Lo sviluppo delle tecnologie IoTs, Big data e della sensoristica avanzata montata su satelliti, droni e veicoli autonomi, insieme all’affermarsi di concetti quali agricoltura sostenibile, smart e di precisione, hanno dato impulso allo sviluppo di sistemi di supporto alle decisioni o DSS (dall’inglese Decision Support System). Come spesso accade quando l’innovazione corre veloce, c’è anche molta confusione.
È possibile affermare che oggi il mercato offre molti DSS?
Per rispondere a questa domanda è necessario ricordare che cosa è un DSS. Un DSS è costituito da tre componenti: raccolta dei dati, analisi e interpretazione dei dati stessi, e quindi formulazione di un consiglio agronomico, in forma di allerte, opzioni o scenari.
Quando manca una di queste componenti non si può parlare di DSS. Per esempio, un sistema che rileva dati di temperatura, umidità e pioggia fornisce informazioni utili all’agricoltore, ma se questi dati non sono analizzati in rapporto al fenomeno biologico d’interesse, diciamo lo stress idrico della coltura, allora lo strumento non può fornire indicazioni sugli interventi irrigui e, quindi, non è un DSS.
Una mappa di vigore della coltura può evidenziare una variabilità e l’opportunità di eseguire concimazioni a rateo variabile, ma se i valori di vigore non sono analizzati in rapporto alle esigenze nutrizionali della coltura, allora il sistema non fornisce un supporto alla fertilizzazione. Possiamo ora rispondere alla domanda: il mercato offre dei DSS ma anche molti strumenti che, pur essendo proposti come DSS, non lo sono.
Allora il cuore del DSS è l’analisi e interpretazione dei dati?
Non solo ne è il cuore, ma è ciò che ne determina la qualità e, quindi, l’utilità. Se il sistema di analisi e interpretazione dei dati non è corretto, o non sufficientemente preciso, o non adeguatamente testato sui territori e nei diversi contesti colturali e climatici, allora i consigli agronomici saranno errati. Per esempio, la maggior parte dei DSS per la protezione delle colture utilizza modelli matematici di tipo empirico, reperiti in letteratura, codificati in un linguaggio informatico e, quindi, resi disponibili agli utenti del DSS senza adeguata verifica dell’attendibilità nelle specifiche condizioni d’uso. Al contrario, bisognerebbe utilizzare modelli di processo che, pur essendo più complessi, forniscono risultati molto più precisi e attendibili nelle più diverse condizioni colturali.
I DSS sono quindi molto utili. Ma come orientarsi nella scelta?
Fare verifiche su chi già utilizza il DSS nel proprio territorio e, se possibile, parlare con loro è un primo, importante passo. Ancora, sarebbe importante reperire informazioni sui sistemi di analisi e interpretazione dei dati usati dal DSS: è meglio diffidare delle cosidette black box, ossia di quei DSS che non dichiarano in modo trasparente l’origine e le credenziali dei sistemi utilizzati. Anche le seguenti domande possono essere utili nell’orientare la scelta:
- quale è il core-business dell’azienda? Servizi di consulenza agronomica? Vendita di stazioni meteorologiche? Vendita macchine e/o componenti per l’agricoltura di precisione? Vendita di mezzi tecnici (prodotti fitosanitari, fertilizzanti, sementi, ecc.)?
- il DSS è a livello di sviluppo, di prototipo o commerciale? Se è commerciale, da quanti anni è sul mercato? Quanti sono gli utilizzatori? In quali aree geografiche?
- il produttore ha competenze specifiche di tipo agronomico e sui sistemi di analisi dei dati (ad esempio, sui modelli)? Viene fornita un’assistenza all’uso del DSS? Di che tipo?
Editoriale al numero 1/2019 di Terra e Vita
Abbonati a Terra e Vita e clicca qui per accedere all'edicola digitale
