L'intelligenza artificiale potrebbe contribuire a chiudere il ciclo dell'azoto, attualmente interrotto, nel settore agricolo
Un nuovo quadro di riferimento integra dati satellitari, sensori applicati agli animali e modelli linguistici in un sistema decisionale unificato
Annunci
Secondo una nuova analisi pubblicata su *Nitrogen Cycling*, l’intelligenza artificiale potrebbe contribuire a trasformare il modo in cui le aziende agricole gestiscono l’azoto, collegando la produzione agricola, l’alimentazione del bestiame, il riciclaggio del letame e il monitoraggio ambientale all’interno di un unico sistema decisionale.
I fertilizzanti azotati hanno svolto un ruolo centrale nell’aumento della produzione alimentare globale, ma un uso inefficiente dell’azoto può contribuire all’inquinamento atmosferico, all’acidificazione del suolo, alla contaminazione delle acque sotterranee e alle emissioni di protossido di azoto, un potente gas serra. Una delle cause principali di questo problema è la separazione tra produzione agricola e zootecnica. Il letame spesso si accumula nei pressi degli allevamenti intensivi, mentre le aziende agricole in altre regioni continuano a fare ampio ricorso ai fertilizzanti sintetici.
Gli autori sostengono che l’IA possa aiutare a ricostruire questo ciclo dei nutrienti interrotto, monitorando i flussi di azoto, migliorando i modelli scientifici e trasformando informazioni complesse in raccomandazioni pratiche per gli agricoltori.
«L’intelligenza artificiale ci offre l’opportunità di considerare l’azoto agricolo come un unico sistema interconnesso piuttosto che come un insieme di problemi separati», ha affermato l’autore corrispondente Xiuming Zhang. «Collegando colture, animali, letame e processi ambientali, l’IA potrebbe aiutare gli agricoltori a produrre più cibo riducendo al contempo le perdite di azoto».
Il quadro proposto si articola in tre componenti principali. In primo luogo, i sistemi di osservazione basati sull’intelligenza artificiale possono raccogliere informazioni da satelliti, droni, sensori del suolo, dispositivi indossabili per animali, visione artificiale e monitor per gli allevamenti. Queste tecnologie potrebbero rivelare come l’azoto si muova attraverso i campi, gli animali, i depositi di letame e l’ambiente in generale.
In secondo luogo, i ricercatori sottolineano l’importanza di combinare l’IA basata sui dati con modelli fondati su processi fisici, biologici e chimici. Approcci quali le reti neurali informate dalla fisica e l’apprendimento automatico guidato dalla conoscenza possono migliorare le previsioni pur mantenendo regole essenziali, tra cui il bilancio di massa dell’azoto. Questi sistemi ibridi potrebbero supportare stime più accurate del fabbisogno di fertilizzanti, delle emissioni di protossido di azoto, della ritenzione di azoto da parte degli animali e delle perdite legate al letame.
In terzo luogo, i modelli linguistici di grandi dimensioni applicati all’agricoltura potrebbero tradurre i risultati scientifici in indicazioni chiare a livello di azienda agricola. Tali sistemi potrebbero aiutare a raccomandare la fonte, la dose, la tempistica e la distribuzione corrette dei fertilizzanti, ottimizzando al contempo l’alimentazione degli animali e individuando opportunità per trasferire il letame dalle regioni zootecniche con eccedenze di azoto ai terreni coltivati che necessitano di nutrienti.
L’obiettivo a lungo termine è un agente intelligente a livello dell’intera azienda agricola, in grado di coordinare contemporaneamente la concimazione delle colture, l’alimentazione del bestiame e il riciclaggio del letame. L’articolo evidenzia i primi esempi di sistemi di IA agricola specializzati che hanno riportato riduzioni nell’uso di azoto nei fertilizzanti o nei mangimi, mantenendo o aumentando al contempo la produttività.
Tuttavia, gli autori avvertono che permangono sfide importanti. I dati agricoli sono spesso frammentati tra diverse istituzioni, i modelli di IA possono essere difficili da spiegare e le tecnologie avanzate potrebbero risultare troppo costose per i piccoli agricoltori. L’apprendimento federato, l’edge computing e strumenti a basso costo potrebbero contribuire a migliorare la privacy, l’accessibilità e l’inclusione.
I ricercatori concludono che l’IA potrebbe diventare il sistema di coordinamento centrale per l’agricoltura circolare, ma il successo richiederà una stretta collaborazione tra agronomi, zootecnici, biogeochimici, informatici, agricoltori e responsabili politici.
Nota: questo articolo è stato tradotto utilizzando un sistema informatico senza intervento umano. LUMITOS offre queste traduzioni automatiche per presentare una gamma più ampia di notizie attuali. Poiché questo articolo è stato tradotto con traduzione automatica, è possibile che contenga errori di vocabolario, sintassi o grammatica. L'articolo originale in Inglese può essere trovato qui.
Pubblicazione originale
Altre notizie dal dipartimento scienza
