IoT e telerilevamento per il monitoraggio multiscala degli effluenti zootecnici e degli impatti ambientali nella Pianura Padana

Intensive livestock and agro-industrial practices in the Po Valley (Northern Italy) represent one of the main environmental pressures in the region. The high density of animal farming and the systematic use of livestock effluents as fertilizers have led to an excessive accumulation of nutrients in soil and surface waters, causing air degradation, eutrophication of aquatic ecosystems, and increased river turbidity. This context requires integrated monitoring and management strategies that combine ground-based sensing, process modeling, and satellite remote sensing. This PhD research proposes an interdisciplinary approach to intelligent livestock waste management and environmental monitoring in the Po Valley, integrating Internet of Things (IoT) systems, simulation environments, and satellite-based processing pipelines. In the first phase, the study analyzed the livestock waste production and disposal chain, designing and prototyping an IoT architecture for mission management and real-time monitoring of slurry spreading operations. The system enables continuous data acquisition and traceability, supporting both regulatory agencies and agricultural operators in planning sustainable field activities. In parallel, a simulation environment was developed to reproduce manure spreading operations at the territorial scale. This emulator supports the evaluation of operational scenarios, costs, emissions, and environmental risks, and allows virtual testing of IoT-based architectures before real-world deployment. The integration of simulation and sensing provides a scalable platform for distributed monitoring and forecasting of the impacts related to intensive agricultural practices. The second part of the research focuses on the use of satellite imagery for assessing the environmental conditions of surface water bodies. An automated processing pipeline was designed to detect aquatic vegetation and estimate river turbidity, using established spectral indices such as NDVI, NDWI, and NDTI, combined with geospatial datasets from OpenStreetMap. The approach includes selecting high-resolution satellite images within defined spatiotemporal windows, applying cloud detection filters based on spectral bands, and performing post-processing stages for segmentation and integration of results. The methodology was applied to two case studies representative of the Mantua area: Lake Superior of Mantua (2017–2024) and the upper reach of the Mincio River (2023–2024). Preliminary results demonstrate the capability of the proposed tools to detect seasonal macrophyte proliferation and to quantify spatial and temporal variability in river turbidity, which can be correlated with agricultural and urban discharges. Overall, the research demonstrates how combining IoT sensing, simulation modeling, and satellite remote sensing can provide a robust methodological foundation for the development of agro-environmental digital twins. Such integrated frameworks enable multiscale analysis of environmental processes and offer reproducible, scalable tools to support sustainable management and policy-making in regions affected by intensive livestock and agricultural production.

L’intensificazione delle pratiche zootecniche e agro-industriali nella Pianura Padana rappresenta una delle principali cause di pressione ambientale nel Nord Italia. La concentrazione elevata di allevamenti e l’uso sistematico di reflui zootecnici come fertilizzanti hanno determinato un accumulo eccessivo di nutrienti nel suolo e nelle acque superficiali, con effetti significativi su qualità dell’aria, eutrofizzazione dei corpi idrici e aumento della torbidità fluviale. Tale contesto impone l’adozione di strategie integrate di monitoraggio e gestione, capaci di coniugare osservazioni da sensori a terra, modellazione dei processi e telerilevamento satellitare. La presente ricerca di dottorato propone un approccio interdisciplinare per la gestione intelligente dei reflui zootecnici e il monitoraggio delle dinamiche ambientali nella Pianura Padana, combinando sistemi IoT, ambienti di simulazione e pipeline di elaborazione satellitare. Nella prima fase, è stata analizzata la filiera di produzione e smaltimento dei reflui, con la progettazione e il prototipo di un’architettura IoT dedicata alla gestione delle missioni di trasporto e distribuzione dei liquami. Tale infrastruttura consente il tracciamento in tempo reale delle operazioni e la raccolta sistematica di dati ambientali, supportando le autorità di controllo e gli operatori agricoli nella pianificazione sostenibile delle attività. Parallelamente, è stato sviluppato un ambiente simulato per la riproduzione delle operazioni di spandimento dei reflui su scala territoriale. Il simulatore consente di analizzare scenari operativi, valutare costi, emissioni e rischi ambientali, nonché di testare virtualmente l’efficacia dell’architettura IoT prima della sua implementazione reale. L’integrazione tra sensoristica e simulazione fornisce una piattaforma scalabile per il monitoraggio distribuito e la previsione degli impatti derivanti dalle pratiche agricole intensive. Nella seconda parte della ricerca, l’attenzione si è concentrata sull’utilizzo di immagini satellitari per la valutazione dello stato ambientale dei corpi idrici. È stato progettato un sistema automatico per l’analisi della vegetazione acquatica e della torbidità fluviale, basato sull’impiego di indici spettrali consolidati come NDVI, NDWI e NDTI, combinati con dataset geospaziali vettoriali (OpenStreetMap). L’approccio prevede la selezione di immagini satellitari ad alta risoluzione in finestre spazio-temporali definite, la filtrazione automatica delle nubi mediante bande spettrali dedicate e una fase di post-processing per l’integrazione e la segmentazione dei risultati. Le pipeline di elaborazione sono state applicate a due casi di studio rappresentativi del territorio mantovano: il Lago Superiore di Mantova (2017–2024) e il tratto superiore del fiume Mincio (2023–2024). I risultati preliminari mostrano la capacità degli strumenti proposti di rilevare la proliferazione stagionale di macròfite acquatiche e di quantificare la variabilità spaziale e temporale della torbidità fluviale, correlabile alla presenza di scarichi agricoli e urbani. Nel complesso, la ricerca dimostra come la combinazione di sensori IoT, simulazione e telerilevamento satellitare possa costituire una base metodologica solida per la costruzione di gemelli digitali agro-ambientali, in grado di supportare decisioni operative e politiche di gestione sostenibile. L’approccio integrato proposto consente una visione multiscala dei processi ambientali e fornisce strumenti riproducibili e adattabili ad altri contesti territoriali caratterizzati da pressioni agro-industriali simili.