Gli Istituti di Ricerca si stanno domandando come l’informazione può essere usata in modo sostenibile a vantaggio delle imprese e del pianeta. Gli stessi semi piantati in differenti condizioni e territori possono dare origine all’abbondanza in alcune zone e meno in altre. I leader d’eccellenza nella ricerca di soluzioni innovative stanno sviluppando tecnologie sostenibili per rispondere alle sfide future, Biosense ne è un esempio.
L’Italia è situata al centro dell’Europa meridionale, in un’area identificata come particolarmente vulnerabile ai cambiamenti climatici
(Giorgi, 2006).
La penisola, totalmente circondata dal Mar Mediterraneo, risente quindi del clima arido del Nord Africa e del clima temperato e piovoso dell’Europa Centrale (Cubasch et al., 1996). Queste limitazioni sono notevolmente amplificate nelle aree dalla geomorfologia complessa, come le coste e le regioni irregolari. Questo esercita un impatto considerevole sull’agricoltura, il turismo, le risorse idriche e i rischi geo-idrologici, per cui è importante fornire proiezioni, in modo che le politiche di adattamento possano essere attuate adeguatamente.
In una logica di sostenibilità ambientale, economica e sociale, l’impiego di nuove tecnologie per il monitoraggio coinvolge quindi anche l’agricoltura.
Gli esseri umani impegnati nell’agro-business lavorano giorno e notte per aumentare la resa dei raccolti e la crescita del bestiame.
L’apprendimento automatico, dato dal Machine Learning (ML) come sottoinsieme dell’intelligenza artificiale (AI), costituisce una soluzione adatta all’analisi dell’immensa quantità di dati da considerare. È una tecnica derivata dalle statistiche computazionali mediante la quale, in un caso classico, si immettono certe quantità di dati in modelli statistici per “addestrarli” a riconoscere i modelli nei dati futuri.
In agricoltura, fornendo all’algoritmo di ML un set di dati, come una foto con descrizioni tipo “mais”, “grano”, “erbacce”, “soia” ed integrandoli con quelli climatici e così via, si può allenare correttamente l’ algoritmo per identificare quando è più conveniente intervenire.
Di seguito viene mostrato lo schema di funzionamento per l’elaborazione dei dati climatici per guidare poi gli automatismi di campo.
La stratificazione di informazioni climatiche digitali nel mondo reale permette di anticipare diverse proiezioni sulle precipitazioni, temperatura, vento, umidità…consentendo all’imprenditore o al tecnico di adottare le misure più adatte al caso personale.
Agricoltura di precisione
L’agricoltura di precisione può essere considerata come qualsiasi soluzione che attraverso l’uso dell’IT e di vari elementi come sensori, sistemi di controllo, robotica, veicoli autonomi, hardware automatizzato, tecnologia a tasso variabile e così via, renda più controllato l’allevare bestiame e coltivare raccolti.
L’adozione dell’accesso a Internet ad alta velocità, dispositivi mobili e satelliti affidabili ea basso costo (per immagini e posizionamento) da parte del produttore sono alcune delle tecnologie chiave che caratterizzano il trend dell’agricoltura di precisione.
Per esempio, CropMetrics è un’organizzazione agricola di precisione focalizzata su soluzioni agronomiche ultramoderne e specializzata nella gestione dell’irrigazione di precisione.
I prodotti ei servizi di CropMetrics includono l’ottimizzazione VRI, le sonde di umidità del suolo, l’ottimizzatore virtuale PRO e così via, massimizzando la redditività sui campi di colture irrigate con variabilità del suolo, migliorando i raccolti e aumentando l’efficienza dell’uso dell’acqua.
Droni agricoli
Oggi, l’agricoltura è una delle principali industrie a usare i droni per la valutazione della salute delle colture, l’irrigazione, il monitoraggio delle colture, l’irrorazione delle colture, la semina e l’analisi del suolo e del campo.
I principali vantaggi dell’utilizzo dei droni includono l’imaging della salute delle colture, la mappatura GIS integrata, la facilità d’uso, il risparmio di tempo e il potenziale per aumentare i raccolti.
Monitoraggio del bestiame
I proprietari di grandi aziende agricole possono utilizzare applicazioni IoT wireless per raccogliere dati riguardanti la posizione, il benessere e la salute del loro bestiame. Queste informazioni li aiutano a identificare gli animali malati in modo che possano essere separati dalla mandria, prevenendo così la diffusione della malattia.
