Big data, le viti si ascoltano grazie all'intelligenza artificiale

Capire ciò che accade in vigna, gestire le piante in maniera ottimale e prevedere il risultato della vendemmia. Sono queste le potenzialità esplorate dal progetto Big Vite, che usa i big data e l'intelligenza artificiale per migliorare la viticoltura

Tommaso Cinquemani di Tommaso Cinquemani

viticoltura-giovane-donna-tablet-vitivinicoltura-di-precisioone-digitale-by-scharfsinn86-adobe-stock-750x500.jpeg

Con i big data la gestione del vigneto diventa più semplice e sostenibile (Foto di archivio)
Fonte foto: © scharfsinn86 - Adobe Stock

I viticoltori di una certa età conoscono palmo a palmo i propri vigneti. Sanno quali sono le aree più fertili, in cui le viti sono più vigorose, e quelle invece dove le piante entrano più facilmente in stress a causa di una scarsità di acqua. Conoscono le zone più esposte ai patogeni fungini e quelle invece dove ci sono problemi di insetti.

Si tratta di una conoscenza che si è andata sedimentando nel tempo e in lunghi anni di osservazione, errori e successi. Un know how che oggi la tecnologia potrebbe rendere disponibile in poco tempo e in maniera estremamente precisa, permettendo anche a chi possiede molti ettari di conoscere i propri vigenti in maniera approfondita e in un lasso di tempo limitato.

Il progetto Big Vite (Big data: nuovo strumento per la competitività della filiera viti enologica) nato dal Gruppo operativo (Go) Grapes (Gruppo dati per la sostenibilità), e finanziato dalla Misura 16 del Psr della Regione Emilia Romagna, ha infatti come scopo quello di sfruttare le potenzialità dell'analisi dei big data applicata al settore vitivinicolo.


Big Vite, quando i dati parlano

"Le aziende agricole hanno in pancia moltissimi dati. Dati che se aggregati e analizzati possono nascondere informazioni importanti", racconta Claudio Malchiodi, cofondatore della software house Latitudo, che insieme ad Image Line rappresenta le due società identificate dai partner del Gruppo operativo (le aziende agricole Colli Romagnoli, Terre Cevico, Podere Pradarolo e Il Poggiarello, l'Università Cattolica del Sacro Cuore di Piacenza e Irecoop) per sviluppare la parte software del progetto.

 

La mappa con la posizione delle unità produttive monitorate
La mappa con la posizione delle unità produttive monitorate
(Clicca sull'immagine per ingrandirla)

 

I tecnici di Latitudo hanno suddiviso le differenti tipologie di dato in quattro categorie:

  • Agronomici, che descrivono lo sviluppo della pianta, ad esempio a livello di stadio fenologico;
  • Ecologici, che invece descrivono le azioni dell'agricoltore nei confronti della vite, come ad esempio potature, concimazioni, irrigazioni, etc;
  • Ambientali, che comprendono tutti i dati rilevati dalle centraline meteo (temperatura dell'aria e del suolo, vento, irraggiamento solare, bagnatura fogliare, umidità, etc.) nonché forniti da fonti terze, come ad esempio le società di forecasting;
  • Aziendali, sotto questo termine sono raggruppate tutte le informazioni che riguardano l'azienda, come ad esempio la posizione dei vigneti, la tipologia di vitigno impiantato, l'anno d'impianto, le produzioni di uve, etc. Dati che ad esempio sono contenuti in software gestionali come QdC® - Quaderno di Campagna®.

 

"Tutti questi dati, che oggi sono archiviati in luoghi differenti, noi li abbiamo messi assieme sfruttando le potenzialità di Azure, la piattaforme cloud sviluppata da Microsoft, di cui noi siamo partner", sottolinea Malchiodi.

 

I big data in vigneto

I big data, per essere definiti tali, devono essere una mole enorme di dati, in continua produzione e di natura eterogenea. Nel caso della viticoltura i dati sono molti, anzi moltissimi, se si considerano tutte le aziende agricole che sono presenti sul territorio italiano.

 

Confronto previsionale/reale delle quattro fasi fenologiche, vitigno Barbera
Confronto previsionale/reale delle quattro fasi fenologiche, vitigno Barbera
(Clicca sull'immagine per ingrandirla)

 

"Nel progetto Big Vite sono coinvolte oltre un migliaio di aziende viticole, ad oggi stiamo testando i modelli su alcune di queste che non sono ancora sufficienti a produrre una mole di dati tale da essere definita 'big'. Ma quando il modello sarà esteso a tutte le aziende, anche considerando solo la Regione Emilia Romagna, allora sì che potremo parlare di big data", precisa Malchiodi.

I dati sono poi in continuo divenire: basti pensare alle rilevazioni delle capannine meteo, che ogni giorno, più volte al giorno, inviano le proprie misurazioni. Mentre altri sono 'statici', non mutando nel tempo (come l'ubicazione dei vigneti o la loro superficie).

Ed infine i dati sono vari. Si passa dai gradi della temperatura atmosferica, ai quintali di uva raccolta, alle superfici vitate, fino agli stadi fenologici delle viti. Ma in futuro si potranno aggiungere altri dati ancora, di altra natura e provenienti da altre fonti. "È proprio questo il bello del cloud, non è una piattaforma rigida ma permette di ampliarsi quando ce n'è bisogno", sottolinea Malchiodi.

E il cloud, nonché gli strumenti di machine learning, permette anche di utilizzare dati in formati diversi, che risiedono su sistemi differenti. In questo modo l'interoperabilità diventa semplice.

 

Descrivere, prescrivere e predire

Sembra uno scioglilingua ma non lo è. Dall'analisi dei big data è infatti possibile ottenere tre livelli informativi: descrittivo, prescrittivo e predittivo. Vediamoli nel dettaglio.

Descrittivo. L'agricoltore ha la possibilità, interrogando una semplice interfaccia, di conoscere ciò che sta accadendo nei suoi vigneti e quello che è accaduto in passato. Questo è utile per avere sempre sotto controllo la realtà di campo, anche in vigneti che magari sono distanti dal corpo aziendale.

Prescrittivo. Conoscendo come si comporta il vigneto in certe condizioni è anche possibile suggerire all'agricoltore quali azioni intraprendere. "Siamo ad esempio in grado di fornire delle mappe dello stress idrico, sulla base delle quali l'agricoltore può gestire il fattore irrigazione", spiega Malchiodi.

Predittivo. L'idea è che grazie all'analisi dei dati sia possibile predire un evento che deve ancora verificarsi. Nello specifico si sta cercando di ottenere informazioni sulla data presunta di vendemmia e sulla qualità delle uve che verranno raccolte.

"L'idea non è certo quella di sostituirsi all'agricoltore nella gestione del vigneto. Quello che vogliamo fare è fornire informazioni di valore, in maniera semplice, che permettano di avere un quadro il più chiaro possibile di che cosa succede in vigneto, in modo che le decisioni possano essere prese sulla base di informazioni complete", conclude Malchiodi.


Dati meteo
(Clicca sull'immagine per ingrandirla)


QdC® e Quaderno di Campagna® sono marchi registrati da Image Line Srl Unipersonale

 


Logo Big Vite
Iniziativa realizzata nell'ambito del Psr Emilia-Romagna 2014-2020 - Tipo di operazione 16.1.01 - Gruppi operativi del Pei per la produttività e la sostenibilità dell'agricoltura, Focus Area 3A - Progetto: BIG-data: nuovo strumento per la competitività della filiera VITi-Enologica - BIG VITE

© AgroNotizie - riproduzione riservata

Fonte: Agronotizie

Autore:

Tag: viticoltura innovazione big data

Temi caldi: Big Vite

Ti è piaciuto questo articolo?

Registrati gratis

alla newsletter di AgroNotizie
e ricevine altri

Unisciti ad altre 271.084 persone iscritte!

Leggi gratuitamente AgroNotizie grazie ai Partner