Validazione di Pratiche di Ottimizzazione della Produzione di Colture Proteiche in Agricoltura Biologica

The increase in global population coupled with reduced crop yield due to climate change have arisen a serious concern in terms of food security. In order to cope with the increasing pressure on the current system of food production and supply, innovative and sustainable approaches are needed. We need to shift our diet towards plant-based substitutes of proteins. We call this shift the protein transition. Switching to plant-based protein requires increasing the area and productivity of protein-rich seeds. The economic competitiveness of feed crops (cereals and oil rich crops) is very strong and largely explains farmers' lack of interest in protein-rich crops. From an agricultural perspective, however, the adaptability of these minor crops in different pedo-climatic zones must be verified. In this thesis we report about the experiments carried out with the aim to test optimization practices for protein crops production in organic agriculture in North of Italy (Friuli-Venezia Giulia region). The studied species were: chickpea, faba bean and lentil. They were studied to assess the varieties' adaptability in terms of seed and protein yield. The response of chickpea and lentil to water stress during the critical phase of grain filling has then been evaluated. Remotely sensed vegetation indices, calculated from data collected by an unmanned aerial system, were tested as a predictor of crop biomass, leaf area index, crop status and yield. We also evaluated chickpea and lentil intercropped with buckwheat to verify the allelopathy and competition functions with the main objective of managing weed competition. In terms of methodology, we implemented an unsupervised classification model to test the possibility of automatically classifying these crops using the combination of spectroscopy and photogrammetry. Faba bean resulted being the species with low and unstable yield, probably due to biotic stress. Chickpea seems to be a suitable crop for this region with high grain and protein yields also under drought stress. Lentil performance was variable as the first year it did not produce grains, while on the second experimental year it got high production. Irrigation influenced crop phenology by extending the duration of the flowering and grain setting phases, with some negative effects in terms of seed quality. The use of remote sensing data was effective in monitoring crops development. Significant correlations were assessed between vegetation indices and field-measured parameters. The use of time-integrated vegetation indices was particularly effective in correlating biomass and yield. Intercropping with buckwheat did not provide significant evidence about being an effective strategy to mitigate weed competition; however, the use of buckwheat water extracts had a significant inhibition effect on seeds germination. Random Forest modelling resulted being a useful tool able to classify with high accuracies the investigated protein crops at the species level.

L'aumento della popolazione mondiale associato alla riduzione del rendimento delle colture a causa dei cambiamenti climatici ha suscitato una forte preoccupazione in termini di sicurezza alimentare. Per affrontare la crescente pressione sul sistema attuale di alimentare, sono necessari approcci innovativi e sostenibili. È necessario un cambiamento nelle abitudini alimentari attuali, spostando l'apporto proteico da verso fonti vegetali Questo cambiamento è definito “transizione proteica”. La transizione verso proteine vegetali richiede un incremento nella quantità di superfici coltivate e nella produzione di colture proteiche, La competitività economica delle attuali colture (cereali e oleaginose) è molto forte ed è la causa dello scarso interesse degli agricoltori nell’adottare colture proteiche minori. L’adattabilità di queste colture minori nelle diverse zone pedoclimatiche deve essere ancora investigata. In questa tesi illustriamo delle prove sperimentali volte a validare le pratiche di ottimizzazione della produzione di colture proteiche in agricoltura biologica, nella regione Friuli Venezia Giulia. Le specie studiate sono cece, favino e lenticchia. Ne è stata valutata l’adattabilità intesa come resa di granella e proteina. È stata valutata la risposta di cece e lenticchia allo stress idrico durante la fase di riempimento dei baccelli. Sono stati testati indici di vegetazione da dati di telerilevamento con drone come perditori di biomassa della coltura, indice di area fogliare e resa. Abbiamo valutato la tecnica della consociazione per la gestione delle infestanti in cece e lenticchia, coltivate con una coltura allelopatia, il grano saraceno. Come progetto secondario metodologico, abbiamo implementato un modello di classificazione unsupervised per testare la possibilità di classificare automaticamente queste colture combinando dati multispettrali e di fotogrammetria. Il favino è risultato essere la specie con il minore rendimento, probabilmente a causa di stress biotici. Il cece è risultato essere una coltura adatta per questa regione, dato l’alto rendimento e la produzione di proteina, anche in condizioni di siccità. La lenticchia ha avuto prestazioni variabili. Il primo anno non ha prodotto seme, mentre quello successivo ha avuto una produzione elevata. L'irrigazione ha influenzato la fenologia delle colture, prolungando la durata della fase di fioritura e riempimento del baccello, con alcuni effetti negativi sulla qualità del seme. L'uso dei dati di telerilevamento è stato efficace nel monitorare lo sviluppo delle colture. Sono state individuate correlazioni significative tra gli indici di vegetazione e i parametri misurati in campo e l'elaborazione di indici cumulativi di vegetazione è stato efficace nel correlare biomassa e resa. La consociazione con il grano saraceno non è risultata essere una strategia efficace per mitigare la competizione da infestanti, tuttavia, l'uso degli estratti acquosi di grano saraceno ha avuto effetti di inibizione sulla germinazione dei semi. Il modello Random Forest si è rivelato uno strumento utile in grado di classificare con alta precisione le colture proteiche a livello di specie.