Sistemi evoluti in grado di trasformare la valanga dei Big Data in consigli utili per la protezione del vigneto (e non solo)
Tito Caffi, Diproves - Università Cattolica del Sacro Cuore Piacenza
L’affermarsi di un modo di produrre più sostenibile, smart e di precisione, assieme allo sviluppo di tecnologie come Iot (Internet of Things), Big Data e sensoristica avanzata implementata su satelliti, droni e veicoli autonomi stanno dando impulso allo sviluppo e diffusione di sistemi di supporto alle decisioni o DSS (dall’inglese Decision Support System) sempre più evoluti e user friendly.
I DSS consentono di mantenere sempre sotto controllo il vigneto attraverso smartphone o tablet e sono costituiti da tre componenti fondamentali: raccolta dei dati, analisi e interpretazione, formulazione di un consiglio agronomico in forma di allerte, opzioni o scenari. Possono aiutare nella gestione agronomica, ad esempio per la concimazione o l’irrigazione del vigneto, ma il loro ambito di applicazione più performante è quello della difesa fitosanitaria. In quest’ultimo caso l’accuratezza dei DSS è legata a due fattori:
- la disponibilità di dati affidabili in particolar modo di quelli meteorologici, raccolti da una rete di centraline diffuse a livello territoriale;
- la possibilità di fare riferimento a modelli previsionali meccanicistici validati attraverso adeguate prove sperimentali per contrastare con efficacia malattie come peronospora e oidio utilizzando in maniera pienamente sostenibile i mezzi tecnici per la difesa.
Schema di funzionamento di un DSS
Tre punti fermi
Elementi fondamentali dei DSS sono:
- monitoraggio (raccolta di informazioni su pianta, clima e ambiente colturale),
- capacità di analisi accurata (elaborazione dei dati attraverso modelli meccanicistici),
- formulazioni di consigli (operazioni colturali e interventi di difesa).
I DSS sono al servizio della sostenibilità e della viticoltura di precisione, perché consentono di “fare la cosa giusta, al momento giusto, nel posto giusto”.
Sommersi dai Big Data
La tecnologia avanza e i viticoltori rischiano di essere sommersi da una montagna di dati e informazioni sia statiche (coordinate geografiche, vitigni, età, metodo colturale, sistema d’allevamento ecc.) sia dinamiche (condizioni meteo, interventi colturali adottati, dati di monitoraggio di ogni organo della vite e del suolo). Tutti dati che possono essere georeferenziati attraverso GIS (Geographic Information Systems) sia per favorire la gestione della produzione sia per valorizzare il prodotto attraverso la Blockchain. I DSS più evoluti possono intercettare e gestire tutti questi dati nelle piattaforme digitali, assumendo così un ruolo chiave nel trasformare questa marea di informazioni, altrimenti difficili da utilizzare, in pratici consigli operativi.
I modelli meccanicistici
Addio vecchia regola dei “3 dieci”. I modelli previsionali meccanicistici sono l’evoluzione dei modelli empirici (come appunto la formula anti-peronospora messa a punto nel dopoguerra da Baldacci) e sono in grado di prevedere l’evoluzione di un sistema (ad esempio l’andamento delle infezioni di patologie fungine su vite) in relazione a un numero più o meno elevato di variabili guida.
Le informazioni derivano da esperimenti specifici effettuati in ambiente controllato e in campo per descrivere l’effetto dei fattori influenti su uno o più aspetti del patosistema. Questi modelli analizzano in dettaglio i differenti stati del ciclo di infezione e/o malattia e i loro cambiamenti nel tempo in seguito all’influenza delle variabili ambientali.
I modelli meccanicistici hanno diversi vantaggi: alto livello di dettaglio sui processi, accuratezza e robustezza, possibilità di effettuare previsioni, flessibilità. L’altro lato della medaglia è rappresentata dall’elevata complessità, dagli alti costi di sviluppo, e dalla necessità di multidisciplinarietà. I Dss più efficaci sono quelli che implementano questi modelli.
