Tra gli ambiti di applicazione della data science, l’agricoltura di precisione è sicuramente uno dei settori che pone problemi complessi, la cui soluzione porta allo sviluppo di prodotti e servizi per un ampio numero di potenziali nuovi mercati.
L’agricoltura di precisione è definita come l’insieme delle strategie di gestione dell’agricoltura basate sull’osservazione, la misurazione e la risposta alla variabilità inter- e intra-campo delle colture, che fa uso di tecnologie informatiche e dati provenienti da fonti diverse, quali i dati sul posizionamento satellitare (GNSS), il telerilevamento e la raccolta di dati prossimali. L’obiettivo è quello di ottimizzare le pratiche agricole, aumentarne l’efficienza e ridurre l’impatto ambientale. I benefici derivano dunque dall’adattamento delle attività agricole alle effettive condizioni dei campi, misurabili su scale molto dettagliate. I vantaggi sono evidenti: l’aumento della produzione per unità di superficie investita, la riduzione dei consumi non necessari, l’aumento dell’efficienza degli input impiegati e in definitiva l’aumento della redditività delle colture. Ulteriori benefici derivano da condizioni di lavoro migliori, maggiore benessere degli animali e un potenziale miglioramento degli aspetti legati alla gestione ambientale, come ad esempio la riduzione dell’impiego di prodotti di sintesi non necessari. L’agricoltura di precisione contribuisce dunque a un obiettivo più ampio, relativo anche al miglioramento dei livelli di sostenibilità della produzione agricola.
Le tecniche e le tecnologie dell’agricoltura di precisione consentono di misurare e gestire la variabilitá nei campi e di applicare, al momento giusto, la tipologia e la quantitá di trattamento con un grado di precisione molto più alto rispetto al passato. Siamo di fronte a un cambio di paradigma nelle pratiche agricole, in particolare per quelle aziende caratterizzate da grande estensione terriera o manodopera poco qualificata. Tali tecnologie consentono infatti di considerare i terreni agricoli come entità eterogenee che consentono e richiedono trattamenti selettivi, invece che entità omogenee sottoposte tutte al medesimo trattamento.
La grande mole di dati prodotti, inoltre, apre interessantissimi scenari per l’implementazione di sistemi con un livello sempre più alto di automazione, così come apre controversi scenari sulla proprietà e sulla disponibilità dei dati prodotti. Nella tabella 1 di questo studio del Parlamento Europeo viene presentata una panoramica delle tecnologie e degli ambiti di applicazione dell’agricoltura di precisione.
- Tecnologia: strumenti di interfaccia uomo-macchina
Obiettivo dello sviluppo: terminali adatti a tutte le applicazioni nell’ambito dell’agricoltura di precisione
Stato della tecnologia: terminali stand-alone adatti a ogni singola applicazione - Tecnologia: proprietà dei dati
Obiettivo dello sviluppo: facilitare lo scambio di informazioni tra agricoltori, tra agricoltori e fornitori, e tra governo e agricoltori
Stato della tecnologia: i dati devono essere di proprietà del possessore della macchina, ma i produttori di macchine possono utilizzare tali dati per procedure di valutazione interna - Tecnologia: guida delle macchine
Obiettivo dello sviluppo: evitare sovrapposizioni nelle operazioni che si svolgono automaticamente nei campi, supporto al conducente, riduzione nell’utilizzo di sostanze chimiche e di carburante
Stato della tecnologia: supporto alla guida, guida automatica - Tecnologia: controllo del traffico
Obiettivo dello sviluppo: utilizzare per quanto possibile le stesse piste, ridurre al minimo la compattazione del suolo
Stato della tecnologia: supporto alla guida, guida automatica - Tecnologia: registrazione del movimento delle macchine agricole
Obiettivo dello sviluppo: sorveglianza delle macchine, sicurezza degli operatori, ottimizzazione dei processi
Stato della tecnologia: necessari dati per misurare e memorizzare le operazioni delle macchine - Tecnologia: campionamento delle posizioni
Obiettivo dello sviluppo: possibilità di determinare offline la qualità del suolo, parametri come pH, fosforo, potassio, magnesio, la composizione del suolo
Stato della tecnologia: possibilità di disporre di informazioni dettagliate sulla fertilità del suolo e le malattie trasmesse, per una gestione ottimale e per adempiere alla legislazione - Tecnologia: monitoraggio della biomassa
Obiettivo dello sviluppo: mappare lo stato di crescita delle piante e la quantità di azoto necessaria
Stato della tecnologia: osservazione della fenologia colturale, sensori ottici per lo stato del fogliame e il contenuto di azoto - Tecnologia: sviluppo di sensori e tecnologie di sensor fusion
Obiettivo dello sviluppo: fusione automatica dei dati registrati da diversi sensori, per decisioni in tempo reale basate su set di dati multistrato
Stato della tecnologia: sensori per la misurazione di diversi parametri, che verranno successivamente integrati nei prodotti - Tecnologia: sistemi di visione artificiale
Obiettivo dello sviluppo: garantire la sicurezza e l’igiene dei prodotti alimentari, combinazione di questi dati con quelli registrati dai produttori (e.g. tempistiche, luoghi e utilizzo di prodotti chimici o fertilizzanti)
Stato della tecnologia: monitoraggio e classificazione di frutta o verdura - Tecnologia: tecniche di telerilevamento
Obiettivo dello sviluppo: correlare queste immagini per segnalare potenziali carenze nutrizionali e stress
Stato della tecnologia: immagini aeree o satellitari - Tecnologia: applicazioni a tasso variabile
Obiettivo dello sviluppo: applicazione di semina, concimazione e irrorazione in base a un’accurata mappatura delle informazioni sul suolo e sulle piante
Stato della tecnologia: consente il trattamento specifico delle aree all’interno di un lotto colturale con livelli di produzione variabili - Tecnologia: monitoraggio del raccolto
Obiettivo dello sviluppo: raccolta localizzata delle informazioni sulle colture e sullo stato dei macchinari per migliorare la resa
Stato della tecnologia: informazioni sulla raccolta, letture istantanee di livelli di umidità, densità delle colture, taglio, raccolta, e informazioni sulla resa - Tecnologia: tracking individuale del bestiame
Obiettivo dello sviluppo: informazioni sullo stato di salute degli animali e del comportamento al pascolo
Stato della tecnologia: sistemi di monitoraggio per gli animali tramite ricevitori GNSS, che memorizzano i dati di posizione a intervalli regolari - Tecnologia: monitoraggio del trasporto di bestiame
Obiettivo dello sviluppo: rispettare le norme di legge sul benessere degli animali
Stato della tecnologia: registra il movimento dei veicoli - Tecnologia: presentazione elettronica delle richieste di aiuto
Obiettivo dello sviluppo: conformità delle normative legali
Stato della tecnologia: i ricevitori GNSS consentono la misurazione di area, perimetro di una particella o parti modificate di un confine - Tecnologia: gestione dell’azienda e supporto decisionale
Obiettivo dello sviluppo: soluzioni software per la documentazione automatica, la telemetria, il supporto decisionale, il controllo dei macchinari
Stato della tecnologia: soluzioni di gestione dei dati e supporto decisionale
Esempi di applicazione dell’agricoltura di precisione risalgono all’N-sensore di Yara, sviluppato negli anni ’90. Tale sensore è uno strumento utile per tecnologie di applicazione a tasso variabile (VRA) con dati raccolti direttamente nei campi. L’N-sensore di Yara rileva lo stato dell’azoto e della biomassa delle piante misurando la riflettanza del fogliame all’interno dello spettro elettromagnetico rosso e infrarosso. L’informazione spettrale ottenuta è elaborata mediante un algoritmo di fertilizzazione che consente una concimazione azotata site-specific all’interno di un campo [1].
Un approccio completamente diverso per le applicazioni variable-rate è CropSAT, un tool sviluppato nel 2013-2014. CropSAT utilizza le immagini satellitari per il calcolo di un indice di vegetazione [2], utilizzato per generare file VRA utili alla fertilizzazione azotata nei cereali. L’indice di vegetazione in CropSAT è correlato alle misurazioni effettuate con l’N-sensore di Yara [3]. CropSAT potrebbe anche essere visto come un’alternativa all’N-sensore, con una risoluzione inferiore.
Ulteriori informazioni, molto utili, possono essere estrapolate dai dati provenienti da satelliti o droni, come ad esempio l’effettiva evapotraspirazione in funzione della disponibilità di acqua. Può essere misurata a distanza con radiometri a infrarossi. La combinazione di modelli di flusso idrico del suolo, di rilevamento dello stress idrico delle colture e di evapotraspirazione, consente di ottimizzare tempi di irrigazione e quantità di applicazione. Allo stesso modo, per supportare le decisioni che riguardano l’utilizzo del fertilizzanti, il verde del fogliame delle piante viene valutato e quantificato utilizzando sensori di riflettanza spettrale e imaging digitale. I dati ottenuti da immagini RGB o infrarosse (raccolti a partire da droni o satelliti) forniscono informazioni utili alla comprensione e alla valutazione del grado di stress della pianta, così da guidare l’applicazione di fertilizzanti o pesticidi.
Sensori impiantati nel suolo possono ulteriormente migliorare la capacità di previsione dei modelli: quelli di ultima generazione sono basati sul rilevamento di composti volatili. Ecco alcuni esempi: stazioni di rilevamento del suolo possono generare dati in tempo reale, per tenere traccia dello stato del suolo basandosi sui composti organici volatili (VOC); nasi elettronici portatili sono impiegati per la quantificazione dei VOC di suoli precedentemente trattati con fertilizzanti organici e NPK (fertilizzanti a tre componenti che forniscono azoto, fosforo e potassio) [4]; altri dispositivi sono basati sulla trasmittanza elettrica, in grado di valutare l’umidità e la temperatura del suolo al fine di ottenere misure dirette e continue, ottenendo così indicazioni dirette per la gestione idrica.
Quelli sopra riportati sono solo alcuni tra gli esempi di tecnologie e strumenti disponibili, utilizzati per la raccolta e l’utilizzo di dati come parte integrante dell’implementazione di un’agricoltura di precisione. Questi strumenti generano dati in grande quantità, fornendo preziose informazioni sul piano della produzione e della gestione. Dietro le quinte c’è una varietà di tecniche di Data Science che trasformano, attraverso i Geographic Information Systems (GIS), i dati georeferenziati raccolti dai diversi sensori in mappe che forniscono informazioni sullo stato fisiologico del raccolto e sulle condizioni del terreno.
Sviluppando modelli e tecniche per comprendere rapporti di causalità e relazioni tra piante, suolo, agenti patogeni e clima, la Data Science contribuisce a creare sistemi di gestione agricola intelligenti, rendendoli accessibili agli agricoltori attraverso servizi di consulenza, formazione o direttamente attraverso lo sviluppo di prodotti software.
Bibliografia
[1] Link A., Panitzki M. & Reusch S. (2002). Hydro N-sensor: Tractor-mounted remote sensing for variable nitrogen fertilization. In P. C. Robert (Ed.), Proceedings of 6th international conference on precision agriculture (pp. 1012–1018).
[2] Qi J. G., Chehbouni A., Huete A. R., Kerr Y. H., & Sorooshian, S. (1994). A modified soil adjusted vegetation index. Remote Sensing of Environment, 48(2), 119–126.
[3] Söderström M., Stadig H., Nissen K., Piikki K. (2015). CropSAT: Kväverekommendationer och grödstatuskartering inom fält genom en kombination av satellitdata och N-sensorer. [In Swedish] (CropSAT: Nitrogen recommendations and crop status mapping within field by a combination of satellite data and N-sensors). Department of Soil and Environment, Precisionsodling Sverige, Report Nr: 36, Swedish University of Agricultural Sciences.
[4] Dorji U., Pobkrut T., & Kerdcharoen T. (2017). Electronic nose based wireless sensor network for soil monitoring in precision farming system. In Knowledge and Smart Technology (KST), 2017 9th International Conference on (pp. 182-186). IEEE.
