La soluzione proposta offre determinazioni rapide (pochi sec), non distruttive e relativamente economiche rispetto alle analisi tradizionali. Gli spettri possono essere raccolti in campo su molti individui, aumentando la solidità dei disegni sperimentali. Le informazioni a livello fogliare possono essere scalate a aree più ampie, come parcelle di campo o intere foreste, grazie alla similitudine tra i profili spettrali ottenuti con leaf-clip e quelli da remote sensing tramite droni e satelliti.

La spettroscopia di vegetazione è una tecnica efficace per valutare l'interazione tra piante ed ecosistemi. Si basa sul rilevamento delle caratteristiche ottiche delle foglie e delle vibrazioni dei legami chimici. Oggi, grazie a spettrometri portatili full-range VIS-NIR-SWIR (350-2500 nm), è possibile passare da misure multispettrali a iperspettrali, ampliando notevolmente le potenzialità di analisi.
Il gruppo di lavoro del DiSAAA-a UNIPI ha sviluppato modelli statistici multivariati bassati su dati iperspettrali VIS-NIR-SWIE in grado di tracciare in modo rapido e non distruttivo la qualità e sicurezza delle colture ortofrutticole. In particolare, l’approccio sviluppato è risultato in grado di discriminare accuratamente cultivar locali di pomodoro da altri ibridi commerciali, diagnosticare precocemente l’insorgenza di Flavescenza dorata della vita (una delle fitopatie attualmente più preoccupanti in Toscana e non solo) e stimare la concentrazione di sostanze potenzialmente pericolose (es. nitrati) nei tessuti vegetali di ortaggi a foglia larga.
I dati ottenuti (scalabili su altre colture e in altri contesti) sono disponibili per la comunità Agritech e saranno ulteriormente validati con le acquisizioni di immagini iperspettrali condotte nell’Intelligent Lab for the Monitoring of Agri-Food (ILMAF) in fase di sviluppo presso il DiSAAA-a, una struttura proposta come uno spazio fisico interattivo e automatizzato in cui è possibile simulare scenari ambientali distinti e simultanei

Aziende cerealicole, vitivincole e ortoflorovivaistiche.