Mappa satellitare @RSLab Lorenzo Bruzzone e Giulio Weikmann

Ricerca

Coltivazioni dallo spazio

Intelligenza artificiale e tecnologie satellitari per l’agricoltura 4.0

11 maggio 2022
Versione stampabile
Lorenzo Bruzzone
Giulio Weikmann
di Lorenzo Bruzzone e Giulio Weikmann
Professore ordinario di Telecomunicazioni e dottorando in Informatica e telecomunicazioni

Come sono collegati satelliti, telerilevamento, intelligenza artificiale, agricoltura e gestione delle risorse idriche? Quelli che a prima vista sembrano essere ambiti disciplinari lontani tra loro stanno convergendo verso un’integrazione destinata a cambiare in modo sostanziale le pratiche agricole dei prossimi anni, verso un’agricoltura 4.0 sempre più “intelligente”.

I satelliti ci guardano

Ogni giorno centinaia di satelliti in orbita intorno alla Terra osservano il nostro pianeta. Questi satelliti riprendono immagini con sensori molto sofisticati in grado di fare misure in porzioni dello spettro elettromagnetico che l’occhio umano non riesce a percepire. In tal modo permettono un’analisi dettagliata a larga scala del territorio e offrono una valida ed efficiente alternativa alle tradizionali campagne di misurazione in situ. Inoltre, i satelliti passano regolarmente sulle stesse aree a intervalli di pochi giorni e rendono così disponibili serie temporali di immagini che consentono un’analisi accurata dell’evoluzione dinamica del territorio. Una delle applicazioni più promettenti di queste analisi riguarda l’ambito agricolo e della sicurezza alimentare.

Il progetto ExtremeEarth a UniTrento

È proprio in questo contesto che si è collocato il progetto della Commissione Europea Horizon 2020 ExtremeEarth, che tra i suoi principali obiettivi ha avuto lo sviluppo di metodologie basate sull’intelligenza artificiale e sul telerilevamento satellitare per il monitoraggio e la gestione di aree agricole, dalla larga scala alla scala locale. Al progetto, che ha coinvolto vari centri di ricerca e aziende europee, ha partecipato con un ruolo di primo piano il Remote Sensing Laboratory-RSLab del Dipartimento di Ingegneria e Scienza dell'Informazione dell'Università di Trento. Il laboratorio ha coordinato le attività di sviluppo di nuovi metodi di machine learning capaci di analizzare in maniera automatica le immagini satellitari per rispondere alle esigenze applicative del mondo agricolo.

Big data satellitari

Il progetto ha affrontato le molte sfide connesse alla complessità del problema considerato, a partire dalla vastità dei dati disponibili. Non soltanto il numero di immagini telerilevate è in continuo aumento e permette analisi su serie temporali sempre più vaste, ma l’integrazione delle immagini acquisite dai satelliti in orbite diverse permette di rappresentare un territorio esteso, dalla scala locale, a quella nazionale e continentale. All'interno di uno spazio così ampio è inevitabile registrare condizioni climatiche e agronomiche fortemente variabili. Di conseguenza l’analisi automatizzata dei dati richiede algoritmi di deep learning particolarmente evoluti. Devono infatti essere capaci di comprendere, generalizzare e astrarre a larga scala i dati misurati dal satellite, tenendo conto della variabilità delle pratiche di coltivazione dei singoli agricoltori e delle enormi differenze nelle condizioni dei campi agricoli in diverse aree geografiche. 

Una carta d’identità agricola

ExtremeEarth ha affrontato con successo il problema di generare e aggiornare automaticamente su base annuale le mappe delle coltivazioni con un dettaglio di 10 metri. I dati telerilevati sono così usati per caratterizzare i cicli fenologici delle piante e per estrarre diversi parametri legati alla biomassa agricola. Ciò consente di arrivare a una carta di identità dettagliata di ogni campo sulla base della quale le misure satellitari innestano un processo automatico di controllo delle pratiche agricole. A partire dall’irrigazione, che viene gestita sulla base delle reali esigenze per ottimizzare i consumi dell'acqua e la produttività dei singoli campi. Nel progetto, è stato utilizzato come dimostratore l’intero bacino del Danubio, con lo sviluppo di un sistema che è in grado di elaborare in modo efficiente petabytes di dati. 

L’impegno per il pianeta

ExtremeEarth, che si è concluso nelle scorse settimane, ha avuto un immediato seguito nel progetto Horizon 2020 AI4Copernicus. L’Università di Trento, in qualità di partner scientifico che coordina la parte sull’agricoltura, sta sviluppando ulteriormente i metodi per estrarre informazioni sempre più dettagliate dai dati satellitari. Lo scopo è utilizzare in maniera crescente l’intelligenza artificiale per guidare l’occhio del satellite e interpretarne i dati. 

I traguardi verso un’agricoltura 4.0 sono sempre più ambiziosi e si collegano all’esigenza di raggiungere Obiettivi di Sviluppo Sostenibile (OSS) fondamentali, che vanno dalla riduzione della malnutrizione tramite l’impiego di metodologie efficienti per la produzione agricola, al miglioramento della salute attraverso l’applicazione controllata di insetticidi e pesticidi, all’ottimizzazione delle risorse e dei consumi per ridurre l’impatto climatico. Un connubio, quello tra satelliti e intelligenza artificiale, che può davvero aiutarci a migliorare la qualità di vita sul nostro pianeta.