Testato dall'Università di Córdoba.
Validazione indipendente, sostenuta dall'UE, dei sensori di umidità del suolo SoilSense rispetto a misure gravimetriche, su due suoli contrastanti — argilloso e sabbioso. Córdoba, Spagna. Marzo 2026.
Entro la precisione nominale. Su argilla pesante.
2,77%
RMSE — modello globale su Vertisuolo, dopo rimozione degli outlier
Al di sotto del ±3% di precisione nominale del produttore. R² 0,91 rispetto al riferimento gravimetrico, sei settimane di evaporazione.
Miglior sensore singolo:
- 1,69%
- MAE
- 1,70%
- RMSE
- 0,99
- R²
Otto vasi. Due suoli. I dati dietro i numeri.
AgrifoodTEF è una delle Testing & Experimentation Facility europee istituite nell'ambito del Digital Europe Programme — create proprio per validare tecnologie digitali e di IA in condizioni agricole reali. Il nodo spagnolo è ospitato dall'Università di Córdoba, istituzione di agronomia mediterranea con una lunga tradizione in fisica del suolo e irrigazione.
All'Azienda Sperimentale di Rabanales di UCO, a Córdoba, sono stati preparati otto vasi. Quattro contenevano un Vertisuolo calcico — argilla pesante (66% argilla, 18% sabbia), il tipo di suolo che si crepa asciugandosi e si richiude bagnandosi. Quattro contenevano un Luvisuolo stagnico — tessitura superficiale sabbiosa (24% argilla, 66% sabbia). Ogni vaso è stato portato a saturazione e pesato gravimetricamente mentre si asciugava, mentre un sensore SoilSense a 12 cm di profondità registrava in parallelo il contenuto idrico volumetrico. L'errore è stato misurato con MAE, RMSE e regressione lineare; gli outlier identificati con residui standardizzati robusti sul dataset globale.
Vertisuolo — argilla pesante
Tre sensori su quattro entro o vicino al ±3%.
| Sensore | MAE (%) | RMSE (%) | R² |
|---|---|---|---|
| 1 Verle | 3.64 | 3.72 | 0.86 |
| 2 Verle | 2.64 | 2.88 | 0.83 |
| 1 Jasmin | 5.15 | 5.46 | 0.18 |
| 2 Jasmin | 1.69 | 1.70 | 0.99 |
Luvisuolo — sabbioso
Maggiore variabilità sul suolo a tessitura grossolana.
| Sensore | MAE (%) | RMSE (%) | R² |
|---|---|---|---|
| 1 Verle | 5.61 | 5.72 | 0.75 |
| 2 Verle | 3.91 | 4.06 | 0.53 |
| 1 Jasmin | 4.33 | 4.40 | 0.75 |
| 2 Jasmin | 2.75 | 2.78 | 0.65 |
Sui suoli grossolani, più variabilità — e il motivo onesto.
Il modello globale su Luvisuolo ha registrato RMSE 3,95% dopo la rimozione degli outlier, leggermente sopra il ±3% di precisione nominale. I suoli più sabbiosi trattengono l'acqua in modo irregolare e il volume contenuto del vaso amplifica questa variabilità. Il sistema segue fedelmente l'andamento; se la tua azienda si affida a soglie calibrate in valore assoluto su suoli grossolani, metti in conto una varianza leggermente superiore rispetto all'argilla.
Cita questo lavoro
Universidad de Córdoba / AgrifoodTEF (2026). Validation Report: SoilSense — UCO. Service ID S00383. Córdoba, Spagna.
Vuoi SoilSense nel tuo terreno?
Prenota una consulenza gratuita di 30 minuti. Dimensioneremo il sistema sulle tue colture e sui suoli che coltivi davvero — e ti mostreremo come la dashboard ti aiuta a decidere quando irrigare.