Nell'agricoltura di precisione, l'uso di un robot autonomo multi-strumento combinato con tecniche di Machine Learning si dimostra fondamentale per identificare anomalie del suolo, caratterizzare la variabilità spaziale e analizzare i processi idrologici e i modelli di nutrienti.

Un rover portattrezzi (Robotti 150D di Agrointelli) è equipaggiato con strumenti multi-geofisici che misurano le proprietà fisiche del terreno senza alterarlo.
Gli strumenti applicati sono:
• Rilevatore di raggi γ, concentrazione di isotopi 40K, 238U e 232Th per individuare la variabilità spaziale della tessitura, contenuto idrico, nutrienti e soil organic carbon (SOC)
• Antenna GNSS con correzione RTK per geolocalizzare i dati rilevati
• Radar a penetrazione del suolo, costante dielettrica del suolo
• Sonda di rilevamento dei neutroni da raggi cosmici per la stima dell’umidità del suolo
• Conduttivimeto elettromagnetico per rilevare la conducibilità elettrica apparente
L'uso di un robot autonomo multi-strumento combinato con tecniche di Machine Learning si dimostra efficace nel catturare la variabilità spaziale del suolo. È stato possibile testare come l'applicazione di tecniche relativamente semplici, come k-means, a un ampio set di dati possa produrre uno strumento per supportare l'agricoltura di precisione.

Big data analysis and decision support systems for the climate adaptation of agriculture and forestry

L’applicazione è destinata a enti pubblici o privati di ricerca, centri pubblici e privati di sperimentazione, studi professionali che si occupano di agricoltura di precisione