L'intelligenza artificiale renderà l'agricoltura più sostenibile

Gli attuali metodi di coltivazione minacciano la biodiversità, mentre la produzione di fertilizzanti sintetici genera gas serra e le sostanze chimiche agricole stanno inquinando i corpi idrici e l'ambiente.

Molti di questi problemi possono essere mitigati utilizzando metodi più mirati, ad esempio applicando erbicidi solo a quelle parti di un campo in cui le infestanti stanno effettivamente diventando un problema piuttosto che trattare l'intera area. Altre possibilità sono di trattare le colture malate individualmente e di applicare solo fertilizzanti dove è veramente necessario. Eppure strategie come queste sono estremamente complicate e praticamente impossibili da gestire su larga scala con mezzi convenzionali.

Sfruttare l'alta tecnologia e l'intelligenza artificiale per un'agricoltura sostenibile ed efficiente

"Una risposta potrebbe essere quella di utilizzare tecnologie digitali intelligenti", spiega Hugo Storm, membro del PhenoRob Cluster of Excellence. L'Università di Bonn ha collaborato con l'Istituto Fraunhofer per gli algoritmi e l'informatica scientifica a Sankt Augustin, il Centro Leibniz per la ricerca sul paesaggio agricolo di Monacoberg e l'Istituto di ricerca sulle barbabietole da zucchero a Géttingen sul progetto su larga scala orientato a rendere l'agricoltura più efficiente e più rispettosa dell'ambiente utilizzando nuove tecnologie e intelligenza artificiale (AI).

I ricercatori provengono da diversi campi, tra cui ecologia, scienze delle piante, scienze del suolo, informatica, robotica, geodesia ed economia agricola. Nel loro position paper di recente pubblicazione, hanno definito i passi che ritengono debbano essere affrontati come priorità a breve termine.

"Abbiamo identificato alcune domande chiave di ricerca", dice Storm. Uno di questi si riferisce al monitoraggio dei terreni agricoli per individuare eventuali carenze di nutrienti, crescita delle estie o infestazioni da parassiti in tempo reale. Le immagini satellitari forniscono una panoramica approssimativa, mentre droni o robot consentono un monitoraggio molto più dettagliato. Quest'ultimo può coprire un intero campo sistematicamente e persino registrare le condizioni dei singoli impianti nel processo. "Una difficoltà sta nel collegare tutte queste informazioni insieme", dice la collega di Storm Sabine Seidel, che ha coordinato la pubblicazione insieme a lui: "Ad esempio, quando sarà sufficiente una bassa risoluzione? Quando le cose devono essere più dettagliate? Come devono volare i droni per ottenere la massima efficienza nel dare un'occhiata a tutte le colture, in particolare quelle a rischio?

I dati ottenuti forniscono un quadro della situazione attuale. Tuttavia, gli agricoltori sono principalmente interessati a valutare varie potenziali strategie e le loro possibili implicazioni: a quante eerbacce può resistere il mio raccolto e quando devo intervenire? Dove devo applicare il fertilizzante e quanto devo applicarne? Cosa succederebbe se usassi meno pesticidi? "Per rispondere a domande come queste, devi creare copie digitali dei tuoi terreni agricoli, per così dire", spiega Seidel. “Ci sono diversi modi per farlo. Qualcosa che i ricercatori devono ancora scoprire è come combinare i vari approcci per ottenere modelli più accurati. Devono inoltre essere sviluppati metodi adeguati per formulare raccomandazioni per l'azione basate su questi modelli. Le tecniche prese in prestito dall'apprendimento automatico e dall'intelligenza artificiale hanno un ruolo importante da svolgere in entrambe queste aree.

Se la produzione agricola deve effettivamente abbracciare questa rivoluzione digitale, tuttavia, anche le persone che la metteranno in atto - gli agricoltori - dovranno anche essere convinte dei suoi benefici. "Andando avanti, dobbiamo concentrarci maggiormente sulla questione di quali condizioni di base sono necessarie per garantire questa accettazione", afferma il professor Heiner Kuhlmann, geodesta e uno dei due relatori del Cluster of Excellence insieme al capo del suo gruppo di robotica, il professor Cyrill Stachniss. "Potresti offrire incentivi finanziari o stabilire limiti legali all'uso del fertilizzante, ad esempio". L'efficacia di strumenti come questi, da soli o in combinazione, può anche essere misurata al giorno d'oggi utilizzando modelli computerizzati.

Nel loro articolo, i ricercatori di PhenoRob usano anche esempi per dimostrare quali sono già in grado di fare le attuali tecnologie. Ad esempio, è possibile creare un "gemello digitale" di aree coltivate e alimentato un flusso costante di vari tipi di dati con l'aiuto di sensori, ad esempio per rilevare la crescita delle radici o il rilascio di composti di azoto gassoso dal suolo. "Nel medio termine, ciò consentirà di adattare i livelli di fertilizzante azotato alle esigenze delle colture in tempo reale a seconda di quanto ricco di nutrienti sia un particolare punto", aggiunge il professor Stachniss. In alcuni luoghi, quindi, la rivoluzione digitale in agricoltura è già più vicina di quanto si possa pensare.