PocketNNI, un'app per ridurre l'impatto ambientale dei seminativi

Ottimizzare l’impiego dei fattori della produzione fa bene sia al portafoglio che all’ambiente. Oltre a migliorare le performance economiche delle coltivazioni, l'agricoltura di precisione si rivela sempre più spesso una soluzione efficace per mitigare l'impatto ambientale delle produzioni agricole. In questo caso, della risicoltura

Un aspetto su cui la ricerca (e l’industria) hanno fatto grandi passi in avanti riguarda il supporto alla fertilizzazione e alla difesa della coltura tramite applicazioni smart, ovvero sistemi basati sull’integrazione di diverse tecnologie digitali. Relativamente alla concimazione, un approccio promettente per formulare diagnosi quantitative e spazialmente distribuite a rateo variabile dell’apporto azotato si basa sull'uso combinato di informazioni di telerilevamento e di qualche misurazione a terra guidata da satellite, per derivare mappe dell’indice dello stato nutrizionale di una coltura, ovvero l’NNI (Nitrogen Nutritional Index). Se i valori ricavati sono inferiori a uno, c’è uno stress della coltura; se viceversa l’NNI è maggiore dell’unità, si verifica il cosiddetto “consumo di lusso”.

 

L’app PocketNNI

Si tratta di un software per smartphone che, a partire da dati telerilevati, consente di supportare la concimazione azotata, applicata nell’occasione su riso. Il funzionamento dell’app si basa sul processamento delle più recenti mappe satellitari disponibili tramite Sentinel 2, dell’indice NDVI (Normalized Difference Vegetation Index) e dell’NDRE (Normalized Difference Red Edge). Queste mappe permettono l’individuazione di pochi punti (smart scouting) che siano però in grado di evidenziare in modo soddisfacente la variabilità all’interno dell’appezzamento, con l’obiettivo di stimare il contenuto di azoto (PNC, Plant Nitrogen Concentration, concentrazione di azoto nelle piante) e del LAI (Leaf Area Index, indice di area fogliare) della coltura dei punti individuati nel passaggio. Si definiscono poi le relazioni tra le misure di PNC ed i valori di NDRE nei pixel corrispondenti ai punti di misura, nonché le connessioni analoghe tra LAI e NDVI. Con successivi passaggi, si arriva infine alla definizione dell’NNI, come rapporto tra PNC e Ncrit (Critical Plant Nitrogen Concentration, concentrazione critica di azoto nelle piante). L’app PocketNNI si rivela particolarmente utile a fini diagnostici, per fornire direttamente l’NNI come output, integrando in modo completamente automatizzato misure a terra e immagini satellitari, senza la necessità di strumenti dedicati e senza dover esportare e analizzare i dati in ambienti esterni, in modo da svincolarsi dalla creazione di mappe di stato nutrizionale, con importanti vantaggi in termini di economicità e tempestività dell’analisi. Le informazioni fornite sono di facile interpretazione, per un fattivo superamento della maggior parte delle barriere che limitano l'adozione di tecniche di agricoltura di precisione in contesti prettamente operativi.

 

Le prove

Una delle prove sperimentali di validazione dell’app è stata svolta in un appezzamento di 2 ha coltivato a riso sito in provincia di Milano, secondo la pratica di sommersione, comunemente adottata nel distretto. Sono state applicate due diverse strategie di concimazione azotata con urea, ognuna su metà dell’appezzamento: la prima (denominata “Basic Scenario”, BS, scenario base) di tipo tradizionale, attuata senza differenziazione spaziale e secondo le esigenze colturali percepite dall'agricoltore; la seconda (“Alternative Scenario”, AS, scenario alternativo), con uso dell’app PocketNNI. I dati satellitari sono stati raggruppati in 5 classi, ovvero stress severo (NNI < 0,7), stress leggero (0,7 ≤ NNI < 0,9); neutro (0,9 ≤ NNI ≤ 1,1); consumo di lusso leggero (1,1 < NNI ≤ 1.3): (v) consumo di lusso marcato (NNI > 1.3) in modo da derivare una mappa di prescrizione, per suggerire la più corretta dose di azoto da distribuire nei diversi punti dell’appezzamento.

Nel dettaglio, la diagnosi in tempo reale dello stato nutrizionale dell'azoto con l’uso combinato di PocketNNI e dei dati satellitari ha permesso di catturare la variabilità spaziale dell'NNI, con la conseguente distribuzione a rateo variabile. A fronte di dosi medie applicate di urea molto simili, le rese sono risultate significativamente differenti, con aumento in risone di ben il 12,8% nello scenario alternativo. Ciò ha oltremodo protetto sia dallo stress da azoto (con potenziale diminuzione della resa) che il consumo di lusso (che comporta una maggior vulnerabilità ad allettamento e una tendenza ad infezioni fungine).

 

I benefici ambientali

Le performance ambientali delle due strategie di fertilizzazione sono state valutate attraverso il metodo del Life Cycle Assessment, che stima i potenziali impatti ambientali di un prodotto durante il suo intero ciclo di vita, considerando i numerosi effetti sull’ambiente, ovvero: impronta di carbonio o Climate change (CC), assottigliamento strato di ozono (OD), tossicità umana – effetti non cancerogeni (HT-noc), tossicità umana – effetti cancerogeni (HT-c), formazione di particolato (PM), formazione di smog fotochimico (POF), acidificazione (TA), eutrofizzazione terrestre (TE), eutrofizzazione acque dolci (FE), eutrofizzazione marina (ME), ecotossicità delle acque dolci (FEx), consumo di risorse minerali e fossili (MFRD).

I dati presentati sono riferiti a 1 t di risone all'umidità commerciale (14%), considerando tutte le fasi del ciclo produttivo, dalla lavorazione del terreno fino all’essiccazione del risone, escludendo quindi la lavorazione e il confezionamento del riso (fasi, peraltro, che non sono direttamente influenzate dalla concimazione). Le informazioni riguardo al consumo dei fattori produttivi (sementi, fitofarmaci, fertilizzanti, gasolio ed energia), nonché all’impiego di trattori e attrezzature, sono state rilevate tramite sopralluoghi di campo. Le emissioni di metano e quelle correlate alla fertilizzazione (ad esempio lisciviazione dei nitrati, volatilizzazione dell’ammoniaca) sono state stimate secondo i modelli proposti dell’IPCC (Intergovernmental Panel on Climate Change). Convenzionalmente, per ogni effetto sull’ambiente valutato lo scenario peggiore è posto pari al 100%, mentre l’altro è proporzionalmente scalato. Nella sperimentazione svolta, lo scenario alternativo della concimazione eseguita con il supporto dell'app PocketNNI mostra sempre un impatto più basso, con riduzioni che variano tra il 10% circa (per l’assottigliamento dello strato di ozono) fino al 13-14% per l’acidificazione, le eutrofizzazioni e il consumo di risorse minerali e fossili. Il miglioramento della sostenibilità ambientale è da attribuire sia alla maggiore resa che alla maggiore efficienza della concimazione azotata: infatti, l’utilizzo dell’app PocketNNI ha ottimizzato la quantità di N distribuito per chilogrammo di risone prodotto, riducendo, al tempo stesso, la quantità persa per lisciviazione e/o volatilizzazione.

Più in generale, la riduzione del consumo di concimi minerali comporta un doppio beneficio ambientale, poiché diminuisce la loro produzione (che è fortemente energivora) e al contempo riduce l’emissione di inquinanti come l’ammoniaca, i nitrati e, anche se in misura minore, di protossido di azoto. Dal punto di vista ambientale, i benefici riguardano quindi soprattutto la diminuzione dell’acidificazione e dell’eutrofizzazione.

Per ciò che concerne la sostenibilità economica, la soluzione illustrata presenta benefici sia diretti (maggiore produttività per unità di azoto distribuito) che indiretti (minore rischio di perdite dovute a patologie e allettamento), a fronte di un incremento di spesa trascurabile (5 euro/ha anno).

Sebbene la sperimentazione sia stata svolta per una sola campagna di coltivazione, i risultati raggiunti sono promettenti e confermano quanto ottenuto in indagini similari, dove il medesimo riferimento (l’NNI) era stato calcolato tramite strumentazione per la stima di PNC e LAI, con un’integrazione manuale in ambiente esterno di dati raccolti a terra e per mezzo di immagini satellitari. Un ulteriore fattore della coltivazione del riso in sommersione, che impatta sul riscaldamento globale, riguarda l’emissione di metano dovuta alla degradazione della sostanza organica in condizioni di anaerobiosi. In tema, sono in corso diversi progetti di ricerca (tra cui il “BESTsomRICE”), con l’obiettivo di valutare gestioni idriche alternative per la mitigazione del fenomeno, nella prospettiva di proficue sinergie con la fertilizzazione a rateo variabile basata su PocketNNI.