Nel film Minority Report tre persone, capaci di predire il futuro, aiutavano la polizia nell'individuare i criminali prima che potessero compiere le loro malefatte. Un'arma potentissima che permetteva di anticipare gli eventi negativi disinnescando le cause che portavano ad omicidi e altre efferatezze.
Non sarebbe bello, anche in agricoltura, avere la possibilità di gettare uno sguardo sul futuro dei campi, conoscendo le conseguenze delle proprie azioni per quanto riguarda fertilizzazione, irrigazione o difesa? L'utilizzo dei gemelli digitali, o digital twin, ha proprio questo obiettivo.
"Il digital twin ci permette di proiettarci nel futuro per capire quali saranno le conseguenze delle nostre scelte nella gestione del campo. Ma per fare questo occorre avere dei dati storici su cui basarci, nonché modelli dei principali processi che si svolgono in campo, sia a livello biologico che chimico, e una profonda conoscenza empirica delle dinamiche di campo", ci racconta Giampaolo Oliviero, fondatore insieme a Bruno Basso di Pixag, una startup che ha sviluppato una piattaforma digitale per ottimizzare la gestione dei campi.
Leggi anche Intelligenza artificiale, chiave di volta nella sostenibilità economica e ambientale
Le mappe di stabilità produttiva
Per capire bene come funziona un gemello digitale è però necessario fare un passo indietro e guardare agli studi effettuati da Basso negli ultimi vent'anni presso la Michigan State University, dove l'agronomo di origini napoletane è docente del Department of Plant, Soil and Microbial Sciences.
Bruno Basso ha sviluppato dei modelli per l'ottenimento delle cosiddette mappe di stabilità produttiva che si basano sull'analisi delle immagini satellitari. "Attraverso queste mappe ogni agricoltore, in ogni parte del mondo, può valutare la stabilità produttiva di un appezzamento", spiega Oliviero, che prima di lanciare con Basso Pixag ha lavorato per vent'anni come direttore generale in Cultiva, realtà multinazionale attiva nella produzione di ortaggi, anche in quarta gamma.
Esempio di mappa di stabilità
(Fonte foto: Pixag)
"Noi sappiamo che la variabilità all'interno di un campo può essere anche elevata. Ci sono zone che producono sempre poco, in cui l'agricoltore è sostanzialmente in perdita. Altre in cui il suolo ha una produttività sempre elevata e sono quelle dove si genera il reddito maggiore. E poi ci sono i terreni di produttività variabile, che hanno il potenziale di avere produzioni soddisfacenti, ma che talvolta, anche a causa di una gestione agronomica errata, non lo fanno".
Attraverso queste mappe l'agricoltore può dunque facilmente comprendere quali sono i terreni che non vale la pena coltivare e che possono essere destinati ad altri usi, come l'assolvimento di alcuni obblighi della Pac o come la riforestazione. "Gli agricoltori, anche supportati dalle ditte che forniscono input tecnici, sono portati a coltivare l'intera estensione disponibile, ma talvolta questo è controproducente e si traduce in una perdita economica e maggiori esternalità negative nell'ambiente", sottolinea Giampaolo Oliviero.
Ci sono poi i terreni ad alto e stabile potenziale produttivo che vanno gestiti al meglio in quanto capaci di produrre reddito. Ed infine i campi con una produzione altalenante. "È su questi appezzamenti che bisogna investire in conoscenza e tecnologia, adottando una gestione professionale e attenta al fine di sfruttarne l'intero potenziale produttivo evitando sprechi. Ed è in questo frangente che i digital twin vanno in aiuto dell'agricoltore".
Leggi anche Digital twin: cosa sono e come funzionano
Digital twin, una guida per stabilizzare le rese
In un approccio tradizionale al, campo infatti, l'agricoltore gestisce più o meno omogeneamente i propri terreni per quanto riguarda ad esempio la difesa, la concimazione o l'irrigazione. Sono decenni tuttavia che le aziende più evolute adottano una gestione di precisione (precision farming), fornendo in maniera differenziata alle piante ciò di cui hanno bisogno, quando ne hanno bisogno, anche se non è sempre chiaro il processo decisionale.
Ci può essere ad esempio un'area di campo che necessita di una maggiore fertilizzazione e un'altra invece che richiede apporti minori. E lo stesso vale per la difesa o l'irrigazione. Conoscendo le necessità delle piante in relazione all'ambiente è possibile ottimizzare l'impiego degli input, massimizzando il rapporto tra raccolto e risorse utilizzate.
Tuttavia non è sempre facile sapere di cosa hanno bisogno le piante e quali saranno le conseguenze delle scelte agronomiche. "In questo frangente interviene Pixag con i suoi digital twin", ci spiega Oliviero. "Il digital twin permette di simulare l'effetto che una scelta fatta dall'agricoltore durante l'anno avrà sulla coltura e sulla resa a fine stagione. E questo per ogni area del campo individuata con le mappe di stabilità".
Facciamo l'esempio di un maiscoltore che deve procedere alla concimazione del proprio campo e, adottando un approccio di precisione, ha intenzione di distribuire i fertilizzanti a rateo variabile. Ebbene, grazie al digital twin saprà, metro quadro per metro quadro, quale sarà l'impatto della sua scelta sulla produzione di granella a fine stagione.
"Il grande vantaggio di utilizzare un modello digitale è che permette all'agricoltore di valutare in tempo reale le proprie scelte, prevedendone gli esiti in maniera oggettiva, in funzione dello stato della coltura e del suo reale pontenziale produttivo e non sulla base di informazioni parziali, come gli indici di vegetazione, di intuizioni o basandosi solamente sull'esperienza, che è sì importantissima, ma non sufficiente", spiega Oliviero.
Leggi anche Quando il gemello digitale facilita la vita alle aziende agricole
Digital twin: modelli, dati ed esperienza di campo
Ma come funziona un digital twin? Il gemello digitale viene costruito utilizzando dei modelli processo based che riproducono la biologia delle piante (specifica per ogni specie e cultivar) e il rapporto che queste hanno con l'ambiente (terreno, clima, nutrienti, acqua, interventi agronomici, eccetera).
Si tratta di modelli molto complessi, frutto di oltre venti anni di lavoro del team di Bruno Basso presso la Michigan State University, che vengono continuamente aggiornati grazie al lavoro dei ricercatori. Questi modelli vengono poi affinati con l'uso di dati statistici e intelligenza artificiale e, fondamentale, con l'esperienza empirica di campo. Tutto questo permette di avere dei gemelli digitali, estremamente affidabili, delle principali colture agrarie come il mais, il frumento, la soia o il riso.
"L'impiego delle mappe di stabilità produttiva e dei gemelli digitali può realmente aiutare l'agricoltore ad ottimizzare l'uso gli input produttivi, dal suolo ai fertilizzanti, fino all'acqua. Questo ha un impatto positivo sia sul bilancio economico delle aziende che sulla sostenibilità dell'agricoltura, in quanto si massimizza il rapporto tra risorse impiegate e cibo (o energia) prodotto", conclude Giampaolo Oliviero.
Pixag non offre un servizio diretto agli agricoltori, ma fornisce le mappe di stabilità produttiva e i digital twin a quelle realtà che intendono integrarli nella propria offerta. "Uno dei problemi della mancata diffusione dell'agricoltura digitale sta proprio nella frammentazione dell'offerta. Per questo abbiamo deciso di non andare direttamente sul mercato, ma di avere come interlocutori grandi aziende, società di servizi, consorzi e gli altri corpi intermedi che possano facilitare l'adozione verso l'agricoltore".
