FRAMEWORK CONTRACT DESIS – MARSOP3 – AGRI4CAST

Sommario
ARCADIA SIT è partner in un consorzio europeo per la fornitura di servizi nel campo del GIS e del telerilevamento, nell’ambito del contratto quadro Desis. Il progetto è sviluppato da CCR – IPSC – Istituto per la protezione e la sicurezza dei cittadini / MARS – Monitoraggio delle risorse agricole. Sviluppo ed esecuzione, dal 1992, di un sistema per la previsione delle colture agricole in Europa.
Il sistema fornisce stime annuali del raccolto a livello europeo monitorando la crescita delle colture e l’analisi della vegetazione degli effetti meteorologici a breve termine. L’area geografica coperta è in tutta l’Europa continentale in ogni dettaglio e il livello sub-regionale dell’Africa occidentale.

Descrizione
I dati di input utilizzati sono:

• Pubblicazioni scientifiche
• Immagini raster composte di 10 giorni dai seguenti sistemi di piattaforma / sensori
• MODIS – TERRA, SPOT-VEGETATION, MSG – SEVIRI, METOP – AVHRR
• File raster e vettoriale nel riquadro di copertura del suolo / uso del suolo Corine Land Cover
• Dati meteorologici
• Dati agronomici
• Indicatori agronomici e agrometereologici modellati
• Dati statistici e rapporti
• Bollettino mensile delle previsioni di rendimento in Europa
• Rapporti della Commissione sul modello agricolo
  

Il progetto AGRI4CAST organizza vari tipi di informazioni e dati geografici in un enorme database:

• Dati meteorologici
• Uso del suolo
• Dati pedologici
• Dati statistici sulla produzione agricola
  

Per i paesi dell’UE le informazioni sono raccolte e organizzate per fornire dati sui modelli di predizione e ottenere risultati in termini di produzione prevista per i diversi tipi di produzione agricola.
Da queste informazioni, generiamo griglie vettoriali a dimensione variabile necessarie per creare una copertura a livello UE che riassuma i dati di input e di output.

Le informazioni dietro il progetto AGRI4CAST sono gestite e processate con ArchGIS Desktop per tutte le fasi di analisi che coinvolgono l’intersezione tra i vari temi vettoriali: CorineLand Cover, mappa del suolo, dati di produzione agricola, meteo, ecc. allo scopo di identificare aree omogenee per il potenziale e produzioni, che combinano le informazioni delle produzioni precedenti.
Le informazioni vengono trasposte su griglie regolari di dimensioni diverse per calcolare gli indicatori e quindi fornire dati di input ai modelli predittivi.
Ogni fase del processo consiste in un .mxd che caratterizza la rappresentazione grafica dei temi di input e i risultati delle varie fasi procedurali dell’elaborazione dei dati.
La disposizione dei progetti è definita per la stampa e per la rappresentazione delle statistiche, mostrando le aree tematiche finalizzate alla produzione di mappe panoramiche. Sviluppare infrastrutture e sistemi di informazione (INSPIRE, SEIS, GEOSS, G M ES, RSDI) per condividere osservazioni ambientali, modelli informativi e analitici e promuovere l’interoperabilità e l’impostazione degli standard.

Molte delle procedure per la produzione di statistiche sono realizzate utilizzando ArcGIS Model Builder che consente di produrre analisi dei dati per ogni paese dell’UE esaminato, garantendo l’unicità dell’analisi, Model Builder è efficace per la possibilità di stabilire procedure schematiche che collegano strumenti di geo-elaborazione all’interno di un flusso procedurale di analisi spaziale delle informazioni, producendo nuovi livelli o classificando quelli esistenti. Il Model Builder è stato utilizzato nel progetto in modo intensivo per diversi tipi di attività.

verifica dell’accuratezza delle informazioni di input:

• Completezza delle informazioni descrittive
• Copertura spaziale delle informazioni
• Precisione geometrica e topologica
  

Analisi delle informazioni e produzione di scenari:

• correlazione delle diverse informazioni a seconda della posizione
• calcolo degli indicatori che elaborano le informazioni originali e salvano nel database
  

Le attività si basano sull’esperienza nella modellazione delle colture, agro-meteorologia, metodi di campionamento, analisi geo-spaziali ambientali, econometria e utilizzo di infrastrutture di dati europee e globali. Da questa serie di competenze vengono generate informazioni e previsioni basate sull’evidenza per la gestione delle pratiche agricole e dei preallarmi sulla sicurezza alimentare.
Il progetto promuove lo sviluppo di sistemi di controllo, come la gestione delle parcelle agricole e i controlli di telerilevamento, per un’attuazione efficiente della politica agricola comune, compresi gli aspetti di “inverdimento”. Eseguiamo valutazioni sull’efficacia, l’efficienza, la pertinenza e la sostenibilità delle misure politiche in base al loro impatto sull’ambiente rurale e sulla sicurezza alimentare, ciò include la questione dell’adattamento ai cambiamenti climatici e la possibile mitigazione.

Politiche collegate alla cultura e attenzione specifica a nuove misure che promuovono la biodiversità, la qualità ambientale e l’efficienza delle risorse, al fine di fornire sostegno alla PAC e all’agenda politica sui cambiamenti climatici della Commissione europea, sono in corso studi in AGRI4CAST e valutano l’impatto di un cambiamento del clima sui raccolti agricoli in Europa, che identifica le vulnerabilità e la resilienza dei sistemi di produzione agricola in una serie di scenari di cambiamenti climatici e valuta le diverse misure di adattamento per mitigare gli impatti identificati.
AGRI4CAST indaga gli impatti sui livelli di rendimento agricolo con simulazioni di modelli basati su BioMA forzati da scenari di cambiamento climatico scelti, concentrandosi su orizzonti temporali a breve e medio termine (ad esempio 2020, 2050). Anche le attività relative ai cambiamenti climatici di AGRI4CAST esplorano le vulnerabilità regionali nella produzione agricola e gli effetti di strategie di adattamento selezionate per mitigare gli effetti dei cambiamenti climatici e dell’impatto delle misure di mitigazione del carbonio organico del suolo selezionate sulla produzione agricola, sostenendo in tal modo l’Europa 2020 faro di un’Europa efficiente nell’impiego delle risorse.

Incrociando i dati di input con GIS, data mining e routine ad-hoc nel linguaggio IT appropriato, per analizzare i dati e produrre in output:

• Analisi di immagini di scala continentale di indicatori di vegetazione quali fAPAR (metodi Gobron e Cyclops) e NDVI su terreni agricoli e pascoli
• Analisi degli indicatori meteo, agronomici e agrometereologici
• Identificazione del ti analisi dei principali eventi agro-fenologici
• Analisi dei comportamenti degli indicatori di vegetazione e dei dati statistici
• Derivazione delle previsioni di rendimento per le principali colture in Europa

In questo progetto vengono eseguiti vari controlli di qualità sulla qualità dei dati di input e sul perimetro delle aree bruciate prodotte. Queste procedure sono state implementate nell’ambiente avanzato di ArcGIS Desktop tramite il Model builder e un uso approfondito degli script Python e delle librerie di geo-processing. Eseguire ulteriori test, la corrispondenza tra gli elementi territoriali e i dati statistici delle stime. La verifica riguarda la consistenza geometrica (spike, undershoot, overshoot), topologica (sovrapposizione) e la popolazione delle tabelle degli attributi. Prima di caricare nei set di dati del database gli incendi boschivi e la corrispondenza di questi con le aree prese dalle immagini sono verificati.