Monitoraggio e previsione delle rese e della pezzatura dei frutti di pero

La frutticoltura di precisione sta assumendo un proprio posto nel panorama tecnico, mentre sul fronte della ricerca si lavora attivamente alla definizione di ulteriori modelli previsionali di crescita dei frutti e di stima della produzione che permettano di ottenere informazioni strategiche come la distribuzione in classi di pezzatura alla raccolta, perché consente agli operatori commerciali di definire con maggior anticipo di grande interesse per definire le strategie di vendita e posizionamento del prodotto sul mercato.

Nel processo di modernizzazione delle aziende frutticole assume rilevanza crescente la possibilità di tenere sotto controllo l'evoluzione del prodotto durante la stagione per ottimizzare l’utilizzo delle risorse. Le informazioni disponibili circa l’ambiente di coltivazione (suolo, aria) e la pianta (stato idrico soprattutto) sono assai numerose, ma la loro utilità dipende dalla capacità di elaborarle ed interpretarle per fornire al frutticoltore consigli pratici che gli permettano di intervenire con manovre correttive senza spreco di risorse e con la sicurezza circa la loro efficacia  (Zhang et al., 2002). Questi schemi decisionali vengono definiti in inglese “Decision Support Systems” (DSS – sistemi di supporto alle decisioni) e consistono di flussi di informazioni dal campo alla direzione aziendale che vengono interpretati e tradotti in operazioni colturali mirate (Sassenrath et al., 2008).

Le coltivazioni frutticole ben si prestano a questo paradigma e la frutticoltura di precisione è già, seppur limitatamente, una realtà commerciale, mentre sul fronte della ricerca si lavora attivamente alla definizione di modelli previsionali di crescita dei frutti (in particolare melo, pesco, kiwi e agrumi) e di stima della produzione che permettano di ottenere informazioni strategiche già dalle prime fasi di crescita (Taylor et al., 2007; Wulfsohn et al., 2012). Di particolare rilevanza è la conoscenza della distribuzione in classi di pezzatura alla raccolta perché consente agli operatori commerciali di definire con maggior anticipo le strategie di vendita del prodotto e quindi di posizionarsi meglio sul mercato (Ellis et al., 2010; Manfrini et al., 2011; Pierpaoli et al., 2012).

Poiché normalmente si associa al concetto di precisione l'adozione di approcci e metodologie ad altissimo contenuto tecnologico, può stupire che un parametro fisiologico relativamente semplice da misurare, quale la velocità di crescita dei frutti,  permetta già di capire tempestivamente l’effetto che ha, proprio sull'organo di interesse commerciale,  ogni intervento colturale  messo in atto dall'agricoltore. Modelli più complessi forniscono la previsione del calibro medio  e dell'entità della produzione con largo anticipo sulla data di raccolta (Corelli Grappadelli et al., 2012). Si ottengono quindi vantaggi da un punto di vista diagnostico (il processo di crescita è ottimale?) e da quello della generazione di conoscenza verso il resto della filiera (distribuzione in classi di pezzatura, entità della produzione). È verosimile che il flusso di dati diventerà sempre più importante nel prossimo futuro.

Il servizio di previsione fornito dalla società Horticultural Knowledge srl è una realtà che si sta diffondendo di anno in anno soprattutto su melo, ma in Emilia Romagna si nota interesse anche per il pero, essendone questa regione la maggiore produttrice in Italia. Tra tutte le varietà spicca ovviamente Abate Fétel, per la quale si è arrivati a monitorare 30 ettari nel 2013. La variabilità degli andamenti meteorologici che influenzano il carico produttivo e la variabilità dei prezzi sono i fattori che hanno determinato negli anni un altalena nelle superfici monitorate (Tab. 1).

Le altre cultivar di pero rivestono un ruolo di minore importanza, ma comunque sono presenti; infatti, dal 2011 ad oggi sono state seguite anche Conference, William, Kaiser e, come ultima entrata, nel 2014, Carmen. Questa nota presenta tre casi di studio scelti tra tutte le aziende seguite nel corso delle ultime tre annate (2011-13), che evidenziano non solo aspetti scientifici, ma anche pratico-applicativi legati all'adozione di tecniche di monitoraggio della crescita e dei benefici che se ne possono attendere.

 

Materiali e metodi

Dal 2011 al 2014 sono stati seguiti, in totale, 24 appezzamenti di Abate Fétel. Per ogni annata è stato scelto un frutteto rappresentativo di cui fossero disponibili i dati di campionamento relativi esclusivamente allo specifico appezzamento monitorato. Da un anno all’altro i frutteti monitorati sono variati in funzione delle scelte degli imprenditori, per cui non è sempre stato possibile ripetere le prove nello stesso appezzamento. Quelli presentati come casi studio sono stati scelti come rappresentativi delle diverse tipologie aziendali esistenti. La tabella 2 mostra come gli appezzamenti differiscono tra loro per superficie, anno di impianto, sesto di impianto, portinnesto, impianto di irrigazione. L’azienda monitorata nel 2013 presentava 2 appezzamenti separati, con due portinnesti diversi. Il monitoraggio e la previsione sono stati eseguiti separatamente, ma al momento della raccolta il prodotto proveniente dai 2 appezzamenti è stato unito, per cui il confronto tra produzione prevista e produzione reale è stato fatto considerando in questo caso il dato aggregato dei due appezzamenti. Le pratiche colturali quali potatura, gestione del suolo, concimazione e difesa sono state eseguite secondo la normale pratica aziendale.

Il protocollo di monitoraggio consisteva nel rilevare il massimo calibro equatoriale di 240 frutti per ettaro, misurando 20 frutti/pianta per 12 piante a partire dalla fase di distensione cellulare (circa 60 gg. dopo la fioritura), proseguendo a intervalli di 10/12 giorni. I rilievi sono stati effettuati seguendo una randomizzazione totale: sia le piante che i frutti misurati sono stati scelti casualmente in occasione di ogni rilevamento. Questo aspetto è importante perché semplifica l'esecuzione dell'operazione, rendendola molto veloce. I rilievi sono stati effettuati con un calibro digitale (Mitutoyo SpA) munito di memoria (Calibit, www.calibit.it) espressamente sviluppato per questo tipo di rilievo. Tale calibro consente, tra l'altro, di memorizzare data e ora di ogni misura e quindi di calcolare il tempo necessario per effettuare ogni rilievo, un dato importante ai fini del computo dei costi totali. I dati raccolti sono stati elaborati attraverso un algoritmo di proprietà di Horticultural Knowledge srl disponibile attraverso un portale Internet (http://perfrutto.altavia.eu; Fig. 1).

A partire dal secondo rilievo il sistema restituisce la prima stima del calibro medio previsto (CMP’) atteso alla raccolta. Per fare il calcolo della previsione totale è necessario impostare a priori una data di raccolta ipotetica, decisa in accordo con l’agricoltore, facendo riferimento sia alla data tipica per l’appezzamento monitorato, sia all’andamento climatico stagionale che può determinare ritardi o anticipi.

Nel 2011 e  2012 i rilievi sono stati effettuati da personale specializzato (HK), mentre nel caso riportato per il 2013 i rilievi sono stati effettuati direttamente dal proprietario dell’azienda, che disponeva di un calibro con memoria. Nel 2011 sono stati effettuati 6 rilievi tra il 16 giugno (data del primo rilievo) e il 4 agosto (data dell’ultimo rilievo); nel 2012 sono stati effettuati 5 rilievi con inizio il 19 giugno e termine il 2 agosto, mentre nel 2013 il proprietario dell’azienda ha effettuato 7 rilievi iniziando il 27 giugno e concludendo il 6 settembre. La differenza tra la data media di raccolta (DR) e la data dell’ultimo rilievo (DP’’) indica l’anticipo con cui è stata rilasciata l’ultima previsione. La data media di raccolta è stata il 10 settembre negli anni 2011 e 2012 e il 20 settembre nel 2013; la previsione è stata rilasciata con un anticipo di 37, 39 e 14 giorni rispettivamente per gli anni 2011, 2012 e 2013 (Tab. 2).

I risultati della previsione (produzione e distribuzione in classi) sono stati messi a confronto con i dati reali di produzione per verificare l’esattezza della previsione nelle tre annate considerate. Nel modello previsionale è possibile introdurre una sola data di raccolta, quindi per effettuare il confronto è stata scelta la data della raccolta principale, prendendo come riferimento le relazioni di campionamento fornite dal magazzino di conferimento solo dove fosse disponibile un dato relativo esclusivamente all’appezzamento monitorato. Inoltre, il metodo previsionale non è in grado di distinguere né il colore né la presenza di difetti, in quanto è un metodo che elabora esclusivamente parametri dimensionali, per cui non è stato possibile distinguere 1^ o 2^ qualità, né lo scarto. Per poter effettuare il confronto tra le distribuzioni in classi in valori %, le percentuali espresse dal modello previsionale sono state confrontate con il rapporto tra la quantità reale di ogni classe di calibro e il totale reale netto della 1^ qualità, escludendo dunque dal denominatore tutto il prodotto non campionato, come la 2^ qualità, lo scarto e il prodotto destinato all’industria.

 

Risultati

In tabella 3, per ogni azienda e  per ogni annata, sono rappresentate le differenze tra i dati reali e quelli previsti relativi a produzione totale (t), calibro medio (mm) e distribuzione in classi (%). I dati previsti dei suddetti tre parametri, rispettivamente indicati con PP, CMP’’ e DCP, sono stati rilasciati dal sistema in corrispondenza dell’ultimo rilievo effettuato. I dati reali, rispettivamente PR, CMR e DCR, sono stati ottenuti dal campionamento effettuato nello stabilimento di lavorazione e poi messi a confronto con quanto previsto per calcolare l’errore della previsione come semplice differenza (Δ) tra reale e previsto.

La produzione lorda totale calcolata dal sistema previsionale si è discostata maggiormente dalla produzione reale nel 2011. Nella distribuzione in classi prevista si era stimato il 39% della produzione nella classe 70/75, mentre nella realtà questa classe ha rappresentato solo il 24,4%. Negli anni seguenti la differenza è stata molto più contenuta e sia di segno positivo (2012) che negativo (2013), a significare che nel 2012 la previsione ha sottostimato la produzione reale, mentre l’ha sovrastimata nel 2013. Il calibro medio previsto si è discostato da quello reale da un minimo di 0,7 ad un massimo di 2,5 mm. Da notare che in entrambi i casi, riferiti rispettivamente al 2011 e 2012, il modello ha previsto un diametro medio inferiore a quello reale. Nel 2013, invece, il calibro medio previsto è stato 1 mm superiore a quello reale.

La distribuzione in classi prevista (DCP%) è stata confrontata con la distribuzione reale (DCR%) del prodotto di 1^ qualità; come già indicato, nel 2011 si nota la massima differenza tra la percentuale prevista e quella reale nella classe 70/75, in cui il modello ha previsto un 14,6% in più di prodotto. Tuttavia, in tutti le altre classi del 2011 e nelle altre annate le differenze tra reale e previsto sono sempre inferiori al 10%.

Per ogni anno di attività è stata calcolata la media del diametro previsto dopo la prima (DMP’) e l’ultima previsione (DMP’’) ottenuta da tutti gli appezzamenti seguiti. L’incremento maggiore tra prima e ultima previsione è avvenuto nel 2011 in cui il calibro medio previsto è passato da 68,3 a 72,5 mm, segnando un miglioramento di 4,2 mm. In generale, monitorando la crescita dei frutti è stato possibile rendersi conto di una lenta velocità di crescita in fase iniziale, poi corretta con interventi irrigui mirati che hanno portato ad un incremento medio di 3,2 mm (Tab. 4).

 

Conclusioni

I casi rappresentati sono volutamente 3 esempi di tipologie aziendali diverse. Variano, infatti, la superficie totale, il personale che ha effettuato il monitoraggio, le tempistiche con cui sono stati fatti i rilievi e la tipologia dell’impianto di irrigazione. Le prove effettuate rappresentano dei casi studio reali in cui il protocollo di monitoraggio e previsione della crescita dei frutti si è dimostrato ripetibile in ambienti e in anni diversi. Tuttavia, la prova non presenta le caratteristiche di una classica prova sperimentale costruita per essere “statisticamente robusta” e che quindi permetta di verificare la variabilità tra i diversi appezzamenti sottoposti a monitoraggio. Infatti, non è stato possibile ripetere la prova in anni consecutivi sugli stessi appezzamenti, né avere a disposizione dei dati completi di produzione reale da tutti i frutteti monitorati.

Un punto di forza del sistema previsionale consiste nel fatto che è stato applicato in un ambiente “non controllato”, ovvero in presenza di una reale gestione aziendale in cui ogni decisione operativa è stata presa dal proprietario. L’unico aspetto su cui il sistema ha fornito supporto decisionale è stata la gestione dell’irrigazione, stabilita in funzione della velocità di crescita dei frutti.

Il computo complessivo delle risorse necessarie all’applicazione del metodo di monitoraggio della crescita deve considerare anche il tempo necessario ad effettuare il rilevamento. È stato possibile calcolare che il monitoraggio di 1 ettaro (12 piante x 20 frutti/pianta) mediamente richiede 16’ e 30’’, che si traducono in un impegno stagionale variabile tra 82’ e 115’ a seconda che si effettuino 5 o 7 rilievi.

La propensione all'adozione di innovazione da parte degli agricoltori è un aspetto molto importante nella definizione di protocolli e servizi per la frutticoltura di precisione. Gli algoritmi messi a punto da Horticultural Knowledge srl richiedono la semplice misura del diametro di un campione di frutti (240 per ettaro nel caso del pero). Tuttavia, questa attività si è rivelata di difficile realizzazione  per gli agricoltori e i tecnici delle cooperative frutticole, in quanto richiedeva la contemporanea presenza di due persone per la raccolta del dato, il suo trasferimento in file informatico e l'invio a chi effettua l'analisi statistica e rilascia la previsione. Questo processo è stato reso alquanto semplice con la realizzazione di un calibro digitale dotato di memoria (Fig. 2), grazie al quale l'operazione può essere svolta da una sola persona in tempi assai limitati. I dati possono essere così caricati direttamente dall'utente su un sito dedicato che rilascia immediatamente la previsione basata sui dati appena introdotti.

Questi risultati indicano che il monitoraggio dei frutti è una pratica applicabile e che nel futuro potrebbe rappresentare un utile supporto alla gestione aziendale, anche a livello di aziende medio-piccole che costituiscono il tessuto principale della pericoltura italiana.

Monitoraggio e previsione delle rese e della pezzatura dei frutti di pero - Ultima modifica: 2015-03-11T14:48:02+01:00 da Lucia Berti

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome