Agro Fossil Free - Metodologia per la previsione multitemporale delle rotazioni colturali mediante reti neurali ricorrenti

Descrizione generale

In un contesto di crescente domanda di cibo e scarsità di risorse naturali, lo sviluppo di un'agricoltura più sostenibile è imperativo. Ciò significa che è necessario limitare l'impatto ambientale delle attività agricole sul suolo e sull'acqua ed essere consapevoli dell'impronta di carbonio, pur mantenendo i raccolti e i benefici economici per i produttori. La rotazione delle colture è uno strumento prezioso nell'agricoltura sostenibile, ma questa tecnica deve essere opportunamente abbinata a piani di fertilizzazione sostenibili per ottimizzare le colture. La metodologia proposta utilizza reti neurali ricorrenti (RNN); più precisamente, LSTM, in un'architettura Seq2Seq, per prevedere gli scenari più probabili di rotazioni colturali da sfruttare in un campo nelle successive stagioni colturali, in base alle abitudini colturali. L'output può essere utilizzato nei modelli di coltura per costruire un sistema di supporto decisionale per una maggiore sostenibilità nella produzione agricola, consentendo ai produttori di scegliere la strategia che offre il miglior compromesso tra redditività e impatto ambientale.