La modellistica di simulazione come strumento di supporto

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)

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

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

COME USCIRNE? SOLUZIONE AUMENTARE LA PRODUTTIVITA’ PER UNITA’ DI SUPERFICIE 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)

1. PERCHE’ I MODELLI? MAPPE DI VULNERABILITA’ (o di RISCHIO) Applicazione territoriale utilizzare insieme: • il modello Crop. Syst 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) 1 a - Dati pedologici 1 b • dati meteorologici • uso del suolo • gestione agronomica 3 - Lisciviazione nitrati 2 Modello di simulazione

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.

Crop. Syst (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 “timestep”

Crop. Syst • E’ documentato Perché è stato scelto • E’ in continua evoluzione • E’ un generico simulatore di colture • Simula sistemi colturali • Accumulo di biomassa Alcuni output • Stress ai quali la coltura è sottoposta • Movimenti di acqua nel sistema suolo - coltura • Movimenti e trasformazioni dell’azoto nel suolo

Crop. Syst Crescita della coltura Crescita della biomassa aerea in funzione della disponibilità di: • radiazione luminosa • acqua • azoto acqua nel terreno energia radiante precipitazioni concimazioni Crescita radicale azoto nel terreno

Crop. Syst - Ciclo dell’acqua precipitazioni e irrigazioni run-off evaporazione infiltrazione e percolazione profonda traspirazione

Crop. Syst - Ciclo dell’azoto assorbimento colturale concimazioni vol. NH 3 spostamento verso il basso e lisciviazione N-organico N-NH 4+ denitrif. N-NO 3

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

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

CALIBRAZIONE PRIMA DELLA CALIBRAZIONE DOPO LA CALIBRAZIONE

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

Crop. Syst - 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 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 loglio italico medica III 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

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

Crop. Syst – la coltura

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

Crop. Syst: generico simulatore di colture • Crop. Syst 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 Crop. Syst • 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 Crop. Syst • • 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 = k. BT (T / VPD) – GTR = crescita limitata da disponibilità idrica (kg m-2 d-1) – k. BT = biomass-transpiration coefficient (kg m-2) k. Pa m-1 = tasso di fotosintesi netta – T = traspirazione (m-3 m-2 d-1) ovvero (m d-1) – VPD = vapor pressure deficit (k. Pa)

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

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)

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 • Crop. Syst 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

Crop. Syst – infiltrazione dell’acqua nel suolo

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

Crop. Syst – l’azoto

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

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 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)