Viticoltura digitale : stato dell’arte, potenzialità e limiti applicativi

Faretra Francesco, Pollastro Stefania, De Miccolis Angelini Rita Milvia, Gerin Donato, Agnusdei Angelo, Dalena Francesco, Coronelli Roberta

Dipartimento di Scienze del Suolo della Pianta e degli Alimenti (DiSSPA), Università degli studi di Bari Aldo Moro

In linea con i programmi per lo sviluppo sostenibile e la direttiva 2009/128/CE circa l’adozione della protezione integrata obbligatoria, il Green Deal con la strategia Farm to fork, e il recente disciplinare di certificazione della sostenibilità della filiera vitivinicola, il settore vitivinicolo si sta specializzando ed arricchendo di strumenti innovativi e tecnologie digitali alla base di una viticoltura sempre più di precisione.

Obiettivo principale della viticoltura di precisione è valutare la salute, il vigore e le esigenze fisiologiche dei vigneti in relazione all’areale di coltivazione, al fine di adattare i principi della medicina di precisione all’ambito pianta, potendo applicare tecniche di coltivazione specifiche per ciascun vigneto o parti di vigneto sulla base dell’osservazione, la misurazione e la risposta dell’insieme delle variabili che agisce sulla produzione.

Le tecnologie IoT (Internet of Things) mettono a disposizione dell’agricoltore strumenti tecnologici avanzati che rendono sempre più efficiente il processo produttivo a fronte di costi di gestione minori e un ridotto impatto ambientale.

Figura 1 – Esempio di sensori per la raccolta di dati meteorologici

Sistemi ormai di consolidato e comune utilizzo da di- versi anni, prevedono l’utilizzo di sensori prossimali (proximal sensing) quali le capannine per la raccolta di dati meteorologici, come piogge, temperature, umidità relativa, radiazione solare, bagnatura fogliare. La costituzione di banche di dati meteorologici, raccolti attraverso l’utilizzo di questi strumenti permette, ad esempio, lo sviluppo e l’applicazione di modelli previsionali per le principali avversità della vite. Sono ormai molti e noti gli esempi di DSS commerciali che integrano modelli per la previsione delle infezioni di peronospora e oidio, piuttosto che le infestazioni da tignoletta. Similmente, l’utilizzo di sensori capacitivi e tensiometrici per il monitoraggio dell’umidità del suolo o dell’evapotraspirazione possono fornire dati utili all’elaborazione di modelli per l’irrigazione.

D’altra parte, gli strumenti di remote sensing, basati sull’elaborazione di immagini satellitari, ma anche di aerei e droni equipaggiati con camere iperspettrali, forniscono indicazioni utili al calcolo di parametri importanti, come stress idrico, carenze di nutrienti, malattie e infestanti. Attraverso sistemi informatici, questi dati possono essere elaborati per dare ai viticoltori un supporto decisionale agronomico che gli consenta di utilizzare in maniera sostenibile diversi input, mas- simizzare le rese e aumentare la qualità delle uve.

iNTELLIGENZA ARTIFICIALE NELLA VITICOLTURA DI PRECISIONE

Anche l’intelligenza artificiale (IA) rappresenta senza dubbio una prospettiva interessante. Obiettivo dell’IA è creare algoritmi che simulano l’intelligenza umana per risolvere problemi e automatizzare il processo decisionale. In ambito agrario, l’IA permette di rilevare stress idrici e carenze nutritive, migliorando la gestione delle risorse agronomiche. Inoltre, sulla base dei dati storici e di quelli in tempo reale, monitora lo stato fitosanitario e le fasi fenologiche della coltura, prevede la qualità e la resa delle uve e analizza le tendenze di mercato per sviluppare strategie di marketing mirate. Infine, può essere applicata a dei robot che automatizzano alcune operazioni come la vendemmia e la potatura, riducendo i costi di manodopera e aumentando l’efficienza del processo.

In conclusione, queste tecnologie offrono un enorme potenziale per i viticoltori, tuttavia la loro adozione e l’uso quotidiano dipenderanno dalla disponibilità di software e dispositivi intuitivi e facili da utilizzare, come smartphone e tablet, nonché dai costi associati all’implementazione di sistemi di supporto decisionale a livello di campo. Va ricordato, inoltre, che i sistemi di supporto alle decisioni sono di supporto a professionisti e tecnici che possono avvalersi di uno strumento valido per migliorare il processo decisionale verso scelte più consapevoli e razionali. Spesso, inoltre, si incorre nella necessità di calibrare gli strumenti sulle reali condizioni di campo. Un esempio pratico deriva dall’utilizzo di modelli previsionali di tipo empirico. Questi, basandosi sull’elaborazione a posteriori di osservazioni di campo, risultano fortemente correlate all’areale di sviluppo necessitando dunque di essere calibrati e validati negli areali di applicazione, attività in cui il progetto Digital Grape si è fortemente speso per mettere a disposizione degli agricoltori pugliesi una serie di modelli previsionali per le principali fitopatie della vite.

Infine, un’altra questione critica che dovrà essere risolta nel prossimo futuro per garantire l’adozione rapida e diffusa di queste tecnologie è quella relativa alla proprietà e alla sicurezza dei dati, in particolar modo quando tali dati sono raccolti e gestiti da terzi.

Assicurare che i dati sensibili siano protetti e che i diritti dei viticoltori sulla proprietà dei dati siano rispettati sarà fondamentale per costruire la fiducia necessaria per l’adozione su larga scala di queste tecnologie innovative.