datasets registered in the same days of year.