Elaborazione di dati Sentinel-1 in Google Earth Engine per la stima dell'umidità del suolo e la valutazione dei volumi di irrigazione in aree agricole = Sentinel-1 data processing in Google Earth Engine for soil moisture estimation and irrigation volume assessment in agricultural areas

Circa il 70% dei prelievi idrici destinati al consumo umano è impiegato in agricoltura per scopi irrigui. I terreni irrigati rappresentano il 20% delle aree coltivate a livello mondiale e forniscono il 40% del cibo prodotto nel mondo. A causa dell’incremento demografico e dell’effetto dei cambiamenti climatici, si prevede che, nei prossimi anni, si accentuerà il problema della scarsità d’acqua, con impatti negativi sull’economia del settore agricolo e sulla resa dei raccolti. Questo scenario si considera ancora più critico dal momento che la richiesta globale di cibo crescerà assieme alla popolazione del pianeta. Si rende, dunque, necessario attuare delle misure di mitigazione e adattamento ai cambiamenti climatici in campo agricolo che prevedano il monitoraggio delle colture nei periodi di siccità e la pianificazione di un’efficace gestione delle risorse irrigue. Per fare ciò, è utile valutare l’umidità del suolo, che svolge un ruolo chiave all’interno del ciclo dell’acqua. Poiché le misurazioni in situ forniscono delle informazioni puntuali e con una copertura temporale limitata, il telerilevamento rappresenta una soluzione alternativa che permette di mappare il contenuto d’acqua nel suolo su vaste aree e con un’elevata frequenza di ripetizione. I satelliti consentono di ricavare dei dati così estesi in termini di volume, varietà e velocità da richiedere delle specifiche tecnologie per il loro trattamento, come le piattaforme di cloud computing. L’obiettivo principale di questo studio è quello di investigare la possibilità di stimare l’umidità del suolo da remoto, attraverso l’applicazione di metodologie basate sull’utilizzo di dati SAR Sentinel-1, sfruttando le potenzialità di archiviazione e di calcolo degli ambienti cloud. Tra le piattaforme di cloud computing attualmente disponibili, si è scelto di operare in Google Earth Engine (GEE), che è accessibile gratuitamente e ha una maggiore maturità di sviluppo rispetto a soluzioni più recenti. È, inoltre, di facile utilizzo ed è dotato di strumenti per la riproducibilità delle analisi. Per la valutazione dell’umidità del suolo, si è applicato il TU Wien Change Detection Method, che è particolarmente indicato in presenza di informazioni multitemporali ed è facilmente implementabile all’interno della piattaforma. I risultati del modello sviluppato in GEE sono, poi, stati convalidati con delle misurazioni in loco registrate a Cabrières-d’Avignon, nel Sud della Francia, ottenendo un valore di RMSD di 6,6% vol. Quindi, nonostante le ipotesi semplificative del modello, l’algoritmo si è considerato abbastanza accurato da poter essere utilizzato in altre applicazioni. Il metodo è stato, infine, applicato su di un’area di 1 km2 presso Rivarolo Canavese, in Piemonte, ricadente all’interno del territorio del Consorzio Irriguo Ovest Torrente Orco, producendo dei risultati incoraggianti. L’andamento dell’umidità del suolo si è dimostrato coerente con i dati di precipitazione, mentre, per rilevare il segnale di irrigazione, a causa dell’eccessivo frazionamento dei terreni, si è reso necessario svolgere indagini a una scala più dettagliata. Una volta individuati i picchi di umidità legati all’irrigazione, applicando l’equazione del bilancio idrologico del suolo, si sono valutati i volumi e le portate irrigue. Quest’ultime sono state confrontate con le portate transitanti nel canale di Rivarolo, che serve l’area di studio, per verificarne il grado di attendibilità.