DEVELOPING OPERATIONAL CARBON FARMING STRATEGIES TO UNLOCK THE CLIMATE BENEFITS OF SOIL CARBON SEQUESTRATION: FROM AGRONOMIC PRACTICES TO MRV TOOLS

During the three-year research period, carbon farming strategies were developed to enhance soil organic carbon (SOC) sequestration and soil quality, supporting the transition towards a sustainable carbon economy. The multidisciplinary approach integrated field experiments, incubation studies, and advanced Monitoring, Reporting, and Verification (MRV) tools to obtain robust and scalable results. The main objectives of the research included: - Assessing the effectiveness of agronomic practices and proposing operational solutions for specific agricultural sectors, such as bioenergy crops and the industrial tomato supply chain, to optimize soil carbon management and increase SOC stocks. - Analyzing microbial processes involved in SOC stabilization, with a particular focus on the role of nutrient availability and organic matter decomposition. - Developing scalable MRV tools based on proximal sensing technologies, machine learning, and auxiliary data, to improve the accuracy of SOC stock estimation.

Durante il triennio di ricerca sono state sviluppate strategie di carbon farming per migliorare il sequestro del carbonio organico nel suolo (SOC) e la qualità del suolo, contribuendo alla transizione verso un’economia del carbonio sostenibile. L’approccio multidisciplinare adottato ha integrato esperimenti in campo, studi di incubazione e strumenti avanzati di Monitoraggio, Reporting e Verifica (MRV) per ottenere risultati robusti e scalabili. Gli obiettivi principali della ricerca hanno incluso: - Valutare l’efficacia di pratiche agronomiche e proporre soluzioni operative per settori agricoli specifici, come le colture bioenergetiche e la filiera del pomodoro industriale, al fine di ottimizzare la gestione del carbonio nel suolo e aumentarne lo stock. - Analizzare i processi microbici coinvolti nella stabilizzazione del SOC, con particolare attenzione al ruolo della disponibilità di nutrienti e della decomposizione della sostanza organica. - Sviluppare strumenti MRV scalabili basati su tecnologie di proximal sensing, machine learning e dati ausiliari, per migliorare la precisione della stima degli stock di SOC.