la modellistica di simulazione come strumento di supporto e monitoraggio nessuno crede ai modelli...

La modellistica di simulazione come La modellistica di simulazione come strumento di supporto e monitoraggiostrumento 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 [email protected]

tempo

popolazione

POPOLAZIONE IN CONTINUO AUMENTO

SERVONO PIU’ CASE

SERVE PIU’ CIBO

IL PROBLEMA...

SE SERVE PIU’ CIBO…

SE SERVONO PIU’ CASE…

CAMPICITTA’

IL PROBLEMA...

SOLUZIONE

AUMENTARE LA PRODUTTIVITA’ PER

UNITA’ DI SUPERFICIE

MODERNI AGROECOSISTEMI (BASSA EFFICIENZA

& ELEVATO IMPATTO)

COME USCIRNE?

STRUMENTI DI SUPPORTO ALLE DECISIONI

NECESSITA’ DI RISPOSTE

IMMEDIATE

LIMITATEZZA DELLE RISORSE

MODELLISTICA DI SIMULAZIONE

100% produzione0% rispetto

0% produzione100% rispetto

ECOLOGIA AGRARIA ~ CUBISMO

GUARDARE LA REALTA’ DA DIVERSI PUNTI DI VISTA!!!

MODELLISTICA DI SIMULAZIONE

LA MODELLISTICA DI SIMULAZIONE TENTA DI DESCRIVERE LA REALTA’

Tx e Tn A FONDO RISAIA confronto fra dati misurati e dati stimati con MODELLO EMPIRICO

5

10

15

20

25

30

35

28/4 1/5

4/5

7/5

10/5

13/5

16/5

19/5

22/5

25/5

28/5

31/5 3/6

6/6

9/6

12/6

15/6

18/6

21/6

24/6

data

tem

pera

tura

(°C)

minima stimata minima misurata

massima stimata massima misurata

Anno 1989 - Temperature massime e minime misurate in aria e al fondo della risaia

0

5

10

15

20

25

30

35

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

tem

pe

ratu

re (

°C)

T massima in aria

T minima in aria

T massima al fondo

T minima al fondo

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 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


Modello disimulazione

1a - Dati pedologici

2

3 - Lisciviazione nitrati

• dati meteorologici

• uso del suolo

• gestione agronomica

1b


Cernusco sul Naviglio Gorgonzola

Vimodrone

Segrate

San Donato Milanese

Melegnano

Paullo

Melzo


Vimodrone

Segrate

San Donato Milanese

Melegnano

Paullo

Melzo

aspersione scorrimento

Acqua percolata (mm)50 - 150150 - 200200 - 250250 - 300300 - 350350 - 400>400No Data

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

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”

•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 dell’azoto nel suolo

Perché è stato scelto

Alcuni output

CropSyst

CropSyst Crescita della coltura

energia radiante

Crescita radicale

Crescita della biomassa aerea in funzione della disponibilità di:•radiazione luminosa•acqua•azoto

precipitazioni

acqua nel terrenoazoto nel terreno

concimazioni

CropSyst - Ciclo dell’acqua

precipitazioni e irrigazioni

infiltrazione e percolazione profonda

traspirazione

run-off evaporazione

CropSyst - Ciclo dell’azoto

spostamento verso il basso e lisciviazione

assorbimento colturale

concimazioni

N-organico N-NH4+ N-NO3

vol. NH3denitrif.

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

input

output

QUALSIASI MODELLO DI

SIMULAZIONE, PRIMA DI ESSERE

UTILIZZATO, DEVE ESSERE CALIBRATO E VALIDATO SU

DATI RACCOLTI IN CAMPO

Modelli di simulazione

Dati sperimentali

- Messa a punto del modello- Input per le simulazioniGestione dati sperimentali

Misure sperimentali e modellistica di simulazione

CALIBRAZIONE

0

2

4

6

8

10

12

09/02/1999 21/03/1999 30/04/1999 09/06/1999

date prelievi

bio

mas

sa (

t h

a-1)

misurati

simulati

0

2

4

6

8

10

12

09/02/1999 21/03/1999 30/04/1999 09/06/1999

date prelievi

bio

mas

sa (

t h

a-1)

misurati

simulati

PRIMA DELLA CALIBRAZIONE

DOPO LA CALIBRAZIONE

…FUNZIONANO?

I MODELLI DI SIMULAZIONE…

0

20

40

60

80

100

120

01/10/1995 15/09/1996 31/08/1997 16/08/1998

date prelievi

N-N

O3

(kg

ha

-1)

simulati

misurati

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 concentrazione di azoto nella coltura

Confronto tra i dati misurati e simulati relativi alla biomassa prodotta

Rosate, 1990

0

2

4

6

8

10

12

20-apr 4-giu 19-lug 2-set

date

bio

ma

ss

a (

kg

ss h

a-1

)

simulata

misurata

Mortara, 1996

0

1

2

3

4

5

23-mag 2-lug 11-ago 20-setdate

Co

nce

ntr

azio

ne

N (

%)

simulati

misurati

0

10

20

30

15/05/1996 01/12/1996 19/06/1997 05/01/1998

date sfalci

resa

(tss

ha

-1)

misurati

simulati

medica I

medica II

ERBA MEDICA

0

2

4

6

8

10

12

09/02/1999 21/03/1999 30/04/1999 09/06/1999

date prelievi

bio

mas

sa (

t h

a-1)

misurati

simulati

0

1

2

3

4

5

21/03/1999 10/04/1999 30/04/1999 20/05/1999

date prelievi

con

cen

traz

ion

e d

i N (

%)

misurati

simulati

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

0

5

10

15

20

25

30/08/1995 03/10/1996 07/11/1997 12/12/1998

date

resa

(t

ss h

a-1

)

misurati

simulati

mais

medica Imedica II medica III

loglio italico



SIMULAZIONE DEL CONTENUTO IDRICO NEL TERRENO

0

0.1

0.2

0.3

0.4

0.5

01/06/1995 09/01/1996 18/08/1996 28/03/1997

date

con

ten

uto

idri

co (

m3 m

-3)

simulati

misurati



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 concettualiDiagrammi relazionali

• Modello concettuale del sistema: definisce le relazioni tra le componenti del sistema

• Diagramma relazionale: esplicita il modello concettualeE’ indispensabile per sistemi complessi!

Simbologia per diagrammi

CropSyst – la coltura

• Sviluppo

• Crescita della coltura in relazione a:– disponibilità di luce – temperatura– disponibilità idrica– disponibilità di nutrienti

• Ripartizione degli assimilati

Aspetti considerati:

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 considerateda 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 infunzione 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 edisponibilità 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

0

5

10

15

20

25

30

35

40

45

50

0 2 4 6 8 10

Biomassa aerea totale (t SS / ha)

Con

tenu

to in

N t

otal

e (k

g N

/ t

)

massimacriticaminima

Nessuna crescita

Crescita limitata da N

Crescita non limitata da N

Ma il LAI da dove viene?

Biomassa

LAI

Profonditàradicale

(massima al raggiungimento

del massimo LAI)

0

2

4

6

8

10

0 1 2 3 4 5

Biomassa aerea (t SS/ha)

LAI

(m2 /m

2 )

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)

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

strato 1: V1([N]1)

strato 2: V2([N]2)

strato 3: V3([N]3)

12

3

V1(2)

V2(3)

V2’([N]2’) = V2([N]2) + V1(2)([N]1) - V2(3)([N]2)

Percolazione

Lisciviazione

•Modello a serbatoi (a cascata)

•Differenze finite

CropSyst – l’azoto

NH3 N2 ariaraccolti

N2O, N2NH3

SOM

microrg.

mineralizzazione

NH4+

nitrificazionelisciviazione

NO3-

reflui

Bilancio dell’azoto minerale: giornaliero, mensile, annuale

• 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

INPUT OUTPUT

In genere sono usati per:

• Previsione rese

• Valutazione impatto ambientale

Potrebbero anche essere usati per:

• Verifica dati sperimentali

• Pianificazione campionamenti

I modelli di simulazioneI modelli di simulazioneParc Sud Milano - Settore Orientale

Risultati della simulazione pluriennale loglio italico - mais da trinciato

Liquami distribuiti per il 60% su mais e il 40% su loglio. Irr igazione per scorrimento. Ri

sultati annuali


Vimodrone

Segrate

San Donato Milanese

Melegnano

Paullo

Melzo

Azoto lisciviato (kg N/ ha)100 - 150150 - 160160 - 170170 - 190190 - 220>220No Data

0 1 2 3 4 5 6 7 8 Kilo met ers

N

Azoto lisciviato (valore medio)

1. Verifica dati sperimentali1. 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

Manca un dato di irrigazione!!!

Mettendo opzione di irrigazione reale posso, attraverso l’analisi degli stress, capire anche più o meno la data

1. Verifica dati sperimentali1. 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

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

0

50

100

150

200

250

date

Der

ivat

a p

rim

a

0

2000

4000

6000

8000

10000

12000B

iom

assa

(kg

ha-

1)

"derivata" discretizzata

Biomassa


0

50

100

150

200

250

date

Der

ivat

a p

rim

a

"derivata" discretizzata

Media Mobile su 15 per.("derivata" discretizzata)

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)

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


la modellistica di simulazione come strumento di supporto e monitoraggio nessuno crede ai modelli...

Documents