DATA-BUS

Università degli Studi di PADOVA; Università degli Studi di TORINO; Università Cattolica del Sacro Cuore
Abstract
Le sfide prescritte dalle strategie Green Deal e Farm2Fork dell'UE con una popolazione in crescita stanno spingendo gli agricoltori ad aumentare la produttività e l'efficienza delle loro pratiche. In questo contesto, la valutazione delle performance economiche e ambientali dell'agricoltura è cruciale per aumentare la sostenibilità del settore. Le performance aziendali devono essere attentamente monitorate in modo che gli agricoltori possano intervenire con azioni appropriate. Tuttavia, gli agricoltori di solito non hanno gli strumenti giusti per monitorare le loro pratiche economiche e ambientali sul campo e una valutazione approssimativa delle loro aziende agricole si basa principalmente su dati disponibili pubblicamente (ad esempio, RICA). In effetti, questi tipi di dati non hanno il livello di accuratezza per rappresentare in dettaglio l'effettivo utilizzo di macchinari, input (sementi, prodotti agrochimici, acqua, ecc.) e manodopera; quindi, possono portare gli agricoltori a possibili valutazioni imprecise. L'accuratezza dei dati a livello di campo potrebbe essere notevolmente migliorata con una digitalizzazione automatica delle attività sul campo sfruttando i dati già disponibili nella maggior parte delle aziende agricole in cui il contributo maggiore e sottovalutato è dovuto ai dati macchina disponibili nelle attuali macchine agricole. L'obiettivo del progetto è utilizzare in modo proficuo i dati dell'azienda agricola per migliorare la gestione dell'azienda agricola, il bilancio e le prestazioni ambientali. Il progetto inizierà con l'analisi dell'accettazione da parte delle parti interessate degli strumenti avanzati di tracciamento digitale, la revisione della tecnologia incorporata nelle macchine attuali e l'uso odierno dei dati provenienti da tali macchine. Queste attività saranno svolte con un gruppo di lavoro composto da ricercatori, associazioni, sviluppatori di tecnologia e utenti. Durante tutto il progetto, verranno registrati i dati di un'ampia flotta di macchine dedicate alla produzione di alcune colture completamente meccanizzate. Questo compito prenderà in considerazione due interi cicli colturali, un'area agricola estesa e risoluzioni spaziali e temporali dei dati molto elevate. L'enorme set di dati altamente eterogeneo ottenuto (che può diventare Big Data a tutti gli effetti) sarà analizzato utilizzando lo sviluppo di metodi di data mining domain-specific per delineare con precisione le attività agricole e tutte le risorse impiegate per ogni specifica attività sul campo, come carburante, macchine, tempo, lavoro, input e output (cioè rendimento). Di conseguenza, l'esatto costo e l'impatto ambientale di ciascuna specifica produzione di colture potrebbero essere recuperati con profitto. Da questi risultati, verranno sviluppati indici sintetici presentati in dashboard per fornire una performance economica e ambientale complessiva dell'azienda agricola e per facilitare la fruizione delle informazioni guidate dai dati e per supportare gli agricoltori nei processi decisionali. Infine, considerando che uno dei principali ostacoli all'adozione di strumenti digitali nelle aziende agricole è rappresentato dalle limitate capacità analitiche degli agricoltori, una serie di attività di divulgazione saranno indirizzate alle parti interessate al fine di: supportarle nell'uso competente degli strumenti sviluppati e renderle consapevoli delle inefficienze operative che saranno migliorate con l'efficienza delle produzioni agricole.