Intelligenza artificiale e data science per un’agricoltura resiliente

Modelli predittivi per rendere le colture più resistenti alle ondate di calore. Ci lavorerà la Fondazione Bruno Kessler (Fbk), ente per la Ricerca di Trento, che è entrato nel programma internazionale di Microsoft AI for Earth che aiuta organizzazioni e persone ad affrontare le sfide ambientali globali. Canale Energia intervista Cesare Furlanello, Head Data Science, responsabile dell’unità di ricerca Modelli predittivi per la biomedicina e l’ambiente

Quale sarà il contributo della Fondazione Bruno Kessler al progetto AI for Earth promosso da Microsoft?

La comunità di ricerca italiana è già fortemente impegnata nello studio del cambiamento climatico e delle strategie di adattamento. La specialità di Fbk è aver proposto un approccio interdisciplinare, basato sull’applicazione dei metodi dell’intelligenza artificiale e della data science in agricoltura, immaginando di poter sviluppare sistemi di analisi ma anche di allerta. Questo award con Microsoft Azure è stato ottenuto partecipando a una call internazionale in un formato molto più agile di quanto siamo abituati per i finanziamenti pubblici alla ricerca. Ci siamo ritrovati in una comunità molto attiva, caratterizzata da progetti anche visionari, in cui oltre alle risorse di calcolo offerte dal programma si ha accesso a programmi di formazione e a vari strumenti di produttività. In qualche modo siamo un team più esperto di altri nello sviluppo di modelli predittivi e di strumenti di data analytics, quindi il valore aggiunto per noi è avere accesso ai temi emergenti e anticipare le possibilità di applicazione.

I modelli predittivi che volete sviluppare si basano su reti neurali e deep learning spazio-temporale e vogliono indagare l’influenza delle ondate di calore sulla crescita delle piante, sulla qualità e sulla resa del raccolto. Come ci riuscirete?

IOgni coltivazione è fortemente dipendente dalle condizioni ambientali, in particolare con impatti diversi da clima e eventi meteorologici a seconda delle fasi di sviluppo delle piante (la “fenologia”) in cui avvengono.

Da un punto di vista pratico, l’aspetto più importante di questo progetto è combinare metodi diversi per scendere ad una scala di interesse agronomico (“downscaling”, almeno sotto i 200 m) e abilitare un’analisi specifica per le diverse colture. Per esempio, un’anticipazione delle traiettorie fenologiche può aumentare gli effetti di avversità come il gelo o la grandine; le onde di calore sono fasi abbastanza persistenti di temperature sopra norma che hanno il potenziale di disregolare i sistemi biologici, e quindi alterare quantità e qualità della produzione. Abbiamo sviluppato un modello di reti neurali addestrato con deep learning per simulare e stimare le fasi fenologiche in funzione di serie meteorologiche rilevate e da previsioni; il modello è stato finora applicato in Trentino per la viticoltura e grazie a questo progetto lo vogliamo generalizzare. Per la determinazione delle onde di calore partiamo da un modello su scala europea che FBK ha sviluppato per iREACT, la piattaforma europea di tecnologie a supporto della protezione civile. In questo caso, usiamo il deep learning per ottenere un downscaling ottimizzato alla morfologia del modello del terreno e di un mix di componenti (es. distanza da masse d’acqua, prossimità ad urbanizzato, tipologie geologiche) che potrebbero influire in modo multivariato sulla intensità delle ondate di calore. Ci sono molti aspetti tecnici interessanti da risolvere, che solo in un ambiente di risorse computazionali in cloud possono essere sviluppati in dettaglio, collegando big data ambientali diversi.

Quanto peso avrà in questo lavoro l’analisi del fenomeno delle migrazioni climatiche e del consumo di terre rare?

Ormai sappiamo che i cambiamenti climatici saranno responsabili di variazioni importanti nell’agricoltura e nella biologia. Entro questo secolo coltivazioni tipiche della pianura o del Sud Europa potranno essere coltivate nelle Alpi. In una recente collaborazione con la Fondazione Mach abbiamo ipotizzato la possibilità di una viticoltura sopra gli 800 metri e comunque con raccolte anticipate anche di 3-4 settimane rispetto ad ora. Allo stesso tempo ci aspettiamo lo spostamento di insetti e parassiti. Gli strumenti di intelligenza artificiale che svilupperemo in questo progetto potranno essere applicati per costruire modelli di simulazione di questo cambiamento già in atto.

Questi modelli troveranno applicazione per stimolare un’agricoltura più efficiente a ridotto consumo di acqua e suolo?

L’agricoltura sta già cambiando, dove ci sono le risorse, ed è stata compresa la necessità di sviluppare una strategia di adattamento puntando a installare sistemi di irrigazione che possono essere usati in modo strategico sia per distribuire acqua in modo ottimizzato sia per contrastare eventi estremi.

Poter disporre e, magari, mettere in linea modelli predittivi ad alta precisione delle ondate di calore permetterebbe di attivare in modo selettivo ed efficiente questi impianti. In generale, si tratta di una conoscenza che può essere applicata in contesti meno sviluppati in cui le risorse idriche sono molto limitate. E’ possibile che la prossima generazione di modelli sia in grado di elaborare stime 3D e, quindi, proporre configurazioni per lo sviluppo di orticoltura ad utilizzo ridotto di terreno, magari proprio in ambienti urbani.

Per vincere la lotta contro il cambiamento climatico bisognerà puntare sulla condivisione di dati e software tra i player dell’Europa e del mondo?

Credo che la partita della condivisione sia già stata vinta da un punto di vista morale, ma che ci siano ostacoli difficili da superare. La discussione sul cambiamento climatico è diventata un fenomeno globale proprio grazie a un’opera costante di condivisione di risultati scientifici e modelli, che sta vincendo gli scetticismi grazie al sommarsi di dati e proiezioni difficili da ignorare. Se finalmente sembra immediato poter coinvolgere i giovani in modo molto efficace, nelle azioni di cambiamento di comportamenti e magari in quelle di crowdsourcing e condivisione dati, la scala a cui questi dati andranno raccolti e combinati richiede grandi risorse di storage e di calcolo. Serve davvero un grande investimento su scala continentale (come per il nuovo centro di calcolo in sviluppo al Cineca) e la collaborazione in rete di centri come Fbk e i centri meteo nazionali. In questa direzione la partecipazione ad AI for Earth è un passo che speriamo sia importante oltre che in termini scientifici per aumentare la condivisione di risorse, dati e software anche per l’adozione di standard per rendere combinabili tra loro i modelli di AI sviluppati nei singoli progetti.

Foto in anteprima di Artem Beliaikin su Unsplash