Un Sistema di Previsione Adattiva dell'Umidità del Suolo

Meluzzi, Marco (2023) Un Sistema di Previsione Adattiva dell'Umidità del Suolo. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria e scienze informatiche [LM-DM270] - Cesena, Documento ad accesso riservato.
Documenti full-text disponibili:
[thumbnail of Thesis] Documento PDF (Thesis)
Full-text non accessibile fino al 31 Dicembre 2024.
Disponibile con Licenza: Creative Commons: Attribuzione - Non commerciale - Non opere derivate 4.0 (CC BY-NC-ND 4.0)

Download (2MB) | Contatta l'autore

Abstract

L'agricoltura di precisione ha assunto un'importanza centrale in tempi recenti, complici le mutate condizioni climatiche a livello globale che causano periodi di siccità sempre più frequenti. Per questo motivo, conoscere in anticipo quelle che saranno le condizioni di umidità del suolo in un certo istante nel futuro è fondamentale per poter supportare i processi di irrigazione in campo agricolo. Prendendo come riferimento una reale piantagione di kiwi situata ad Errano, nella regione Emilia-Romagna, dotata di un impianto di irrigazione a goccia e di una griglia di sensori bi-dimensionale per la rilevazione dell'umidità del terreno in tempo reale, questo lavoro propone un sistema di previsione dell'umidità del suolo basato su reti neurali, in grado di adattarsi in maniera veloce a diverse tipologie di terreno e a differenti schemi di irrigazione. Servendosi di un apposito simulatore di flussi idrologici, è possibile costruire in tempi più rapidi un modello di previsione di base, specifico per un certo terreno o piano irriguo. Tale modello, può essere in seguito migliorato con l'avanzare della campagna produttiva e con l'arrivo in tempo reale di nuovi dati dal campo, oppure adattato ad un altro schema di irrigazione o ad un terreno con differenti caratteristiche fisiche rispetto quello di partenza.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Meluzzi, Marco
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
agricoltura di precisione,Umidità del terreno,previsione adattiva,Machine Learning,reti Neurali
Data di discussione della Tesi
5 Ottobre 2023
URI

Altri metadati

Gestione del documento: Visualizza il documento

^