• Chiara di Elaisian

I sistemi di supporto alle decisioni in agricoltura

I Sistemi di Supporto alle Decisioni si occupano di risolvere problemi semi-strutturati e finalizzati all’aumento della qualità delle decisioni (1)

Cosa sono i Sistemi di Supporto alle Decisioni Secondo la definizione Treccani prevedere significa: “Conoscere in precedenza, ipotizzare la possibilità di un evento, supporre in anticipo ciò che avverrà”.


I DSS permettono una gestione sostenibile delle colture e un supporto decisionale continuo agli agricoltori, senza che vengano sostituiti.

Come funzionano i sistemi di supporto alle decisioni
Figura 1. Quadro generale della struttura dei DSS (2)

Utilizzano modelli e prevedono output facilmente interpretabili dall’end user; inoltre grazie alla collaborazione tra analisti, agronomi ed agricoltori ogni informazione viene adattata alla singola situazione creando modelli specifici per superfici definite, aumentando la precisione previsionale.

L’utilizzo di questi sistemi sta permettendo all’agricoltura moderna di(3):

  • Aumentare la produttività

  • Allocare le risorse efficientemente

  • Adattarsi ai cambiamenti climatici

  • Evitare lo spreco di cibo

Alla base, come accennato, c’è il concetto di previsione, di anticipazione degli eventi; molti sono gli eventi prevedibili e nell’attuale mondo dell’agricoltura tech questa soluzione viene utilizzata per diversi scopi, si citano i principali: concimazioni, trattamenti antiparassitari, meccanicazione delle operazioni colturali, irrigazione.


I DSS sono ormai parte integrante dell’Agricoltura 4.0, l’Osservatorio Smart AgriFood ha eseguito uno studio su 148 startup internazionali, ossia il 20% delle startup interazionali presenti sul mercato, circa il 70% propone sistemi di supporto alle decisioni (4).


In questo articolo verranno descritti due tra i principali DSS utilizzati in agricoltura per la previsione delle patologie: i modelli previsionali e le immagini satellitari.


I primi utilizzano dati meteo ed algoritmi per la previsione degli attacchi patogeni alle piante, i secondi utilizzano immagini satellitari ad alta risoluzione per il calcolo di indici di vegetazione ed idrici.


Due esempi di DSS: modelli previsionali ed immagini satellitari


I patogeni presentano diversi meccanismi di sviluppo, dipendenti dalle condizioni meteo stagionali.


Gli insetti presentano cicli predeterminati (1,2,3 ecc. a seconda del patogeno) che, per alcuni patogeni, possono aumentare o diminuire sulla base dell’andamento climatico.


I funghi presentano numerosi cicli, controllati sempre dall’andamento climatico ma molto più veloci e ripetitivi rispetto agli insetti.


Con l’aumento delle temperature alcuni di questi hanno aumentato il loro periodo di possibile patogenicità per le piante, aumentando così i danni alle colture e i costi per i gestori.


I modelli previsionali disegnano l’andamento del patogeno dalle prime fasi di crescita, conoscendo in anticipo il suo sviluppo e permettendo agli agricoltori di intervenire anticipatamente, evitando attacchi imprevisti e/o eccessivamente virulenti, contenendo la popolazione con trattamenti o interventi preventivi.


Le immagini satellitari permettono l’elaborazione di indici di vegetazione e idrici, utili al monitoraggio della vegetazione e dei terreni nel tempo. La raccolta e lo studio dei valori degli indici nel tempo permette di valutare le aree con maggiori problemi nutritivi e/o idrici.


Elaisian e il supporto decisionale agli olivicoltori e ai viticoltori


Per il monitoraggio e le previsioni relative ai patogeni, Elaisian fornisce ai suoi clienti delle stazioni meteo, installate ogni 20-25 ha su media italiana, collegate via WiFi e con pannello solare.



Stazione Meteo Elaisian
Figura 2. Esempio di stazione meteo

Il percorso dei dati avviene tramite l’acquisizione dei dati da parte della stazione, che li trasmette in tempo reale ai sistemi gestionali di Elaisian.


Il team di Elaisian si occupa dell’analisi dati e della comunicazione, tramite WebApp, dei cicli di sviluppo dei patogeni collegati alle fasi fenologiche delle piante, così da mantenere sempre informati i produttori, permettendo loro una migliore comprensione dei dati monitorati ed aiutandoli nella scelta degli interventi da eseguire.



I modelli previsionali, tramite l’uso di dati storici e di dati acquisiti in tempo reale, riescono a prevedere l’andamento delle malattie grazie ad algoritmi sviluppati ad hoc per il singolo patogeno, che vengono adattati e calibrati continuamente per ottenere dati sempre più precisi ed indicazioni sempre più tempestive.


Inoltre, Elaisian prevede un servizio di assistenza e consulenza agli agricoltori, aiutandoli nell’uso della WebApp, nell’analisi delle informazioni inviate e nella scelta delle operazioni da intraprendere.


Le immagini satellitari vengono acquisite grazie alla piattaforma Copernicus dell’ESA, vengono elaborate ed estratti due indici di vegetazione ed un indice idrico.


Il cliente avrà a disposizione un elaborato grafico ed uno tabellare. Il primo permette la visualizzazione della mappa satellitare con tre diverse gamme di colori per ogni indice.


I dati ottenuti vengono elaborati dal team di Elaisian che fornirà, come documento finale, un report descrittivo con le indicazioni relative agli interventi da eseguire. Il report e le immagini permettono una miglior comprensione del dato fornito in formato tabellare.



Indici di vegetazione ed idrico
Figura 4. Indici di vegetazione e indice idrico


Elaisian all’interno della WebApp fornisce altri due servizi utili al supporto decisionale: il servizio di previsione meteo a 5 giorni, in aggiornamento continuo grazie alla registrazione dei dati meteo ogni mezz’ora, ed un servizio di comunicazione, da parte del cliente, degli interventi eseguiti in campo. Questi ultimi risultano funzionali all’aggiornamento delle notifiche inviate, permettendo, ad esempio, l’eliminazione di trattamenti inutili.


Concludendo, le soluzioni proposte permettono un contenimento dei trattamenti, grazie ai modelli previsionali, e ad un apporto controllato di concimazioni e volumi irrigui, riducendo i costi aziendali, aumentando il benessere ed il tempo a disposizione da parte degli agricoltori e riducendo infine costi generali ed impatti ambientali.

Scopri il video su questo tema del Dott. Fiorentino e tutti i video su questo tema nel nostro canale Youtube.



Fonti: 1) J.W. Jones, Decision support systems – An organizational perspective, 1980 2) Zhaoyu Zhai et al., Decision support systems for agriculture 4.0: Survey and challenges, 2020

3) Zhaoyu Zhai et al., Decision support systems for agriculture 4.0: Survey and challenges, 2020 4) Osservatorio Smart AgriFod: il Digitale è Servito, PoliMI, RISE, 2019

183 visualizzazioni0 commenti

Post recenti

Mostra tutti