Molte sono le proposte di sistemi informativi per il rilevamento delle grandezze fisiche per la previsione della fenologia e delle patologie della vite ma la loro diffusione e, soprattutto, l’utilizzo da parte dei viticoltori è ancora parziale e incostante. Le cause principali sono il costo elevato, i dati rilevati in maniera generalizzata, le informazioni fornite in maniera grezza oppure con report di difficile o non immediata comprensione. Nel 2020, è iniziato un progetto innovativo per risolvere questi problemi e supportare in modo ottimale i viticoltori nel prevedere la fenologia e le principali patologie fungine della vite. Dal primo prototipo si è passati alla costituzione di una start up, Vol – vineyard on line Srl, che sta progettando e realizzando un sistema informativo per rilevare in modo capillare le variabili fisiche fondamentali (in primis temperatura e umidità relativa) nelle vigne, elaborare i dati consuntivi e previsionali (meteo) utilizzando dei programmi realizzati autonomamente e fornire delle informazioni utili per valutare la fenologia e prevedere le principali patologie fungine della vite (su tutte, la peronospora). La finalità di questa tesi è di presentare alcuni dei deliverable principali del progetto e il percorso che ha portato alla loro realizzazione: i sensori e le schede elettroniche, le reti di comunicazione utilizzate, gli algoritmi per la raccolta e trasmissione dei dati rilevati in vigna, l’algoritmo per la previsione della peronospora, il metodo applicato e i risultati della sperimentazione presso l’Azienda. Il documento si compone di 3 parti, ordinate in modo da guidare il lettore nel percorso che ha portato a compiere determinate scelte progettuali, poi applicate nella sperimentazione condotta. Nella prima parte sono riportati sinteticamente i modelli trovati in bibliografia utilizzati e rielaborati poi per descrivere la fenologia della Vitis vinifera e il ciclo infettivo della Plasmora viticola. Sono identificate le variabili fisiche necessarie per questi modelli (gli input), la loro importanza e la modalità corretta di rilevazione. Nella seconda è esposta la parte tecnologica, ovvero le schede a microcontrollore valutate e adottate, i sensori per rilevare le grandezze, la rete di comunicazione e il protocollo realizzato, il modello di funzionamento e le caratteristiche degli algoritmi, le soluzioni per l’alimentazione elettrica del sistema, la trasmissione e l’invio dei dati, il collegamento a service provider per i dati sulle previsioni meteorologiche. Nell’ultima, è descritta la metodologia utilizzata per effettuare la sperimentazione sul campo, i test condotti e i risultati ottenuti. L’Azienda Agraria Sperimentale “L.Toniolo” ha partecipato attivamente all’applicazione del protocollo di sperimentazione proposto, con l’identificazione di 2 gruppi di piante “testimone” e la disponibilità al collocamento delle “mini” capannine meteo per il rilevamento delle grandezze fisiche e la trasmissione dei dati. La sperimentazione è durata 5 mesi, dall’inizio di aprile 2023 a fine agosto 2023, e ha permesso di verificare l’efficacia del modello previsionale della Peronospora su Vitis v., gli effetti del diverso programma di trattamento anti-peronospora condotti sui diversi gruppi di controllo della vigna (“testimoni” e “regolari”), la validità della rete di stazioni di rilevamento e di sensori installati, un primo rapporto “costi/benefici/sostenibilità ambientale” tra i diversi gruppi di controllo. I risultati ottenuti non possono essere considerati esaustivi perché ulteriori sperimentazioni devono essere condotte, soprattutto sul modello previsionale della Peronospora, ma hanno consentito alla startup Vol di effettuare le prime scelte sulla parte tecnologica e sui modelli previsionali di questo sistema informativo a supporto della viticoltura sostenibile.

Progetto di una rete di comunicazione LoRA e di algoritmi per la previsione della fenologia e delle patologie fungine della Vitis vinifera: applicazione del modello della Plasmopara v. presso l’Azienda Agraria Sperimentale 'Lucio Toniolo'

BOSIO, LUDOVICO
2022/2023

Abstract

Molte sono le proposte di sistemi informativi per il rilevamento delle grandezze fisiche per la previsione della fenologia e delle patologie della vite ma la loro diffusione e, soprattutto, l’utilizzo da parte dei viticoltori è ancora parziale e incostante. Le cause principali sono il costo elevato, i dati rilevati in maniera generalizzata, le informazioni fornite in maniera grezza oppure con report di difficile o non immediata comprensione. Nel 2020, è iniziato un progetto innovativo per risolvere questi problemi e supportare in modo ottimale i viticoltori nel prevedere la fenologia e le principali patologie fungine della vite. Dal primo prototipo si è passati alla costituzione di una start up, Vol – vineyard on line Srl, che sta progettando e realizzando un sistema informativo per rilevare in modo capillare le variabili fisiche fondamentali (in primis temperatura e umidità relativa) nelle vigne, elaborare i dati consuntivi e previsionali (meteo) utilizzando dei programmi realizzati autonomamente e fornire delle informazioni utili per valutare la fenologia e prevedere le principali patologie fungine della vite (su tutte, la peronospora). La finalità di questa tesi è di presentare alcuni dei deliverable principali del progetto e il percorso che ha portato alla loro realizzazione: i sensori e le schede elettroniche, le reti di comunicazione utilizzate, gli algoritmi per la raccolta e trasmissione dei dati rilevati in vigna, l’algoritmo per la previsione della peronospora, il metodo applicato e i risultati della sperimentazione presso l’Azienda. Il documento si compone di 3 parti, ordinate in modo da guidare il lettore nel percorso che ha portato a compiere determinate scelte progettuali, poi applicate nella sperimentazione condotta. Nella prima parte sono riportati sinteticamente i modelli trovati in bibliografia utilizzati e rielaborati poi per descrivere la fenologia della Vitis vinifera e il ciclo infettivo della Plasmora viticola. Sono identificate le variabili fisiche necessarie per questi modelli (gli input), la loro importanza e la modalità corretta di rilevazione. Nella seconda è esposta la parte tecnologica, ovvero le schede a microcontrollore valutate e adottate, i sensori per rilevare le grandezze, la rete di comunicazione e il protocollo realizzato, il modello di funzionamento e le caratteristiche degli algoritmi, le soluzioni per l’alimentazione elettrica del sistema, la trasmissione e l’invio dei dati, il collegamento a service provider per i dati sulle previsioni meteorologiche. Nell’ultima, è descritta la metodologia utilizzata per effettuare la sperimentazione sul campo, i test condotti e i risultati ottenuti. L’Azienda Agraria Sperimentale “L.Toniolo” ha partecipato attivamente all’applicazione del protocollo di sperimentazione proposto, con l’identificazione di 2 gruppi di piante “testimone” e la disponibilità al collocamento delle “mini” capannine meteo per il rilevamento delle grandezze fisiche e la trasmissione dei dati. La sperimentazione è durata 5 mesi, dall’inizio di aprile 2023 a fine agosto 2023, e ha permesso di verificare l’efficacia del modello previsionale della Peronospora su Vitis v., gli effetti del diverso programma di trattamento anti-peronospora condotti sui diversi gruppi di controllo della vigna (“testimoni” e “regolari”), la validità della rete di stazioni di rilevamento e di sensori installati, un primo rapporto “costi/benefici/sostenibilità ambientale” tra i diversi gruppi di controllo. I risultati ottenuti non possono essere considerati esaustivi perché ulteriori sperimentazioni devono essere condotte, soprattutto sul modello previsionale della Peronospora, ma hanno consentito alla startup Vol di effettuare le prime scelte sulla parte tecnologica e sui modelli previsionali di questo sistema informativo a supporto della viticoltura sostenibile.
2022
Design of a Lora network and algorithms for forecasting the phenology and the main fungal diseases of Vitis vinifera: experimentation of Plasmopara v. model at 'Lucio Toniolo' experimental farm
fenologia
patologia
lora
previsione
dss
File in questo prodotto:
File Dimensione Formato  
Tesi_STVE_BosioL_15set23.pdf

accesso riservato

Dimensione 5.65 MB
Formato Adobe PDF
5.65 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/56144