Durata del progetto: 2021-2026

Obiettivo del progetto: erba tagliata

Registrazione digitale tramite tecnologia drone

Un obiettivo chiave del progetto è l'utilizzo di dati multispettrali da drone per analizzare i cambiamenti della vegetazione. A tal fine, un sensore multispettrale (MAIA-S2) è installato su un drone che sorvola il campo sperimentale a brevi intervalli. Questo genera dati ad alta risoluzione che consentono applicazioni pratiche per la digitalizzazione della gestione dei pascoli. I dati raccolti vengono integrati nel modello di prateria "SatGrass" per migliorare ulteriormente le previsioni.

Implementazione del progetto CutGrass

Configurazione sperimentale 

Su un'area di 52 x 90 m vengono implementati diversi sistemi di gestione dei pascoli. Dopo una preparazione uniforme del terreno con fertilizzazione di base, vengono utilizzate le seguenti miscele di pascoli:

• Prato di avena liscia (E2): Miscela ricca di specie per medie altitudini, utilizzabile due volte con bassa concimazione.
• Miscela per prato permanente-B: Miscela tipica per gestione medio-intensiva, falciata tre volte con concimazione moderata.
• Miscela per prato permanente VS: Miscela a base di erba per uso frequente (da quattro a cinque tagli) con concimazione intensiva.
• Miscela foraggera IM: Miscela intensiva per un massimo di tre anni principali di utilizzo, tagliabile cinque volte con elevata concimazione.

Indagini e analisi

Il progetto combina diversi metodi di misurazione per ottenere un quadro completo delle dinamiche di crescita:

• Biodiversità e diversità di specie: inventari vegetali per l'analisi dello sviluppo della vegetazione.
• Sondaggi settimanali:
  • Spettroscopia di campo
  • Voli con droni con sensori multispettrali
  • Misurazioni dell'altezza delle piante (misuratore, misuratore a piastra ascendente)
  • Misurazione dell'indice di area fogliare (LAI, LiCor 2200C)
  • Stima delle proporzioni dei gruppi di specie

Inoltre, vengono registrati dati meteorologici come temperatura, precipitazioni e radiazione. I dati spettrali vengono analizzati utilizzando software sviluppati su misura, mentre i modelli di crescita vengono sviluppati utilizzando modelli misti e algoritmi di apprendimento automatico.

Il progetto fornisce spunti preziosi per la gestione sostenibile ed efficiente delle aziende agricole a pascolo in Austria.

(c) HBLFA Raumberg-Gumpenstein