Roberto Confalonieri roberto.confalonieri@unimi.it La modellistica di simulazione come strumento di supporto e monitoraggio Roberto Confalonieri roberto.confalonieri@unimi.it “Nessuno crede ai modelli tranne chi li ha prodotti… Tutti credono ai dati sperimentali tranne chi li ha raccolti” (Gaylon S. Campbell)
POPOLAZIONE IN CONTINUO AUMENTO IL PROBLEMA... SERVE PIU’ CIBO popolazione tempo POPOLAZIONE IN CONTINUO AUMENTO SERVONO PIU’ CASE
IL PROBLEMA... CAMPI SE SERVE PIU’ CIBO… CITTA’ SE SERVONO PIU’ CASE…
SOLUZIONE MODERNI AGROECOSISTEMI (BASSA EFFICIENZA & ELEVATO IMPATTO) COME USCIRNE? AUMENTARE LA PRODUTTIVITA’ PER UNITA’ DI SUPERFICIE SOLUZIONE MODERNI AGROECOSISTEMI (BASSA EFFICIENZA & ELEVATO IMPATTO)
STRUMENTI DI SUPPORTO ALLE DECISIONI NECESSITA’ DI RISPOSTE IMMEDIATE LIMITATEZZA DELLE RISORSE MODELLISTICA DI SIMULAZIONE
ECOLOGIA AGRARIA ~ CUBISMO GUARDARE LA REALTA’ DA DIVERSI PUNTI DI VISTA!!! MODELLISTICA DI SIMULAZIONE 100% produzione 0% rispetto 0% produzione 100% rispetto
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)
Applicazione territoriale 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.
Cos’è un GIS Geographical Information System E’ un programma che consente di rappresentare cartograficamente informazioni geografiche Ne consente l’elaborazione
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
MAPPE DI VULNERABILITA’ (o di RISCHIO) 1a - Dati pedologici 3 - Lisciviazione nitrati 1b Modello di simulazione 2 dati meteorologici uso del suolo gestione agronomica
MAPPE DI VULNERABILITA’ (o di RISCHIO) aspersione scorrimento
2. PERCHE’ I MODELLI? DEFICIT DI RESA Yield gap (Bindraban et al., 2000) 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.
CropSyst (Stockle e Nelson, 1996) è un modello che descrive, su base giornaliera, l’evoluzione 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”
CropSyst Perché è stato scelto Alcuni output E’ documentato E’ in continua evoluzione E’ un generico simulatore di colture Simula sistemi colturali Perché è stato scelto Accumulo di biomassa Stress ai quali la coltura è sottoposta Movimenti di acqua nel sistema suolo - coltura Movimenti e trasformazioni dell’azoto nel suolo Alcuni output
CropSyst Crescita della coltura Crescita della biomassa aerea in funzione della disponibilità di: radiazione luminosa acqua azoto energia radiante precipitazioni concimazioni Crescita radicale acqua nel terreno azoto nel terreno
CropSyst - Ciclo dell’acqua traspirazione precipitazioni e irrigazioni evaporazione run-off infiltrazione e percolazione profonda
CropSyst - Ciclo dell’azoto assorbimento colturale concimazioni vol. NH3 denitrif. spostamento verso il basso e lisciviazione N-organico N-NH4+ N-NO3
I modelli di simulazione dei sistemi colturali QUALSIASI MODELLO DI SIMULAZIONE, PRIMA DI ESSERE UTILIZZATO, DEVE ESSERE CALIBRATO E VALIDATO SU DATI RACCOLTI IN CAMPO input meteorologici morfo-fisiologici pedologici agrotecnici MODELLO output crescita e sviluppo della coltura segnalazione di eventuali stress bilanci di massa (acqua e azoto) nel sistema suolo-coltura
Misure sperimentali e modellistica di simulazione Dati sperimentali - Messa a punto del modello - Input per le simulazioni Gestione dati sperimentali Modelli di simulazione
PRIMA DELLA CALIBRAZIONE DOPO LA CALIBRAZIONE
I MODELLI DI SIMULAZIONE… CONCENTRAZIONE DI AZOTO NITRICO NEL TERRENO …FUNZIONANO? CONCENTRAZIONE DI AZOTO NITRICO NEL TERRENO SIMULAZIONE DI UNA ROTAZIONE SESSENNALE (3 anni loglio-mais; 3 anni di medica)
CropSyst - RISO 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
ERBA MEDICA medica I medica II
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
ACCUMULO DI BIOMASSA mais medica I medica II medica III loglio italico SIMULAZIONE DI UNA ROTAZIONE SESSENNALE (3 anni loglio-mais; 3 anni di medica)
SIMULAZIONE DEL CONTENUTO IDRICO NEL TERRENO SIMULAZIONE DI UNA ROTAZIONE SESSENNALE (3 anni loglio-mais; 3 anni di medica)
SE BEN UTILIZZATI... ...SI
La qualità dell’output dipende dalla qualità dell’input AVVERTENZE: I modelli sono semplificazioni della realtà: tenere presenti le limitazioni d’uso! La qualità dell’output dipende dalla qualità dell’input I modelli richiedono calibrazione
Classificazione dei modelli empirici / meccanicistici statici / dinamici
Variabili, parametri e costanti Variabili = variano durante la simulazione Parametri e costanti = non variano durante la simulazione
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
Parametri e costanti Parametri: quantità mantenute costanti durante una simulazione Costanti: il loro valore è stato accuratamente determinato e non dovrebbe mai cambiare
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!
Simbologia per diagrammi
CropSyst – la coltura
Aspetti considerati: Sviluppo Crescita della coltura in relazione a: disponibilità di luce temperatura disponibilità idrica disponibilità di nutrienti Ripartizione degli assimilati
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 all’ambiente (file .CRP)
Crescita e sviluppo Lo sviluppo è il procedere della coltura attraverso stadi fenologici (es. dall’emergenza alla prima foglia vera) Crescita: accumulo di biomassa sua ripartizione negli organi
Sviluppo in CropSyst Accumulo di gradi giorno, in funzione di: temperatura media dell’aria temperature minima e massima per la coltura stress idrico L’accumulo di gradi giorno influenza: stadi fenologici durata area fogliare
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
Crescita e disponibilità di radiazione luminosa Intercettazione della luce Fotosintesi lorda netta (sottraggo respirazione per mantenimento e crescita) Ripartizione assimilati
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
Fotosintesi netta in funzione della radiazione GR = RUE (fint PAR) Tlim GR = 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 fint = frazione di radiazione intercettata PAR = Photosynthetically Active Radiation (MJ m-2 d-1) Tlim = limitazione da temperatura
Crescita e disponibilità idrica GTR = kBT (T / VPD) GTR = crescita limitata da disponibilità idrica (kg m-2 d-1) kBT = 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)
Crescita in funzione di: luce e acqua G = min (GR, GTR) (kg m-2 d-1) In questo modo considero il fattore più limitante (acqua o luce?)
Crescita in funzione dell’azoto: la diluizione dell’azoto
Profondità radicale (massima al raggiungimento del massimo LAI) Ma il LAI da dove viene? Biomassa LAI LAI = SLA [B / (1 + p B)] Profondità radicale (massima al raggiungimento del massimo LAI) SLA = Specific Leaf Area (m2/kg) B = biomassa aerea totale (t SS/ha) p = coefficiente empirico (m2/kg) (Stem/Leaf partition coefficient)
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 all’inizio del periodo di crescita
Leaf Area Duration (LAD) E’ la durata, espressa in gradi giorno, dell’area 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 l’accumulo di gradi giorno
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 all’harvest index
CropSyst – infiltrazione dell’acqua nel suolo
Modello a serbatoi (a cascata) Infiltrazione Modello a serbatoi (a cascata) Differenze finite 1 2 3 V1(2) V2(3) strato 1: V1([N]1) Percolazione strato 2: V2([N]2) Lisciviazione strato 3: V3([N]3) V2’([N]2’) = V2([N]2) + V1(2)([N]1) - V2(3)([N]2)
CropSyst – l’azoto
NH3 N2 aria raccolti SOM N2O, N2 microrg. reflui mineralizzazione NH4+ nitrificazione lisciviazione NO3- reflui
Bilancio dell’azoto minerale: giornaliero, mensile, annuale INPUT OUTPUT Fertilizzazioni Mineralizzazione SOM residui, reflui N fissazione Acqua irrigua Azoto atmosferico N minerale all’inizio Volatilizzazione Denitrificazione Lisciviazione Asportazione colturale Immobilizzazione N minerale alla fine
I modelli di simulazione In genere sono usati per: Previsione rese Valutazione impatto ambientale Potrebbero anche essere usati per: Verifica dati sperimentali Pianificazione campionamenti
1. Verifica dati sperimentali Dati provenienti da una prova sperimentale Mais da trinciato classe 600 Gestione tale da non evidenziare stress da mancanza di acqua o azoto Biomassa prodotta: 25.2 t/ha Acqua in entrata nel sistema suolo – coltura: Precipitazioni: 385 mm Irrigazioni: 100 mm (25 luglio 97)
1. Verifica dati sperimentali Manca un dato di irrigazione!!! Resa irr. automatica: 25.2 t/ha Resa irr. misurata: 23.0 t/ha Manca un dato di irrigazione!!! Mettendo opzione di irrigazione reale posso, attraverso l’analisi degli stress, capire anche più o meno la data
2. Pianificazione esperimenti 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
2. Pianificazione esperimenti Ipotizzo delle frequenze di campionamento sulla base dell’andamento della derivata 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)
2. Pianificazione esperimenti Non solo per errori di registrazione ma anche per: dati non trattati bene ricostruzione di dati mancanti Interazione fruttuosa tra chi raccoglie il dato, chi lo analizza e chi lo usa (es. modellista)