Nel contesto della concimazione azotata l'adozione di approcci e di tecnologie proprie dell'agricoltura di precisione può garantire una migliore efficienza d'uso dell'elemento e, di conseguenza, minori perdite economiche e ambientali.
A tal fine è fondamentale lo studio della variabilità spaziale e temporale intra campo, attuabile grazie a numerosi strumenti (Figura 1).
La fase di monitoraggio deve essere seguita dall'integrazione dei dati attraverso un Sistema di Supporto alle Decisioni (Dss) finalizzata alla predisposizione di una mappa di prescrizione, contenente il consiglio di concimazione, e dalla sua attuazione in campo.
Nonostante la loro importanza, non esistono in letteratura confronti sistematici dei Dss disponibili.
Inoltre, molti dei Dss proposti non valorizzano le diverse fonti di dati (e.g., suolo, coltura) che devono essere invece integrati per fornire un corretto consiglio di concimazione, considerando contemporaneamente i principali driver di crescita della coltura.
Figura 1. Struttura generale di un Sistema di Supporto alle Decisioni (Dss) per la definizione della dose azotata sito specifica
(Fonte: Virginia Fassa)
Il lavoro di tesi presentato ha avuto un duplice scopo: sintetizzare, tramite ricerca bibliografica, lo stato dell'arte dei metodi disponibili a supporto della concimazione azotata sito specifica; proporre l'implementazione di un algoritmo ad alto grado di integrazione tra le informazioni per la definizione della dose di concimazione minerale di copertura sito specifica in mais.
La ricerca bibliografica è stata svolta considerando 351 articoli scientifici, pubblicati tra il 2000 e il 2020. Gli articoli ritenuti idonei all'analisi sono stati classificati in base ai metodi di calcolo adottati per la prescrizione della dose di azoto: empirici o meccanicistici. Per metodi empirici si intendono approcci basati su funzioni empiriche, ad esempio modelli di regressione tra indici vegetazionali (e.g., Ndvi, Normalized Difference Vegetation Index) e variabili colturali legate alla nutrizione azotata (e.g., resa). Nei metodi meccanicistici ricadono, invece, tutti quegli approcci basati sull'impiego di modelli colturali, ovvero software che permettono all'utilizzatore di simulare i processi fisiologici e gestionali di una coltura agraria specifica e di valutarne la risposta in base all'ambiente che la circonda (i.e., caratteristiche del suolo e meteorologia).
È emerso che i metodi empirici sono i più studiati a livello mondiale (76% sul totale degli articoli analizzati), ma che necessitano di una laboriosa fase preliminare di calibrazione se applicati in condizioni pedoclimatiche e colturali differenti da quelle considerate nella fase di sviluppo. Diversamente, i modelli meccanicistici (20% sul totale), pur in grado di lavorare in condizioni diverse da quelli di sviluppo del Dss, sono approcci raramente spazializzati e inadatti a fornire consigli sito specifici. Infine, è emerso che le informazioni provenienti dalla componente pedologica, colturale, meteorologica e gestionale sono scarsamente integrate nei metodi di calcolo. Da qui l'obiettivo di implementare un algoritmo in grado di integrare le informazioni provenienti da più strati informativi.
L'algoritmo proposto si ispira a quello dell'Oklahoma State University (Osu), risultato essere il metodo empirico più diffuso per il calcolo della dose ottimale di azoto su cereali (28% delle pubblicazioni che citano metodi empirici). Il funzionamento dell'algoritmo Osu si basa sull'ipotesi che l'indice vegetazionale al momento del rilievo, eseguito immediatamente prima della concimazione minerale, riesca a predire la risposta della coltura alla concimazione azotata e la resa finale e, conseguentemente, la dose azotata da apportare. Tuttavia, Osu considera la variabilità spaziale della vegetazione, ma non quella del suolo. Volendo superare tale limite, è stata proposta una fusione delle mappe di variabilità i) del suolo per conducibilità elettrica e ii) della vegetazione per indice vegetazionale. Le dosi ottimali sono state quindi calcolate secondo l'algoritmo all'interno di ogni zona di gestione omogenea individuata dall'integrazione dei due strati informativi di partenza. Alla redazione delle mappe di prescrizione è seguita un'analisi quantitativa e spaziale delle dosi consigliate dall'algoritmo decisionale proposto contrapposte a uno scenario di concimazione uniforme. La calibrazione dell'algoritmo è avvenuta durante la stagione 2021 su mais in due appezzamenti di circa 2.5 ha siti nel Nord Italia.
Grazie all'approccio integrato, il consiglio di concimazione che ne è seguito ha dimostrato di poter portare a un vantaggio economico potenziale rilevante: il risparmio medio in termini di urea è stato del 23%, apportando mediamente 156 kg N/ha rispetto a 200 kg N/ha distribuiti dalla pratica comune dell'agricoltore. Tuttavia, risulta necessaria la validazione dell'algoritmo in pieno campo per confermare i promettenti risultati mostrati in questo lavoro.
Virginia Fassa, categoria "Nutrizione delle piante"
(Fonte: Virginia Fassa)
Per eventuali contatti: virginia.fassa.vf@gmail.com
A cura di Virginia Fassa
AgroInnovation Award è il premio di laurea istituito da Image Line in collaborazione con l'Accademia dei Georgofili al fine di promuovere la diffusione di approcci innovativi, strumenti digitali e l'utilizzo di internet in agricoltura.
Leggi le tesi vincitrici della quinta edizione.
© AgroNotizie - riproduzione riservata
Fonte: AgroNotizie
