Tesi etd-11202025-094415 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
DAINELLI, EDOARDO
URN
etd-11202025-094415
Titolo
Valutazione non distruttiva di macro e micro elementi nelle foglie di melo
Dipartimento
SCIENZE AGRARIE, ALIMENTARI E AGRO-AMBIENTALI
Corso di studi
SISTEMI AGRICOLI SOSTENIBILI
Relatori
relatore Prof. Remorini, Damiano
Parole chiave
- Demetra
- Fertilizzazione
- macroelementi
- microelementi
Data inizio appello
09/12/2025
Consultabilità
Non consultabile
Data di rilascio
09/12/2028
Riassunto
La fertilizzazione degli arboreti rappresenta un aspetto fondamentale per garantire rese elevate e frutti di qualità, ma un apporto non calibrato di nutrienti può causare sprechi, squilibri fisiologici e impatti ambientali. L’assorbimento degli elementi minerali avviene prevalentemente attraverso l’apparato radicale, sebbene anche le vie epigee possano contribuire alla nutrizione della pianta. Ciascun elemento svolge funzioni fisiologiche specifiche e la sua disponibilità condiziona direttamente l’equilibrio vegeto-produttivo.
Il progetto DEMETRA (PRIN 2022) si inserisce nel contesto dell’Agricoltura 4.0 con l’obiettivo di sviluppare un metodo non distruttivo per la valutazione dello stato nutrizionale delle piante attraverso tecniche di spettroscopia e Machine Learning (ML). La tesi contribuisce al progetto mediante la correlazione tra analisi chimiche e dati spettrali di foglie di Malus domestica cv. Golden Delicious, al fine di validare un modello predittivo per la stima dei nutrienti fogliari.
Le foglie, provenienti da due aziende agricole della Lunigiana e da piante allevate in vaso presso il DiSAAA-a dell’Università di Pisa, sono state analizzate in campo con spettroradiometro a gamma completa (350–2500 nm) e in laboratorio mediante analisi distruttive: metodo Kjeldahl per l’azoto e ICP-MS per Ca, Mg, K, P, Fe, Mn, Zn e Cu. I dati ottenuti sono stati integrati e sottoposti a elaborazione statistica per la costruzione e validazione dei modelli ML.
Sono stati analizzati complessivamente oltre 400 campioni. L’analisi dei risultati ha evidenziato un’ampia variabilità nei contenuti minerali fogliari, utile per la calibrazione dei modelli, e un’accuratezza predittiva soddisfacente, con errori normalizzati contenuti per la maggior parte dei nutrienti. I risultati confermano la fattibilità di un approccio rapido, economico e sostenibile per la stima dello stato nutrizionale delle piante da frutto, fornendo un contributo concreto allo sviluppo della piattaforma DEMETRA e alla diffusione di strumenti digitali per un’agricoltura più efficiente e sostenibile.
Il progetto DEMETRA (PRIN 2022) si inserisce nel contesto dell’Agricoltura 4.0 con l’obiettivo di sviluppare un metodo non distruttivo per la valutazione dello stato nutrizionale delle piante attraverso tecniche di spettroscopia e Machine Learning (ML). La tesi contribuisce al progetto mediante la correlazione tra analisi chimiche e dati spettrali di foglie di Malus domestica cv. Golden Delicious, al fine di validare un modello predittivo per la stima dei nutrienti fogliari.
Le foglie, provenienti da due aziende agricole della Lunigiana e da piante allevate in vaso presso il DiSAAA-a dell’Università di Pisa, sono state analizzate in campo con spettroradiometro a gamma completa (350–2500 nm) e in laboratorio mediante analisi distruttive: metodo Kjeldahl per l’azoto e ICP-MS per Ca, Mg, K, P, Fe, Mn, Zn e Cu. I dati ottenuti sono stati integrati e sottoposti a elaborazione statistica per la costruzione e validazione dei modelli ML.
Sono stati analizzati complessivamente oltre 400 campioni. L’analisi dei risultati ha evidenziato un’ampia variabilità nei contenuti minerali fogliari, utile per la calibrazione dei modelli, e un’accuratezza predittiva soddisfacente, con errori normalizzati contenuti per la maggior parte dei nutrienti. I risultati confermano la fattibilità di un approccio rapido, economico e sostenibile per la stima dello stato nutrizionale delle piante da frutto, fornendo un contributo concreto allo sviluppo della piattaforma DEMETRA e alla diffusione di strumenti digitali per un’agricoltura più efficiente e sostenibile.
File
| Nome file | Dimensione |
|---|---|
La tesi non è consultabile. |
|