Prove sul campo di nuova generazione: sfruttare l’analisi agricola

I “big data” sono diventati un colosso nella tecnologia e nella vita di tutti i giorni. È un termine così comune che una rapida ricerca su Google restituisce 7.300.000.000 di risultati. I big data si riferiscono a set di dati estremamente grandi che richiedono un’architettura di livello superiore per essere gestiti.

Controllo robot agricolo – foto illustrativa. Credito immagine: ThisisEngineering RAEng tramite Unsplash, licenza gratuita

I big data sono un dato di fatto in molti modi, influenzando il modo in cui ci connettiamo con gli altri sui social media, il modo in cui musica e video sono adattati a noi su Internet e persino il modo in cui la polizia è di stanza per tenerci al sicuro. I big data hanno anche applicazioni future, fornendo informazioni all’apprendimento automatico e all’intelligenza artificiale.

C’è un esempio dell’uso dei big data che potrebbe non essere al primo posto, ma tocca la vita quotidiana di ogni persona sul pianeta: l’agricoltura! Set di dati grandi e complessi vengono utilizzati nel settore agricolo per migliorare il processo decisionale durante la stagione di crescita. I big data vengono utilizzati per prendere decisioni chiave che influenzano la resa, come quando e quanto fertilizzante applicare, quali varietà di un raccolto piantare e anche quando il momento ideale è raccogliere un raccolto.

Il potere dei big data in agricoltura diventerà solo più incisivo poiché la necessità di produrre più cibo su meno terra è guidata da una popolazione in aumento. Si prevede che la popolazione mondiale raggiungerà quasi 10 miliardi di persone entro il 2050, il che significa che ci saranno più bocche da sfamare sulla stessa – o meno – terra arabile. La sicurezza alimentare globale è in bilico.

Per affrontare questa sfida critica, la FAO stima che produzione alimentare complessiva dovrà aumentare del 70%. Raggiungere questo obiettivo senza terra aggiuntiva e risorse naturali limitate potrebbe sembrare impossibile. Ma big data analytics in agricoltura è un modo per contribuire ad aumentare i raccolti e la redditività per gli agricoltori, proteggendo al tempo stesso l’ambiente e assicurando il futuro.

Dalle decisioni a livello di campo a quelle a livello di azienda agricola, le intuizioni dell’analisi dei big data hanno un grande potenziale per fare la differenza.

Mietitrice al lavoro in un campo agricolo – foto illustrativa. Credito immagine: Luke Thornton tramite Unsplash, licenza gratuita

Analisi dei big data in agricoltura

Gli agricoltori utilizzano da tempo i dati per prendere decisioni. Ma solo di recente, negli ultimi 200 anni, la scala ha consentito agli agricoltori di andare oltre le decisioni stagionali per prendere decisioni multistagionali e per l’intera azienda agricola. Strumenti, risorse e competenze in agricoltura hanno reso l’uso dei dati in azienda ancora più efficiente.

Al di fuori dell’azienda agricola, l’industria agricola ha utilizzato i dati per guidare l’innovazione. L’industria ha anche beneficiato dell’aumento esponenziale della scala dei dati. In tutto il settore agricolo, le applicazioni di big data possono prendere forma in molti modi, ma quasi ogni aspetto dell’agricoltura è oggi toccato dalla tecnologia e dalla scienza dei dati.

La creazione di insight dai big data richiede set di dati di grandi dimensioni, sistemi sufficientemente potenti per elaborarli e la capacità di estrarre questi preziosi insight. I big data possono essere distinti dalle 4 V: volume, velocità, varietà e veridicità.

• Volume: C’è un enorme volume di dati disponibili in agricoltura, e questo continua a crescere. Gli agricoltori raccolgono dati in continuazione; ciò può avvenire manualmente, tramite applicazioni su dispositivi mobili. Oppure, i dati possono essere raccolti automaticamente attraverso macchine dotate di sensori che comunicano con i server su Internet. Questo crea l’Internet delle cose. Immagina le dimensioni di un set di dati che include informazioni sub-acro raccolte da più passaggi sulla stessa terra ogni anno – per decenni!
• Veridicità: La qualità dei dati è fondamentale per consentire approfondimenti significativi da set di dati di grandi dimensioni. Senza dati ad alta precisione, l’affidabilità e il valore per il significato scientifico sono minimi. La veridicità include i processi utilizzati per ripulire i dati dalle irregolarità.
• Velocità: Proprio come sembra, la velocità riguarda la velocità. In particolare, la velocità con cui i dati possono essere raccolti, ordinati, elaborati e archiviati, che ora è quasi in tempo reale. La velocità è solo aumentata nel corso degli anni, sebbene i dati possano essere raccolti a velocità diverse, e si presta ad essere molto utile per le valutazioni sul campo. Per gli agricoltori, questo significa ottenere feedback critici mentre c’è tempo per prendere decisioni critiche, o ottenere una scorecard in tempo reale delle prestazioni del raccolto mentre raccolgono un campo.
• Varietà: Esistono molti tipi diversi di asset di dati e i diversi tipi continuano a crescere. I tipi di dati possono includere dati provenienti da sensori, database strutturati, flussi video e registri, ad esempio. In agricoltura, è normale che i dati vengano raccolti in più modi sulla stessa terra. Ad esempio, un coltivatore potrebbe utilizzare i droni per una visione d’insieme e aerea dell’emergenza del raccolto o della malattia. Ma per i dettagli, i sensori nel terreno o sui macchinari possono mostrare il fabbisogno di fertilizzanti o la saturazione del suolo. E gli input di dati potrebbero essere registrati manualmente per le tendenze meteorologiche o economiche.

Alcuni considerano altri fattori nella definizione di big data. Volatilitào il ritmo con cui i dati cambiano o hanno una vita utilizzabile, può determinare le esigenze di archiviazione dei dati. Visualizzazione si riferisce alla trasmissione di informazioni dai modelli di dati attraverso immagini, grafici o infografiche. E valore riguarda in realtà gli obiettivi dell’analisi. In agricoltura, il valore deriva da intuizioni a breve termine che supportano il processo decisionale in linea con obiettivi a lungo termine come la sostenibilità o la redditività.

I set di dati di grandi dimensioni possono essere combinati da più flussi di dati o creati in modo indipendente. La standardizzazione dei set di dati garantisce che ogni punto dati sia formattato in modo simile, sia coerente con ciò che viene misurato e abbia etichette adeguate.

Questa standardizzazione è fondamentale per consentire l’analisi. In combinazione con le 4 V menzionate sopra, la standardizzazione è ciò che dà valore ai big data. Senza di esso, i dati sono isolati e limitati. Concentrarsi su processi efficienti e semplificati per la generazione e la gestione dei set di dati attraverso procedure operative standard è un buon investimento ora e in futuro. Le migliori pratiche messe in atto prima della generazione dei dati possono far risparmiare un sacco di tempo nella standardizzazione lungo la strada.

Il vasto potenziale dei big data in agricoltura

A seconda dell’area di interesse, i professionisti del settore possono utilizzare i big data per varie valutazioni. Che si tratti di agronomia o economia, risorse naturali o scienze alimentari, i big data possono supportare una comprensione più profonda del settore e come migliorare la produttività.

L’analisi dei big data consente alle persone di tutto il settore di identificare risultati significativi che forniscono decisioni agricole informate. Maggiore è la qualità dei dati, più potenti sono i risultati, perché aumenta la fiducia nella probabilità di un vero effetto.

La collaborazione in tutto il settore sfrutta ulteriormente questa opportunità. I dati standardizzati possono essere condivisi una volta raccolti e più persone possono eseguire analisi e valutazioni, anche per scopi diversi. I big data in agricoltura supportano l’innovazione e il processo decisionale presso le aziende produttrici di fattori di produzione e di alimenti e bevande, nonché per gli agricoltori e i ricercatori.

• Società di input per l’agricoltura: I big data e le prove agronomiche sul campo vengono utilizzati per valutare l’efficacia, la sicurezza e la commerciabilità dei nuovi prodotti. Per le aziende che producono sementi, fertilizzanti, protezione delle colture e macchinari, le prove agronomiche sul campo ei dati che generano supportano l’innovazione e la commercializzazione.
• Aziende di alimenti e bevande: Per queste aziende, la qualità e la resa sono al primo posto. Attraverso la pianificazione dei nutrienti delle colture e lavorando con i coltivatori e i big data, vogliono garantire che le loro materie prime – le colture – siano prodotte in modo sostenibile fornendo la qualità prevista.
• Esperimenti in azienda: Gli agricoltori utilizzano l’analisi dei big data per l’agricoltura per massimizzare la produttività e aumentare la sostenibilità della produzione. Questo garantisce il loro futuro.
• Ricercatori in università, ONG e centri di ricerca governativi: Le prove agronomiche sul campo sono uno strumento utilizzato dai ricercatori per testare ipotesi e sperimentare opzioni di soluzione. Questo lavoro affronta le sfide che gli agricoltori devono affrontare in tutto il mondo e vicino a casa.

Le domande di ricerca e gli esperimenti per questi gruppi di stakeholder si concentrano su una varietà di argomenti. Uno potrebbe cercare informazioni sulle varietà di colture resistenti alle malattie e un altro potrebbe cercare di comprendere l’impatto del posizionamento dei nutrienti sulla resa delle colture. Rispondere a queste domande di ricerca richiede grandi quantità di dati per analisi statistiche.

Ma c’è un gruppo in particolare che riesce a collegare direttamente i dati al processo decisionale, e sono gli agricoltori che fanno esperimenti in azienda. Approfondiamo gli esperimenti in fattoria.

Big data ed esperimenti in azienda

I big data svolgono un ruolo in molti settori dell’agricoltura. Un posto in cui i dati si collegano direttamente con il processo decisionale per il futuro è dentro prove agronomiche in campo. Questa sperimentazione comporta il collaudo di pratiche, prodotti e attrezzature in scenari reali per comprenderne l’efficacia in quel sistema di coltivazione. Per valutare efficacemente una prova agronomica in campo, è necessario raccogliere dati.

Nel processo di sperimentazione in azienda, gli agricoltori possono raccogliere dati su crescita delle colture, condizioni meteorologiche, topografia, pressione di malattie e parassiti, umidità del suolo e altro ancora. Questi dati possono essere inseriti in modelli statistici o in machine learning. L’analisi dei big data aiuta a prendere decisioni sulle migliori pratiche per il futuro, per migliorare il rendimento o ridurre al minimo i rischi. L’analisi dei dati fornisce la pagella definitiva per la sperimentazione sul prodotto, pratica o attrezzatura.

Raccogliere, gestire e analizzare i dati delle prove agronomiche in campo non è facile per ricercatori o professionisti; non è sicuramente semplice per gli agricoltori, che stanno cercando di gestire un’impresa e le operazioni agricole quotidiane. Ma il valore della sperimentazione in azienda si ricollega ai dati raccolti. È qui che i sistemi di gestione dei processi possono aiutare.

A livello di azienda agricola, il software che collega agricoltori e agronomi con strumenti di gestione e analisi dei dati può cambiare le regole del gioco. Le piattaforme di gestione delle prove possono aiutare a standardizzare i dati, completare l’analisi statistica e persino collaborare con altri. Questi strumenti rendono l’analisi dei big data accessibile a chiunque lavori in agricoltura.

Collettivamente, gli esperimenti in azienda possono essere migliorati attraverso l’uso di big data insieme a tecnologie e soluzioni di prossima generazione. Gli esperimenti in azienda e le prove sul campo di nuova generazione manterranno gli aspetti più efficaci dei processi storici delle prove sul campo, ma sfrutteranno i dati e le tecnologie all’avanguardia per migliorare il processo decisionale e, in ultima analisi, aumentare la produttività.

Gli esperimenti in azienda possono diventare ancora più potenti, collaborativi ed efficaci attraverso soluzioni di nuova generazione basate sul cloud che sfruttano un approccio basato sui dati e consigli guidati dall’intelligenza artificiale. Queste prove andranno più lontano che mai per garantire un futuro sostenibile.

Con la necessità di maggiori rese nei prossimi anni, è essenziale che gli agricoltori sfruttino l’analisi dei big data per aumentare la produttività anno dopo anno. È una sfida farlo mentre si coltiva in modo sostenibile e si rimane redditizi. L’analisi dei big data aiuta a tradurre i dati delle prove agronomiche sul campo in informazioni utili che posizionano gli agricoltori, l’agricoltura e il mondo per un futuro sano.

Bio dell’autore

Ron Barucci è il presidente e amministratore delegato di Agmatix. Con oltre 20 anni di esperienza nel campo della tecnologia, Ron ha portato questa esperienza nel settore agricolo. Appassionato di utilizzare i dati per risolvere problemi complessi, ha utilizzato la sua esperienza nella tecnologia con Agmatix per migliorare la resa e la qualità delle colture limitando l’impatto ambientale.