Satelliti e intelligenza artificiale sono alcuni degli elementi che stanno contribuendo a cambiare l’approccio allo studio della sostenibilità in agricoltura. Tecnologie che possono dare una mano a trovare una risposta alla fame nel mondo.

Organismi internazionali come la Fao sono attenti a queste innovazioni e le applicano per combattere la fame nel mondo. “Già dal 2014, la Fao ha sviluppato il Agricultural stress index (Asi)” spiega a Canale energia Mario Zappacosta a capo del team che segue l’Agricultural stress index system (Asis). Si tratta di “un indicatore rapido per l’identificazione precoce di aree coltivate ed erbose con un’alta probabilità di essere colpite da un evento di siccità”.

Come funziona l’Agricultural stress index system

“L’indice si basa su dati di telerilevamento a risoluzione di 1 km relativi alle condizioni della vegetazione e alla temperatura della superficie del terreno, combinati con informazioni sulle stagioni agricole e sui cicli colturali e con l’uso di una maschera di coltura che focalizza l’analisi alle aree agricole“. Di fatto lo strumento utilizza informazioni satellitari “quasi in tempo reale“. Queste indicazioni sono ricevute dalla Fao ogni 10 giorni, “un periodo ideale per il monitoraggio delle colture annuali in quanto tiene conto del contributo idrico apportato dalla capacità di ritenzione idrica del suolo” sottolinea Zappacosta.

Il blocco principale per calcolare l’Asi è il Vegetation health index (Vhi), che è derivato dal Normalized difference vegetation index (Ndvi). Questo blocco effettua una misura indiretta della produzione primaria attraverso la sua relazione con la radiazione attiva durante il processo di fotosintesi delle piante. “L’Asi si basa sull’integrazione dei valori Vhi lungo il tempo e lo spazio, due dimensioni che sono cruciali nella valutazione degli eventi di siccità in agricoltura. La prima fase del calcolo Asi è una media temporale dei valori Vhi, che valuta l’intensità e la durata dei periodi di secco che si verificano durante il ciclo di coltura a livello di pixel”.

Questo calcolo utilizza anche coefficienti specifici che tengono conto della sensibilità delle colture allo stress idrico durante il ciclo di crescita, “in particolare nelle fasi critiche di fioritura e di riempimento dei cereali”.

La seconda fase determina l’estensione spaziale degli eventi di siccità “calcolando la percentuale dell’area coltivata con un valore Vhi inferiore al 35%, una soglia identificata in studi precedenti per determinare l’esistenza di condizioni di grave siccità”.

L’indice è stato perfezionato per differenziare le aree in base alla gravità dello stress dell’acqua in quattro categorie:  lieve, moderata, grave ed estrema. “Ogni area amministrativa è codificata a colori in mappe che evidenziano condizioni di vegetazione anomale durante la stagione di crescita”.
A livello nazionale, “Asi è stato utilizzato con successo nei sistemi locali di allarme rapido per la siccità agricola, ma anche come un indicatore per innescare l’attuazione di interventi di mitigazione e di azioni precoci, per guidare gli investimenti in siccità-le superfici sensibili, per fissare la soglia di pagamento dei premi indicizzati di assicurazione delle colture e per prevedere le rese in zone inaccessibili (conflitti)” spiega il capo del team Asis.

Il ruolo dell’Intelligenza artificiale per prendere decisioni informate

L’utilizzo potenziale dell’Intelligenza Artificiale (IA) per migliorare la sostenibilità del settore agricolo è alto” rimarca Zappacosta. “Soprattutto trasformando i sistemi alimentari attraverso la sua applicazione lungo l’intera catena del valore”.

Monitoraggio delle terre e delle colture, gestione delle risorse e l’individuazione dei parassiti sono i settori con più potenziale di impiego. “L’uso dell’IA in agricoltura è legato anche alla crescente disponibilità di immagini satellitari ad alta definizione. Applicazioni mobili che utilizzano l’IA possono consentire agli agricoltori di prendere decisioni informate sulle date di impianto, quando irrigare e quanta fertilizzante applicare. Questo è spesso indicato come agricoltura di precisione. Inoltre, con l’aiuto dell’IA, gli agricoltori possono analizzare in tempo reale una varietà di fattori che influenzano il ciclo colturale, come le condizioni atmosferiche, la temperatura, l’utilizzo dell’acqua o le condizioni del suolo delle loro aziende agricole, e prendere decisioni rapide ottimizzando l’uso delle risorse, aumentare i rendimenti e ridurre gli impatti negativi sull’ambiente”.

Analisi della produttività della risorsa idrica il progetto WaPor

Un progetto all’attivo della Fao che valorizza l’uso di questi strumenti è WaPor, il portale open source per monitorare la Produttività dell’acqua grazie all’accesso aperto ai dati derivati da sensori remoti (WAter productivity through open access of remotely sensed derived data). Un sistema completamente a libero accesso.

Ovviamente per quanto il sistema sia disponibile c’è un limite naturale dato dalla competenza di uso di open data del genere. Il sistema utilizza immagini satellitari liberamente disponibili e modelli open source per calcolare le informazioni presentate. Così se avete i giusti livelli di abilità potete calcolare le informazioni in automatico.

Print Friendly, PDF & Email
Tutti i diritti riservati. E' vietata la diffusione
e riproduzione totale o parziale in qualunque formato degli articoli presenti sul sito.