Tipologia 16.1.2 - Progetto VALSASA

drone

Progetto VALSASA
Capofila ATS: Azienda D'Amore

Frignano (CE)

VALutazione di Stress Abiotici mediante l’utilizzo di Sensori Aviotrasportati

Responsabile tecnico scientifico

Mauro Mori

Sintesi del progetto

Negli ultimi anni le aziende agricole si trovano ad affrontare nuove sfide, tra cui i cambiamenti climatici che stanno mettendo a dura prova le aziende sia a causa dei singoli eventi estremi che compromettono i raccolti sia per la conseguente riduzione della disponibilità delle risorse naturali, in particolare l’acqua ma anche i nutrienti. A tutto questo si aggiungono ovviamente le esigenze dell’imprenditore agricolo di incrementare o almeno nmantenere stabile il proprio reddito, obiettivo perseguibile solo attraverso un miglioramento delle prestazioni economiche, che a sua volta passa attraverso l’ottimizzazione dei processi produttivi.

Pertanto il progetto VALSASA si pone come obiettivo la gestione sostenibile, sia da un punto di vista ambientale che economico, delle coltivazioni di frumento e pomodoro, colture di spicco della regione Campania e ancor più della provincia casertana.

Il progetto prevede l’utilizzo di strumentazioni tecnologiche innovative ‘aria-terra-acqua’, che applicato all’agricoltura di precisione consentirà, al netto degli effetti topografici e atmosferici, di analizzare, quantificare e verificare speditamente il grado di copertura vegetale, la percentuale di biomassa e di distinguere tra suolo e vegetazione.

Il post-processing delle indagini permetterà di analizzare in dettaglio:

lo stato o il vigore vegetativo delle singole colture;
lo stato fisiologico della coltura;
lo stress vegetativo;
lo stato idrico del terreno;
il grado di maturazione del frutto e o dell’ortaggio;
la caratterizzazione delle colture presenti in campo;
la presenza e/o l’individuazione di specifiche sostanze o componenti (di piante infestanti e agenti patogeni).

I piu immediati vantaggi consistono nella:

efficienza delle risorse (riduzione della percentuale di fertilizzanti e/o pesticidi);>
efficienza dell’uso dell’acqua;
risparmio di tempo e forza lavoro;
riduzione dei rischi grazie alla previsione e prevenzione dei problemi;
riduzione dell’inquinamento.

Inoltre, attraverso l’integrazione dei dati analitici ottenuti dalle campagne di sorvolo attuali e di archivio con i dati raccolti sul campo, assieme a specifici algoritmi di machine learning e possibile attraverso scenari previsionali produrre mappe di prescrizione utilizzate per l’ottimizzazione della distribuzione di seme, concime e prodotti fitosanitari.

Partner del Progetto