Gestione sostenibile del vigneto mediante Data Science e Big Data Management

Negli ultimi anni, la ricerca in ambito viticolo (Vitis vinifera L.) è stata notevolmente influenzata dalla necessità duplice di rispondere alla crescente domanda di prodotto ad elevati standard qualitativi e a mediare criticità derivanti dagli effetti del cambiamento climatico. Alla base della mediazione di tali fattori risulta fondamentale una ricalibrazione della gestione del vigneto, spostandosi da un approccio convenzionale che prevede una sua gestione come unità omogenea, verso uno che tenga in considerazione le sue discontinuità spaziali legate alle peculiarità pedoclimatiche e alle variabili biotiche, le quali, avendo riflessi eterogenei sul ciclo biologico della vite, determinano un uso non sempre razionale delle risorse. Emerge così l’esigenza di un rinnovamento dei sistemi di monitoraggio, che unisca il trasferimento tecnologico alle conoscenze scientifiche pregresse, verso usi mirati e calibrati sull'ambito viticolo, attraverso i quali poter attuare strategie previsionali che permettano la salvaguardia degli equilibri ecologici pur mantenendo inalterato il livello di produttività e qualità. Nello scenario della moderna viticoltura, il flusso di dati estratti dal campo proviene da fonti diverse tra loro. Si tratta di informazioni relative a diversi aspetti, che vanno dalla caratterizzazione della fisiologia delle piante, alla natura del contesto pedoclimatico fino a dati relativi alla gestione colturale: concimazione, irrigazione, potatura. Appare chiaro che, oltre a fornire grandi opportunità di indagine del sistema vigneto, questa abbondanza e diversificazione dei dati pone di fronte l’onere di dover gestire moli di dati spesso non strutturati che, pur avendo un grande valore intrinseco, richiedono di essere analizzate e sintetizzate affinché possano essere utilizzate in maniera proficua per la gestione agronomica del vigneto. Questi, infatti, se slegati dal contesto o se letti individualmente, danno spesso informazioni assai scarse, difficilmente leggibili, poco legate alla realtà applicativa e che in alcuni casi portano ad errori. Lo scopo dell’analisi di tali dati (chiamati non a caso Big Data) è quindi quello di individuare correlazioni, tendenze, pattern che si ripetono secondo schemi più o meno intuitivi, dinamiche di interdipendenza nascoste o comunque non facilmente identificabili, al fine di elaborare modelli simulativi costantemente aggiornati sulla base della biodiversità del panorama viticolo e dei contesti pedoclimatici, che consentano decisioni basate su dati più strettamente connessi alla realtà di campo anziché sulla semplice speculazione empirica o su serie storiche, con relativi vantaggi gestionali. Gli obiettivi della tesio sono stati quelli di: (i) sviluppare metodologie per l'acquisizione e l'analisi di immagini RGB dal contesto vigneto ed estrarre e analizzare i dati ad esse relativi per meglio comprendere le criticità, i vantaggi e le prospettive applicative di tale tecnologia; (ii) sviluppare modelli per la stima dello stato idrico della vite basati sull'analisi spazio-temporale di dati relativi al sistema pianta-suolo-atmosfera, per acquisire utili informazioni sulla gestione dell'irrigazione; (iii) applicare le metodologie e i modelli di simulazione sviluppati su casi studio reali per valutarne le prestazioni, confrontandoli con metodi esistenti, e analizzando la loro accuratezza nel fornire informazioni per la gestione sostenibile del vigneto.