Qualità dei dati e accuratezza delle previsioni in sistemi di agricoltura di precisione: un’indagine sull’International Soil Moisture Network (ISMN)

Questo lavoro analizza la possibilità di ricavare previsioni affidabili dell’umidità del suolo a partire dalle serie in situ raccolte dall’International Soil Moisture Network (ISMN) e valuta come la presenza di buchi temporali condizioni il loro utilizzo operativo. Partendo da un’istantanea completa dei file .stm, è stata sviluppata una pipeline in Python nella quale i dati ISMN sono stati raccolti e armonizzati. Successivamente, i dati sono stati sottoposti a controlli di qualità e a valutazioni quantitative della copertura per verificarne estensione e durata. Per la previsione, come baseline sono stati adottati modelli stagionali interpretabili (SARIMA). Il confronto tra le strategie per il trattamento dei valori mancanti (rimozione, interpolazione, medie mobili) è stato effettuato sulla base delle metriche MAE e RMSE. I risultati mostrano come SARIMA fornisca previsioni coerenti quando la copertura è elevata (tipicamente tra il 90% e il 95%) e il campionamento è regolare. Al contrario, in presenza di gap temporali estesi o irregolari, la stima può essere compromessa, rendendo così ingannevoli metriche apparentemente buone. Per migliorare la capacità previsionale e rendere le previsioni effettivamente utilizzabili in contesti operativi, si consiglia di stabilire soglie minime di copertura e procedure rigide di controllo qualità, accompagnate da analisi di sensibilità sulle tecniche di imputazione e sugli schemi di validazione temporale. È inoltre consigliabile confrontare sistematicamente i modelli con baseline robuste e adottare soluzioni che aumentino la resilienza in presenza di dati frammentati. Combinando tali misure con criteri trasparenti per la selezione e la ricostruzione delle serie, si faciliterebbe l’adozione delle previsioni per decisioni irrigue e per una gestione agricola più efficiente.