IT201900009735A1 - Sistema per l’ottimizzazione dell’uso dell’acqua nell’irrigazione sulla base del calcolo predittivo del potenziale idrico del terreno - Google Patents

Description

Sistema per l’ottimizzazione dell’uso dell’acqua nell’irrigazione sulla base del calcolo predittivo del potenziale idrico del terreno

La presente invenzione riguarda un sistema per l’ottimizzazione dell’uso dell’acqua nell’irrigazione sulla base del calcolo predittivo del potenziale idrico del terreno.

Stato della tecnica

I dati della FAO mostrano che il 70% dell’uso di acqua, a livello mondiale, è destinato all’irrigazione, con picchi fino al 90% nei Paesi in via di sviluppo, e sempre la FAO stima che il 65% circa dell’acqua usata per l’irrigazione sia sprecata.

E’ chiaro quindi che qualsiasi azione volta ad ottenere un risparmio significativo della risorsa idrica (per aumentare le superfici coltivabili, per averne maggiore disponibilità per usi civili o industriali, per poter coltivare colture più redditizie ma che necessitano di più acqua, ecc.) deve agire sulle tecnologie di controllo dell’irrigazione, dove i margini di recupero della risorsa idrica sono enormemente maggiori rispetto a qualsiasi altro settore.

Attualmente i turni di irrigazione e le quantità di acqua da erogare vengono definiti ad inizio stagione, sulla base degli andamenti climatici stagionali stimati in relazione alla media delle ultime stagioni, ma il fenomeno sempre più pervasivo di cambiamento climatico rende queste previsioni altamente inattendibili. Il risultato è che vengono impiegate quantità standard di acqua, normalmente e prudenzialmente in ampio eccesso, che addirittura vengono aumentate se la stagione si presenta più siccitosa del previsto.

Questo trend viene ora mitigato dalle nuove applicazioni di tipo IoT (Internet of Things) di molte startup a livello nazionale ed internazionale, soprattutto basate in USA ed Israele. Queste aziende vanno a misurare la quantità di acqua disponibile nei terreni, definiscono le soglie di stress idrico delle specifiche colture, e quando il livello di acqua disponibile si avvicina troppo alle soglie decidono (o consigliano) di irrigare, con la quantità standard di acqua preimpostata. Le più avanzate controllano le previsioni meteo, e se è prevista a breve una precipitazione significativa ritardano l’irrigazione.

Le soluzioni AgriTech più diffuse in tema di Smart Irrigation, spesso rivolte più alla clientela “dilettante” degli orti, dei giardini e dei terrazzi casalinghi che a quella professionale delle aziende agricole, costituiscono risposte efficaci, ma solo in una certa misura, perché determinano esclusivamente il momento esatto in cui irrigare sulla base delle condizioni reali ed attuali della disponibilità di acqua per la coltura, senza una “visione” del trend climatico futuro in grado di consentire l’elaborazione di una strategia di ottimizzazione nel tempo.

Rimane quindi la necessità di evolvere queste tecnologie per ottenere i seguenti risultati.

Anzitutto, si vogliono evitare tutte le approssimazioni e le stime contenute nella formule agronomiche classiche. Queste infatti sono state definite in periodi e contesti in cui era pressoché impossibile ottenere misurazioni esatte e continue di valori come il bilancio idrico di un terreno, e sopperiscono a queste mancanze con la (preziosa ma indiretta e pertanto approssimativa) esperienza degli agronomi e degli agricoltori.

In secondo luogo, si sente la necessità di definire un “modello di comportamento idrico” di ogni singolo terreno e coltura senza applicare formule generali, ma apprendendolo direttamente dai dati rilevati dai sensori del suolo e costruendo un modello specifico per ogni terreno, anzi aggiornandolo frequentemente (in media settimanalmente) per seguire l’andamento delle fasi fenologiche della coltura e cogliere “in diretta” gli effetti del cambiamento climatico.

In terzo luogo, un risultato desiderato è quello dello sviluppo di un motore predittivo in grado di prevedere il comportamento idrico dei terreni nei prossimi 5 giorni (il periodo in cui le previsioni meteo sono significativamente attendibili). Gli interventi irrigui infatti possono essere realmente ottimizzati solo se si prende in considerazione un andamento almeno di medio termine, all’interno del quale definire la migliore strategia di intervento. Limitarsi a constatare che “ora serve irrigare” senza sapere con esattezza come si comporterà quel terreno con quella coltura in quella fase fenologica, non consente una pianificazione preventiva degli interventi (con il rischio che un incidente dell’ultimo minuto, come la rottura di un impianto, metta in pericolo la coltura), né la definizione di una appropriata “strategia irrigua” (ad esempio se la pioggia è prevista non domani ma fra tre giorni, e la coltura comunque deve essere irrigata ora, l’intervento può prevedere un reintegro limitato di acqua, in attesa di verificare se poi la pioggia cadrà davvero nella quantità e nei tempi previsti).

Un quarto risultato desiderato è quello di fornire una indicazione irrigua che, sulla base dei tempi e dei modi con cui quello specifico terreno e coltura andranno ad utilizzare l’acqua, determini di volta in volta la corretta quantità da utilizzare, per evitare ogni possibile spreco, portando il terreno alla “capacità di campo” (il livello ottimale di disponibilità di acqua per la coltura) ma senza arrivare alla sua saturazione, perché tutta l’acqua eccedente il livello di capacità di campo non sarebbe comunque disponibile per la coltura e verrebbe pertanto sprecata, come purtroppo quasi sempre accade con i metodi tradizionali.

Infine, un risultato necessario è quello di permettere l’accesso alle tecnologie innovative di Agricoltura 4.0 anche alle piccole e medie aziende agricole, intervenendo già in fase di progettazione con una soluzione che eviti tutti i possibili costi aggiuntivi per gli agricoltori, come ad esempio l’analisi chimica dei suoli (ogni carotaggio con relativa analisi chimica ha costi ingenti, ne andrebbe fatto uno per ogni campo, e non è realistico pensare che questi vengano effettuati) o l’adozione di stazioni meteo locali complete di anemometro (cosa che raddoppia il costo della stazione meteo e consuma molta energia elettrica, rendendo necessario un allacciamento alla rete elettrica o l’utilizzo di batterie molto più costose).

Scopo e oggetto dell’invenzione

Scopo della presente invenzione è quello di fornire un metodo e sistema che, in tutto o in parte, risolva i problemi della tecnica anteriore e raggiunga, tra gli altri, i risultati sopra elencati.

E’ oggetto della presente invenzione un metodo ed un sistema secondo le allegate rivendicazioni.

Descrizione dettagliata di esempi di realizzazione dell’invenzione

Lista delle figure

L’invenzione verrà ora descritta a titolo illustrativo ma non limitativo, con particolare riferimento ai disegni delle figure allegate, in cui:

- la figura 1 mostra uno schema di una forma di realizzazione della presente invenzione;

- la figura 2 mostra uno schema di flusso logico della produzione e del trattamento delle informazioni, in una forma di realizzazione della presente invenzione;

- la figura 3 mostra un esempio della struttura dei

dati meteo così come forniti dai provider di

previsioni meteo;

- la figura 4 mostra un esempio di tabella agronomica

secondo la tecnica nota;

- la figura 5 mostra un grafico con l’andamento del

bilancio idrico di una coltura di asparago,

ottenuto tramite una forma di realizzazione del

metodo secondo l’invenzione; e

- la figura 6 mostra un grafico relativo a variazioni

di SWP durante tre soli giorni, selezionati, per

coerenza, all'interno della finestra temporale

della Figura 5: sono i giorni in cui a fronte delle

leggere piogge iniziate il 25 maggio pomeriggio i

due sensori SWP mostrano il comportamento idrico di

"risposta" del terreno.

Si specifica qui che elementi di forme di

realizzazione differenti possono essere combinati

insieme per fornire ulteriori forme di realizzazione

senza limiti rispettando il concetto tecnico

dell’invenzione, come il tecnico medio del ramo intende

senza problemi da quanto descritto.

La presente descrizione inoltre fa riferimento alla

tecnica nota per la sua implementazione, riguardo alle

caratteristiche di dettaglio non descritte, come ad

esempio elementi di minore importanza usualmente

utilizzati nella tecnica nota in soluzioni dello stesso

tipo.

Quando si introduce un elemento si intende sempre che

può essere “almeno uno” o “uno o più”.

Quando si elenca una lista di elementi o di caratteristiche in questa descrizione si intende che il trovato secondo l’invenzione “comprende” oppure alternativamente “è composto di” tali elementi.

Per “area” si intende, tra l’altro, una porzione di superficie terrestre.

Per “area predefinita” si intende un’area che è stata identificata o definita prima dello svolgimento del metodo secondo la presente descrizione.

Per “algoritmo esperto” si intende un qualsiasi algoritmo in grado di essere allenato attraverso dati di allenamento, ad esempio ma non esclusivamente algoritmi di intelligenza artificiale quali quelli delle reti neurali.

Forme di realizzazione

L’invenzione concerne un sistema di ottimizzazione dell’uso dell’acqua nell’irrigazione sulla base del calcolo predittivo del potenziale idrico del terreno, in particolare nei prossimi 5 giorni. Si tratta quindi, in generale di un servizio web/cloud di ottimizzazione predittiva dell’uso dell’acqua nell’irrigazione professionale. E’ rivolto principalmente alle aziende agricole, ma in generale a chiunque debba irrigare ampie superfici (es. campi sportivi e da golf, spazi verdi urbani, ville, ecc.), e raggiunge gli obiettivi sopra elencati rispetto allo stato della tecnica.

A tal fine, si è adottato un sistema di rilevazione dei dati dal campo, prevedendo l’uso di una stazione meteo locale (una per azienda agricola, tranne eccezioni di terreni molto distanti fra loro o situati ad esempio su versanti diversi di una collina) e di un dispositivo di rilevazione dei dati del suolo per ogni “area” (una “area” corrisponde ad un campo con terreno sufficientemente omogeneo e con la stessa coltura, definizione applicabile facilmente dal tecnico medio del ramo).

Utilizzando solo queste caratteristiche, si otterrebbe l’andamento della disponibilità di acqua nel terreno, ma sulla base di “quello che è successo”, e “quello che sta succedendo ora”, mentre il presente metodo vuole andare a determinare, con la massima precisione possibile, “quello che sta per succedere”, affrontando con le tecnologie di Intelligenza Artificiale il problema della proiezione nel futuro di dati complessi, che sono la somma di molti diversi fattori.

A tal fine, è vantaggioso scegliere una tipologia di sensori che non rilevano direttamente la quantità di acqua presente nel suolo (i sensori di tipo capacitivo, che restituiscono informazioni poco utili se non correlate con quella della tessitura del terreno) ma un indice denominato SWP – Soil Water Potential, o Potenziale Idrico del Suolo, che mostra il livello di “sforzo” che deve fare la coltura per utilizzare l’acqua disponibile, e che è quasi totalmente indipendente dal tipo di terreno. Lo SWP come indice è in sé noto, ed è definito come “la quantità di lavoro che una quantità infinitesima di unità di acqua in equilibrio è in grado di fare quando si muove (in modo isotermico e reversibile) in una pozza d'acqua con simili standard (di riferimento), cioè pressione, elevazione, temperatura e composizione chimica simili”. Va sottolineato che esistono definizioni alternative del potenziale idrico del suolo usando concetti di potenziale chimico o energia libera specifica dell'acqua delle specie chimiche. La presente invenzione funziona con ciascuna di queste definizioni.

I sensori in grado di rilevare lo SWP normalmente hanno un range di misurazione da 0 a 200 cbar/kPa. Nella letteratura scientifica sono riportati sia il valore che indica la soglia di “capacità di campo” (definibile ad esempio come “il livello ottimale che permette alla coltura di fare il minimo sforzo per utilizzare l’acqua disponibile”), fra i 10 ed i 30 cbar (o kPa), sia i valori per cui le diverse colture, a seconda della fase fenologica, si avvicinano alla soglia dello “stress idrico”, definita come la soglia di contenuto d’acqua rispetto al quale la coltura deve fare uno sforzo eccessivo per l’utilizzo dell’acqua disponibile e quindi è necessario intervenire con l’irrigazione.

Il dato che arriva dai sensori è comunque una “fotografia” di quello che succede in campo, fa vedere in un solo valore gli effetti della somma di tutti i fattori che influiscono nel bilancio idrico dei suoli: pioggia, irrigazioni, infiltrazione, ruscellazione superficiale e profonda, evapotraspirazione, evaporazione superficiale, apporto di falde, tessitura del terreno, ecc.

Uno risultato base del sistema della presente invenzione è quello di irrigare quando i dati dei sensori indicano una eccessiva prossimità alla soglia dello stress idrico. A tal fine è sufficiente stabilire un margine di tolleranza per avere il tempo di intervenire. Uno risultato più alto dell’invenzione è quello di prevedere con giorni di anticipo quando questa soglia sarà approssimata, per definire una strategia irrigua che ottimizzi l’uso dell’acqua ed i costi di irrigazione. In questo caso il dato dei sensori può essere analizzato, scomposto e proiettato nel futuro.

La metodologia descritta dalla presente invenzione per arrivare ad effettuare delle previsioni del comportamento idrico del terreno va innanzitutto a definire la “finestra temporale” delle previsioni.

Un fattore fondamentale per la determinazione del comportamento idrico del terreno è la condizione climatica cui sarà esposto il terreno e la coltura, ottenibile tramite la lettura delle previsioni meteo, il più possibile inerenti la località precisa in cui è situato il terreno.

Tutti i provider di previsioni meteo oggi si assestano su una durata di 5 giorni, in cui le previsioni vengono dichiarate attendibili con percentuali che variano dall’80/90% (il primo giorno) fino al 40/50% (il quinto giorno). Molti provider recentemente si spingono a pubblicare previsioni fino a 15 giorni, ma per ora l’attendibilità dei dati dal 6° al 15° giorno è troppo bassa per poterla considerare (si va dal 10% al 30%).

Per ora, quindi, il sistema della presente invenzione acquisisce le previsioni meteo attendibili, quelle a 5 giorni, rinunciando ad elaborare predizioni basate su dati di scarsa o nulla attendibilità, come quelle dal 6° al 15° giorno o, peggio ancora, quelli derivati dalla proiezione dei dati delle serie storiche del meteo degli anni precedenti. Il metodo ed il sistema secondo l’invenzione sono però pronti per esser utilizzati anche con un intervallo di predizione di lunghezza qualsiasi.

Per ottenere la migliore geolocalizzazione delle previsioni meteo, il sistema dell’invenzione inserisce nella richiesta al servizio meteo web/cloud le coordinate (Latitudine e Longitudine) del terreno, calcolate nel momento in cui l’utente effettua le operazioni di configurazione iniziale del suo account.

In un esempio di realizzazione effettuato sul campo, la struttura dei dati che il sistema dell’invenzione ottiene dai servizi meteo è una stringa di dati (temperatura, umidità, pressione, pioggia, neve, velocità e direzione del vento, ecc.) ad intervalli regolari di tre ore, per la durata di 5 giorni, per un totale di 40 stringhe di dati (8 al giorno per 5 giorni).

La figura 1 riassume schematicamente una forma di realizzazione del sistema 100 di irrigazione ottimizzata dell’invenzione secondo quanto sopra. In particolare sono mostrati, nell’ordine: il modulo di configurazione iniziale 101 in cui vengono definiti i principali dati di riferimento, come la geolocalizzazione e l’estensione dei terreni, la coltura applicata, la data di semina, il sistema di irrigazione, la tabella con le regole agronomiche relative alla coltura; il modulo 102 che comprende i dispositivi sensoristici 110,190 configurati ed atti a rilevare i dati atmosferici e del suolo 111: stazione meteo e sensori del suolo; il modulo 103 che include una connessione ad una rete di telecomunicazione per ottenere previsioni meteo; il modulo 104 che possiede una strategia irrigua pianificata dal modulo 105 nella previsione precedente; un modulo 105 di apprendimento ed elaborazione predizioni che processa tutte le o parte delle informazioni sopra elencate e fornisce una nuova predizione sul comportamento irriguo del terreno e della coltura in un periodo di tempo futuro (ad esempio 5 giorni), verificando a fronte di tale predizione aggiornata la congruità della strategia irrigua già definita ed eventualmente intervenendo in sua modifica.

Sulla base di questa attività predittiva, si azionano attraverso attuatori appositi, oppure manualmente da persone 140, degli irrigatori 130 del sistema di irrigazione della coltura 120.

Nella figura 2 è mostrato uno schema di flusso logico 200 della produzione e del trattamento delle informazioni, secondo un aspetto della presente invenzione. I dati in entrata sono suddivisi in tre categorie: dati strutturali 220, che comprende le informazioni che definiscono il contesto di applicazione (una o più nell’insieme che comprende non esclusivamente: geolocalizzazione, estensione dei terreni, coltura applicata, data di semina, tipologia e caratteristiche del sistema di irrigazione, tabella con le regole agronomiche relative alla coltura); dati di evento 210 che comprendono le informazioni in tempo reale che mostrano il comportamento dell’ecosistema sotto controllo (una o più nell’insieme che comprende non esclusivamente: dati ambientali e del suolo dai dispositivi sensoristici, eventuali modifiche dell’utente a piani di irrigazione o a durate delle fasi fenologiche); previsioni 230 che raccolgono le previsioni meteo geolocalizzate.

Tutte queste informazioni vengono utilizzate per il “data pre-processing, flow control and scheduling” 240, che verifica la congruità di tali dati rispetto ai valori previsti nell’ultima predizione (eventualmente raffinandone il controllo tramite la funzione di “data quality control” 270) ed attiva, quando necessario, le funzioni AI 250 che includono “predictions generation” 256 (se deve essere aggiornata la predizione dei prossimi 5 giorni) e “models generation” 255 (se deve essere rielaborato il modello-base di comportamento idrico del terreno e della coltura). I risultati di entrambe queste funzioni vengono poi verificati dalla funzione di “data quality control” 270, che li predispone per il passaggio finale al modulo “decisions and actions strategy” 280, dove vengono determinati tempi di irrigazione, quantità di acqua (in generale fluido di irrigazione, ad esempio una miscela di acqua ed altri elementi) da erogare, eventuali notifiche ed alert da comunicare all’utente ed all’operatore di assistenza. Questo ultimo set di informazioni diventa quindi il quadro di riferimento, nella funzione di “data pre-processing, flow control and scheduling” 240, per l’analisi di congruenza dei

successivi dati in entrata.

Nella figura 3 si può vedere un esempio della

struttura dei dati meteo. Il blocco di informazioni

evidenziato in verde viene ripetuto 40 volte, ogni volta

con il set di previsioni delle 3 ore successive, fino a

completamento delle previsione per i prossimi 5 giorni.

Anche se la previsione meteo, e la conseguente

predizione del comportamento idrico del terreno, dura 5

giorni, il sistema dell’invenzione ogni giorno (o altro

intervallo temporale predefinito)legge le previsioni

meteo aggiornate, ed elabora nuovamente la predizione,

modificando ove necessario il consiglio irriguo per

l’utente.

Per determinare il comportamento idrico del terreno

nei prossimi 5 giorni, secondo un aspetto

dell’invenzione si procede con le seguenti fasi.

Acquisizione dati

Secondo un aspetto dell’invenzione, il sistema è

fornito del seguente hardware nell’area predeterminata

area oggetto della determinazione dell’irrigazione

ottima:

- almeno due sensori di potenziale idrico installati ad

almeno due rispettive profondità nel suolo;

- un impianto di irrigazione avente una predeterminata

portata di fluido di irrigazione;

- una centralina meteo installata nell’area

predeterminata, con sensori di dati ambientali

includenti: un sensore di temperatura, un sensore di umidità e un sensore di pioggia;

- una connessione con una centrale remota di previsioni meteo.

Il sistema inoltre possiede o può avere accesso a dati di configurazione che includono: posizione ed estensione di detta predeterminata area (anche denominata “terreno” nel gergo), tipologia di detto impianto di irrigazione e detta portata di fluido di irrigazione, tipologia di detta coltura, data di relativa semina; almeno una tabella agronomica includente fasi fenologiche della coltura, durata delle fasi fenologiche, nonché, per ogni fase fenologica: profondità radicali medie della coltura, soglia di stress idrico, e indicazione del sensore il cui dato di potenziale idrico del suolo è da confrontare con la soglia di stress idrico.

Aggiuntivamente, secondo un aspetto della presente invenzione, i dati di configurazione includono dati di sistema di irrigazione quali aspersione e goccia.

La tabella agronomica può essere modificabile dall’utente, anche sulla base dei risultati dell’ottimizzazione secondo la presente invenzione.

Il sistema comprende un numero minimo di due sensori di potenziale idrico perché secondo l’invenzione è importante determinare il comportamento rispetto all’apparato radicale superiore ed inferiore della coltura. Sebbene il concetto di apparato radicale inferiore e superiore esista già in letteratura, (a seconda del periodo ne prevale uno piuttosto che l’altro rispetto all’uso dell’acqua da parte della pianta), il suo utilizzo nell’ambito di un sistema di ottimizzazione dinamica e auto-apprendente di irrigazione non è noto

all’Inventore.

Inoltre nella tecnica nota i sensori usualmente

utilizzati per misurare le proprietà delle due zone

dell’apparato radicale sono sensori capacitivi che

rilevano quanta acqua c’è alla relativa profondità e

non lo sforzo che la pianta sta facendo. Invece, secondo

l’invenzione, i sensori sono specifici per la misura del

potenziale idrico del suolo (SWP). I due rispettivi dati

sono preferibilmente utilizzati sempre ma in diverse

proporzioni a seconda del periodo dell’anno.

Utilizzando questo hardware, il metodo della

presente invenzione comprende una serie di acquisizioni

ripetute con un primo periodo di acquisizione che può

essere ad esempio di due settimane con campionamento

ogni ora:

- acquisire il potenziale idrico del suolo da detti

almeno due rispettivi sensori;

- acquisire dati ambientali da detti sensori

ambientali nella centralina meteo; e

- acquisire dati di previsioni meteo da detta

centrale remota e geolocalizzati nella posizione

della centralina meteo;

Le acquisizioni sono memorizzate su server remoto (non

mostrato nelle figure) di elaborazione di istruzioni

irrigue, come serie temporali di dati. Per le previsioni

meteo, ad ogni acquisizione vengono memorizzate le

previsioni per i giorni successive. Preferibilmente,

tutte le acquisizioni vengono confermate per un

controllo degli scarti previsionali del modello secondo l’invenzione.

Ove presenti, potranno essere acquisite le informazioni circa le irrigazioni di tutto il periodo di vita della coltura, da quando è stato configurato il terreno, inserita la coltura e posizionati i sensori.

Le previsioni meteo di per sé sono utilizzate anche nella tecnica anteriore, ma in modo statico, senza un aggiornamento costante e un utilizzo insieme agli altri parametri di cui sopra.

Secondo un aspetto della presente invenzione, nella tabella agronomica possono essere compresi dati concernenti la tipologia di terreno, quali l’indicazione se il terreno è argilloso, sabbioso, ecc. Questi dati possono essere usati, grazie all’algoritmo esperto di cui nel seguito, dal metodo dell’invenzione per diminuire i tempi inziali delle serie storiche. Se l'informazione viene inserita, le predizioni arriveranno alla soglia di precisione del 99% in tempi più brevi (fra le due e le tre settimane da quando i sensori iniziano le rilevazioni), altrimenti il tempo si allunga leggermente (circa un mese), senza conseguenze per tutto il resto della vita della coltura.

Pre-processing

Nella fase di pre-processamento i dati dei sensori vengono contestualizzati nel corretto momento della fase fenologica della coltura attraverso l’applicazione di una tabella agronomica relazionata alle fasi fenologiche trascorse dalla coltura in campo per il calcolo delle evapotraspirazioni giornaliere passate. In proposito, si veda in Figura 4 un esempio di tabella agronomica relativa alla Soia. Nella tabella vengono riportate una serie di informazioni che comprendono una o più dei seguenti parametri principali di sviluppo della coltura: la tipologia (annuale, pluriennale, perenne, ecc.), il tipo di ciclo (perenne, tardivo, ecc.), le varie fasi fenologiche con le informazioni connesse (descrizione, Coefficiente Colturale o Kc, durata del ciclo e suo periodo di riferimento, SWT – Soil Water Treshold ovvero la soglia di stress idrico, espressa in Kpa – KiloPascal, oltre la quale la coltura rischia di andare in stress idrico, la profondità radicale media nella fase, l’indicazione di qual è il sensore-guida per il controllo della soglia nella specifica fase fenologica), le profondità in cui posizionare i sensori di rilevazione dei dati del suolo, la temperatura ottimale del suolo per la semina e la profondità di semina.

Generazione del modello

Il comportamento idrico del terreno può dipendere da molteplici fattori di natura fisica, geologica, biologica e chimica, tra i quali:

• posizione geografica;

• morfologia e composizione del terreno;

• condizioni climatiche (influenzate da cambiamenti climatici e possibile presenza di microclimi);

• tipo di coltura;

• fase fenologica attuale della coltura.

Per rispondere all’estrema variabilità dei suddetti fattori si è palesata la consapevolezza di dover creare uno specifico modello per ogni terreno e di dover ricorrere ad un approccio data-driven.

A tal fine, è stato scelto di utilizzare un algoritmo esperto, ottenendo risultati importanti.

Tuttavia, alcuni algoritmi esperti sono risultati più adeguati di altri all’applicazione specifica. Ad esempio, gli algoritmi come quelli di deep-learning sono particolarmente esposti a fenomeni come overfitting e underfitting e necessitano di un’ampia scelta di iperparametri (sono i parametri, in un modello di apprendimento automatico, che non vengono determinati attraverso la procedura di apprendimento o trainingphase; esempi di iper-parametri utilizzati nell’invenzione sono il numero di giorni precedenti di cui considerare la pioggia come input, o se utilizzare come input l'ET0 - evapotraspirazione potenziale o di riferimento - oppure l'ETc - evapotraspirazione effettiva o colturale) e di una conseguente intensa attività di cross-validation, difficilmente automatizzabile, per selezionare adeguatamente tali parametri in modo da evitare i suddetti fenomeni. C’è inoltre il problema di ottenere risultati adeguati agli obiettivi nel più breve tempo possibile dal momento in cui si iniziano a collezionare i dati provenienti dal relativo campo, avendo perciò a disposizione un ridotto data-set con cui affrontare la fase di apprendimento del modello. A seguito di questi vincoli, si è deciso di focalizzare l’attenzione verso modelli meno “profondi”, optando specificamente per le “Random Forest”, modelli di machine learning, per le seguenti motivazioni: - sono particolarmente resistenti al fenomeno

dell’overfitting;

- raggiungono un elevata accuratezza anche con un

ridotto training-set;

- la scarsità di iper-parametri da regolare consente

un’ottima adattabilità a differenti training-sets.

Secondo l’invenzione, tuttavia, è possibile

utilizzare anche altre tecniche, in funzione della loro

evoluzione nonché dell’evoluzione della velocità dei

computer. In generale, si può utilizzare un qualsiasi

algoritmo esperto.

Utilizzando i dati pre-processati di cui sopra,

tramite un approccio di apprendimento automatico viene

generato un modello rappresentate il comportamento

idrico del suolo. Tale rappresentazione si concretizza

ad esempio attraverso un ensemble di regressori di tipo

Random Forest (come detto sopra, la tecnologia di

Intelligenza Artificiale più adeguata per dataset di

ridotte dimensioni; l’utilizzo di modelli di deep

learning è sempre possibile, ma meno efficace finché il

popolamento di dati del dataset non copre periodi di

molti mesi, ad esempio per colture di tipo pluriennale),

organizzato come una sequenza di gruppi di regressori:

un gruppo per ogni istante di tempo futuro per cui

predire i valori di potenziale idrico, ognuno dei quali

costituito da tanti regressori quanti sono i sensori nel

terreno. Ognuno di questi regressori prende come input

le seguenti quantità:

- gli ultimi valori acquisiti del potenziale idrico del

suolo SWP disponibili (una serie per ogni sensore ad una differente profondità, ad esempio negli ultimi 7 giorni);

- la quantità d’acqua piovana sommata a quella irrigua delle ultime ventiquattro ore e delle ventiquattro precedenti, o di altri intervalli temporali predefiniti;

- la quantità d’acqua piovana prevista dai servizi meteorologici per ogni intervallo di tempo corrispondente ai precedenti sistemi di regressori (indicativamente ogni intervallo può essere di tre ore, specularmente agli intervalli con i quali i provider forniscono le previsioni meteo);

- il consumo idrico della coltura previsto attraverso i valori di evapotraspirazione colturale giornaliera calcolata, a partire dal momento in cui viene avviata la predizione, tramite l’applicazione delle equazioni di Penman-Monteith (il riferimento scientifico ufficiale della FAO, vedi http://www.fao.org/3/X0490E/x0490e06.htm) che utilizza il dato di temperatura e i dati di vento, o di Hargreaves (vedi ad es. http://onlinecalc.sdsu.edu/onlinehargreaves.pdf) che utilizza il solo dato di temperatura.

A proposito dell’equazione di Penman-Monteith, i dati di velocità e direzione del vento sono presi dalla centralina meteo. L’uso di questi dati e dell’equazione di Penman-Monteith non è obbligatorio, perché l’invenzione possiede apposite funzionalità per evitare che l'utente sia costretto ad acquistare una centralina meteo con anemometro, molto più costosa e che necessita di una alimentazione aggiuntiva (di rete o con batteria e pannello solare più robusti). Tuttavia, se l'utente acquista anche l'anemometro, la precisione delle predizioni dell’invenzione può migliorare ulteriormente di qualche decimo di punto percentuale.

Si riporta di seguito un esempio di calcolo dell’evapotraspirazione effettuato sulla base degli stessi dati di input, a cui sono state applicate le due formule. Si nota la differenza di alcuni decimi nei valori di evapotraspirazione calcolati.

CALCOLO EVAPOTRASPIRAZIONE

Data: 17/06/2019

Località: Villasor, (CA) Italia

INPUTS Penman- Hargreaves eq.

Monteith

eq.

Temperatura media: 20.56 (C°)

Temperatura massima: 26.34 (C°)

Temperatura minima: 15.5 (C°)

Umidità dell’aria: 70.63 (%)

Umidità massima: 89 (%) 4.43 4.96 Umidità minima: 44 (%)

Pressione dell’aria: 101.52 (kPA)

Velocità del vento: 1.84 (m/s)

Generazione della predizione

Secondo un aspetto dell’invenzione, il sistema legge i dati attuali dei sensori del suolo, i dati della stazione meteo, i dati delle previsioni meteo e quelli delle irrigazioni, esegue la fase di pre-processamento ed applica i risultati al modello generato (vedi precedente paragrafo Generazione del modello); viene così determinata la curva previsionale del comportamento idrico del terreno nei prossimi 5 giorni (o altro intervallo di tempo predefinito), ad intervalli di 3 ore (o altro intervallo di campionamento predefinito), che tiene conto delle previsioni meteo e del modello idrico del terreno in presenza di quella determinata coltura.

A titolo di esempio, si riporta di seguito la tabella predizioni prodotta dal sistema alle ore 17.00 del 23/04/2019. Con SWP1 ed SWP2 ci si riferisce ai dati (di predizione e successivamente anche di quelli reali) di Soil Water Potential relativi ai 2 sensori in campo, posizionati in questo caso (coltura di asparago) rispettivamente a 30 e ad 80 cm di profondità. Le profondità a cui posizionare i sensori variano per ogni coltura, e sono indicate nelle Tabelle agronomiche disegnate per l’invenzione (si veda ad esempio in Figura 4 le profondità a cui posizionare i sensori per la coltura di Soia).

Di seguito poi la tabella con i risultati di confronto, dopo 5 giorni, tra predizioni e valori reali registrati dai sensori.

Lo “scoring” del modello

Secondo un aspetto dell’invenzione, per gestire e automatizzare il susseguirsi delle fasi di apprendimento di un medesimo modello, in modo da renderlo sempre aggiornato e ottenere la maggior accuratezza possibile, si è definito un processo di scoring automatico del modello. Lo “score”, indica quanto il modello sia accurato: un modello con un punteggio più alto risulterà meno accurato rispetto ad uno con un punteggio più basso. Ad esempio, tale processo valuta periodicamente l’accuratezza delle predizioni prodotte dal modello successivamente all’ultima fase di apprendimento, quindi non incluse nel set di dati utilizzati per l’apprendimento, aggiornandone il corrispettivo score. Tale score è costituito dalla media dell’errore assoluto (MAE) delle predizioni rispetto ai dati rilevati dai sensori nel suolo: viene cioè calcolata la media delle differenze, prese in valore assoluto, tra i valori delle quantità risultanti dall’applicazione del modello predittivo e quelli poi effettivamente misurati dai sensori nel terreno; l’aggiornamento dello score avviene giornalmente utilizzando i valori misurati dai sensori nel suolo nelle ultime 24 ore (o altro intervallo di tempo predefinito) e ricalcolando la media con l’apporto delle differenze assolute tra tali valori e i corrispondenti valori predetti. Ogni altro metodo di scoring può essere applicato nell’ambito della presente invenzione.

Grazie a ciò, ogni qual volta lo score di un modello supera una certa soglia, tale modello può essere riallenato utilizzando un training-set aggiornato con tutti gli esempi presenti nel database fino quel momento.

Di seguito un esempio del calcolo del MAE, applicato sui risultati della tabella descritta nel precedente paragrafo “Generazione della predizione” con i risultati del confronto, dopo 5 giorni, tra predizioni e valori reali registrati dai sensori:

Poiché lo scopo è quello di ottenere un errore di meno dell’1%, la tabella qui sopra conferma che il modello è sufficientemente preciso e quindi può essere usato (o continuare ad essere usato) per le previsioni e quindi per l’irrigazione.

Le istruzioni irrigue

Secondo un aspetto dell’invenzione, una volta effettuata la predizione di cui sopra, viene verificata la prossimità dei valori previsti di SWP del sensoreguida (il sensore che funge da guida è definito nelle Tabelle agronomiche, vedi l’esempio della Soia nella Figura 4). Per ogni fase fenologica connessa alla profondità radicale, la coltura si nutre principalmente con una parte dell’apparato radicale, per cui un diverso sensore di profondità diventa l’indicatore delle potenziali criticità) rispetto alla soglia di stress idrico indicata per quella fase fenologica dalle nostre tabelle agronomiche. I sensori possono essere due o più.

Se i dati di predizione non indicano il raggiungimento di questa prossimità, il messaggio è “tutto OK, nessuna irrigazione necessaria nei prossimi 5 giorni”, altrimenti si va a determinare il momento in cui l’irrigazione si rende necessaria e la quantità di acqua da “restituire” (acqua da somministrare al terreno), definita in Mcubi/HA.

La determinazione del momento in cui irrigare viene effettuata considerando una soglia di avvicinamento al valore dello stress idrico fra il 5% ed il 10%, ed, opzionalmente, un’anticipazione di almeno 12 ore per permettere all’operatore di fronteggiare eventuali inconvenienti (es. indisponibilità dell’operatore stesso, guasto meccanico ad un impianto o ad un mezzo agricolo, ecc.).

La definizione della quantità di acqua da erogare viene invece determinata sulla base del modello di comportamento idrico costruito per la predizione (vedi paragrafo “Generazione del modello”), perché considera la specifica reattività di quel terreno con quella coltura in quella fase fenologica, con l’obiettivo di riportare il valore di SWP nel range 10-30 di “capacità di campo” ed evitare sia sprechi di acqua che sofferenza della coltura. In questo calcolo incide anche la tipologia dell’impianto di irrigazione, dichiarata dall’utente in relazione alla “zona” trattata, perché ogni tipologia di impianto (ad es. aspersione, pivot, micro-irrigazione, ecc.) ha un diverso rendimento in relazione all’acqua erogata.

Nel momento in cui un’irrigazione programmata viene eseguita ed in seguito confermata (dall’utente e/o dai dati dei sensori nel suolo), viene rielaborata una nuova predizione che integra il dato dell’avvenuta irrigazione, così da avere predizioni allineate con quest’ultimo intervento irriguo.

Con questa metodologia, tutti i calcoli e le istruzioni irrigue (che l’utente può decidere di eseguire manualmente oppure di farle eseguire in automatico, installando un attuatore per l’azionamento a distanza della pompa) derivano direttamente dai valori rilevati in campo, ed ogni modello di comportamento idrico è specifico per la combinazione terreno / geolocalizzazione / coltura / fase fenologica /condizioni ambientali (sia passate che previsionali), e costituisce una sorta di “impronta digitale” della coltura. Tale modello viene rinnovato periodicamente, ad esempio a cadenza settimanale, per seguire le evoluzioni climatiche e fenologiche, mentre le predizioni vengono rinnovate quotidianamente, per considerare sempre le previsioni meteo più aggiornate.

L’utente ha inoltre, opzionalmente, la possibilità di personalizzare ulteriormente il trattamento della propria coltura, tramite alcune funzionalità messe a disposizione dall’invenzione.

Secondo un aspetto dell’invenzione, in fase di configurazione delle “zone”, una volta determinata la coltura da trattare e la sua data di semina o trapianto, il sistema effettua una copia della tabella agronomica della coltura, che d’ora in poi sarà di esclusivo impiego di quella “zona”.

Le funzionalità di personalizzazione del sistema, descritte di seguito, vanno ad incidere su quella copia, che manterrà traccia degli interventi dell’utente per quella “zona” negli ambiti sotto descritti, e che rimane poi come patrimonio informativo dell’utente.

Infatti, secondo un aspetto dell’invenzione, l’utente può intervenire con le seguenti azioni, individualmente o insieme in vario modo.

Anzitutto, vi è la possibilità di modifica delle date di passaggio da una fase fenologica alla successiva. Se ad esempio la fioritura del mais è prevista dopo 6 settimane dalla semina, ma l’utente si rende conto che le condizioni ambientali piuttosto che la vigoria dei semi utilizzati hanno determinato un anticipo di qualche giorno, può modificare questa data di passaggio. In questo caso, il sistema effettua un ricalcolo del modello, per adeguarlo alle mutate condizioni e per fornire una nuova predizione più puntuale.

In secondo luogo, vi è la possibilità di modificare l’agenda delle irrigazioni. Il sistema, quando viene consigliata un’irrigazione, inserisce l’informazione di data e quantità di acqua da erogare nella cosiddetta “Agenda delle irrigazioni”. Se l’utente non interviene in modifica sull’applicazione, si assume che seguirà il consiglio irriguo. In questo caso, il sistema, nelle ore immediatamente successive alla data consigliata di irrigazione, verifica che l’andamento dei valori di SWP siano congruenti con l’aspettativa, confermando poi a posteriori l’irrigazione o inviando un allarme all’utente in caso di valori incongrui. L’utente può però intervenire in diversi modi: modificando la data prevista dell’irrigazione, modificando la quantità di acqua, cancellando completamente l’irrigazione, oppure inserendo un turno di irrigazione anche se non era previsto (può succedere, per molti motivi, perché l’irrigazione viene utilizzata anche per scopi diversi dal nutrimento della coltura, ad esempio nella coltura degli asparagi nella fase di raccolta viene spesso erogata una leggera irrigazione per ammorbidire la parte superficiale del terreno allo scopo di facilitare lo spuntare dei turioni). Ogni modifica dell’agenda delle irrigazioni può comportare un ricalcolo delle predizioni, in modo che l’utente possa considerare gli effetti previsti del suo intervento.

In terzo luogo, si possono modificare i valori di soglia dello stress idrico. Se un utente vuole adottare una modalità più “prudente” di irrigazione, può abbassare i livelli previsti per il raggiungimento dello stress idrico per la sua coltura (o per alcune sue fasi fenologiche). In questo modo succederà più frequentemente che i valori di SWP rilevati dai sensori del suolo si approssimino a questa soglia (per un esempio di soglia di stress idrico si veda la Figura 5), e quindi verrà pianificato un maggior numero di interventi irrigui. Questa funzionalità può anche servire, al contrario, per diminuire il numero di turni irrigui, alzando il valore della soglia dello stress idrico. Questa è una modalità utilizzata soprattutto per colture come la vite, che in alcuni periodi devono affrontare un limitato stress idrico per bilanciare il contenuto di zuccheri e di conseguenza pilotare alcune qualità del vino. Alzando artificialmente la soglia dello stress idrico in questi periodi si ottiene l’effetto di forzare questo stress idrico, nella quantità e nella durata definita dall’utente. Ogni modifica dei valori di soglia dello stress idrico comporta vantaggiosamente un ricalcolo delle predizioni, in modo che l’utente possa considerare gli effetti previsti del suo intervento.

A tale proposito, in Figura 5 è mostrato un grafico con l’andamento del bilancio idrico di una coltura, compresa la parte previsionale. Si tratta di una coltura di asparago in campo aperto, nella fase di accrescimento e fioritura della durata di circa 3 mesi. La coltura è stata realizzata a Villasor in Italia su terreno argilloso utilizzando un sistema di micro-irrigazione. L’altitudine è 28m e l’estensione della coltura è di 1 ha.

In particolare, nel grafico si può notare la linea verticale che mostra data ed orario in cui viene effettuata la rilevazione (visibile in testa alla linea verticale, con la dicitura “Oggi 29 maggio 201911:05”). Tutti i dati alla sinistra di quella linea sono reali, rilevati dai sensori del suolo e dalla centralina meteo, mentre quelli alla sua destra sono previsionali, in parte provenienti dai provider meteo (le linee con il quadratino e con il triangolino che indicano la pioggia e la temperatura prevista), ed in parte dall’elaborazione predittiva dell’invenzione (le linee con le stelline e senza simbolo indicano i valori del comportamento idrico del suolo nei prossimi giorni). Si noti che nell’esempio, alla data del 6 maggio 2019, si ha un passaggio della specifica coltura dalla fase fenologica “Trapianto-Raccolta” a quella di “Accrescimento e fioritura”. Questo passaggio di fase fenologica corrisponde anche ad un diverso livello della soglia di stress idrico della coltura, che passa da un valore di 80 Kpa a 70 Kpa, come mostrato dalla linea orizzontale identificata da pallini pieni. Per completare la lettura del grafico si possono notare le due linee con la stellina e senza simbolo, che riportano rispettivamente i valori di SWP del sensore posizionato a 30 cm di profondità e di quello posto ad 80 cm di profondità. In entrambe le fasi fenologiche visibili in questo grafico il sensore-guida (quello a cui si fa riferimento per la fase fenologica attuale) è quello posto ad 80 cm di profondità (linea continua senza simbolo), con valori molto più stabili dell’altro perché il terreno a quella profondità risente molto meno dei cambiamenti climatici. Nessuna delle due linee dei dati dei sensori si avvicina significativamente a quella verde chiaro che indica il valore di soglia dello stress idrico, per cui al momento della rilevazione non si prevede sia necessario un intervento irriguo.

Secondo un ulteriore aspetto del metodo dell’invenzione, l’algoritmo esperto può essere configurato per fornire ulteriormente in output il tempo di infiltrazione, ovvero il tempo di assorbimento dell’acqua da parte del terreno dal momento di un evento irriguo fino a che la relativa acqua assorbita non raggiunge la profondità corrispondente al sensore. Tale intervallo temporale è ottenuto tramite un’interpolazione dei dati SWP acquisiti dai relativi sensori, e viene identificato con il tempo con cui il valore di potenziale idrico del suolo uguaglia o supera la soglia di stress idrico. In questo caso è conveniente riferirsi al dato SWP proveniente dal sensore guida.

In riferimento alla Fig. 6, sono riportati nel grafico tre soli giorni, selezionati, per coerenza, all'interno della finestra temporale della Figura 5. Sono i giorni in cui a fronte delle leggere piogge iniziate il 25 maggio pomeriggio i due sensori SWP mostrano il comportamento idrico di "risposta" del terreno.

In particolare si nota che il sensore superficiale (30 cm, evidenziato dalla linea con simbolo stellato) è naturalmente il primo a reagire, e già nella tarda mattinata del 26 maggio i valori di SWP si posizionano a zero, cioè al livello di saturazione di campo. Non è facile in questo caso "vedere" i tempi di risposta del sensore superficiale, perché la pioggia si è distribuita in varie ore, mentre è evidente la differenza dei tempi di assorbimento dell'acqua fra i due sensori.

Il sensore più profondo (che nel caso in esame è il sensore-guida) è posizionato ad una profondità di 80 cm, per cui l'acqua della pioggia si deve infiltrare di ulteriori 50 cm per raggiungerlo dopo aver raggiunto il sensore superficiale.

Come si può notare, la risalita dei valori di SWP del

sensore-guida (linea continua) inizia poco prima della

mezzanotte del 26 maggio, circa 14 ore dopo la risalita

dei valori del sensore superficiale. Rispetto all'evento

della pioggia, il tempo di assorbimento del terreno fino

al sensore-guida ad 80 cm è dato quindi dalla somma del

tempo di assorbimento del sensore superficiale a 30 cm

+ 14 ore.

Questa ulteriore caratteristica risolve un ulteriore

problema tecnico, ovvero rende non necessario avere,

nell’ambito di sistemi per il controllo irriguo che non

fanno parte della presente invenzione, dei dispositivi

di misura degli eventi irrigui avvenuti.

Infine, si può calcolare la quantità di liquido di

irrigazione da erogare per arrivare al livello di

capacità di campo restando al di sopra del potenziale

idrico del suolo nullo.

Al livello dei controlli possibili quando il metodo

secondo l’invenzione è ripetuto più volte e si suppone

che al sistema di irrigazione vengano dati comandi

corrispondenti, è possibile quanto segue. In una fase di

controllo, se:

- è disponibile un piano di irrigazione precedente

calcolato attraverso le fasi del presente metodo; - almeno uno degli scarti tra dette almeno due

rispettive serie di valori predetti di potenziale

idrico del suolo e detti due rispettivi valori di

potenziale idrico acquisiti supera in diminuzione una

predeterminata soglia; e

- non è stato rilevato, dal sensore di pioggia, un evento di pioggia in corrispondenza del superamento in diminuzione;

allora:

- viene determinata l’occorrenza di un evento di irrigazione non previsto da detto piano di irrigazione precedente;

- si procede alla determinazione del quantitativo di acqua erogato, come segue:

� vengono individuate le date di inizio di rispettive variazioni di detti due rispettivi valori di potenziale idrico acquisiti, oltre una soglia di controllo predefinita, in un opportuno intervallo di tempo predeterminato,

� per ognuna delle suddette date di inizio, viene generato un insieme casuale di ipotetiche irrigazioni in un intervallo temporale predefinito antecedente la data di inizio della variazione di potenziale idrico;

� per ciascuna irrigazione in detto insieme casuale di possibili irrigazioni, viene effettuata una predizione con l’algoritmo esperto allenato, utilizzando l’ultimo algoritmo esperto allenato disponibile, fornendo in input all’algoritmo esperto allenato l’irrigazione, ottenendo un insieme di predizioni;

� viene selezionata una predizione, in detto insieme di predizioni, tale che: (a) abbia una distanza con detti due rispettivi valori di potenziale idrico acquisiti nel presente utilizzo del metodo al di sotto di un valore predefinito; e (b) meglio approssima detti due rispettivi valori di potenziale idrico ultimi acquisiti, minimizzando detti scarti.

Secondo un aspetto dell’invenzione, nella fase di controllo, successivamente ad un evento irriguo, viene verificato che detti due rispettivi valori di potenziale idrico corrispondono a quelli delle ultime istruzioni irrigue create dal metodo, e, in caso negativo, viene ripianificato l’evento irriguo a/o viene segnalata una anomalia. La segnalazione può arrivare all’utente controllore del sistema irriguo o al sistema irriguo stesso che compenserà in modo automatico o avvertirà l’utente.

Queste procedure di controllo evitano l’utilizzo di specifico hardware di controllo di compliance rispetto alle istruzioni irrigue.

Vantaggi dell’invenzione

Tra i vantaggi del metodo e del sistema della presente invenzione si ha:

- evitamento di tutte le approssimazioni e le stime contenute nella formule agronomiche classiche; - definizione un “modello di comportamento idrico” di ogni singolo terreno e coltura senza applicare formule generali, ma apprendendolo direttamente dai dati rilevati dai sensori del suolo e costruendo un modello specifico per ogni terreno, anzi aggiornandolo frequentemente (in media settimanalmente) per seguire l’andamento delle fasi fenologiche della coltura e cogliere “in diretta” gli effetti del cambiamento climatico; - sviluppo di un motore predittivo in grado di prevedere il comportamento idrico dei terreni nei prossimi 5 giorni (il periodo in cui le previsioni meteo sono significativamente attendibili);

- risparmio di acqua nell'irrigazione evitando ogni possibile spreco, portando il terreno alla “capacità di campo” (il livello ottimale di disponibilità di acqua per la coltura) ma senza arrivare alla sua saturazione; e

- riduzione o eliminazione di tutti i possibili costi aggiuntivi per gli agricoltori, come ad esempio l’analisi chimica dei suoli (ogni carotaggio con relativa analisi chimica ha costi ingenti, ne andrebbe fatto uno per ogni campo, e non è realistico pensare che questi vengano effettuati) o l’adozione di stazioni meteo locali complete di anemometro (cosa che raddoppia il costo della stazione meteo e consuma molta energia elettrica, rendendo necessario un allacciamento alla rete elettrica o l’utilizzo di batterie molto più costose).

In quel che precede sono state descritte le preferite forme di realizzazione e sono state suggerite delle varianti della presente invenzione, ma è da intendersi che gli esperti del ramo potranno apportare modificazioni e cambiamenti senza con ciò uscire dal relativo ambito di protezione, come definito dalle rivendicazioni allegate.

Claims (11)

1. RIVENDICAZIONI 1) Metodo per l’ottimizzazione dell’irrigazione del suolo in una predeterminata area in cui vi è una coltura, comprendente l’esecuzione delle seguenti fasi: A. fornire: A1. almeno due sensori di potenziale idrico installati in detta predeterminata area ad almeno due rispettive profondità; A2. una centralina meteo installata in detta predeterminata area, con sensori di dati ambientali includenti: un sensore di temperatura, un sensore di umidità e un sensore di pioggia; A3. una connessione con una centrale remota di previsioni meteo; A4. una centrale remota di elaborazione di istruzioni irrigue connessa a detta centralina meteo e a detti almeno due sensori; A5. dati di configurazione che includono: posizione ed estensione di detta predeterminata area, tipologia di detto impianto di irrigazione e detta portata di fluido di irrigazione, tipologia di detta coltura, data di relativa semina; almeno una tabella agronomica includente informazioni su una o più fasi fenologiche della coltura, nonché, per ogni fase fenologica: profondità radicali medie della coltura, soglia di stress idrico, e indicazione del sensore della fase A1, denominato “sensore guida”, il cui dato di potenziale idrico del suolo è da confrontare con la soglia di stress idrico; B. effettuare le seguenti fasi di acquisizione dati con un primo periodo di ripetizione, memorizzandoli su detta centrale remota di elaborazione come serie temporali e associati ad una relativa fase fenologica sulla base di detta almeno una tabella agronomica: B1. acquisire due rispettivi valori di potenziale idrico del suolo da detti almeno due rispettivi sensori; B2. Acquisire dati ambientali da detti sensori ambientali nella centralina meteo; e B3. Acquisire dati di previsioni meteo da detta centrale remota e geolocalizzati nella posizione della centralina meteo; C. Calcolare l’evapotraspirazione su un predeterminato periodo futuro di predizione, con un secondo periodo di ripetizione maggiore o uguale a detto primo periodo di ripetizione, della serie temporale di temperature acquisita nella fase B2 e la relativa fase fenologica; D. Allenare su detta centrale remota di elaborazione, con un terzo periodo di ripetizione, un algoritmo esperto fornendo come input dette serie temporali di dati memorizzati nella fase B, la relativa fase fenologica, e l’evapotraspirazione della fase C, ottenendo come output almeno due rispettive serie di valori di potenziale idrico del suolo a dette almeno dette due rispettive profondità su detto predeterminato periodo futuro di predizione, ottenendo infine una algoritmo esperto allenato; E. Produrre, con un terzo periodo di ripetizione, tramite detto algoritmo esperto allenato, almeno due rispettive serie di valori predittivi di potenziale idrico del suolo su detto predeterminato periodo futuro di predizione; e F. Creare, con detto terzo periodo di ripetizione, un piano di irrigazione sulla base di dette almeno due rispettive serie di valori predittivi della fase E, sulla base di detta soglia di stress idrico della fase A6, e sulla base della portata di un impianto di irrigazione in detta predeterminata area.
2. 2) Metodo secondo la rivendicazione 1, in cui la fase C è effettuata sulla base della serie temporale di temperatura e di una serie temporale di dati di vento, in cui la serie temporale di dati di vento è acquisita da un sensore di vento incluso in detti sensori di dati ambientali vento e/o da detta centrale remota di previsioni meteo.
3. 3) Metodo secondo la rivendicazione 1 e/o 2, in cui, prima della fase E, viene effettuata una fase di controllo delle predizioni delle fasi C e D, in cui se almeno uno degli scarti tra dette almeno due rispettive serie di valori predetti di potenziale idrico del suolo e detti dati della fase B1 supera una predeterminata soglia, si ripetono le fasi C e D.
4. 4) Metodo secondo la rivendicazione 3, in cui, in detta fase di controllo, se: - è disponibile un piano di irrigazione precedente calcolato attraverso le fasi da A ad F; - almeno uno degli scarti tra dette almeno due rispettive serie di valori predetti di potenziale idrico del suolo e detti due rispettivi valori di potenziale idrico acquisiti nella fase B1 supera in diminuzione una predeterminata soglia; e - non è stato rilevato, da detto sensore di pioggia, un evento di pioggia in corrispondenza del superamento in diminuzione; allora: - viene determinata l’occorrenza di un evento di irrigazione non previsto da detto piano di irrigazione precedente; - si procede alla determinazione del quantitativo di acqua erogato, come segue: � Vengono individuate le date di inizio di rispettive variazioni di detti due rispettivi valori di potenziale idrico della fase B1, oltre una soglia di controllo predefinita, in un opportuno intervallo di tempo predeterminato, � per ognuna delle suddette date di inizio, viene generato un insieme casuale di ipotetiche irrigazioni in un intervallo temporale predefinito antecedente la data di inizio della variazione di potenziale idrico; � per ciascuna irrigazione in detto insieme casuale di possibili irrigazioni, viene effettuata una predizione secondo la fase E, utilizzando l’ultimo algoritmo esperto allenato disponibile, fornendo in input all’algoritmo esperto allenato l’irrigazione, ottenendo un insieme di predizioni; � viene selezionata una predizione, in detto insieme di predizioni, tale che: (a) abbia una distanza con detti due rispettivi valori di potenziale idrico acquisiti nella fase B1 al di sotto di un valore predefinito; e (b) meglio approssima detti due rispettivi valori di potenziale idrico acquisiti nella fase B1, minimizzando detti scarti.
5. 5) Metodo secondo la rivendicazione 3 o 4, in cui in detta fase di controllo, successivamente ad un evento irriguo viene verificato che detti due rispettivi valori di potenziale idrico corrispondono a quelli delle ultime istruzioni irrigue create nella fase F, e, in caso negativo, viene ripianificato l’evento irriguo a/o viene segnalata una anomalia.
6. 6) Metodo secondo una o più delle rivendicazioni precedenti, in cui detta almeno una tabella agronomica comprende una informazione sulla tessitura del terreno.
7. 7) Metodo secondo una o più delle rivendicazioni precedenti, in cui detto algoritmo esperto è configurato per fornire ulteriormente in output un intervallo temporale con cui il valore di potenziale idrico acquisito da detto sensore guida uguaglia o supera la soglia di stress idrico a partire dall’ultimo evento di pioggia o di irrigazione.
8. 8) Metodo secondo la rivendicazione 7, in cui nella fase F si calcola la quantità di liquido di irrigazione da erogare per arrivare al livello di capacità di campo restando al di sopra di un potenziale idrico del suolo nullo.
9. 9) Metodo secondo una o più delle rivendicazioni precedenti, in cui detto primo periodo di ripetizione è tra 1 e tre ore, detto secondo periodo di ripetizione è tra 12 e 36 ore, e detto terzo periodo di ripetizione è tra 1 e tre settimane.
10. 10) Metodo secondo una o più delle rivendicazioni precedenti, in cui detto fluido di irrigazione è sostanzialmente composto da acqua.
11. 11) Sistema per l’ottimizzazione dell’irrigazione del suolo in una predeterminata area in cui vi è una coltura, comprendente: - almeno due sensori di potenziale idrico installati ad almeno due rispettive profondità in detta area; - un impianto di irrigazione di detta predeterminata area avente una predeterminata portata di fluido di irrigazione; - una centralina meteo installata in detta predeterminata area, con sensori di dati ambientali includenti: un sensore di temperatura, un sensore di umidità e un sensore di pioggia; - una connessione con una centrale remota di previsioni meteo; - dati di configurazione che includono: posizione ed estensione di detta predeterminata area, tipologia di detto impianto di irrigazione e detta portata di fluido di irrigazione, tipologia di detta coltura, data di relativa semina; almeno una tabella agronomica includente fasi fenologiche della coltura, durata delle fasi fenologiche, nonché, per ogni fase fenologica: profondità radicali medie della coltura, soglia di stress idrico, e indicazione del sensore il cui dato di potenziale idrico del suolo è da confrontare con la soglia di stress idrico; - una centrale remota di elaborazione di istruzioni irrigue connessa a detta centralina meteo e a detti almeno due sensori; in cui in detta centrale remota di elaborazione di istruzioni irrigue sono installati mezzi a codice configurati per eseguire le fasi da B ad F del metodo secondo una o più delle rivendicazioni da 1 a 10.