Agricoltura di precisione: sfide e opportunità

Agricoltura di precisione: sfide e opportunità

Abstract

Il Made in Italy primeggia sul piano della qualità, della sicurezza alimentare, della sostenibilità, tuttavia il settore agroalimentare deve fronteggiare numerose sfide legate alla necessità di innovare i sistemi produttivi, di rispondere alle esigenze del mercato, dare maggiore centralità al ruolo dei produttori. La variabilità dell’ambiente e la sua interpretazione richiedono strumenti in grado di poter gestire nella loro complessità tutti i fattori biofisici e produttivi.

Introduzione

L’Agricoltura di Precisione (AP) negli ultimi anni ha destato un grande interesse per l’evoluzione di razionali applicazioni che consentono di aumentare la resa e la qualità della produzione agricola usando meno input (acqua, energia, fertilizzanti, fitosanitari), riducendo le voci di spesa ed aumentando la competitività delle imprese e la sostenibilità ambientale. Le molteplici applicazioni di questo sistema di gestione integrato, possono essere considerate strumenti di studio della variabilità degli ambienti di produzione agricola e consentono di fare la cosa giusta al momento giusto e al punto giusto.
L’introduzione di tecnologie innovative nelle aziende agricole determina effetti sul capitale d’esercizio per l’acquisto di macchine agricole, sistemi di guida automatica, mappatura delle produzioni, sistemi a dosaggio variabile e relativi software. Dal momento che le tecnologie di precisione consentono di lavorare con maggiore rapidità, efficienza, evitando le sovrapposizioni con l’utilizzo di sistemi di navigazione e distribuzione a dosaggio variabile, le voci relative ai costi variabili registrano un calo con risparmi per il minor impiego di carburanti, lubrificanti e soprattutto degli input quali sementi, piantine, fertilizzanti, fitosanitari, acqua di irrigazione.
Emerge chiaramente che l’AP attraverso le applicazioni sito-specifiche, rappresenta una straordinaria opportunità per rendere efficiente il comparto produttivo, a sostegno di una sostenibilità che genera effetti positivi non solo sull’ambiente ma anche sulla tracciabilità dei prodotti, in quanto favorisce la condivisa comunicazione in tutta la filiera agroalimentare, dal campo al consumatore.
Fondamentale per il futuro della competitività dell’Agricoltura italiana sarà il rafforzamento delle politiche comunitarie, delle azioni di trasferimento tecnologico e quindi della formazione dei nuovi professionisti dell’agricoltura che dovranno essere in grado di valorizzare oltre la bioeconomia rurale, l’ambiente ed il contesto sociale.

Sfide: agricoltura precisa e digitale, smart

L’AP è un sistema che affonda il suo punto di forza nell’importanza della gestione delle informazioni ed utilizza tecniche e tecnologie digitali per monitorare ed ottimizzare la gestione delle operazioni colturali della produzione agricola (Casa e Pisante, 2016). Infatti, piuttosto che applicare la medesima quantità di input agronomici su un intero campo coltivato, o alimentare i capi di un allevamento con razioni omogenee, vengono prima misurate le variabili e successivamente adeguata la strategia ottimale per fare la cosa giusta al momento giusto (Pierce e Nowak, 1999). Le fasi attuative dell’AP (Figura 1) prevedono:

  • monitoraggio e registrazione dei dati georiferiti, ovvero di misura ed interpretazione della variabilità spazio-temporale;
  • analisi, elaborazione e pianificazione delle operazioni in relazione alle specifiche esigenze, con la possibilità di effettuare interventi differenti in uno stesso appezzamento e prevedere quindi di ottenere prodotti differenziati per parametri qualitativi;
  • interventi di regolazione e controllo delle operazioni (concimazioni, irrigazione, lavorazioni del terreno, semine, trapianti, trattamenti di difesa fitosanitaria).

Figura 1 - Le fasi attuative dell’Agricoltura di Precisione

Fonte: Matese, 2017

Le tecnologie di precisione diffusamente in applicazioni digitali, consentono di gestire efficacemente la variabilità presente in campo, includendo:

  • Sistemi di guida Gnss (Figura 2), che gestiscono la regolazione su specifici organi motori come la sterzatura automatica, la sterzata in testa (seguendo i bordi del campo) e la sovrapposizione dei bordi o delle file di semina/trapianto. I sistemi di guida automatica riducono gli errori umani e contribuiscono alla gestione sostenibile del suolo e del sito specifico. Senza trascurare la rilevanza delle svolte automatizzate a fine campo che consentono di diminuire i tempi di esecuzione e il consumo di carburante.
  • Meccatronica, interconnessioni tra sistemi elettronici e apparecchiature elettroidrauliche per applicare in campo le dosi variabili in base alla prescrizione elaborata su apposite mappe.

Figura 2 - Sistema di Guida Gnss e spandiconcime Vra

Fonte: foto degli Autori

  • Geo-mapping per produrre mappe (Figura 3) che identificano, ad esempio, tipi di suolo e livelli di nutrienti con una risoluzione sito-specifica, fino al centimetro. La grande rivoluzione della Agricoltura di Precisione è interpretare la variabilità spazio-temporale ed al contempo studiarne il comportamento rispetto ad ogni singolo punto dell’appezzamento. Il concetto di variabili regionalizzate (Castrignanò e Buttafuoco, 2004), permette all’Agricoltura di Precisione di stimare la dose ottimale in ogni pixel, in ogni singolo quadro della scacchiera, identificando le aree omogenee per caratteristiche chimico fisiche del suolo e/o per risposta in termini di vigore vegetativo.

Figura 3 - Mappa di Prescrizione

Fonte: elaborazione demo a cura degli Autori

  • Sensori e Telerilevamento (Figura 4), con i quali è possibile raccogliere dati a distanza per valutare lo stato di salute del suolo e delle colture, misurando parametri quali umidità, nutrienti, compattamento, vigore vegetativo, stato idrico e nutrizionale delle piante (Holland e Schepers, 2013). L’impiego delle immagini satellitari rappresenta un valido supporto per lo studio della variabilità spaziale. I sensori prossimali possono essere installati su macchine operatrici, semoventi ed attrezzature, effettuando nello stesso momento il rilievo e la conseguente distribuzione differenziata (on-the-go) di alcuni mezzi tecnici quali fertilizzanti e fitosanitari. In questo modo ogni applicazione viene effettuata a seconda della variazione delle proprietà del suolo e della coltura, rilevate mediante misure termiche, ottiche, meccaniche e chimiche. Ciò consente all’operatore e alla macchina di quantificare la biomassa delle colture, lo stress delle piante, i parassiti e le malattie, le proprietà del suolo, le condizioni climatiche (con informazioni acquisite da stazioni di rilevamento dei parametri climatici) ed agire con adeguate modalità, in relazione alla risoluzione desiderata. È importante chiarire che l’utilizzo delle immagini acquisite da piattaforme remote necessita della correzione radiometrica, atmosferica e geometrica, per fornire informazioni rappresentative della variabilità spazio-temporale legata al parametro che si vuole indagare.

Figura 4 - Caratteristiche di alcune piattaforme sensoristiche

Fonte: Mipaaf, 2017

  • Internet of Things e Big Data si affacciano all’universo dell’agricoltura per la necessità di gestire il processo di acquisizione delle informazioni in input ed in output. La mole di dati viene acquisita, in remote e proximal sensing, dalle reti di monitoraggio wireless e da stazioni meteo (Figura 5).
  • I robot agricoli del futuro saranno sempre più interoperabili ed in grado di riconfigurare la propria architettura per svolgere diverse attività ed applicazioni.

L'uso combinato della previsione dei modelli e la rilevazione con sensori di monitoraggio, nello studio della variabilità spazio-temporale, migliora la gestione dell’irrigazione, il dosaggio dei nutrienti e gli interventi di difesa dalle avversità, ma anche nel caso di impianti poliennali, anche la progettazione dello stesso. Insieme alle pratiche agroambientali come il no-till, strip-till, l’utilizzo di cover crops e gli avvicendamenti colturali inter cropping, questi sistemi avanzati di gestione possono determinare significativi miglioramenti nella gestione aziendale ed una conseguente riduzione delle emissioni (es. protossido di azoto, CO2, gas climalteranti a cui sono correlati rischi per la salute umana), contribuire efficacemente a migliorare la qualità dell'acqua e dell'aria che respiriamo.

Figura 5 - Il nuovo tecnico nell’era dell’IoT

Fonte: Frascarelli, 2017

A livello mondiale, dopo i primi anni del nuovo millennio, la digitalizzazione dell'agricoltura ha fatto registrare una forte accelerazione. Quando internet ha iniziato il primo ingresso nelle aree rurali, ha permesso agli agricoltori di accedere a dati e informazioni, mai disponibili prima di allora. Successivamente, una vasta gamma di piattaforme internet con informazioni specifiche per gli agricoltori si sono sviluppate nel tempo. Sul mercato sono disponibili servizi di archiviazione dati (principalmente basati su cloud), sistemi Gis e software di analisi dei dati. Comunicazione senza fili tramite ad es. 3G, 4G e altre reti sono diventate parte della nostra vita quotidiana. Recentemente sono state sviluppate anche applicazioni su piattaforme internet e smartphone. Queste applicazioni possono fornire agli agricoltori informazioni specifiche sulle condizioni meteorologiche, lo stato di salute delle colture, il rilevamento della temperatura e il movimento degli animali, per fornire consigli e supporti decisionali sulla gestione. L’innovazione tecnologica offre opportunità per sviluppare nuove imprese, aumentare l'attrattività rurale, rinnovare modelli di business, collegando i produttori ai consumatori (per esempio creando canali di marketing innovativi, come nuovi tipi di filiere alimentari corte, o migliorare la logistica). È importante ricordare che l’avvento dell’AP sta stimolando l’ampliamento di imprese che effettuano servizi per conto terzi e che lavorando su vaste superfici, 500-600 ha/anno/macchina, consentendo alle piccole e medie aziende agricole (con una Sau inferiore ai 50 ha) di usufruire dei servizi avanzati e dei vantaggi delle tecnologie di precisione.
Nonostante l'ampia gamma di soluzioni offerte dall’AP, si stima che solo il 25% delle aziende agricole dell'UE utilizzi tali tecnologie. In Italia solo l’1% della Sau adotta tecnologie di precisione. L’AP sta diventando uno degli ambiti su cui è più attivo il piano strategico per l’innovazione e la ricerca nel settore agricolo. Essa risponde infatti agli obiettivi, agli impegni e alle sfide del settore, condivisi dalla Commissione Europea, rispetto al tema dell’innovazione, della crescita sostenibile (lotta ai cambiamenti climatici, maggior competitività e sostenibilità delle imprese) e quindi della necessità di migliorare le competenze dei lavoratori per la creazione di posti di lavoro qualificati:

L’AP con i suoi principi, metodologie e tecnologie rientra pienamente nel programma nazionale Industria 4.0. Il settore sta approdando così in una nuova era in cui la sensoristica, l’Internet Of Things e nuovi strumenti di gestione dei dati, rendono tracciabile ogni azione applicata al prodotto, dalla semina/trapianto fino alla vendita presso la Grande Distribuzione, al consumatore finale. Rispetto alla pianificazione dei progetti inclusi nel programma Agricoltura 4.0, il nostro Paese ha disposto importanti iniziative volte a sostenere economicamente le imprese che grazie all’adozione dell’AP, intendono innovare i processi di produzione e perfino i prodotti stessi.

Opportunità: dai satelliti informazioni per la gestione sostenibile delle pratiche agronomiche

Il telerilevamento o Remote Sensing (RS), consente di monitorare la crescita delle colture, individuare la produttività dell’appezzamento, grazie all’utilizzo di nuove tecnologie come i sensori iperspettrali e multispettrali (Castaldi et al., 2016). In particolare, il satellite viene sempre più utilizzato nel monitoraggio di colture e variabili che descrivono la loro crescita, permettendo il monitoraggio sia di vaste aree su scala regionale o distrettuale, sia di aree dimensionate a scala aziendale o di singolo campo o appezzamento coltivato. L’Esa (Agenzia Spaziale Europea), da qualche anno, consente ai professionisti del settore di poter accedere ad informazioni acquisiste dai satelliti Sentinel 2, attualmente con una frequenza ogni 5 giorni e nell’immediato futuro ogni 2 giorni, per studiare ed analizzare l’area di interesse gratuitamente. Al grande successo delle immagini satellitari hanno contribuito lo sviluppo di tools e software open access per l’accesso e l’elaborazione dei dati contenuti nelle immagini.
L'uso del RS è efficace nella stima della resa delle colture, in particolare quelle cerealicole, combinando il monitoraggio da telerilevamento, le variabili biofisiche delle colture ed i modelli di crescita delle stesse. Alla base del RS c’è lo studio della riflettanza (rapporto tra la radiazione riflessa e la radiazione incidente), tramite l’utilizzo di sensori ottici che rilevano nel dominio del visibile (400-700 nanometri) e del Nir, Near Infrared Region (700-1300 nanometri), determinando l’elaborazione di indici di vegetazione (Rouse et al., 1974).  I fattori che sono strettamente correlati con il vigore delle colture sono il contenuto di clorofilla (aumentando il contenuto di clorofilla, cresce il contenuto di azoto) e l’indice di area fogliare, Lai (Leaf Area Index) area fogliare per unità di superficie. Nello specifico, la clorofilla assorbe le radiazioni elettromagnetiche nella banda della radiazione del blu e del rosso e riflette molto in quella del verde e del vicino infrarosso (l’occhio umano percepisce il verde e non l’infrarosso).
Il Lai è una variabile biofisica (come la fAPAR, Fraction of Absorbed Photosynthetically Active Radiation) correlata con la biomassa della coltura, connessa all’intercettazione delle radiazioni elettromagnetiche e quindi con la fotosintesi (Bareta et al., 2007). Per misurare il Lai si ricorre soprattutto agli indici di vegetazione (espressioni matematiche in cui si combina la riflettanza delle diverse bande) come l’indice vegetazionale Ndvi (Normalized Difference Vegetation Index), oppure si possono impiegare tecniche complesse come l’inversione di modelli (Casa, 2016).
Grazie a queste tecnologie, ad esempio, è possibile misurare la riflettanza del suolo per determinare l’evapotraspirazione dopo un evento meteorico. La variazione delle condizioni di evaporazione avviene mediante l’acquisizione di immagini multispettrali (Coleman et al., 1993; Odehand Mcbratney, 2000; Sullivan et al., 2005) ed iperspettrali (Gomez et al., 2008) con successiva elaborazione della mappa digitale del suolo. La riflettività superficiale giornaliera del suolo può essere catturata, per esempio, dal sensore Modis (Figura 6) e rapidamente, la modellazione in ogni posizione nello spazio, calcola l'evapotraspirazione potenziale cumulativa giornaliera dopo l’evento meteorico.

Figura 6 - Riflettanza catturata dal sensore Modis per un breve periodo di tempo e modellizzata in uno spazio tridimensionale

Fonte: Guo, 2016

Il contesto ambientale dell’attuale Agricoltura

L’Intergovernmental Panel on Climate Change (Ipcc, 2014) prevede che le temperature alla fine del ventunesimo secolo raggiungeranno valori più alti tra 1,1 ° C e 6,4 ° C, una soglia molto rilevante rispetto ai livelli preindustriali del tardo 1800. A questa informazione va aggiunto che la crescita della popolazione mondiale condizionerà nei prossimi anni la produzione alimentare. La Fao (The Food and Agriculture Organization of United Nations) ha stimato infatti che la produzione agricola dovrà aumentare del 60% entro il 2050 (un aumento del 77% nei paesi in via di sviluppo e del 24% nei paesi sviluppati). Questa stima rappresenta una minaccia, particolarmente per l’Europa, in quanto sarà necessario rivedere tutti gli aspetti della sostenibilità della produzione, senza sottovalutare l'importanza di mantenere una base produttiva sufficiente e dinamica in un contesto di rapidi cambiamenti.
La crescita passata del settore ha avuto luogo sulla base di input esterni considerevoli, tra cui l’incremento delle dosi di azoto dei quali solo potenzialmente il 50% viene assorbito e fotosintetizzato dalle colture, con una diffusa dispersione in atmosfera, nel suolo, nelle acque di superficie e di falda. Tra le più gravi minacce ambientali legate agli effetti delle pratiche agricole bisogna ricordare anche l’erosione dei suoli, la perdita di biodiversità, il deterioramento della qualità dell’acqua e la sua carenza. Nel passato, questa irrazionale gestione delle risorse naturali ha contribuito in Europa all’emissione di circa il 10% dei gas a effetto serra. Di questi, circa il 10% di origine dall'agricoltura, che segue i settori della produzione energetica e delle emissioni prodotte dai trasporti e dalle industrie.
L’Accordo di Parigi (COP21, 2015), siglato e sottoscritto dagli Stati Membri dell’Unione Europea, ha disposto una serie di misure atte a rafforzare la risposta globale alla minaccia dei cambiamenti climatici che potrebbe ridurre del 40% le emissioni di gas ad effetto serra, rispetto alle percentuali stimate nel 1990.
Nuove soluzioni integrate per la gestione dei suoli e delle colture devono diffondersi rapidamente a sostegno dell’uso sostenibile dell’acqua, delle sostanze nutritive, dei fitosanitari. Gli sforzi della ricerca dovranno essere sempre più finalizzati a migliorare la gestione della produzione agricola, ma anche valorizzare le molteplici funzioni ecosistemiche del suolo, a partire dalle potenzialità di immagazzinare stock di carbonio, sostenendo in tal modo il ruolo dell'agricoltura nella mitigazione delle emissioni di gas climalteranti, della degradazione e della desertificazione. È indispensabile l’approccio multidimensionale per misurare la sostenibilità dell’agricoltura al fine di raggiungere un equilibrio tra la conservazione e il miglioramento dell'ambiente, l'equità sociale e la redditività economica e quindi per migliorare il benessere della società.

Le competenze dell’esperto di Agricoltura di Precisione

L’AP richiede conoscenze multidisciplinari che includono l’agronomia, l’informatica, l’agromeccanica, l’ingegneria gestionale e l’economia, per questo motivo può consentire la diffusione e lo sviluppo di nuovi profili professionali, migliorando il reddito delle imprese. Importante è l’approccio metodologico con il quale ci si avvicina all’innovazione tecnologica che deve essere vista come opportunità di rilancio del settore e non come una “minaccia”.  
Considerata la mancanza di percorsi formativi specifici per l’acquisizione di conoscenze e competenze, l’operazione di trasferimento tecnologico effettuato dai Centri di Competenza, strutture miste Università-Centri di Ricerca-Imprese, rappresentano al momento una valida soluzione per rispondere ai rilevati fabbisogni reali di conoscenze basate sull’assioma “imparare - utilizzando”.
Le nuove sfide per l’agricoltura e del tecnico di domani non si limiteranno alle funzioni ordinarie e all’aggiornamento professionale. La vera sfida e le opportunità per l’AP nel futuro riguarderanno la transizione verso nuovi modelli di crescita sostenibile con una nuova dimensione economica per il settore agricolo. Stabilizzare il reddito ed aumentare l’impatto dei finanziamenti della Pac che verrà, richiede un’accelerazione sull’innovazione e sull’acquisizione di competenze. Infatti, la formazione e l’aggiornamento professionale sono elementi necessari per lo sviluppo del nostro sistema produttivo. Uno dei fattori limitanti la diffusione dell’agricoltura di precisione in Italia è infatti riconducibile alla carenza di professionalità adeguate, in grado di coniugarne gli aspetti multidisciplinari (Pisante, 2017). L’attivazione del “Master universitario di primo livello in Agricoltura di Precisione” coordinato dall’Università di Teramo dall’anno accademico 2016/2017, in convenzione con le Università di Firenze, Padova e la “Tuscia” di Viterbo, il Cnr (Consiglio Nazionale delle Ricerche) e il Crea (Consiglio per la ricerca in agricoltura e l’analisi dell’economia agraria), rappresenta al momento l’unica proposta coerente agli obiettivi formativi richiesti per qualificare le competenze di tecnici ed esperti professionisti per l’agricoltura avanzata del presente e del futuro.

Riferimenti bibliografici

  • Bareta, F., Hagollec, O., Geigerb, B., Bicherond, P., Mirasd, B., Hucd, M., Berthelote ,B., Niñod, F., Weisse, M., Samainb, O., Roujeanb, J.L., Leroyd, M., 2007. LAI, fAPAR and fCover Cyclopes global products derived from Vegetation: Part 1: Principles of the algorithm. Remote Sensing of Environment, 110, 275-286

  • Casa, R. 2016. Agricoltura di precisione. Metodi e tecnologie per migliorare l'efficienza e la sostenibilità dei sistemi colturali. Edagricole, Bologna, p. XVIII+407, ISBN: 978-88-506-5510-6

  • Casa, R., Pisante, M., 2016. Introduzione. In: Agricoltura di precisione. Metodi e tecnologie per migliorare l'efficienza e la sostenibilità dei sistemi colturali (a cura R.Casa), pp.1-8. Edagricole, Bologna, p. XVIII+407, Isbn: 978-88-506-5510-6

  • Castaldi, F., Palombo A., Santini F., Pascucci S., Pignatti S., Casa R., 2016. Evaluation of the potential of the current and forthcoming multispectral and hyperspectral imagers to estimate soil texture and organic carbon. Remote Sensing of Environment, 179, 54-65

  • Castrignanò, A., Buttafuoco, G., 2004. Geostatistical stochastic simulation of soil water content in a forested area of south Italy, Biosystems Engineering, Elsevier

  • Coleman, T.L., A, Agbu P., Montgomery, O.L., 1993, Spectral differentiation of surface soils and soil properties; is it possible from space platforms. Soil Sci.115, 283–293

  • Pierce, F.J., Nowak, P., 1999. Aspects of precision agriculture, Advances in agronomy, Elsevier

  • Gomez, C., Lagacherie, P., Coulouma, G., 2008. Continuum removal versus Plsr method for clay and calcium carbonate content estimation from laboratory and airborne hyperspectral measurements. Geoderma 148, 141–148

  • Holland, K.H., Schepers J.S., 2013. Use of a virtual-reference concept to interpret active crop canopy sensor data. Precision Agriculture, 14, 71-85

  • Odeh, I.O.A., Mcbratney, A.B., 2000. Using Avhrr images for spatial prediction of clay content in the lower Namoi Valley of eastern Australia. Geoderma 97, 237–254

  • Pisante, M., 2017. Competenze e abilità per l’agricoltura 4.0. TerraėVita, 37 suppl. 1,141

  • Rouse, J.W., Haas, R.H., Schell, J.A. and Deering D.W., 1974.   Monitoring vegetation systems in the Great Plains with Erts, In: S.C. Freden, E.P. Mercanti, and M. Becker (eds) Third Earth Resources Technology Satellite–1 Syposium. Volume I: Technical Presentations, Nasa SP-351, Nasa, Washington, D.C., pp. 309-317

  • Sullivan, D., Shaw, J., Rickman, D., 2005, Using Ikonos imagery to estimate surface soil property variability in two alabama physiographies, Soil Sci. Soc. Am. J. 69,1789–1798

Tematiche: 
Rubrica: