Cos'è l'NDVI, come si usa in agricoltura - con quali fotocamere

La Mia Sfida sull'Erba Medica Biologica con NDVI

Nel mio percorso personale nell'agricoltura di precisione e nell'analisi dei dati, mi sono imbattuto nell'NDVI nel contesto dell'analisi delle immagini. Il mio obiettivo è analizzare un campo di 45 ettari di erba medica biologica al fine di valutare l'effetto del fertilizzante prima e dopo l'applicazione. La mia domanda principale è: dove, quale tipo e quanto fertilizzante dovrei applicare, e quale effetto avrà sulla coltura della lucerna? Possiedo una fotocamera Mavic Pro con una fotocamera RGB standard. Quando ho chiesto su Twitter come procedere, qualcuno ha suggerito di utilizzare dati multispettrali per esplorare una serie di Indici di Vegetazione per aiutare, incluso l'NDVI. Così, mi sono addentrato profondamente nella tana del coniglio per saperne di più sull'NDVI.

Questa prospettiva aerea cattura diversi campi agricoli e aree naturali, con sezioni evidenziate che indicano regioni specifiche per un esame mirato. Tali immagini grezze costituiscono la base per l'analisi multispettrale e la generazione di mappe NDVI, cruciali per comprendere la salute delle piante e guidare una gestione precisa delle colture.

I campi di erba medica nella mia azienda agricola, giugno 2022

L'Indice di Vegetazione Normalizzato Differenziale (NDVI) è un metodo ampiamente adottato per valutare la quantità di vegetazione viva in una specifica regione, specialmente in agricoltura.

Cos'è l'NDVI (Indice di Vegetazione Normalizzato Differenziale)

Le piante sono organismi straordinari che utilizzano la luce solare come energia per produrre il proprio cibo. Lo fanno attraverso un processo chiamato fotosintesi, che avviene nelle loro foglie. Interessante notare che le foglie delle piante non solo assorbono la luce solare, ma ne riflettono anche una parte. Ciò è particolarmente vero per la luce nel vicino infrarosso, che è invisibile ai nostri occhi ma costituisce metà dell'energia della luce solare.

La ragione di questa riflessione è che troppa luce nel vicino infrarosso può effettivamente essere dannosa per le piante. Quindi, si sono evolute per proteggersi riflettendo questo tipo di luce. Di conseguenza, le piante verdi vive appaiono scure nella luce visibile, ma luminose nello spettro del vicino infrarosso. Questo è diverso dalle nuvole e dalla neve, che tendono ad apparire luminose nella luce visibile ma scure nello spettro del vicino infrarosso.

Utilizzando le proprietà di riflettanza del vicino infrarosso della vegetazione, queste doppie mappe NDVI rivelano variazioni nella salute delle piante in un campo agricolo. Il confronto dimostra come la regolazione della gamma dinamica visiva possa enfatizzare le aree di grave stress, mostrate in rosso, rispetto alla vegetazione verde sana. Immagine per gentile concessione di Pix4D, un'azienda svizzera che sviluppa software di fotogrammetria e visione artificiale per trasformare immagini RGB, termiche e multispettrali in mappe e modelli 3D.

Gli scienziati possono sfruttare questa caratteristica unica per studiare le piante utilizzando uno strumento chiamato NDVI, o Normalized Difference Vegetation Index (Indice di Differenza Normalizzata per la Vegetazione). L'NDVI misura la differenza tra la quantità di luce rossa e di vicino infrarosso riflessa dalle piante. Più foglie ha una pianta, più queste lunghezze d'onda della luce vengono influenzate, il che può fornirci informazioni importanti sulla salute e sulla distribuzione delle piante.

L'NDVI è un modo per gli scienziati di utilizzare immagini satellitari per studiare le piante e l'agricoltura. Comprendendo come le piante interagiscono con la luce solare, possiamo imparare di più sul mondo che ci circonda e su come prendercene cura del nostro pianeta.

Riassunto: L'NDVI è una misura standardizzata della vegetazione sana. Quantifica la vegetazione misurando la differenza tra la luce del vicino infrarosso (NIR) e quella rossa. La vegetazione sana riflette più luce NIR e verde rispetto ad altre lunghezze d'onda, ma assorbe più luce rossa e blu. I valori NDVI variano sempre da -1 a +1.

Storia dell'NDVI

Nel 1957, l'Unione Sovietica lanciò Sputnik 1, il primo satellite artificiale a orbitare attorno alla Terra. Ciò portò allo sviluppo di satelliti meteorologici, come i programmi Sputnik e Cosmos nell'Unione Sovietica, e il programma Explorer negli Stati Uniti. La serie di satelliti TIROS fu lanciata nel 1960, seguita dai satelliti Nimbus e dagli strumenti Advanced Very High Resolution Radiometer sulle piattaforme della National Oceanic and Atmospheric Administration (NOAA). La NASA sviluppò anche l'Earth Resources Technology Satellite (ERTS), che divenne il precursore del programma Landsat.

Il programma Landsat fu lanciato nel 1972 con il MultiSpectral Scanner (MSS), che permise il telerilevamento della Terra. Uno dei primi studi che utilizzò Landsat si concentrò sulla regione delle Great Plains nel centro degli Stati Uniti. I ricercatori scoprirono che l'angolo zenitale solare lungo questo forte gradiente latitudinale rendeva difficile correlare le caratteristiche biofisiche del pascolo e della vegetazione dai segnali spettrali satellitari. Svilupparono l'indice di differenza normalizzata per la vegetazione (NDVI) come mezzo per correggere gli effetti dell'angolo zenitale solare. L'NDVI è ora l'indice più noto e utilizzato per rilevare le chiome di piante verdi vive nei dati multispettrali di telerilevamento. Viene anche utilizzato per quantificare la capacità fotosintetica delle chiome vegetali, ma questo può essere un compito complesso.

Come si calcola l'NDVI?

L'NDVI utilizza i canali NIR (Near-Infrared) e rosso nella sua formula. Satelliti come Landsat e Sentinel-2 dispongono delle bande necessarie con NIR e rosso. Il risultato genera un valore compreso tra -1 e +1. Se si verifica una bassa riflettanza nel canale rosso e un'alta riflettanza nel canale NIR, ciò produrrà un valore NDVI elevato, e viceversa.

NDVI in agricoltura

L'NDVI ha diverse applicazioni in differenti settori. I forestali utilizzano l'NDVI per quantificare la riserva forestale e l'indice di area fogliare, e la NASA afferma che l'NDVI è un buon indicatore di siccità. Quando l'acqua limita la crescita della vegetazione, questa presenta un NDVI relativo e una densità vegetale inferiori. Altri settori che utilizzano l'NDVI includono le scienze ambientali, la pianificazione urbana e la gestione delle risorse naturali.

L'NDVI è ampiamente utilizzato in agricoltura per monitorare la salute delle colture e ottimizzare l'irrigazione. Gli agricoltori utilizzano l'NDVI per l'agricoltura di precisione, per misurare la biomassa e per identificare le colture che necessitano di maggiore acqua o fertilizzanti.

Come utilizzare l'NDVI? Immagini satellitari vs. Immagini da drone

Quali immagini satellitari dispongono del vicino infrarosso (near-infrared) per l'NDVI? Come menzionato in precedenza, satelliti come Sentinel-2, Landsat e SPOT producono immagini nel rosso e nel vicino infrarosso. Esistono fonti di dati di immagini satellitari gratuite sul web che è possibile scaricare per creare mappe NDVI in ArcGIS o QGIS.

La salute delle colture è un aspetto critico dell'agricoltura di precisione e i dati NDVI sono uno strumento prezioso per misurarla. Oggi, l'uso di droni agricoli è diventata una pratica comune nell'accoppiamento dei dati NDVI per confrontare le misurazioni e identificare potenziali problemi di salute delle colture. Misurando la differenza tra la luce del vicino infrarosso e quella rossa, l'NDVI può aiutare gli agricoltori a ottimizzare l'irrigazione e a identificare le colture che necessitano di maggiore acqua o fertilizzanti. Ad esempio, PrecisionHawk e Sentera forniscono droni agricoli in grado di acquisire ed elaborare dati NDVI entro un giorno, il che rappresenta un miglioramento significativo rispetto alle tecniche NDVI tradizionali che spesso richiedono lunghi tempi di attesa. I ricercatori hanno scoperto che le immagini NDVI possono essere ottenute anche utilizzando fotocamere digitali RGB standard con alcune modifiche, e questo approccio può essere integrato nei sistemi di monitoraggio della salute delle colture.

Le applicazioni mobili si sono proliferate negli ultimi anni, utilizzando dati NDVI come mezzo per monitorare la salute delle colture. Doktar' Orbit è una di queste app che fornisce agli agricoltori dati NDVI presentati come mappe di salute per identificare eventuali anomalie nei loro campi. Queste app mirano a rivoluzionare le pratiche agricole fornendo nuovi modi di esplorazione dei campi e digitalizzando l'agricoltura. Gli strumenti di monitoraggio remoto dei campi basati sulla tecnologia NDVI possono far risparmiare agli agricoltori significativi costi di carburante riducendo la necessità di frequenti visite sul campo e possono aiutare nella gestione efficiente dell'irrigazione.

Che tipo di fotocamera (droni) per NDVI? RGB e IR-upgraded vs Multispettrale

Okay, questo è un campo piuttosto caldo che ho notato, e la tana del coniglio si approfondisce sempre di più.

Le fotocamere RGB standard sono progettate per catturare luce rossa, verde e blu, mentre le fotocamere modificate possono catturare una combinazione di luce Vicino Infrarosso, Rossa, Verde e Blu a seconda del modello. Per generare mappe di salute delle piante RGB che mostrano il "verde" delle colture, si può utilizzare una fotocamera RGB standard con algoritmi specifici nel software.

Alcune aziende vendono fotocamere "false" Ag o NDVI, che sono solo fotocamere normali con un filtro infrarosso rimosso e un filtro blu installato. Tuttavia, queste fotocamere sono imprecise per misurazioni radiometriche come l'NDVI perché c'è troppa sovrapposizione tra i canali colore e non hanno un sensore per tenere conto delle differenze di illuminazione tra le visite. Di conseguenza, queste fotocamere possono mostrare solo differenze relative in una data area, ma non misurare accuratamente l'NDVI.

Una fotocamera NDVI reale e calibrata terrà conto delle differenze di illuminazione e fornirà output coerenti tra visite multiple allo stesso sito. Quindi, fai attenzione quando acquisti una fotocamera "NDVI" modificata che cattura luce Vicino Infrarosso, per aggiornare i droni (già a 400 $) per catturare immagini nel vicino infrarosso (NIR) al fine di effettuare analisi della salute della vegetazione tramite calcolo NDVI. Ma per favore, sii consapevole: questa non è una vera fotocamera NDVI, e questo può essere fuorviante. Una fotocamera Sentera è già un'opzione migliore perché sono costruite appositamente e possono essere calibrate, ma ancora non raggiungono un sistema NDVI completo. Le fotocamere multispettrali, vere fotocamere NDVI, sono costose, molto più costose delle "fotocamere RGB/IR aggiornate". Parrot Sequoia a 3500 $. TetraCam ADC Snap 4500 $, RedEdge di MicaSense 6000 $ +.

L'imaging multispettrale è importante in agricoltura perché può fornire informazioni più dettagliate e accurate su colture e suolo rispetto alle tradizionali fotocamere RGB.

L'imaging multispettrale acquisisce dati di immagine all'interno di specifici intervalli di lunghezze d'onda attraverso lo spettro elettromagnetico, utilizzando filtri o strumenti sensibili a particolari lunghezze d'onda. Si estende oltre l'intervallo della luce visibile per includere la luce infrarossa e ultravioletta, consentendo l'estrazione di informazioni aggiuntive rispetto a quelle che l'occhio umano può rilevare con i suoi recettori visibili per il rosso, il verde e il blu. Originariamente sviluppato per l'identificazione di bersagli militari e la ricognizione, l'imaging multispettrale è stato utilizzato nell'imaging spaziale per mappare i dettagli dei confini costieri, della vegetazione e delle forme del terreno della Terra. Ha trovato applicazioni anche nell'analisi di documenti e dipinti.

Ecco alcuni motivi per cui l'imaging multispettrale è più adatto alle applicazioni agricole:

L'imaging multispettrale tipicamente misura la luce in un piccolo numero di bande spettrali, da 3 a 15.

L'imaging iperspettrale è una forma specializzata di imaging spettrale in cui centinaia di bande spettrali contigue sono disponibili per l'analisi. Acquisendo dati di immagine attraverso numerose bande spettrali, l'imaging iperspettrale consente un'identificazione e un'analisi dei materiali più accurate rispetto all'imaging multispettrale.

Conclusione

L'NDVI ha rivoluzionato il modo in cui monitoriamo e gestiamo le colture agricole. Dalle sue origini nel primo programma satellitare Landsat alle sofisticate telecamere multispettrali montate su droni di oggi, questo indice di vegetazione è diventato uno strumento indispensabile per l'agricoltura di precisione. Sia che si utilizzi l'immaginario satellitare gratuito o si investa in attrezzature specializzate, la comprensione dell'NDVI aiuta gli agricoltori a prendere decisioni basate sui dati riguardo all'applicazione di fertilizzanti, alla gestione dell'irrigazione e al monitoraggio della salute delle colture. Poiché la tecnologia dei sensori continua ad avanzare e diventa più accessibile, l'NDVI e gli indici di vegetazione correlati giocheranno un ruolo sempre più importante nelle pratiche agricole sostenibili ed efficienti.

---

L'NDVI (Normalized Difference Vegetation Index) misura la vegetazione viva analizzando come le piante riflettono la luce nel vicino infrarosso. Le piante sane riflettono molta luce NIR e assorbono la luce rossa, indicando una crescita robusta. Questo aiuta gli agricoltori a valutare la salute delle colture, a rilevare precocemente lo stress e a identificare la variabilità nei campi, consentendo una gestione mirata.

Le mappe NDVI rivelano aree con diversa salute e vigore delle piante. Identificando le zone con NDVI più basso, è possibile mirare con precisione l'applicazione di fertilizzanti ai punti meno performanti, anziché trattare l'intero campo in modo uniforme. Ciò ottimizza l'uso degli input, riduce gli sprechi e garantisce che i nutrienti vengano applicati dove sono più necessari per migliorare la resa.

No, le telecamere RGB standard non possono generare direttamente NDVI veri. L'NDVI vero richiede la cattura sia della luce rossa visibile che della luce nel vicino infrarosso (NIR), cosa per cui le telecamere RGB non sono progettate. Sebbene esistano alcuni metodi di "pseudo-NDVI", non sono altrettanto accurati o affidabili per un processo decisionale agricolo preciso come i dati provenienti da telecamere multispettrali specializzate.

Per generare dati NDVI accurati, è necessaria una telecamera multispettrale. Queste telecamere specializzate catturano la luce in bande di lunghezza d'onda specifiche, in modo cruciale le bande del rosso visibile e del vicino infrarosso (NIR). I droni dotati di questi sensori multispettrali possono sorvolare i campi per raccogliere immagini ad alta risoluzione per un indicizzazione dettagliata della vegetazione.

Le piante sane e fotosinteticamente attive assorbono fortemente la luce rossa per la produzione di energia, ma riflettono vigorosamente la luce nel vicino infrarosso (NIR) per evitare il surriscaldamento. Questo schema distintivo – alto assorbimento del rosso e alta riflessione del NIR – è ciò che l'NDVI sfrutta. Le piante stressate o non sane mostrano uno schema diverso, che consente all'NDVI di differenziare il loro stato di salute.

Valori NDVI più alti (più vicini a 1) indicano una vegetazione più densa, più sana e più fotosinteticamente attiva, suggerendo una crescita robusta. Al contrario, valori NDVI più bassi (più vicini a -1, o vicini a 0 per il suolo nudo) suggeriscono piante stressate, sparse o non sane, o aree non vegetate. Questo aiuta a individuare le zone problematiche per interventi come l'irrigazione o il controllo dei parassiti.

---

• Monitoraggio della Salute delle Colture - Doktar (2025) - Doktar - Le soluzioni di monitoraggio della salute delle colture di Doktar utilizzano immagini satellitari e da drone per fornire allerte precoci per...
• Monitoraggio della Salute delle Colture | Doktar (2025) - Doktar - Doktar Crop Health Monitoring fornisce informazioni in tempo reale basate su satellite sullo stato di salute e sulla fase di crescita delle colture, consentendo...
• Stato dei Principali Indici di Vegetazione negli Studi di Agricoltura di Precisione Indicizzati in Web of Science: Una Revisione (2023) - Dorijan Radočaj, Ante Šiljeg, Rajko Marinović, Mladen Jurišić - Questo articolo di revisione analizza la prevalenza e l'applicazione dei principali indici di vegetazione, incluso l'NDVI, negli studi di agricoltura di precisione.
• NDVI e Oltre: Indici di Vegetazione come Caratteristiche per il Riconoscimento e la Segmentazione delle Colture in Dati Iperspettrali (2025) - Andreea Nițu, Corneliu Florea, Mihai Ivanovici, Andrei Racoviteanu - Questo articolo indaga la distintività e il potere discriminatorio dell'NDVI e di altri indici di vegetazione per il riconoscimento e la segmentazione delle colture in agricoltura.
• Indice di Vegetazione Normalizzato Differenziato Landsat (2025) - U.S. Geological Survey (USGS) - Questa autorevole pagina dell'USGS spiega l'NDVI Landsat, il suo calcolo e la sua utilità nel quantificare la "greenness" e la salute della vegetazione.