L’acqua dolce non è illimitata. Le precipitazioni non sono prevedibili. E le piante non hanno sempre sete.

Solo il 3% dell’acqua mondiale è potabile e oltre il 70% di quell’acqua dolce viene utilizzata per l’agricoltura. L’irrigazione non necessaria spreca enormi quantità d’acqua (alcune colture sono irrigate il doppio rispetto alla loro reale necessità) e contribuisce all’inquinamento di falde acquifere, laghi e oceani.

Un modello predittivo che combini informazioni su fisiologia vegetale, condizioni del terreno in tempo reale e previsioni meteorologiche può essere utile per prendere decisioni più informate su quando e quanto irrigare. Secondo una nuova ricerca della Cornell University ciò potrebbe far risparmiare il 40% dell’acqua consumata con metodi più tradizionali.

Se si dispone di un sistema per connettere tutte queste eccellenti fonti di big data e il machine learning, è possibile rendere l’agricoltura intelligente“, hanno affermato Fengqi You, Roxanne E. e Michael J. Zak, professore di ingegneria dei sistemi energetici presso la Smith School of Chemical and Biomolecular Engineering.

Fengqi You è autore senior dell’articolo “Robust Model Predictive Control of Irrigation Systems With Active Uncertainty Learning and Data Analytics“, pubblicato online a maggio su IEEE Transactions on Control Systems Technology. Co-autore del lavoro è Abraham Stroock, che sta lavorando a strategie di conservazione dell’acqua con coltivatori di mele nello stato di New York e coltivatori di mandorle e mele e viticoltori nelle regioni colpite dalla siccità della costa occidentale.

Queste colture, quando coltivate nell’ambiente semiarido e semidesertico della Central Valley della California, sono enormi consumatori di acqua – un gallone di acqua per mandorla“, ha detto Stroock. “C’è quindi una reale opportunità per migliorare il modo in cui gestiamo l’acqua in questi contesti.”

Secondo Stroock, il controllo preciso dell’umidità delle piante potrebbe anche migliorare la qualità delle colture specializzate sensibili come le uve da vino.

Il primo autore del lavoro è Chao Shang, un ex ricercatore post-dottorato presso la Smith School e ora assistente professore in automazione alla Tsinghua University.

In precedenza, il gruppo di Stroock aveva lavorato sullo sviluppo di sensori per determinare quando le piante hanno sete. Ma i sensori da soli non sono sufficienti, perché i coltivatori non hanno bisogno di irrigare se la pioggia è in arrivo. Considerando le previsioni del tempo la situazione era migliore ma non ideale, perché le previsioni sono spesso sbagliate e l’incertezza di una previsione potrebbe essere un problema se ci si aspetta pioggia.

Il metodo messo a punto da questi ricercatori utilizza i dati meteorologici storici e il machine learning per valutare l’incertezza delle previsioni meteorologiche in tempo reale, nonché l’incertezza di quanta acqua verrà persa nell’atmosfera dalle foglie e dal suolo. Queste informazioni sono combinate con un modello fisico che descrive le variazioni nell’umidità del suolo.

L’integrazione di questi approcci rende le decisioni su quando irrigare molto più precise.

Dobbiamo utilizzare questi metodi data-driven per ottenere dati storici e per cercare di capire, storicamente, l’accuratezza di una previsione, e poi cerchiamo di proteggerci da tale incertezza“, ha affermato You. Questo vale sia per il tempo che per la posizione esatta delle precipitazioni.

Nell’articolo, i ricercatori hanno condotto un caso di studio basato su colture erbacee in Iowa e hanno scoperto che il loro sistema di controllo predittivo utilizzava molto meno acqua rispetto ad altri metodi.

Un team di studenti sta attualmente installando una rete di valvole basate su questo sistema su piante di mele in vaso nei Cornell Orchards per testarla per un uso futuro. Anche se le piogge nello stato di New York e nel Nordest possono essere abbondanti, la siccità di mezza estate sta diventando sempre più frequente e può essere devastante. Ad esempio, la siccità estiva del 2016 ha portato a una perdita del raccolto di quasi il 50% per le aziende frutticole non irrigue nello stato di New York, secondo un’indagine condotta da Cornell e dalla Nature Conservancy.

Parte della sfida di questa ricerca è l’identificazione del metodo migliore per ogni coltura e la determinazione dei costi e dei benefici del passaggio da un sistema gestito dall’uomo a uno automatizzato. Poiché gli alberi di mele sono relativamente piccoli e rispondono rapidamente ai cambiamenti delle precipitazioni, potrebbero non essere necessarie settimane o mesi di dati meteorologici. Gli alberi di mandorla, che tendono ad essere più grandi e più lenti nell’adattamento, beneficiano delle previsioni a lungo termine.

La ricerca è stata parzialmente finanziata dalla Cornell Initiative for Digital Agriculture.

Fonte: Cornell University