Leveraging long-term field experiments and other datasets to develop AI-ready decision support systems for sustainable soil management

Questo bando, promosso dalla Commissione Europea nell'ambito di Horizon Europe, finanzia progetti di innovazione volti a sviluppare sistemi di supporto decisionale basati sull'intelligenza artificiale per la gestione sostenibile del suolo. L'obiettivo centrale è valorizzare i dati prodotti dagli esperimenti di campo a lungo termine (Long-Term Experiments, LTE) — definiti come esperimenti agricoli della durata minima di vent'anni dedicati al monitoraggio di suolo e colture — integrandoli con altre fonti di dati per costruire strumenti predittivi e operativi di alta qualità a disposizione di gestori del territorio, ricercatori e responsabili politici.

Il bando si inserisce nel quadro della Mission Soil (Missione suolo) di Horizon Europe e della EU Soil Strategy for 2030, e si propone di contribuire all'implementazione della Soil Monitoring and Resilience Directive una volta adottata. Non si tratta quindi di un finanziamento a imprese per attività produttive ordinarie, ma di un'azione di innovazione a carattere scientifico-tecnologico orientata alla ricerca applicata e al trasferimento dei risultati verso i gestori del territorio.

Sul piano dei contenuti finanziabili, i progetti dovranno affrontare alcune lacune strutturali oggi presenti nel settore: la mancanza di metodi standardizzati per la raccolta e la rendicontazione dei dati pedologici, la scarsa interoperabilità tra le piattaforme che ospitano dati di suolo, la necessità di dati ad alta risoluzione spaziale e temporale per cogliere le dinamiche di breve periodo, e la difficoltà dei servizi di consulenza indipendente per i gestori del territorio di fornire raccomandazioni personalizzate in ragione della complessità e varietà delle condizioni locali. I risultati attesi includono: una più ampia adozione di soluzioni di gestione sostenibile del suolo supportate da sistemi decisionali basati su AI; la messa a punto di metodi, protocolli e architetture logiche armonizzati, standardizzati, robusti e interoperabili per la raccolta e l'integrazione dei dati degli LTE con altre fonti; un accesso migliorato a dati pedologici completi e di alta qualità per scienziati, decisori politici e gestori del territorio.

La tipologia di azione è HORIZON Innovation Actions, il che implica attività più vicine alla dimostrazione e alla validazione in condizioni reali rispetto alle pure Research and Innovation Actions. I partecipanti tipici di questo tipo di azione sono consorzi composti da enti di ricerca, università, organizzazioni pubbliche e, dove pertinente, imprese tecnologiche o soggetti privati attivi nel settore agricolo e ambientale. Gli LTE sono generalmente di proprietà o gestiti da istituzioni pubbliche di ricerca, e questo orienta la composizione dei consorzi attesi.

La call di riferimento è HORIZON-MISS-2026-05-SOIL-04, nell'ambito della call più ampia HORIZON-MISS-2026-05 dedicata al supporto all'implementazione della Soil Deal for Europe Mission. La finestra temporale prevista per la presentazione delle domande si apre indicativamente il 4 febbraio 2026 e si chiude il 23 settembre 2026. Le proposte vanno presentate attraverso il portale ufficiale di Horizon Europe secondo le modalità e i requisiti amministrativi standard della Commissione Europea per le Innovation Actions.

Per un imprenditore o un soggetto italiano interessato a partecipare, questo bando è rilevante principalmente se opera in ambiti come lo sviluppo di tecnologie AI applicate all'agricoltura e alla gestione del territorio, la fornitura di servizi di supporto decisionale per il settore agricolo, la gestione e analisi di grandi basi di dati ambientali, o se è parte di un ecosistema di ricerca applicata in scienze del suolo. La partecipazione avviene necessariamente in consorzio internazionale, e la competitività della proposta dipende in misura rilevante dalla qualità scientifica del partenariato, dalla capacità di dimostrare impatto reale sull'adozione di pratiche sostenibili e dall'integrazione credibile di tecnologie di machine learning e AI nell'architettura dei sistemi proposti.