Internet Of Green

di Dan Pejeroni [Infosphere]

Utilizzare l’agrometeorologia con le tecnologie Internet of Thing e Machine Learning per la gestione degli impianti di irrigazione è stata la sfida che mi sono posto progettando e sviluppando questo prototipo. Lo scopo di questo primo articolo è presentare l’abstract del progetto, mentre nei seguenti fornirò i dettagli tecnici degli aspetti funzionali, hardware e software.

Le comuni centraline degli impianti di irrigazione sono in grado di controllare l’erogazione idrica alle diverse zone in cui è suddivisa l’area verde, fornendo quantità d’acqua predefinite (in base al tempo di attivazione dei vari gruppi di erogatori). I cicli di irrigazione sono quindi subordinati a calendari settimanali programmabili. 

L’aspetto critico di questo approccio è rappresentato però dall’ottimizzazione del consumo d’acqua, spesso prelevata dalla rete idrica che impone stringenti limiti a queste forme di utilizzo. Se, per esempio, il nostro programma di irrigazione prevedesse 5 cicli settimanali dalle 3:00 alle 5:00, avremmo un consumo di oltre 2 mq giornalieri e, tenere conto del fattore pioggia per risparmiare cicli, diventerebbe assolutamente prioritario. Purtroppo l’unico strumento spesso disponibile su questi impianti è rappresentato da rudimentali sensori pioggia che quando si bagnano interrompono l’irrigazione fino a quando non si asciugano. Se la precipitazione arrivasse successivamente all’ora di attivazione prestabilita, avremmo sprecato 2000 litri di preziosa acqua potabile. 

Partendo da queste considerazioni ho deciso di creare Internet Of Green, un micro controller basato sulla scheda Arduino MKR 1010, che sfrutta diverse strategie per minimizzare il consumo idrico e garantisce un’erogazione ottimale alle varie zone verdi. Il sistema scambia dati con il cloud Internet Of Things Blink, per il controllo remoto da PC e smartphone.

 

La MKR WIFI 1010 è la versione migliorata della MKR 1000 WIFI. E’ equipaggiata con il modulo ESP32 della U-BLOX. Questa scheda mira a velocizzare e semplificare la prototi-pazione di applicazioni IoT basate su WiFi grazie alla flessibilità del modulo ESP32 ed il suo basso consumo.

La scheda è formata da tre blocchi principali: il processore SAMD21 Cortex-M0+ 32bit Low Power ARM MCU; il modulo WiFi U-BLOX NINA-W10 Series Low Power 2.4GHz IEEE® 802.11 b/g/n; ed il chip ECC508 Crypto Authentication.

 

Per ottenere questi risultati Internet Of Green utilizza congiuntamente diverse strategie:

  • monitoraggio e analisi dell’umidità del terreno delle singole zone;
  • analisi parametri ambientali rilevati dalle sonde;
  • previsioni meteorologiche (ottenute da API OpenWeatherMap);
  • machine learning sulla pluviometria effettiva.

Il micro controllore riceve una serie di dati in tempo reale da una rete di sensori ambientali e mantiene uno storico, successivamente utilizzato dagli algoritmi di machine learning per prendere le decisioni operative sui criteri di irrigazione:

  • temperatura e umidità dell’aria;
  • pressione atmosferica;
  • velocità del vento;
  • radiazione solare;
  • pluviometria;
  • umidità del terreno.

Monitoraggio dell’umidità del terreno

L’umidità del terreno è rilevata da sonde capacitive a minima corrosione che la trasmettono (ogni 10′) al controller che, comparando i valori ottenuti con i trigger impostati, fornisce o inibisce il consenso all’irrigazione. Durante il periodo estivo su terreno argilloso e prato di Festuca arundinacea, valori di umidità compresi tra il 25 e il 30% hanno dato risultati soddisfacenti. Se da un lato questa modalità di gestione dell’irrigazione può

 
 

garantire un livello minimo di umidità del terreno, dall’altro, come metodo consuntivo, non garantisce la minimizzazione del consumo idrico. Non è inoltre in grado di modulare la quantità d’acqua da erogare per ogni ciclo irriguo, non essendo in grado di prevedere il fattore di evapotraspirazione, legato a parametri ambientali quali temperatura, umidità dell’aria, vento e livello di irraggiamento.

Previsioni meteorologiche OpenWeatherMap

La strategia più idonea per un efficace contenimento dei consumi idrici è quella di consultare le previsioni meteo prima di avviare ogni ciclo di irrigazione. Per essere utilizzata praticamente una previsione deve essere però interpretata, poiché é necessario decidere se un determinato scenario di previsione può essere preso con sufficiente sicurezza come segnale di sospensione del normale ciclo irriguo. Trattandosi in ogni caso di una previsione di natura generale, questa decisione deve essere adattata alle caratteristiche orografiche del territorio specifico.

Internet Of Green, immediatamente dopo la mezzanotte, attiva la seguente serie di processi per attuare la strategia predittiva:

  • Utilizza le API messe a disposizione dal network OpenWeaterMap per scaricare la più recente previsione (suddivisa in otto intervalli di tre ore) che copre le successive 24 ore;
  • Traduce la previsione in un indice che rappresenta la probabilità che nelle successive 24 ore si verifichi un evento piovoso significativo e lo salva nella knowledge base;
  • Consolida il valore di pioggia effettiva (ricavata del pluviometro) nelle trascorse 24 ore, lo salva nella knowledge base e conferma o meno la previsione;
  • Attiva il processo di apprendimento (decision tree) sull’intera knowledge base ottenendo un benchmark aggiornato con cui paragonare la previsione ottenuta;
  • Abilita o disabilita l’irrigazione;

Questa strategia, con la crescita della base dati storica, aumenta nel tempo l’attendibilità della previsione effettuata dagli algoritmi di machine learning, adattandola alle condizioni locali e alle specifiche finalità di controllo dei cicli irrigui. Affiancata al monitoraggio dell’umidità del terreno, permette notevoli risparmi idrici evitando inutili irrigazioni.

Evapotraspirazione e bilancio idrico

L’evapotraspirazione (ET) rappresenta la quantità d’acqua che effettivamente evapora dalla superficie del terreno e traspira attraverso gli apparati fogliari delle piante, in determinate condizioni di temperatura, vento, umidità e irraggiamento solare. In estrema sintesi, possiamo affermare che Il nostro bilancio idrico è dato dalla differenza tra la precipitazione (mm di pioggia)

e l’evapotraspirazione. Questa differenza deve essere compensata dall’irrigazione. L’evapotraspirazione aumenta per effetto dell’irraggiamento, del vento e della temperatura, ma dipende anche dalle caratteristiche morfologiche del terreno e ecofisiologiche della coltura.

Internet Of Green, attraverso una rete di sensori ambientali, rileva nel corso delle 24 ore queste grandezze, consolidandole a fine giornata e calcolando quindi l’evapotraspirazione (mm/day). Poiché questo valore anticipa ciò verrà rilevato a consuntivo dalle sonde di umidità del terreno, possiamo utilizzarlo per modulare la quantità d’acqua da fornire alle varie zone, agendo sul tempo di erogazione degli irrigatori.

Una gestione multilivello

Internet Of Green, per realizzare una gestione ottimale dell’impianto d’irrigazione, può quindi avvalersi di tre distinte metodologie che possono essere utilizzare in modo indipendente o combinato. Per un gestione di base, è possibile avvalersi del solo monitoraggio dell’umidità del terreno, che disabilita l’irrigazione quando questo parametro supera la soglia di trigger impostata (per esempio 30%), oppure affidarsi alle sole previsioni meteorologiche, in modo che in previsione pioggia l’irrigazione venga sospesa. Anche utilizzando il solo controllo dell’evaporazione e del bilancio idrico è possibile gestire l’irrigazione, ma è dalla combinazione delle tre strategie che si ottengono

i migliori risultati garantendo un corretto livello di umidità al terreno minimizzando nel contempo i consumi idrici.

Il prototipo Internet Of Green è in fase di beta testing da agosto 2019 offrendo risultati molto positivi. Per la gestione WiFi dei sensori sul campo, è stata sperimentata l’adozione del protocollo MQTT e del cloud ThingSpeak. Nell’ultimo periodo è corso di valutazione anche l’utilizzo della nuova scheda Arduino MKR1310 a basso consumo che implementa la comunicazione LoRa (Long Range) e il cloud The Things Network.

Rispondi

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo di WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione /  Modifica )

Google photo

Stai commentando usando il tuo account Google. Chiudi sessione /  Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione /  Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione /  Modifica )

Connessione a %s...