El cultiu del blat a l’ambient mediterrani davant la crisi climàtica: Perspectives geogràfiques des de la teledetecció i l’ecofisiologia

Abstract

[cat] OBJECTIUS:

L’objectiu general de la tesi és emprar dades de teledetecció i sistemes d’informació geogràfica per estimar i comprendre el rendiment i qualitat de varietats de blat mediterrani tot considerant els efectes ambientals, del paisatge i el maneig agrícola. Per dur a terme aquest objectiu, es van proposar els objectius específics següents:

1. Desenvolupar models de teledetecció multiescala per estimar els paràmetres de rendiment i qualitat.

2. Desenvolupar classificacions de tipus de cultius per tal de mapejar els camps i cultius agrícoles.

3. Comprendre els efectes ambientals, topogràfics i de maneig a nivell de camp i regional sobre el rendiment del blat i la qualitat.

4. Explorar els canvis d'ús del sòl i els efectes del paisatge en el cas del blat mediterrani.

5. Definir la idoneïtat del cultiu del blat pel que fa a les característiques regionals en diferents àrees climàtiques.

6. Entendre si cal una millora vegetal per un ambient específic o si els genotips tenen una plasticitat genètica que els permet adaptar-se a diferents agroclimes.

7. Avaluar les diferències entre el maneig convencional i ecològic del blat per definir zones d'idoneïtat del maneig.

[eng] The Mediterranean Basin is a climate change hotspot, so finding sustainable agricultural management strategies that can both mitigate and adapt to the climate crisis is critical. One way to better adapt to the climate crisis is to use remote sensing techniques, which allow for precise monitoring of crop fields and improved management. Furthermore, in addition to monitoring individual fields, it provides a better spatial understanding of the agricultural mosaic and presents novel options for shaping sustainable landscapes. Satellite data has become more widely used in agricultural monitoring due to increased image availability and resolution improvements over the last decade. This thesis investigated the use of agronomic, physiological, environmental, and remotely sensed data to monitor and map wheat production, namely grain yield quantity and area, and quality, grain nitrogen (protein) content, in the Mediterranean environment. I have developed several modeling approaches using multispectral and geographically referenced landscape datasets. Machine learning approaches outperform simpler linear approaches because they capture the complexities of spectral data and better relate it to agronomic outputs. In my thesis, I argue that freely accessible Sentinel-2 imagery and publicly available georeferenced data can help assess wheat performance and define sustainable management approaches. In the current technological milieu, the sustainability of agroecosystems depends on an efficient and equitable understanding and distribution of the satellite data infrastructure. At the margins, particularly in less considered croplands, there are clear opportunities to improve yields and better integrate agricultural production into the landscape. The use of remote sensing with an agroecological perspective could improve the sustainability of Mediterranean cereal landscapes.