Sviluppo di un Algoritmo di Telerilevamento per la Rilevazione del Letame nell’Agricoltura Biologica

This thesis explores the potential of using NDVI (Normalized Difference Vegetation Index), EOMI (Exogenous Organic Matter Index), and MNDWI (Modified Normalized Difference Water Index) for detecting manure application on sandy soil farmlands, which is vital for agricultural regulation and organic food certification. The study, employing remote sensing techniques with data from Sentinel-2 multispectral imagery acquired on Turkish farmland, aims to evaluate these indices in combination. Building on Dodin's foundational work in EOM Indices, it attempts to integrate NDVI and MNDWI for improved detection methods in the addressed geographic context. The research hypothesis posits that each index should respond to manure application, and their combined use might enhance detection capabilities. However, the study faced significant challenges, including limited ground truth data and the impact of atmospheric conditions on image quality and cloud coverage, which hindered the development of a reliable detection algorithm. Despite these obstacles, our study provides insights into the complexities of using remote sensing in agricultural monitoring and highlights areas for future improvement in the field.

Questa tesi esplora il potenziale dell'utilizzo di NDVI (Normalized Difference Vegetation Index), EOMI (Exogenous Organic Matter Index) e MNDWI (Modified Normalized Difference Water Index) per rilevare l'applicazione di letame su terreni agricoli sabbiosi, un aspetto vitale per la regolamentazione agricola e la certificazione di alimenti biologici. Lo studio, impiegando tecniche di telerilevamento con dati provenienti dalle immagini multispettrali di Sentinel-2 su aree agricole in Turchia, mira a valutare la combinazione di questi indici nel contesto geografico considerato. Basandosi sul lavoro fondamentale di Dodin negli Indici EOMI, tenta di integrare NDVI e MNDWI per migliorare i metodi di rilevamento. L'ipotesi di ricerca sostiene che ciascun indice dovrebbe rispondere all'applicazione di letame e che il loro uso combinato potrebbe potenziare le capacità di rilevamento. Tuttavia, lo studio ha affrontato sfide significative, inclusi dati limitati di verità di campo e l'impatto delle condizioni atmosferiche sulla qualità delle immagini e sulla copertura nuvolosa, che hanno ostacolato lo sviluppo di un algoritmo di rilevamento affidabile. Nonostante questi ostacoli, il nostro studio fornisce spunti sulla complessità dell'uso del telerilevamento nel monitoraggio agricolo e evidenzia aree per miglioramenti futuri nel campo.