Tracciare la soia per fermare la deforestazione: con la chimica e l’AI

Un metodo innovativo combina impronta chimica e apprendimento automatico per localizzare con una precisione inedita l’origine della soia. Un supporto concreto per l’applicazione di regole più stringenti sulla tracciabilità

di Matteo Cavallito

L’espansione di alcune colture, in primis la soia, è una delle cause principali della deforestazione globale. Non sorprende, quindi, che negli ultimi anni siano state introdotte nuove regolamentazioni sulla tracciabilità con l’obiettivo di limitare le importazioni di materie prime prodotte a seguito di nuovi interventi di disboscamento nelle aree più a rischio. Individuare l’origine dei prodotti stessi, tuttavia, non è certo semplice. Ora però un nuovo strumento scientifico potrebbe rappresentare una svolta in tal senso.

A segnalarlo è uno studio pubblicato su Nature Communications Earth and Environment che introduce una tecnica innovativa per identificare l’origine della soia che, ricordano gli autori, è la terza causa principale della deforestazione tropicale. Il metodo combina l’analisi dell’impronta chimica dei raccolti con modelli avanzati di apprendimento automatico geospaziale, consentendo di stimare con precisione il luogo di produzione.

La soia contribuisce a un ottavo della deforestazione agricola globale

“Nonostante gli impegni assunti da governi, aziende e organizzazioni internazionali, la deforestazione globale resta a livelli allarmanti, trainata soprattutto dall’espansione agricola”, spiega lo studio. “Le foreste tropicali sono le più colpite dall’avanzata delle attività agricole e solo nel 2023 hanno perso 3,7 milioni di ettari a causa dell’espansione delle coltivazioni”. Responsabile da sola di circa l’11,5% della deforestazione legata alle commodities, sottolineano i ricercatori in una nota diffusa dall’Università di Sheffield, la produzione di soia, fortemente orientata all’export, rende le filiere complesse e difficili da monitorare.

La ricerca, condotta da un pool internazionale di scienziati, dimostra però come sia possibile superare i limiti dei metodi tradizionali di tracciabilità, individuando l’origine dei raccolti con una precisione inedita.

Un livello di dettaglio, insomma, che rappresenta un salto qualitativo rispetto alle precedenti classificazioni, limitate a scala nazionale o regionale. Il sistema, in particolare, integra dati ambientali e modelli di apprendimento automatico per associare le caratteristiche chimiche del prodotto a specifiche aree geografiche. Il metodo testato, inoltre, è scalabile e potenzialmente applicabile ad altre materie prime ad alto rischio di deforestazione, come cacao, olio di palma, legname e gomma, per citarne solo alcune.

Una precisione mai vista prima

Nel corso dello studio, i ricercatori hanno analizzato 267 campioni di soia raccolti in diverse aree di Brasile, Argentina e Bolivia, misurando sia i rapporti di isotopi stabili (come idrogeno, carbonio, azoto, ossigeno e zolfo) sia la concentrazione di elementi in traccia presenti nei semi. Dal momento che questi parametri dipendono da fattori climatici e dalle caratteristiche del suolo, individuarli nel dettaglio significa far emergere un’impronta geografica distintiva. Già, ma come? A offrire un apporto decisivo ci pensa l’intelligenza artificiale, che combina i dati chimici con la distanza geografica tra i campioni per stimare la posizione più probabile del raccolto.

Il modello ha raggiunto un errore medio di circa 192 chilometri rispetto al luogo reale di raccolta, migliorando significativamente i risultati dei sistemi usati in precedenza, che si concentravano esclusivamente su una singola variabile (gli elementi o gli isotopi stabili, appunto) e che superavano i 300 km.

Il nuovo sistema combinato, inoltre, ha ridotto drasticamente l’area di incertezza, garantendo una maggiore affidabilità delle stime. Questo consente non solo di determinare l’origine di un lotto di soia, ma anche di verificare l’attendibilità della sua dichiarazione di provenienza, con ovvie implicazioni per l’applicazione pratica delle nuove normative sulla tracciabilità.

Un nuovo strumento per la tracciabilità

Questo strumento, spiegano dunque gli scienziati, potrebbe contribuire all’attuazione del Regolamento europeo sulla deforestazione (EUDR), che entrerà in vigore a dicembre 2026 e richiederà alle aziende di dimostrare l’origine adeguata – ovvero non legata al disboscamento – delle materie prime importate. Pur non costituendo una soluzione definitiva, la nuova tecnologia rappresenta, insomma, un passo in avanti importante verso sistemi di approvvigionamento più trasparenti e sostenibili.

“Il nostro modello spazialmente esplicito rappresenta un salto in avanti nella tracciabilità delle commodities, consentendo sia di determinare l’origine dei prodotti sia di verificare le dichiarazioni di provenienza in uno spazio geografico reale”, concludono i ricercatori. “Applicabile a numerose materie prime, questo approccio garantisce trasparenza indipendentemente dalla complessità delle filiere e favorisce una regolamentazione efficace delle catene di approvvigionamento per contrastare la deforestazione illegale”.