La modellistica di simulazione come
strumento di supporto e monitoraggio
Roberto Confalonieri
[email protected]
“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’
35
30
25
temperature (°C)
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
Anno 1989 - Temperature massime e minime misurate in aria
e al fondo della risaia
20
T massima in aria
T minima in aria
15
T massima al f ondo
T minima al f ondo
10
5
0
29/04/89 19/05/89 08/06/89 28/06/89 18/07/89 07/08/89 27/08/89 16/09/89
date
Tx e Tn A FONDO RISAIA
confronto fra dati misurati e dati stimati con MODELLO EMPIRICO
MODELLO
massima stimata
massima misurata
30
25
20
15
data
24/6
21/6
18/6
15/6
12/6
9/6
6/6
3/6
31/5
28/5
25/5
16/5
13/5
7/5
10/5
4/5
1/5
22/5
minima
misurata
5
19/5
minima stimata
10
28/4
temperatura (°C)
(Tentativo di
descrivere la realtà)
35
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
1b
• dati meteorologici
• uso del suolo
• gestione agronomica
3 - Lisciviazione nitrati
2
Modello di
simulazione
MAPPE DI VULNERABILITA’ (o di RISCHIO)
aspersione
Cernusco sul Naviglio
scorrimento
Cernusco sul Naviglio
Gorgonzola
Gorgonzola
Vimodrone
Vimodrone
Melzo
Melzo
Segrate
Segrate
San Donato Milanese
San Donato Milanese
Paullo
Acqua percolata (mm)
50 - 150
150 - 200
200 - 250
250 - 300
300 - 350
350 - 400
>400
No Data
Paullo
Melegnano
Melegnano
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 “timestep”
CropSyst
•E’ documentato
Perché è stato scelto
•E’ in continua evoluzione
•E’ un generico simulatore di colture
•Simula sistemi colturali
•Accumulo di biomassa
•Stress ai quali la coltura è sottoposta
Alcuni output
•Movimenti di acqua nel sistema suolo - coltura
•Movimenti e trasformazioni dell’azoto nel suolo
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
run-off
evaporazione
infiltrazione e
percolazione profonda
CropSyst - Ciclo dell’azoto
assorbimento colturale
concimazioni
vol. NH3
spostamento verso
il basso e
lisciviazione
N-organico
N-NH4+
denitrif.
N-NO3
I modelli di simulazione dei sistemi colturali
i
n
p
u
t
meteorologici
pedologici
morfo-fisiologici
agrotecnici
MODELLO
o
u
t
p
u
t
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
12
PRIMA DELLA
CALIBRAZIONE
biomassa (t ha -1)
10
8
misurati
6
simulati
4
2
0
09/02/1999
21/03/1999
30/04/1999
09/06/1999
date prelievi
12
DOPO LA
CALIBRAZIONE
biomassa (t ha -1)
10
8
misurati
6
simulati
4
2
0
09/02/1999
21/03/1999
30/04/1999
date prelievi
09/06/1999
I MODELLI DI SIMULAZIONE…
…FUNZIONANO?
120
CONCENTRAZIONE
DI AZOTO NITRICO
NEL TERRENO
N-NO3 (kg ha -1)
100
80
simulati
60
misurati
40
20
0
01/10/1995 15/09/1996 31/08/1997 16/08/1998
date prelievi
SIMULAZIONE DI UNA ROTAZIONE SESSENNALE
(3 anni loglio-mais; 3 anni di medica)
CropSyst - RISO
Rosate, 1990
Confronto tra i dati
misurati e simulati
relativi alla biomassa
prodotta
biomassa (kgss ha-1)
12
10
8
simulata
6
misurata
4
2
0
20-apr
4-giu
19-lug
2-set
date
5
Concentrazione N (%)
Confronto tra i dati
misurati e simulati
relativi alla
concentrazione di azoto
nella coltura
Mortara, 1996
4
3
simulati
misurati
2
1
0
23-mag
2-lug
11-ago
date
20-set
ERBA MEDICA
20
medica I
misurati
resa (t
ss
ha-1)
30
simulati
medica II
10
0
15/05/1996
01/12/1996
19/06/1997
date sfalci
05/01/1998
LOGLIO ITALICO
12
Confronto tra i dati
misurati e simulati
relativi alla biomassa
prodotta
biomassa (t ha -1)
10
8
misurati
6
simulati
4
2
0
09/02/1999
21/03/1999
30/04/1999
09/06/1999
date prelievi
concentrazione di N (%)
5
4
3
misurati
simulati
2
1
0
21/03/1999
10/04/1999
30/04/1999
date prelievi
20/05/1999
Confronto tra i dati
misurati e simulati
relativi alla
concentrazione di azoto
nella coltura
ACCUMULO DI BIOMASSA
25
resa (t
ss
ha-1)
mais
loglio italico
20
misurati
15
simulati
10
medica I
medica II
medica III
5
0
30/08/1995
03/10/1996
07/11/1997
12/12/1998
date
SIMULAZIONE DI UNA ROTAZIONE SESSENNALE
(3 anni loglio-mais; 3 anni di medica)
contenuto idrico (m 3 m -3)
SIMULAZIONE DEL CONTENUTO IDRICO NEL TERRENO
0.5
0.4
0.3
simulati
0.2
misurati
0.1
0
01/06/1995
09/01/1996
18/08/1996
28/03/1997
date
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
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
50
Contenuto in N totale (kg N / t)
45
40
35
30
25
massima
critica
minima
Crescita non limitata da N
20
15
Crescita limitata da N
10
5
Nessuna crescita
0
0
2
4
6
Biomassa aerea totale (t SS / ha)
8
10
Ma il LAI da dove viene?
8
2
2
Biomassa
LAI (m /m )
10
6
4
2
LAI
0
0
1
2
3
4
Biomassa aerea (t SS/ha)
Profondità
radicale
(massima al
raggiungimento
del massimo
LAI)
LAI = SLA  [B / (1 + p  B)]
SLA = Specific Leaf Area (m2/kg)
B = biomassa aerea totale (t SS/ha)
p = coefficiente empirico (m2/kg)
(Stem/Leaf partition coefficient)
5
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
Infiltrazione
•Modello a serbatoi (a cascata)
•Differenze finite
V1(2)
Percolazione
V2(3)
1
2
Lisciviazione
strato 1: V1([N]1)
strato 2: V2([N]2)
3
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
NH3
N2O, N2
reflui
microrg.
SOM
mineralizzazione
NH4+
NO3nitrificazione
lisciviazione
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
Evaporazione (mm) Traspirazione (mm) Percolazione (mm) totale (mm)
Irrigazione automatica
403
161
107
671
Irrigazione registrata
383
148
42
573
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
250
10000
6000
100
4000
50
2000
0
0
date
"derivata" discretizzata
Biomassa
Derivata prima
8000
150
200
Biomassa (kg ha-1)
200
Derivata prima
250
12000
150
"derivata" discretizzata
100
Media Mobile su 15 per.
("derivata" discretizzata)
50
0
date
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)