La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

La modellistica di simulazione come strumento di supporto e monitoraggio Nessuno crede ai modelli tranne chi li ha prodotti… Tutti credono ai dati sperimentali.

Presentazioni simili


Presentazione sul tema: "La modellistica di simulazione come strumento di supporto e monitoraggio Nessuno crede ai modelli tranne chi li ha prodotti… Tutti credono ai dati sperimentali."— Transcript della presentazione:

1 La modellistica di simulazione come strumento di supporto e monitoraggio Nessuno crede ai modelli tranne chi li ha prodotti… Tutti credono ai dati sperimentali tranne chi li ha raccolti (Gaylon S. Campbell) Roberto Confalonieri

2 tempo popolazione POPOLAZIONE IN CONTINUO AUMENTO SERVONO PIU CASE SERVE PIU CIBO IL PROBLEMA...

3 SE SERVE PIU CIBO… SE SERVONO PIU CASE… CAMPI CITTA IL PROBLEMA...

4 SOLUZIONE AUMENTARE LA PRODUTTIVITA PER UNITA DI SUPERFICIE MODERNI AGROECOSISTEMI (BASSA EFFICIENZA & ELEVATO IMPATTO) COME USCIRNE?

5 STRUMENTI DI SUPPORTO ALLE DECISIONI NECESSITA DI RISPOSTE IMMEDIATE LIMITATEZZA DELLE RISORSE MODELLISTICA DI SIMULAZIONE

6 100% produzione 0% rispetto 0% produzione 100% rispetto ECOLOGIA AGRARIA ~ CUBISMO GUARDARE LA REALTA DA DIVERSI PUNTI DI VISTA!!! MODELLISTICA DI SIMULAZIONE

7 LA MODELLISTICA DI SIMULAZIONE TENTA DI DESCRIVERE LA REALTA Problema: valutazione della velocità di degradazione di fitofarmaci in risaia ( T dipendente ). Generalmente viene misurata solo la T in capannina mentre a me serve la T in acqua MODELLO (Tentativo di descrivere la realtà)

8 1. PERCHE I MODELLI? MAPPE DI VULNERABILITA (o di RISCHIO) Applicazione territoriale utilizzare insieme: il modello CropSyst per la simulazione dei sistemi colturali (acqua e azoto nel sistema suolo-coltura) un sistema informativo geografico (GIS) per produrre: mappe di rischio.

9 Cosè un GIS Geographical Information System E un programma che consente di rappresentare cartograficamente informazioni geografiche Ne consente lelaborazione

10 MAPPE DI VULNERABILITA (o di RISCHIO) - Cosa si vuole mappare? - Utilizzare input omogenei per poligono - Lanciare un modello che simula il sistema colturale - Mappare il risultato (omogeneo per poligono) STRUMENTO DI SUPPORTO ALLE DECISIONI

11 MAPPE DI VULNERABILITA (o di RISCHIO) Modello di simulazione 1a - Dati pedologici Lisciviazione nitrati dati meteorologici uso del suolo gestione agronomica 1b

12 MAPPE DI VULNERABILITA (o di RISCHIO) aspersionescorrimento

13 Obiettivo: stimare la differenza tra la produzione reale e quella che si sarebbe potuta ottenere, nelle medesime condizioni pedo – climatiche, ottimizzando la gestione. I dati di produzione potenziale forniti come output da un modello di simulazione vengono confrontati con i dati di produzione reali. Yield gap (Bindraban et al., 2000) 2. PERCHE I MODELLI? DEFICIT DI RESA

14 CropSyst (Stockle e Nelson, 1996) è un modello che descrive, su base giornaliera, levoluzione di un sistema colturale E un programma che riproduce il comportamento della realtà Lo fa in modo semplificato usando equazioni per la stima dei processi Ripete le stime ogni time- step

15 E documentato E in continua evoluzione E un generico simulatore di colture Simula sistemi colturali Accumulo di biomassa Stress ai quali la coltura è sottoposta Movimenti di acqua nel sistema suolo - coltura Movimenti e trasformazioni dellazoto nel suolo Perché è stato scelto Alcuni output CropSyst

16 CropSyst Crescita della coltura energia radiante Crescita radicale Crescita della biomassa aerea in funzione della disponibilità di: radiazione luminosa acqua azoto precipitazioni acqua nel terreno azoto nel terreno concimazioni

17 CropSyst - Ciclo dellacqua precipitazioni e irrigazioni infiltrazione e percolazione profonda traspirazione run-off evaporazione

18 CropSyst - Ciclo dellazoto spostamento verso il basso e lisciviazione assorbimento colturale concimazioni N-organicoN-NH 4 + N-NO3 vol. NH 3 denitrif.

19 I modelli di simulazione dei sistemi colturali MODELLO meteorologici pedologici agrotecnici morfo-fisiologici crescita e sviluppo della coltura bilanci di massa (acqua e azoto) nel sistema suolo-coltura segnalazione di eventuali stress inputinput outputoutput QUALSIASI MODELLO DI SIMULAZIONE, PRIMA DI ESSERE UTILIZZATO, DEVE ESSERE CALIBRATO E VALIDATO SU DATI RACCOLTI IN CAMPO

20 Modelli di simulazione Dati sperimentali - Messa a punto del modello - Input per le simulazioni Gestione dati sperimentali Misure sperimentali e modellistica di simulazione

21 CALIBRAZIONE PRIMA DELLA CALIBRAZIONE DOPO LA CALIBRAZIONE

22 …FUNZIONANO? I MODELLI DI SIMULAZIONE… CONCENTRAZIONE DI AZOTO NITRICO NEL TERRENO SIMULAZIONE DI UNA ROTAZIONE SESSENNALE (3 anni loglio-mais; 3 anni di medica)

23 CropSyst - RISO Confronto tra i dati misurati e simulati relativi alla concentrazione di azoto nella coltura Confronto tra i dati misurati e simulati relativi alla biomassa prodotta

24 medica I medica II ERBA MEDICA

25 LOGLIO ITALICO Confronto tra i dati misurati e simulati relativi alla biomassa prodotta Confronto tra i dati misurati e simulati relativi alla concentrazione di azoto nella coltura

26 ACCUMULO DI BIOMASSA mais medica I medica IImedica III loglio italico SIMULAZIONE DI UNA ROTAZIONE SESSENNALE (3 anni loglio-mais; 3 anni di medica)

27 SIMULAZIONE DEL CONTENUTO IDRICO NEL TERRENO SIMULAZIONE DI UNA ROTAZIONE SESSENNALE (3 anni loglio-mais; 3 anni di medica)

28 SE BEN UTILIZZATI......SI

29 AVVERTENZE: I modelli sono semplificazioni della realtà: tenere presenti le limitazioni duso! La qualità delloutput dipende dalla qualità dellinput I modelli richiedono calibrazione

30 Classificazione dei modelli empirici / meccanicistici statici / dinamici

31 Variabili, parametri e costanti Variabili = variano durante la simulazione Parametri e costanti = non variano durante la simulazione

32 Variabili…... di stato: definiscono lo stato del sistema in un determinato momento nel tempo... di tasso: definiscono il tasso di cambiamento delle variabili di stato

33 Parametri e costanti Parametri: quantità mantenute costanti durante una simulazione Costanti: il loro valore è stato accuratamente determinato e non dovrebbe mai cambiare

34 Modelli concettuali Diagrammi relazionali Modello concettuale del sistema: definisce le relazioni tra le componenti del sistema Diagramma relazionale: esplicita il modello concettuale E indispensabile per sistemi complessi!

35 Simbologia per diagrammi

36 CropSyst – la coltura

37 Sviluppo Crescita della coltura in relazione a: –disponibilità di luce –temperatura –disponibilità idrica –disponibilità di nutrienti Ripartizione degli assimilati Aspetti considerati:

38 CropSyst: generico simulatore di colture CropSyst simula la crescita e lo sviluppo di colture erbacee usando un simulatore generico Le diverse specie e cultivar sono descritte da un set di parametri che descrivono la risposta della coltura allambiente (file.CRP)

39 Crescita e sviluppo Lo sviluppo è il procedere della coltura attraverso stadi fenologici (es. dallemergenza alla prima foglia vera) Crescita: –accumulo di biomassa –sua ripartizione negli organi

40 Sviluppo in CropSyst Accumulo di gradi giorno, in funzione di: –temperatura media dellaria –temperature minima e massima per la coltura –stress idrico Laccumulo di gradi giorno influenza: –stadi fenologici –durata area fogliare

41 Fasi fenologiche considerate da CropSyst Planting event = semina Preemergence = pre-emergenza Emergence = emergenza (50) Active growth = post-emergenza Flowering = fioritura (690) Grain filling = riempimento granella (720) Physiological maturity = mat. fis. (1611) Harvest event = raccolta

42 Crescita e disponibilità di radiazione luminosa Intercettazione della luce Fotosintesi –lorda –netta (sottraggo respirazione per mantenimento e crescita) Ripartizione assimilati

43 Intercettazione della luce La stima della radiazione intercettata dalla coltura è importantissima Dipende dal LAI (Leaf Area Index) Essa influenza direttamente: –la fotosintesi giornaliera (radiazione globale PAR biomassa) –il rapporto tra evaporazione potenziale e traspirazione potenziale

44 Fotosintesi netta in funzione della radiazione G R = RUE (f int PAR) T lim –G R = crescita limitata da radiazione (kg m -2 d -1 ) –RUE = Radiation Use Efficiency = Ligth to above ground biomass conversion (kg MJ -1 ) = tasso di fotosintesi netta –f int = frazione di radiazione intercettata –PAR = Photosynthetically Active Radiation (MJ m -2 d -1 ) –T lim = limitazione da temperatura

45 Crescita e disponibilità idrica G TR = k BT (T / VPD) –G TR = crescita limitata da disponibilità idrica (kg m -2 d -1 ) –k BT = biomass-transpiration coefficient (kg m -2 ) kPa m -1 = tasso di fotosintesi netta –T = traspirazione (m -3 m -2 d -1 ) ovvero (m d -1 ) –VPD = vapor pressure deficit (kPa)

46 Crescita in funzione di: luce e acqua G = min (G R, G TR ) (kg m -2 d -1 ) In questo modo considero il fattore più limitante (acqua o luce?)

47 Crescita in funzione dellazoto: la diluizione dellazoto

48 Ma il LAI da dove viene? Biomassa LAI Profondità radicale (massima al raggiungimento del massimo LAI) LAI = SLA [B / (1 + p B)] SLA = Specific Leaf Area (m 2 /kg) B = biomassa aerea totale (t SS/ha) p = coefficiente empirico (m 2 /kg) (Stem/Leaf partition coefficient)

49 Specific Leaf Area (SLA) E la quantità di area fogliare prodotta per unità di biomassa che viene ripartita verso le foglie Nella pratica non è costante, ma nel modello sì Al modello si fornisce una media di valori ottenuti in condizioni ottimali allinizio del periodo di crescita

50 Leaf Area Duration (LAD) E la durata, espressa in gradi giorno, dellarea fogliare Ogni giorno viene emessa una certa quantità di area fogliare. La sua vita inizia quel giorno e finisce quando sono stati accumulati i gradi giorno pari a LAD Lo stress idrico accelera laccumulo di gradi giorno

51 Resa della coltura CropSyst non prevede, per semplicità, una ripartizione giornaliera degli assimilati Solo la biomassa aerea viene simulata giornalmente Alla raccolta viene stimata la quantità di biomassa contenuta nel prodotto utile (resa), in base allharvest index

52 CropSyst – infiltrazione dellacqua nel suolo

53 Infiltrazione strato 1: V 1 ([N] 1 ) strato 2: V 2 ([N] 2 ) strato 3: V 3 ([N] 3 ) V 1(2) V 2(3) V 2 ([N] 2 ) = V 2 ([N] 2 ) + V 1(2) ([N] 1 ) - V 2(3) ([N] 2 ) Percolazione Lisciviazione Modello a serbatoi (a cascata) Differenze finite

54 CropSyst – lazoto

55 NH 3 N 2 aria raccolti N 2 O, N 2 NH 3 SOM microrg. mineralizzazione NH 4 + nitrificazione lisciviazione NO 3 - reflui

56 Bilancio dellazoto minerale: giornaliero, mensile, annuale Fertilizzazioni Mineralizzazione –SOM –residui, reflui N fissazione Acqua irrigua Azoto atmosferico N minerale allinizio Volatilizzazione Denitrificazione Lisciviazione Asportazione colturale Immobilizzazione N minerale alla fine INPUTOUTPUT

57 In genere sono usati per: Previsione rese Valutazione impatto ambientale Potrebbero anche essere usati per: Verifica dati sperimentali Pianificazione campionamenti I modelli di simulazione

58 1. Verifica dati sperimentali Mais da trinciato classe 600 Gestione tale da non evidenziare stress da mancanza di acqua o azoto Acqua in entrata nel sistema suolo – coltura: Precipitazioni: 385 mm Irrigazioni: 100 mm (25 luglio 97) Dati provenienti da una prova sperimentale Biomassa prodotta: 25.2 t/ha

59 Manca un dato di irrigazione!!! Mettendo opzione di irrigazione reale posso, attraverso lanalisi degli stress, capire anche più o meno la data 1. Verifica dati sperimentali Resa irr. automatica: 25.2 t/ha Resa irr. misurata: 23.0 t/ha

60 Esempio: mi serve un protocollo sperimentale e voglio sapere ogni quanto fare campionamenti di biomassa in modo da ottenere curve di crescita il più possibile complete senza però sprecare risorse 2. Pianificazione esperimenti

61

62 Ipotizzo delle frequenze di campionamento sulla base dellandamento della derivata 2. Pianificazione esperimenti Dove la derivata presenta pendenze più accentuate, sono necessari campionamenti più frequenti (~ 2 volte alla settimana) Dove la derivata presenta pendenze meno accentuate, è possibile effettuare campionamenti meno frequenti (~ 1 volta ogni 2 settimane)

63 Interazione fruttuosa tra chi raccoglie il dato, chi lo analizza e chi lo usa (es. modellista) Non solo per errori di registrazione ma anche per: dati non trattati bene ricostruzione di dati mancanti 2. Pianificazione esperimenti


Scaricare ppt "La modellistica di simulazione come strumento di supporto e monitoraggio Nessuno crede ai modelli tranne chi li ha prodotti… Tutti credono ai dati sperimentali."

Presentazioni simili


Annunci Google