Integration of proximal sensing and crop modelling to optimize N variable fertilization on cereals

Despite recent advances in agronomical techniques, N fertilization still shows low efficiency (NUE), with consequently high N loss in the environment. This could be particularly relevant in nitrate vulnerable zones, as the Venice Lagoon watershed, in which N leaching represents a serious risk for water pollution. Applying N site specifically accordingly to crop need, N –VRA (variable rate application) represents a strategy to increase NUE. Although this approach has been proved to provide environmental benefit, a drawback in its application arises from the difficulties to predict precisely final crop yield at the time of fertilizing. This can result in under or over- fertilization which results on one hand in economic loss and on the other in a large N balance on the soil. In this dissertation different approaches N-VRA application were evaluated in the Venice Lagoon Border, and their benefits in term of enhancing grain production and economic and environmental sustainability were evaluated. In the first experiment (Chapter II), a two-years field trial was managed to investigate the effect of N-VRA based on management zones on durum wheat final production. Furthermore, the use of real time sensors on a combine- harvester and the spectrophotometric analysis of gluten composition allowed to evaluate the influence of late N foliar fertilization and N-VRA on grain quality and to verify the feasibility of zone- harvesting. In Chapters III and IV two different strategies of integration of spectral measurements and crop modelling were proposed. An innovative approach of coupling proximal sensing, medium weather forecasts and crop modelling to optimize N-VRA in durum wheat was proposed in Chapter III. After calibration with data collected in the first experiment, the model was run in each management zone with weather forecasts to evaluate N optimum rate, which was then corrected based on NDVI data. In Chapter IV proximal sensing and crop modelling were integrated in order to improve within-field estimation of N stress on corn nd therefore optimize N fertilization. In this case model accuracy in N stress prediction was improved optimizing the model to properly predict the yield and subsequently to match the simulated and the NDVI-derived LAI (leaf area index). The optimized model was subsequently run to evaluate optimum N rates able to minimize N stress. General conclusions were drawn in Chapter V, underlining both the benefits and the limitations of these N-VRA approaches.

Nonostante i recenti progressi della tecnica agronomica, la fertilizzazione azotata riporta ancora una bassa efficienza (NUE), con conseguenti ingenti perdite di N nell’ambiente. Questo problema è di particolare importanza in zone vulnerabili ai nitrati, come il bacino scolante della Laguna di Venezia. Somministrando azoto in maniera sito-specifica in base ai bisogni della coltura, la N-VRA (variable rate application) rappresenta una strategia per incrementare l’efficienza della fertilizzazione. Nonostante i provati benefici economici ed ambientali derivanti da questa tecnica, una limitazione deriva dalla difficoltà nella stima della resa finale al momento della concimazione. Questo può causare casi di sottostima o sovrastima o delle dosi che causano da un lato perdite economiche e dall’altro un elevato surplus di N nel suolo. In questa tesi sono state valutate differenti strategie di N-VRA nel bacino scolante della Laguna di Venezia. Nel primo esperimento di campo (Capitolo III) è stata applicata una N-VRA basata su zone omogenee in grano duro e ne sono stati studiati gli effetti sulla produzione. Inoltre, l’uso di sensori montati sulla mietitrebbia e le analisi spettrofotometriche della composizione del glutine hanno permesso di studiare l’effetto della concimazione azotata tardiva e della N-VRA sulla qualità della granella e di valutare l’ attuabilità di una raccolta sito-specifica. Due diversi metodi di integrazione di misure spettrali e modellistica colturale sono state proposti nei Capitoli III e IV. Nel capitolo III è stato studiato un approccio innovativo per l’assimilazione di proximal sensing, previsioni metereologiche e modelli colturali per ottimizzare la concimazione al grano duro. Dopo aver condotto una calibrazione con dati raccolti nel precedente esperimento, è stata simulata la dose ottimale per ogni zona omogenea, che è stata corretta successivamente in base ai valori di NDVI misurati su tutto l’appezzamento. Nel capitolo IV i dati spettrali sono stati integrati al modello per migliorare l’accuratezza della simulazione della carenza di N in mais, e valutare la dose ottimale di N da distribuire in grado di minimizzare lo stress. Il modello è stato inizialmente calibrato per simulare correttamente la resa e successivamente per far coincidere il LAI (leaf are index) simulato con quello ricavato dalle misurazioni di NDVI. Nel capitolo V vengono riportate le conclusioni generali, sottolineando sia in benefici derivanti da queste strategie di N-VRA, sia le limitazioni.