“Smart Agriculture: la scienza del risparmio idrico”. Terza Missione: UNIBA 2030 "Intelligenza Artificiale e Sostenibilità"
Lo scorso 30 giugno Stroncature ha ospitato l’incontro “Smart Agriculture: la scienza del risparmio idrico”, realizzato nell’ambito delle attività di Terza Missione in collaborazione l’Università degli Studi di Bari Aldo Moro, nel quadro del progetto di Public Engagement “UNIBA 2030 – Intelligenza Artificiale e Sostenibilità”. Il progetto nasce da un piano editoriale costruito insieme ai quattro dipartimenti dell’Ateneo barese che partecipano al progetto (il Dipartimento di Informatica, il Dipartimento di Giurisprudenza, il Dipartimento di Ricerca e Innovazione Umanistica (DIRIUM) e il Dipartimento Jonico in Sistemi Giuridici ed Economici del Mediterraneo), con un obiettivo preciso: fare da ponte tra il mondo della ricerca e quello delle imprese, perché le innovazioni e le sperimentazioni nate nei laboratori possano atterrare nei settori produttivi e risolvere problemi concreti delle comunità. Nel corso del webinar, la prof.ssa Giovanna Castellano, il prof. Pasquale Giungato e il prof. Lucio Colizzi hanno discusso alcune applicazioni concrete dell’agricoltura di precisione: computer vision e drone vision per il monitoraggio delle colture e delle infestanti, sistemi IoT e modelli decisionali per ottimizzare irrigazione e fertilizzazione, valutazione di ciclo di vita per il riuso delle acque reflue industriali. Ne emerge un quadro in cui il risparmio idrico non viene trattato come obiettivo astratto, ma come problema tecnico affrontabile attraverso raccolta e analisi dei dati, automazione, modelli di supporto alle decisioni e valutazione dei trade-off ambientali.
La prof.ssa Giovanna Castellano (Dipartimento di Informatica) ha introdotto il ruolo della computer vision e della drone vision. Accanto ai sensori a terra, oggi si possono impiegare droni con telecamere multispettrali, capaci di acquisire immagini oltre la luce visibile — nell’infrarosso e nel vicino infrarosso — rilevando caratteristiche delle piante invisibili a occhio nudo. Su questa base è possibile guidare strategie di irrigazione più precise e affrontare problemi come il weed mapping, l’identificazione automatica delle erbe infestanti, tecnicamente un compito di segmentazione semantica che il laboratorio di Intelligenza Computazionale affronta con modelli Vision Transformer. Il limite ricorrente è la disponibilità di dati etichettati: acquisire immagini è facile, annotarle pixel per pixel no. Da qui il lavoro su data augmentation, diffusion model e informazioni di contesto. Castellano ha chiuso su una questione di fondo, il paradosso della Green AI: l’intelligenza artificiale può ridurre gli sprechi, ma addestrare modelli complessi consuma energia e, indirettamente, acqua — ragione per cui la ricerca punta oggi su modelli leggeri.
Il prof. Lucio Colizzi (Dipartimento di Informatica) ha presentato un approccio complementare, fondato su sensori nel campo, nodi IoT, attuatori e modelli decisionali, e con esso un cambio di paradigma. I sistemi tradizionali distribuiscono acqua e fertilizzanti a finestre temporali fisse — la stessa “ricetta” ogni giorno alla stessa ora — schema poco adatto a un essere vivente come la pianta, il cui metabolismo varia con le condizioni ambientali e fisiologiche. L’obiettivo è invece dare ciò che serve, dove serve, quando serve: non un tempo di irrigazione stabilito in anticipo, ma dati misurati nel terreno che indicano quando l’intervento è sufficiente. Il sistema legge macronutrienti, pH, conducibilità elettrica, temperatura e umidità, elabora tutto su un’architettura a microservizi e comanda elettrovalvole intelligenti; le decisioni, ha precisato Colizzi, non nascono da IA generativa ma da modelli di mathematical programming e constraint programming, scelta che garantisce affidabilità e spiegabilità là dove un errore può bruciare un raccolto. I risultati sperimentali, in contesti orticoli, viticoli, olivicoli e frutticoli del Sud Italia, indicano un risparmio medio del 50% dell’acqua e una riduzione dei fertilizzanti tra il 30% e il 67%, a parità di produzione, resi leggibili all’agricoltore attraverso un digital twin del campo.
Il prof. Pasquale Giungato (Dipartimento di Chimica) ha infine affrontato il riuso delle acque reflue industriali con la metodologia della Life Cycle Assessment, applicata a un impianto già funzionante presso un birrificio pugliese — dove ogni litro di birra può generare fino a dieci litri di effluenti. L’obiettivo è evitare che le acque trattate finiscano in mare e riutilizzarle per usi non potabili, confrontando lo scenario di recupero (filtrazione su quarzite e carboni attivi, ultrafiltrazione a membrane, disinfezione) con quello tradizionale del prelievo da falda e osmosi inversa. Il risultato è istruttivo proprio perché non è a senso unico: il sistema reclaimed azzera quasi del tutto l’impatto sulla risorsa idrica, ma sposta il peso su altre categorie ambientali, soprattutto la produzione delle membrane di ultrafiltrazione. È il trade-off che nessuno slogan racconta, e che solo una valutazione quantitativa sull’intero ciclo di vita rende visibile. Tre prospettive diverse — visione da drone, sensori e decisione in tempo reale, analisi di ciclo di vita — convergono così su un unico modo di procedere, in cui il risparmio idrico non è una parola d’ordine ma un problema tecnico, misurabile e legato a scelte progettuali precise: esattamente ciò che la Terza Missione si propone di portare fuori dalle mura dell’università.