“Nuove” tecnologie per monitorare l’impatto ambientale sulla vegetazione: la spettroscopia
di Lorenzo Cotrozzi
- 12 December 2018
Ultimi inserimenti
Il cambiamento climatico è ormai riconosciuto come una delle più gravi minacce ambientali, sociali ed economiche che il mondo si trova ad affrontare e le soluzioni al problema sono tanto chiare quanto oggettivamente difficili da raggiungere: ridurre le emissioni di gas responsabili del riscaldamento globale e adattarsi ai futuri scenari per diminuirne gli effetti sfavorevoli. Vi è poi da considerare il fenomeno della crescita della popolazione globale (che passerà dagli attuali 7,5 a circa 10 miliardi di abitanti nel 2050), con conseguente innalzamento repentino della richiesta agro-alimentare e la contestuale riduzione delle superfici coltivate. Queste sono sfide fondamentali per l’agricoltura e per i processi decisionali delle relative politiche agricole.
E allora rimbocchiamoci le maniche (!), ispirati dalle sempre attuali (seppur ormai ventennali) parole del Prof. Giovanni Scaramuzzi (Patologo vegetale dell’Università di Pisa), casualmente rinvenute durante la stesura del presente contributo: “L’innovazione tecnologica costituisce il «motore» potente dell’agricoltura, anzi di tutta l’economia nazionale. E l’agricoltura deve avere un futuro; oltre alla quantità, qualità e sicurezza degli alimenti, essa ha sulle proprie spalle anche altre pesanti responsabilità, quali la protezione del paesaggio, la salvaguardia dell’ambiente, il contributo alla vita rurale”. Effettivamente, l’innovazione tecnologica in agricoltura sta aprendo scenari e possibilità di cambiamento nella gestione delle comuni pratiche, difficilmente ipotizzabili fino a qualche tempo fa.
Adeguate tecniche di monitoraggio sono necessarie per diagnosticare l’impatto ambientale sulla vegetazione, nonché per valutare l’efficacia delle procedure adottate. I metodi tradizionali, che prevedono analisi fisiologiche e biochimiche di materiale vegetale campionato, possono essere precisi, ma presentano limitazioni, essendo mini-invasivi e/o distruttivi e richiedendo, solitamente, tempo e rilevanti risorse economiche. Approcci alternativi stanno emergendo grazie allo sviluppo di nuovi sensori, all’avanzamento delle capacità computazionali e al miglioramento delle metodologie (l’innovazione tecnologica!). In tale contesto, si inserisce la spettroscopia di vegetazione, una tecnica pratica ed efficace per la valutazione dell’interazione pianta/ecosistema-ambiente.
Questa metodologia si basa sul rilevamento delle caratteristiche ottiche fogliari relative all’interazione della luce con le vibrazioni dei legami chimici (principalmente C-H, N-H e O-H) del materiale vegetale. La misura più utilizzata è la riflettanza, essendo indipendente da variazioni di illuminazione ed espressa in percentuale (questo in quanto la stessa può essere determinata dal rapporto della radianza fogliare su quella di un pannello bianco standard, in grado di riflettere il 99,9% della radiazione incidente). Pur trattandosi di una scienza conosciuta da tempo (le prime dimostrazioni della praticabilità dell’utilizzo di spettri elettromagnetici in studi agro-ecologici risalgono agli anni ‘60 del secolo scorso), la spettroscopia di vegetazione ha avuto un grande slancio negli ultimi anni, grazie ai notevoli progressi tecnologici che hanno portato allo sviluppo dei sensori ottici e alla riduzione dei loro costi. Oggi, con uno sforzo economico non eccessivo, è possibile lavorare con spettrometri portatili, full-range (350-2500 nm, in grado quindi di raccogliere quasi totalmente la porzione della radiazione elettromagnetica dello spettro solare, di grande interesse per i biologi vegetali) e ad alta definizione, permettendo il passaggio dalle misure multispectral (poche bande spettrali distanti tra loro) a quelle hyperspectral (centinaia di lunghezze d’onda ravvicinate), dotate di ben più ampie potenzialità.
Il tipico spettro full-range riflesso da una foglia (viva) è composto da tre regioni principali: (i) il visibile (visible, VIS; 400-700 nm), caratterizzato da bassi livelli di riflettanza a causa del forte assorbimento da parte dei pigmenti fogliari, specialmente nel blu e nel rosso e meno nel verde (ecco perché vediamo le foglie verdi!); (ii) l’infrarosso vicino (near-infrared, NIR: 700-1300 nm), contraddistinto da elevata riflettanza (dove l’energia non è elevata a sufficienza per le reazioni fotochimiche e non viene assorbita dai cloroplasti) e, principalmente, dipendente alla composizione strutturale delle cellule fogliari; (iii) l’infrarosso a onde corte (shortwave-infrared, SWIR; 1300-2500 nm), caratterizzato da una nuova riduzione della luce riflessa, sia per la minore energia della radiazione incidente, sia per il forte assorbimento, dovuto alla presenza di acqua nei tessuti fogliari e da minori assorbimenti specifici di vari metaboliti quali lignina, amido, cellulosa, proteine, azoto, fenoli e molti altri (potenzialmente tutti).
Tale rapida analisi dello spettro riflesso dalla vegetazione (l’elenco delle informazioni contenute negli spettri fogliari è in continuo aggiornamento), introduce la definizione di optical type, concetto chiave della spettroscopia di vegetazione. La fisionomia, la composizione biochimica, la capacità fisiologica e/o il contenuto idrico caratteristici della matrice vegetale analizzata in un determinato ambiente, si traducono in uno specifico profilo spettrale, che può essere interpretato come un’impronta digitale (spectral fingerprint). Le informazioni ivi contenute, gli spettri (e le loro variazioni), possono essere esplorate ed esaminate per comprendere concetti fondamentali in biologia vegetale.
Come si possono estrapolare le informazioni contenute negli spettri fogliari? Negli ultimi 25 anni, numerosi studi hanno portato alla definizione di molti indici spettrali, derivanti da rapporti tra riflettanza a determinate lunghezze d’onda, prevalentemente nel VIS-NIR. Per citarne soltanto alcuni tra i più noti, il Normalized Difference Vegetation Index (NDVI), il Photochemical Reflectance Index (PRI) e il Normalized Difference Water Index (NDWI) sono largamente utilizzati per la loro efficacia nel descrivere, rispettivamente, il livello di copertura vegetativa, l’efficienza fotosintetica e il contenuto idrico di tessuti fogliari. Più recentemente, grazie al già citato sviluppo dei sensori ottici, è emerso un ulteriore approccio dalle notevoli potenzialità, che prevede la creazione di modelli statistici per stimare da dati spettroscopici, noti parametri morfologici, fisiologici e biochimici di largo utilizzo. La calibrazione di questi modelli avviene abbinando le misure spettrali, ottenute mediante un protocollo costante e una fonte di illuminazione stabile e uniforme, con analisi indipendenti ed effettuate con metodi tradizionali e affidabili. Dopodiché, i parametri di interesse vengono modellizzati in funzione degli spettri, utilizzando metodi statistici multivariati (tra le analisi più usate vi è la Partial Least Squares Regression, PLSR). Questi modelli, come suggerito dalle buone pratiche, vengono infine validati su ulteriori campioni indipendenti. Nel caso siano ben performanti, infine, i coefficienti da loro forniti possono essere utilizzati per stimare le variabili di interesse in nuovi individui, soltanto sulla base delle loro misure spettrali. Un terzo approccio interessante e in grande espansione è, infine, l’hyperspectral phenotyping. Quest’ultimo non si concentra su precisi parametri estrapolabili dagli spettri, ma prevede l’utilizzo degli spettri stessi (o parti di essi) come espressione d’insieme delle proprietà morfologiche, anatomiche, fisiologiche e chimiche del campione esaminato. Mediante ulteriori analisi multivariate (es. Permutational Multivariate Analysis of Variance, PERMANOVA; Principal Coordinates Analyisis, PCoA; Partial Least Squares Discriminant Analysis, PLSDA), questo approccio prevede l’indagine ed il confronto di vari profili (diversi optical type), per definirne le differenze e rintracciare le cause di queste variazioni. Questo metodo può essere utilizzato per identificare, per esempio, specie diverse in un ecosistema o un precoce stato di stress indotto da agenti abiotici e biotici, tutti obiettivi che potrebbero non essere raggiungibili mediante i parametri più comunemente indagati.
Importante ricordare che, differentemente da molte delle analisi tradizionali, le determinazioni delle proprietà ottiche sono (i) rapide, richiedendo soltanto pochi secondi; (ii) non distruttive, in quanto basate sull’interazione luce-pianta, permettendo misure ripetute dello stesso tessuto; (iii) relativamente economiche, se paragonate con la continua necessità di condurre vari saggi per le quantificazioni chimiche convenzionali. Alla luce di ciò, gli spettri possono essere raccolti in pieno campo e su un numero elevato di individui, incrementando significativamente la complessità e la solidità dei disegni sperimentali.
Un altro grande vantaggio della spettroscopia è dato dalla possibilità di scalare le informazioni ottenute a livello fogliare a porzioni spaziali più ampie, quali la parcella di un campo o un’intera foresta. L’operazione è resa possibile grazie alla similitudine tra i profili spettrali raccolti con apposite leaf-clip e quelli ottenuti in remote sensing, mediante strumentazioni montate su mezzi agricoli appositamente modificati, droni, piccoli e medi velivoli e persino satelliti. Chiaramente, le misure in remoto presentano ulteriori variabili da considerare (quali la fonte di illuminazione naturale, l’assorbimento dell’atmosfera presente tra i sensori e il bersaglio o il maggiore rumore) e necessitano di specifiche metodiche e calibrazioni. In questo contesto, si sviluppano le grandi potenzialità dell’imaging spectroscopy che, tramite la combinata acquisizione di immagini e di dati spettroscopici (ogni pixel contiene le proprietà spaziali e spettrali), permette di mappare variabili di interesse, tra cui la composizione di un ecosistema o il contenuto idrico e in azoto della copertura vegetale.
Il campo di applicazione della spettroscopia di vegetazione è fortemente multidisciplinare. Le informazioni quali-quantitative da essa fornite possono essere utilizzate, ad esempio, in agronomia, ecologia, patologia vegetale o nel biomonitoraggio, per poi raggiungere approcci più recenti, quali l’agricoltura di precisione o l’high-throughput phenotyping. Seppur già evidenti, le potenzialità di questa scienza nella diagnosi dell’impatto ambientale sulla vegetazione, debbono essere ancora interamente dimostrate. Il continuo sviluppo dei sensori ottici e dei metodi analitici lascia spazio all’immaginazione in merito a nuove e future applicazioni, rafforzando un messaggio noto da tempo, ma che risulta, ad oggi, ancora più chiaro: l’innovazione tecnologica – vale a dire l’applicazione di tecniche innovative che permettono di ridurre i costi e l’impatto ambientale, coniugando redditività e qualità a sostenibilità – rappresenta la risposta vincente alle sfide ambientali imposte al comparto agricolo, settore che, fin dalle origini, è stato per sua natura aperto alle innovazioni.
FOTO: AVIRIS data cube di Pearl Harbor, Hawaii (https://aviris.jpl.nasa.gov/)
E allora rimbocchiamoci le maniche (!), ispirati dalle sempre attuali (seppur ormai ventennali) parole del Prof. Giovanni Scaramuzzi (Patologo vegetale dell’Università di Pisa), casualmente rinvenute durante la stesura del presente contributo: “L’innovazione tecnologica costituisce il «motore» potente dell’agricoltura, anzi di tutta l’economia nazionale. E l’agricoltura deve avere un futuro; oltre alla quantità, qualità e sicurezza degli alimenti, essa ha sulle proprie spalle anche altre pesanti responsabilità, quali la protezione del paesaggio, la salvaguardia dell’ambiente, il contributo alla vita rurale”. Effettivamente, l’innovazione tecnologica in agricoltura sta aprendo scenari e possibilità di cambiamento nella gestione delle comuni pratiche, difficilmente ipotizzabili fino a qualche tempo fa.
Adeguate tecniche di monitoraggio sono necessarie per diagnosticare l’impatto ambientale sulla vegetazione, nonché per valutare l’efficacia delle procedure adottate. I metodi tradizionali, che prevedono analisi fisiologiche e biochimiche di materiale vegetale campionato, possono essere precisi, ma presentano limitazioni, essendo mini-invasivi e/o distruttivi e richiedendo, solitamente, tempo e rilevanti risorse economiche. Approcci alternativi stanno emergendo grazie allo sviluppo di nuovi sensori, all’avanzamento delle capacità computazionali e al miglioramento delle metodologie (l’innovazione tecnologica!). In tale contesto, si inserisce la spettroscopia di vegetazione, una tecnica pratica ed efficace per la valutazione dell’interazione pianta/ecosistema-ambiente.
Questa metodologia si basa sul rilevamento delle caratteristiche ottiche fogliari relative all’interazione della luce con le vibrazioni dei legami chimici (principalmente C-H, N-H e O-H) del materiale vegetale. La misura più utilizzata è la riflettanza, essendo indipendente da variazioni di illuminazione ed espressa in percentuale (questo in quanto la stessa può essere determinata dal rapporto della radianza fogliare su quella di un pannello bianco standard, in grado di riflettere il 99,9% della radiazione incidente). Pur trattandosi di una scienza conosciuta da tempo (le prime dimostrazioni della praticabilità dell’utilizzo di spettri elettromagnetici in studi agro-ecologici risalgono agli anni ‘60 del secolo scorso), la spettroscopia di vegetazione ha avuto un grande slancio negli ultimi anni, grazie ai notevoli progressi tecnologici che hanno portato allo sviluppo dei sensori ottici e alla riduzione dei loro costi. Oggi, con uno sforzo economico non eccessivo, è possibile lavorare con spettrometri portatili, full-range (350-2500 nm, in grado quindi di raccogliere quasi totalmente la porzione della radiazione elettromagnetica dello spettro solare, di grande interesse per i biologi vegetali) e ad alta definizione, permettendo il passaggio dalle misure multispectral (poche bande spettrali distanti tra loro) a quelle hyperspectral (centinaia di lunghezze d’onda ravvicinate), dotate di ben più ampie potenzialità.
Il tipico spettro full-range riflesso da una foglia (viva) è composto da tre regioni principali: (i) il visibile (visible, VIS; 400-700 nm), caratterizzato da bassi livelli di riflettanza a causa del forte assorbimento da parte dei pigmenti fogliari, specialmente nel blu e nel rosso e meno nel verde (ecco perché vediamo le foglie verdi!); (ii) l’infrarosso vicino (near-infrared, NIR: 700-1300 nm), contraddistinto da elevata riflettanza (dove l’energia non è elevata a sufficienza per le reazioni fotochimiche e non viene assorbita dai cloroplasti) e, principalmente, dipendente alla composizione strutturale delle cellule fogliari; (iii) l’infrarosso a onde corte (shortwave-infrared, SWIR; 1300-2500 nm), caratterizzato da una nuova riduzione della luce riflessa, sia per la minore energia della radiazione incidente, sia per il forte assorbimento, dovuto alla presenza di acqua nei tessuti fogliari e da minori assorbimenti specifici di vari metaboliti quali lignina, amido, cellulosa, proteine, azoto, fenoli e molti altri (potenzialmente tutti).
Tale rapida analisi dello spettro riflesso dalla vegetazione (l’elenco delle informazioni contenute negli spettri fogliari è in continuo aggiornamento), introduce la definizione di optical type, concetto chiave della spettroscopia di vegetazione. La fisionomia, la composizione biochimica, la capacità fisiologica e/o il contenuto idrico caratteristici della matrice vegetale analizzata in un determinato ambiente, si traducono in uno specifico profilo spettrale, che può essere interpretato come un’impronta digitale (spectral fingerprint). Le informazioni ivi contenute, gli spettri (e le loro variazioni), possono essere esplorate ed esaminate per comprendere concetti fondamentali in biologia vegetale.
Come si possono estrapolare le informazioni contenute negli spettri fogliari? Negli ultimi 25 anni, numerosi studi hanno portato alla definizione di molti indici spettrali, derivanti da rapporti tra riflettanza a determinate lunghezze d’onda, prevalentemente nel VIS-NIR. Per citarne soltanto alcuni tra i più noti, il Normalized Difference Vegetation Index (NDVI), il Photochemical Reflectance Index (PRI) e il Normalized Difference Water Index (NDWI) sono largamente utilizzati per la loro efficacia nel descrivere, rispettivamente, il livello di copertura vegetativa, l’efficienza fotosintetica e il contenuto idrico di tessuti fogliari. Più recentemente, grazie al già citato sviluppo dei sensori ottici, è emerso un ulteriore approccio dalle notevoli potenzialità, che prevede la creazione di modelli statistici per stimare da dati spettroscopici, noti parametri morfologici, fisiologici e biochimici di largo utilizzo. La calibrazione di questi modelli avviene abbinando le misure spettrali, ottenute mediante un protocollo costante e una fonte di illuminazione stabile e uniforme, con analisi indipendenti ed effettuate con metodi tradizionali e affidabili. Dopodiché, i parametri di interesse vengono modellizzati in funzione degli spettri, utilizzando metodi statistici multivariati (tra le analisi più usate vi è la Partial Least Squares Regression, PLSR). Questi modelli, come suggerito dalle buone pratiche, vengono infine validati su ulteriori campioni indipendenti. Nel caso siano ben performanti, infine, i coefficienti da loro forniti possono essere utilizzati per stimare le variabili di interesse in nuovi individui, soltanto sulla base delle loro misure spettrali. Un terzo approccio interessante e in grande espansione è, infine, l’hyperspectral phenotyping. Quest’ultimo non si concentra su precisi parametri estrapolabili dagli spettri, ma prevede l’utilizzo degli spettri stessi (o parti di essi) come espressione d’insieme delle proprietà morfologiche, anatomiche, fisiologiche e chimiche del campione esaminato. Mediante ulteriori analisi multivariate (es. Permutational Multivariate Analysis of Variance, PERMANOVA; Principal Coordinates Analyisis, PCoA; Partial Least Squares Discriminant Analysis, PLSDA), questo approccio prevede l’indagine ed il confronto di vari profili (diversi optical type), per definirne le differenze e rintracciare le cause di queste variazioni. Questo metodo può essere utilizzato per identificare, per esempio, specie diverse in un ecosistema o un precoce stato di stress indotto da agenti abiotici e biotici, tutti obiettivi che potrebbero non essere raggiungibili mediante i parametri più comunemente indagati.
Importante ricordare che, differentemente da molte delle analisi tradizionali, le determinazioni delle proprietà ottiche sono (i) rapide, richiedendo soltanto pochi secondi; (ii) non distruttive, in quanto basate sull’interazione luce-pianta, permettendo misure ripetute dello stesso tessuto; (iii) relativamente economiche, se paragonate con la continua necessità di condurre vari saggi per le quantificazioni chimiche convenzionali. Alla luce di ciò, gli spettri possono essere raccolti in pieno campo e su un numero elevato di individui, incrementando significativamente la complessità e la solidità dei disegni sperimentali.
Un altro grande vantaggio della spettroscopia è dato dalla possibilità di scalare le informazioni ottenute a livello fogliare a porzioni spaziali più ampie, quali la parcella di un campo o un’intera foresta. L’operazione è resa possibile grazie alla similitudine tra i profili spettrali raccolti con apposite leaf-clip e quelli ottenuti in remote sensing, mediante strumentazioni montate su mezzi agricoli appositamente modificati, droni, piccoli e medi velivoli e persino satelliti. Chiaramente, le misure in remoto presentano ulteriori variabili da considerare (quali la fonte di illuminazione naturale, l’assorbimento dell’atmosfera presente tra i sensori e il bersaglio o il maggiore rumore) e necessitano di specifiche metodiche e calibrazioni. In questo contesto, si sviluppano le grandi potenzialità dell’imaging spectroscopy che, tramite la combinata acquisizione di immagini e di dati spettroscopici (ogni pixel contiene le proprietà spaziali e spettrali), permette di mappare variabili di interesse, tra cui la composizione di un ecosistema o il contenuto idrico e in azoto della copertura vegetale.
Il campo di applicazione della spettroscopia di vegetazione è fortemente multidisciplinare. Le informazioni quali-quantitative da essa fornite possono essere utilizzate, ad esempio, in agronomia, ecologia, patologia vegetale o nel biomonitoraggio, per poi raggiungere approcci più recenti, quali l’agricoltura di precisione o l’high-throughput phenotyping. Seppur già evidenti, le potenzialità di questa scienza nella diagnosi dell’impatto ambientale sulla vegetazione, debbono essere ancora interamente dimostrate. Il continuo sviluppo dei sensori ottici e dei metodi analitici lascia spazio all’immaginazione in merito a nuove e future applicazioni, rafforzando un messaggio noto da tempo, ma che risulta, ad oggi, ancora più chiaro: l’innovazione tecnologica – vale a dire l’applicazione di tecniche innovative che permettono di ridurre i costi e l’impatto ambientale, coniugando redditività e qualità a sostenibilità – rappresenta la risposta vincente alle sfide ambientali imposte al comparto agricolo, settore che, fin dalle origini, è stato per sua natura aperto alle innovazioni.
FOTO: AVIRIS data cube di Pearl Harbor, Hawaii (https://aviris.jpl.nasa.gov/)
