Nessun titolo diapositiva

1
La modellistica di simulazione come strumento di
supporto e monitoraggio
Roberto Confalonieriroberto.confalonieri_at_unimi.it
Nessuno crede ai modelli tranne chi li ha
prodotti Tutti credono ai dati sperimentali
tranne chi li ha raccolti (Gaylon S. Campbell)
2
IL PROBLEMA...
SERVE PIU CIBO
popolazione
tempo
SERVONO PIU CASE
POPOLAZIONE IN CONTINUO AUMENTO
3
IL PROBLEMA...
CAMPI
SE SERVE PIU CIBO
CITTA
SE SERVONO PIU CASE
4
COME USCIRNE?
AUMENTARE LA PRODUTTIVITA PER UNITA DI
SUPERFICIE
SOLUZIONE
MODERNI AGROECOSISTEMI (BASSA EFFICIENZA
ELEVATO IMPATTO)
5
STRUMENTI DI SUPPORTO ALLE DECISIONI
NECESSITA DI RISPOSTE IMMEDIATE
LIMITATEZZA DELLE RISORSE
MODELLISTICA DI SIMULAZIONE
6
ECOLOGIA AGRARIA CUBISMO
GUARDARE LA REALTA DA DIVERSI PUNTI DI VISTA!!!
MODELLISTICA DI SIMULAZIONE
100 produzione0 rispetto
0 produzione100 rispetto
7
LA MODELLISTICA DI SIMULAZIONE TENTA DI
DESCRIVERE LA REALTA
Problemavalutazione 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)
1a - Dati pedologici
3 - Lisciviazione nitrati
1b
2

• dati meteorologici
• uso del suolo
• gestione agronomica

12
MAPPE DI VULNERABILITA (o di RISCHIO)
13
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.
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
CropSyst

• 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 dellazoto nel suolo

Alcuni output
16
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
17
CropSyst - Ciclo dellacqua
traspirazione
precipitazioni e irrigazioni
evaporazione
run-off
infiltrazione e percolazione profonda
18
CropSyst - Ciclo dellazoto
assorbimento colturale
concimazioni
vol. NH3
denitrif.
spostamento verso il basso e lisciviazione
N-organico
N-NH4
N-NO3
19
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
20
Misure sperimentali e modellistica di simulazione
Dati sperimentali
- Messa a punto del modello- Input per le
simulazioni
Gestione dati sperimentali
Modelli di simulazione
21
CALIBRAZIONE
PRIMA DELLA CALIBRAZIONE
DOPO LA CALIBRAZIONE
22
I MODELLI DI SIMULAZIONE
FUNZIONANO?
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 biomassa prodotta
Confronto tra i dati misurati e simulati relativi
alla concentrazione di azoto nella coltura
24
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
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 concettualiDiagrammi relazionali

• Modello concettuale del sistema definisce le
  relazioni tra le componenti del sistema
• Diagramma relazionale esplicita il modello
  concettualeE indispensabile per sistemi
  complessi!

35
Simbologia per diagrammi
36
CropSyst la coltura
37
Aspetti considerati

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

38
CropSystgenerico 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 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

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 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

45
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)

46
Crescita in funzione diluce e acqua

• G min (GR, GTR) (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
LAI SLA ? B / (1 p ? B)
Profonditàradicale(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)
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

• Modello a serbatoi (a cascata)
• Differenze finite

strato 1 V1(N1)
Percolazione
strato 2 V2(N2)
Lisciviazione
strato 3 V3(N3)
V2(N2) V2(N2) V1(2)(N1) - V2(3)(N2)
54
CropSyst lazoto
55
(No Transcript)
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

57
I modelli di simulazione

• In genere sono usati per
• Previsione rese
• Valutazione impatto ambientale

• Potrebbero anche essere usati per
• Verifica dati sperimentali
• Pianificazione campionamenti

58
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)

59
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 lanalisi degli stress, capire anche
più o meno la data
60
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
61
2. Pianificazione esperimenti
62
2. Pianificazione esperimenti
Ipotizzo delle frequenze di campionamento sulla
base dellandamento 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)
63
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)