Il degrado fisico-chimico e la perdita di fertilità dei suoli coltivati rappresentano le principali sfide che le politiche agricole per lo sviluppo rurale dovranno affrontare nei prossimi anni. Le urgenti problematiche economiche, sociali e ambientali richiedono azioni mirate, efficaci e tempestive. L’efficacia degli interventi programmatori dipende strettamente dalla disponibilità di informazioni accurate e aggiornate sulle principali caratteristiche fisico-chimiche e biologiche del suolo come ad esempio la capacità di stoccaggio del carbonio organico, ma anche le sue principali cause di degradazione: erosione idrica superficiale e salinizzazione.
Il cambio di paradigma dei modelli di sviluppo della nuova Pac, basato non solo sull’azione ma anche sulla misurazione dell’impatto agro-climatico ambientale, richiede strumenti dinamici e affidabili in grado di stimare e monitorare gli effetti nel tempo. Inoltre, l’agricoltura europea dovrà perseguire obiettivi multipli, a partire dall’intensificazione sostenibile delle produzioni. L’agricoltura di precisione (Ap) può contribuire a superare le attuali inefficienze, migliorando la gestione delle risorse e aumentando la produttività in modo sostenibile.
Gestire la variabilità
Tra gli obiettivi principali dell’agricoltura di precisione c’è lo studio e la gestione della variabilità delle caratteristiche fisico-chimiche del suolo, per cui è fondamentale disporre di strati informativi in grado di fornire informazioni in modo rapido e accurato, ed economicamente sostenibile. Pertanto, una moderna pianificazione dei comprensori agricoli e una moderna agricoltura sostenibile, non possono prescindere dall’utilizzo di mappe digitali del suolo.
Tali mappe forniscono informazioni dettagliate (risoluzione spaziale 10 o 30 metri) delle proprietà del suolo, come tessitura, contenuto di carbonio organico, disponibilità di macro elementi.
Ibf Servizi-Agronica negli ultimi anni ha effettuato importanti investimenti in formazione, ricerca e sviluppo, per realizzare catene di processamento e modelli bio-fisici per elaborare mappe digitali dello strato superficiale dei suoli, con applicazioni già validate per i seminativi, estensibili a tutte le regioni italiane.
Il “modello Ibf”, adattabile sia a scala di campo/aziendale, sia a scala territoriale, si fonda su un assunto agronomico basilare: il colore del suolo può fornire informazioni indirette sulle proprietà fisico-chimiche.
Ad esempio, suoli più scuri probabilmente hanno un elevato tenore di sostanza organica e più argilla. Suoli rossi probabilmente avranno un elevato contenuto di ossidi di ferro, ecc. Immaginando di poter sorvolare i terreni a seminativo d’Italia, lavorati simultaneamente, e osservare la variabilità del colore del suolo, si possono ottenere informazioni indirette sulle loro caratteristiche. L’utilizzo di immagini satellitari e le moderne tecnologie di intelligenza artificiale (Ai) rendono concreto questo scenario.
Tutte per uno e una per tutte
Grazie alla copertura costante nel tempo e nello spazio di immagini satellitari, il modello, utilizzando un uso massivo di dati, è in grado di ricostruire un’immagine sintetica a suolo nudo, in maniera semi automatica (fig. 1 e 2). La catena di processamento utilizza dati Sentinel 2 o Landsat 8/9 a seconda della scala di interesse, aziendale o territoriale (10 o 30 metri) .
L’immagine è definita sintetica perché non è riferita a una data specifica ma è la risultante di un’aggregazione di pixel di diverse immagini. Una serie di regole e algoritmi di intelligenza artificiale permettono di classificare i pixel che presentano suolo nudo, escludendo quelli con vegetazione o residui colturali. Da ultimo, i pixel selezionati sono aggregati per comporre l’immagine sintetica a suolo nudo. In realtà l’immagine generata, come d’altronde tutte quelle satellitari multispettrali, non si limita a fornire l’informazione nello spettro del visibile (parte osservata dall’occhio umano) ma fornisce informazioni relative all’infrarosso, altamente correlato ad alcune proprietà del suolo, come argilla e carbonio organico. L’immagine sintetica a suolo nudo può essere considerata quindi un moderno e altamente avanzato proxy delle caratteristiche del suolo, in grado di fornire un’informazione qualitativa della variabilità dello stesso (fig 3).
Le applicazioni di Ap e di pianificazione territoriale necessitano di informazioni quantitative, quindi bisogna caratterizzare la variabilità procedendo con il campionamento del suolo.
La catena di processamento può quantificare tale variabilità individuando il numero ottimale di campionamenti necessari e il relativo posizionamento. Così si può ridurre in maniera importante il numero di campioni, conservando l’accuratezza delle informazioni finali e incentivando la sostenibilità economica del servizio. Infine, dall’integrazione delle verità a terra e l’immagine sintetica a suolo nudo, utilizzando algoritmi di Ai sarà possibile generare le mappe digitali delle principali caratteristiche fisico chimiche del suolo analizzato (fig. 4).
Le risposte a cinque domande
Il modello è in grado di elaborare le mappe digitali per le principali caratteristiche del suolo: - granulometria (% di argilla, limo e sabbia), parametro che condiziona sensibilmente alcune proprietà chimiche e meccaniche, con riflessi sulla dinamica dell’acqua e dell’aria, ma anche sulla sostenibilità delle principali pratiche agronomiche;
- azoto, fosforo e potassio, elementi principali per la nutrizione delle piante, valutando la disponibilità e i fabbisogni da apportare in piani di fertilizzazione sostenibile georeferenziati; - capacità di scambio cationico, importante indicatore della fertilità chimica dei suoli;
- reazione della soluzione circolante (pH), per valutare il grado di acidità-alcalinità e la conducibilità elettrica, indicatore della salinità dei suoli;
- erosione, principale indicatore di degradazione del suolo.
Questi parametri, oltre a essere importanti indicatori agronomico-ambientali, rappresentano lo strato informativo fondamentale per classificare la vocazionalità dei suoli e determinare accurati indici di sostenibilità dei sistemi colturali.
