Green economy e uso delle tecnologie più avanzate. Alfonso Giusti, ingegnere di Alenia, spiega le nuove opportunità dell’agricoltura di precisione per ridurre i costi di gestione e l’impatto sull’ambiente
Non ho mai scritto di food e né tantomeno di agricoltura. Pur amando la natura e non potendo starci troppo lontano, non ho mai trovato l’occasione per farlo, o forse, non ho mai voluto. Perché? L’intelligenza artificiale è essa stessa parte della natura. Mi riferisco soprattutto agli algoritmi evolutivi. Ho studiato per anni gli algoritmi genetici e ci lavoro applicandoli al mondo del trading. Penso agli algoritmi genetici o alla swarm intelligence (intelligenza dello sciame). L’intelligenza artificiale di fatto è un mondo. Un altro mondo. Ma neanche troppo. Una sintesi del mondo che osserviamo o anche – in determinati contesti – un allargamento di quanto riusciamo a comprendere.
Ma per scrivere di agricoltura e di come l’intelligenza artificiale stia impattando il sistema economico mi serviva un esperto. E mi sono rivolto ad Alfonso Giusti. A dirla tutta, è grazie a lui, e alla sua esperienza in Kenya con Alenia Aeronautica, che mi è venuto in mente di scrivere riguardo a questo tema. Mettere insieme green economy, efficienza e uso delle tecnologie più avanzate non è facile. Ma a quanto pare Alfonso ci è riuscito. E in Italia? Utopia? Vi ricordo che negli anni 90 pochissimi usavano le email. Ad oggi chi è che non le usa? Ecco. Credo proprio che tra 20 anni, la maggior parte di noi userà strumenti guidati da intelligenza artificiale nel mondo dell’agricoltura e in tutto il resto.
Data Manager: Cosa c’entra un ingegnere aerospaziale con l’agricoltura?
Alfonso Giusti: Tutto ha inizio un anno fa, in una bellissima giornata di sole. Con i miei colleghi ingegneri kenioti, andiamo a visitare le Cascate Thomson. Al momento della sosta per il pranzo, per puro caso, faccio la conoscenza di un grande produttore ed esportatore di stevia e caffè. Lui mi chiede i motivi della nostra visita in Kenya. Io dimostro il mio interesse verso il suo lavoro. E scatta subito l’invito a visitare le sue piantagioni, perché forse avrei potuto risolvergli qualche problema, riconducibile a una limitata capacità di analisi real time di dati provenienti da fonti diverse.
E che cosa è successo dopo?
Ho iniziato a pensare a come aiutare il nostro amico produttore, usando gli strumenti a disposizione. E mi è balenato in mente di utilizzare il telerilevamento satellitare, unito all’IoT e all’intelligenza artificiale per rendere la piantagione più sostenibile possibile, cioè minimizzando gli input e massimizzando gli output, ottimizzando e riducendo a zero tutti i prodotti di scarto.
Che cosa c’entrano i satelliti con il miglioramento in termini di efficienza di una piantagione di caffè o di stevia?
C’entra assolutamente. Il problema più grande, è che le piantagioni in oggetto si estendono per decine e decine di ettari, e questa caratteristica rende quasi impossibile all’agricoltore avere una immagine accurata/in tempo reale dello stato di salute della piantagione. Con la conseguenza di applicare più fertilizzante del dovuto oppure di irrorare alcune zone meno del necessario. In entrambi i casi, queste pratiche agricole si riflettono sul livello di produzione, con la perdita di una parte del raccolto, e sull’ambiente, con l’aumento dell’inquinamento.
L’agricoltura di precisione permette di migliorare le pratiche agricole?
L’agricoltura di precisione utilizza il feedback basato sui dati, ricavati da dispositivi di osservazione e rilevamento per determinare la massima ottimizzazione dell’azienda agricola. Attraverso l’osservazione, l’analisi e la correzione a breve termine, gli agricoltori possono ottimizzare la resa delle loro piantagioni, attraverso buone pratiche che permettono non solo di ridurre il costo totale dei prodotti fitosanitari utilizzati, ma anche di ridurre l’impatto sull’ambiente.
Con quali strumenti?
I droni sono stati i primi a essere presi in considerazione per attuare l’agricoltura di precisione, ma negli ultimi anni i satelliti hanno assunto un ruolo di primo piano, in quanto i satelliti producono immagini su larga scala con risoluzione al centimetro, su base settimanale. Questo vuol dire che i droni non possono eguagliare i satelliti, come è ovvio che sia, ma sicuramente con il tempo le tecnologie progrediranno in modo tale da renderli più affidabili. Grazie alla sinergia tra telerilevamento satellitare, droni e IoT, siamo in grado di lavorare su informazioni puntuali, globali e arricchite, superando i limiti del monitoraggio tradizionale.
Quindi, cosa possono fare gli agricoltori 4.0?
Con le immagini settimanali acquisite dal satellite ed elaborate dall’AI, gli agricoltori sono in grado di visionare attraverso una piattaforma/app le aree problematiche e ottimizzare gli sforzi di scouting in un modo molto più mirato. Nel metodo di telerilevamento più popolare per identificare le regioni problematiche, si usa un indice chiamato NDVI (Normalized Difference Vegetation Index). È proprio l’NDVI che aiuta a rilevare il vigore di una pianta: esso descrive il livello di vigoria della coltura e si calcola come il rapporto tra la differenza e la somma delle radiazioni riemesse nel vicino infrarosso e nel rosso. Nel nostro caso specifico, i valori di riflettanza di una coltura di caffè sono influenzati da diversi fattori come la direzione di semina, la spaziatura delle colture, il periodo dell’anno, l’età della pianta e la topografia. Ovviamente, tutti questi fattori riducono la precisione delle stime derivate da dati di telerilevamento.
Quali sono stati i risultati nel caso del tuo amico produttore di caffè?
Abbiamo osservato che le migliori fasi fenologiche del caffè erano le fasi della dormienza e della fioritura. I risultati hanno indicato che l’NDVI è stato il miglior indice per stimare la produttività delle piante di caffè. Le immagini da me utilizzate sono state scaricate in modo gratuito dai satelliti della costellazione Landsat, che a causa della loro risoluzione e banda spettrale, sono più adatte per la mappatura delle piantagioni di caffè, tuttavia, possono essere limitate a poche scene in quanto vengono influenzate dalle nuvole. I dati ricavati da MODIS invece, pur non avendo una risoluzione spaziale adeguata a identificare correttamente le piantagioni di caffè, hanno invece un’adeguata risoluzione temporale per il monitorare le zone agricole.
Una delle caratteristiche principali della coltura del caffè è che ci vogliono due anni per completare l’intero ciclo fenologico di fruttificazione. Quindi una piantagione di caffè ha una produzione alta e bassa ad anni alterni. Come ho specificato prima, ho incluso in questo progetto anche l’utilizzo dei sensori IoT. Un aeromobile a pilotaggio remoto (APR) e un sistema basato sulla rete di sensori wireless (WSN) è stato impiegato nell’area rurale di Lake Nakuru (Kenya) e abbiamo installato oltre 30 moduli wireless Zigbee e LoRa. I dati acquisiti sono memorizzati su un server ed elaborati dall’AI (coordinatore) che decide dove far volare l’APR per le verifiche e quali strategie implementare.
