L'applicazione soddisfa la necessità di prevedere il raccolto delle aziende agricole basandosi sulle caratteristiche della coltivazione effettuata e sulle condizioni meteo verificatosi durante il periodo di coltivazione, offrendo uno strumento avanzato per migliorare la gestione e la pianificazione delle coltivazioni.

Sviluppo di un modello per l'analisi delle attività agricole e per la previsione del raccolto in base alle modalità di coltivazione, irrigazione e prevenzione, considerando gli scenari meteorologici contestuali nel periodo di coltivazione. Il modello proposto si compone di due parti essenziali: un Autoencoder LSTM per la modellazione delle serie meteorologiche mensili e un regressore neurale denso per la previsione della quantità di raccolto, che processa la rappresentazione latente dall’Autoencoder insieme con le caratteristiche della coltivazione effettuata. Il dataset analizzato è stato fornito dalla RICA, e comprende dati annuali aggregati riguardanti i raccolti annuali di aziende agricole su tutto il territorio nazionale e gli storici meteorologici mensili dei periodi di interesse.

Ensemble of tailored models for predicting crop and forest productivity and land vulnerability under different climate scenarios

L’applicazione è rivolta ai decision makers che, incrociando i dati relativi alle caratteristiche delle aziende agricole con i dati di previsione climatica di un particolare intervallo temporale, permette di capire quali variazioni di produttività tale cambiamento climatico comporta.