Published On: Marzo 26, 2024

I dati sono conoscenza: per Enogis questo è un punto fermo, attorno al quale ruota lo sviluppo delle funzionalità disponibili nel software.

A partire da dataset di diversa natura, rielaborati da modelli previsionali, all’interno di Enogis saranno resi disponibili a breve due DSS utili a supportare la gestione razionale del vigneto, generando vantaggi come l’ottimizzazione degli input utilizzati in campo e la riduzione di costi e impatto ambientale, salvaguardando la qualità delle uve raccolte.

Ne abbiamo parlato con Luca Coviello, data scientist che in Enogis si occupa di sviluppo di DSS.

Machine learning, deep learning e DSS

Per capire di cosa stiamo parlando, partiamo dalle definizioni.
“Quella che nel linguaggio comune vene chiamata intelligenza artificiale – spiega Luca – si compone di più elementi, tra i quali vi è il machine learning, ovvero la costruzione di modelli basati su un insieme più o meno ampio di dati. Se per esempio “diamo in pasto” al machine learning un dataset di osservazioni sulla fenologia della vite, se ne trarrà un “modello fenologia” che non tiene conto della “fisica” che sta dietro al ciclo vegeto-produttivo della vite ma che semplicemente lo ricostruisce in base dei dati su cui ha potuto “apprendere”. Il machine learning, infatti, altro non è che un apprendimento automatico. Il deep learning invece è una branca del machine learning e si basa sul concetto di deep neural network, ovvero le reti neurali, sistemi di apprendimento automatico a più livelli basati su numeri incredibili di interconnessioni, che si ispirano al funzionamento del cervello umano. Per intenderci, si tratta della tecnologia su cui si basano Chat-GPT, Google Gemini e simili, anche se va subito detto che i dataset su cui lavoriamo noi sono infinitamente più ristretti rispetto a quelli che stanno dietro a questi tool. Tra le applicazioni pratiche del deep learning vi sono i DSS, ovvero i Sistemi di Supporto alle Decisioni. In agricoltura, si tratta di software che incorporano modelli previsionali che, alimentati da specifici set di dati, forniscono indicazioni sugli interventi da effettuare per prevenire una determinata criticità di campo”.

L’importanza fondamentale dei dati meteo

La viticoltura è un cantiere a cielo aperto e l’andamento del meteo ha un ruolo di primaria importanza nel determinare il risultato di un’annata.
“Dal modulo GIS di Enogis – spiega Luca – è possibile visualizzare i propri appezzamenti, posizionati in mappa, dove sono anche evidenziate singole aree della superficie di circa 81 km2 ciascuna, che delimitano la risoluzione con cui sono resi disponibili i dati meteo: in sostanza abbiamo un punto di rilevazione dei dati ogni 9 km. A partire dalla stagione 2024, esplodendo la singola area della mappa si accederà a dati storici, registrati da centraline agrometeorologiche, e a dati previsionali per i 10 giorni successivi alla data di consultazione, forniti da vari provider a seconda delle zone geografiche. I parametri registrati nello storico possono essere diversi a seconda dei sensori disponibili: temperatura e umidità dell’aria e del suolo, piovosità, bagnatura fogliare, ventosità... I dati, a seconda dei casi, sono forniti da centraline di proprietà dell’utente o, in mancanza di queste, estrapolati dai siti web delle case costruttrici. Attualmente Enogis integra i dati di 10 tipi di centraline meteo (altre sono in attualmente in fase di sviluppo) e di 2 modelli meteorologici, per un totale di 370 stazioni meteo e circa 20.000 stazioni virtuali (dal modello meteorologico). I dati meteo, storici e previsionali, alimentano il modello fenologia, il DSS fitopatologia e il DSS stress idrico, tutti disponibili in Enogis a partire dalla stagione 2024”.

A che punto è il ciclo vegeto-produttivo? Il modello fenologia

Sulla base dell’andamento meteo, storico e previsionale, in Enogis sarà possibile consultare lo stato di avanzamento del ciclo vegeto-produttivo dei propri vigneti, espresso come stadio della scala fenologica BBCH, e prevedere quali stadi verranno raggiunti nei giorni successivi. Tutto questo anche con una consultazione di tipo sinottico. “Un viticoltore che ha vigneti di una stessa varietà collocati in aree diverse – spiega Luca – potrà verificare con un solo colpo d’occhio l’omogeneità o disomogeneità di sviluppo delle piante nelle diverse aree. Il modello fenologia effettua previsioni prendendo in carico la varietà coltivata, i dati meteo e variabili ambientali e orografiche come altitudine, latitudine ed esposizione o i profili montani circostanti, che influenzano l’irraggiamento solare. Il modello si è “allenato” su osservazioni in campo di fenologia (più di 33.000) raccolte in tutta Italia nell’arco di un decennio, su più di 100 varietà (Glera è la più rappresentata). I dati meteo utilizzati sono quelli a 9km di risoluzione, che vengono poi interpretati con le variabili orografiche calcolate a partire dal modello digitale del terreno a 20 metri di risoluzione. Utilizzando le previsioni meteo, il modello mostra la previsione di crescita per i 7 giorni successivi”, conclude Luca.

Quanto è protetto il mio vigneto? Il DSS fitopatologia

“Sempre all’interno di Enogis – spiega Luca – verrà resa disponibile la consultazione del DSS fitopatologia. Collegato al modello meteo e al modello fenologia, esso è in grado di stimare quanti giorni di copertura residua, rispetto al momento della consultazione, possono ancora assicurare i trattamenti effettuati contro Oidio, Peronospora e Botrite. A partire dal giorno in cui è stato o sono stati effettuati i trattamenti, per ciascuno di essi inizia una curva di riduzione del livello di copertura nei confronti della specifica patologia, il cui andamento è legato sia alle caratteristiche intrinseche della sostanza attiva, sia all’andamento meteo. Nel caso in cui venga distribuito un prodotto di copertura, per esempio, il verificarsi di una precipitazione fa scendere più rapidamente la curva di protezione, così come un eventuale intervento irriguo. Scelte irrigue errate, sia in termini di timing che di quantitativi distribuiti, e ad effetto dilavante, influenzano negativamente le conformità all’interno del Registro di Campagna”.

La consultazione delle curve di copertura supporta la pianificazione dei trattamenti, laddove necessari. L’interpretazione dei dati è facilitata dall’uso di colori che indicano i giorni mancanti al raggiungimento della copertura zero, in base al modello previsionale. Il modello fitopatologia è inoltre collegato al modulo Registro di Campagna, consentendo di annotare automaticamente in quest’ultimo i trattamenti eseguiti.

Quanta acqua hanno a disposizione le mie viti? Il DSS stress idrico

Con una modalità di visualizzazione analoga a quella del DSS fitopatologia, il DSS stress idrico permette di prevedere entro quanti giorni, rispetto alla data di consultazione, il vigneto rischia uno stress idrico più o meno severo. Questo in funzione delle precipitazioni, desunte dal modello meteorologia, e delle eventuali irrigazioni effettuate.
Il rischio di stress idrico è tanto maggiore quanto più ci si allontana dalla capacità di campo e ci si avvicina alla soglia di appassimento. I calcoli effettuati dal modello si basano sulle indicazioni contenute nel documento FAO Irrigation and drainage paper No. 56.

L’importanza del colpo d’occhio

I dati meteo, il modello fenologia e i DSS fitopatologia e stress idrico possono essere consultati per il singolo appezzamento o per un comprensorio, con il vantaggio di una visualizzazione sinottica che restituisce la variabilità spaziale di singoli parametri in un dato momento, consentendo al tecnico o al viticoltore una programmazione razionale degli eventuali interventi necessari.

Chi è Luca Coviello

Con una laurea triennale in Informatica conseguita presso l’Università di Trento e una magistrale in Data Science presso la EIT Digital Master School, che lo ha portato a studiare per un anno a Madrid e uno a Nizza, occupandosi di data science nei settori medicina e giornalismo, Luca Coviello ha successivamente portato a termine una borsa di studio biennale post magistrale presso la Fondazione Bruno Kessler (finanziata dal Consortium GARR), dove si è occupato di data science applicata all’agricoltura. In Enogis dalla fine del 2020 svolge un dottorato in Innovazione Industriale, occupandosi dello sviluppo di DSS.