Prime correlazioni tra indici vegetazionali e biomassa mediante rilievi da drone su basilico

Basil is one of the most cultivated and valued aromatic plants globally. The introduction of precision agriculture technologies has revolutionized crop management by providing advanced tools for accurate monitoring. However, the application of these technologies in basil cultivation remains little explored. A critical moment in the basil crop cycle is the harvest stage, where identifying the ideal time for each mowing is critical to maximizing yield. Traditionally, growers have relied on personal experience and visual observation to determine harvest timing. However, as agricultural techniques evolve there is an emerging need for more advanced and reliable decision-making tools to optimize this crucial stage. In this study, drones equipped with multispectral sensors were used to calculate six vegetation indices – as in NDVI, GNDVI, NDRE, CVI, EVI, SAVI - and analyze their correlation with basil structural parameters such as biomass and height. The results showed a significant positive correlation for all indices except CVI, with GNDVI and NDRE performing particularly well. These indices provide a promising basis for developing machine learning-based predictive models capable of accurately estimating biomass and optimizing harvest timing and mode.

Il basilico è una delle piante aromatiche più coltivate e apprezzate a livello globale. L'introduzione di tecnologie di agricoltura di precisione ha rivoluzionato la gestione delle colture, offrendo strumenti avanzati per un monitoraggio accurato. Tuttavia, l'applicazione di queste tecnologie nella coltivazione del basilico rimane poco esplorata. Un momento critico nel ciclo colturale del basilico è la fase di raccolta, in cui individuare il momento ideale per ogni sfalcio è fondamentale per massimizzare la resa. Tradizionalmente, i coltivatori si basano sull'esperienza personale e sull'osservazione visiva per determinare i tempi di raccolta. Con l'evolversi delle tecniche agricole, emerge però la necessità di strumenti decisionali più avanzati e affidabili per ottimizzare questa fase cruciale. In questo studio, sono stati impiegati droni equipaggiati con sensori multispettrali per calcolare sei indici vegetazionali – quali NDVI, GNDVI, NDRE, CVI, EVI, SAVI - e analizzarne la correlazione con parametri strutturali del basilico, come biomassa e altezza. I risultati hanno evidenziato una significativa correlazione positiva per tutti gli indici, ad eccezione del CVI, con GNDVI e NDRE che si sono dimostrati particolarmente efficaci. Questi indici rappresentano una base promettente per sviluppare modelli predittivi basati su machine learning, capaci di stimare con precisione la biomassa e di ottimizzare le tempistiche e le modalità di raccolta.