Il controllo in agricoltura delle malattie causate da patogeni fungini può essere effettuato attraverso l’uso di modelli di previsione che si basano comunemente sul monitoraggio in tempo reale di una serie di variabili di input. Queste informazioni generalmente combinano dati metereologici locali con modelli matematici costruiti allo scopo di predire il rischio di malattie. Il processo decisionale si attiva quando un avvertimento sul potenziale rischio viene riconosciuto da parte dei modelli.
Diversi modelli epidemiologici sono stati sviluppati e validati nel mondo. Negli Stati Uniti d’America, ad esempio, l’università della California ha sviluppato un supporto decisionale on-line per gestire la coltura secondo i principi della lotta integrata (Integrated Pest Management - IPM). Ciascun agricoltore può consultare il proprio database informativo e prendere decisioni sui trattamenti da effettuare basandosi su dati sito-specifici.
Le difficoltà sorgono quando non sono disponibili dati meteorologici da stazioni poste nelle vicinanze del sito in studio o per le zone montane caratterizzate da una forte variabilità altimetrica. Inoltre i dati meteorologici disponibili possono presentarsi in formato non adeguato rispetto alle esigenze del modello previsionale.
Con l’intento di avere una visione regionale e una maggiore accuratezza nella gestione del controllo delle malattie, l’obiettivo della tesi è stato l’utilizzo contemporaneo di modelli epidemiologici (Lobesia botrana e Erysiphe necator, agente causale dell’oidio della vite) con modelli fenologici (cultivar di vite Chardonnay) utilizzando parametri meteorologici come la temperatura per creare mappe a livello regionale, a frequenza giornaliera e con una risoluzione spaziale di 200 metri. L’utilizzo contemporaneo di entrambi i modelli aiuta ad essere più precisi nel consigliare interventi colturali nel periodo di sensibilità dell’ospite nei confronti del patogeno o della malattia in modo da poterne stimare il reale rischio di diffusione o insorgenza.
Dopo aver calibrato e validato i modelli in Trentino-Alto Adige (Nord Italia) con dati metereologici locali, basandoci sul modello del cambiamento climatico HadAM3 dell’Hadley Centre (Pope et al., 2000),l’andamento climatico previsto è stato proiettato e statisticamente portato. in scala, utilizzando lo scenario A2 e B2. L’algoritmo statistico utilizzato per ridurre la scala giornaliera di risoluzione è chiamato “transfer function” (Eccel et al., 2009).
Per completare l’analisi, è stato inoltre utilizzato lo scenario ridimensionato di ENSEMBLES attraverso l’uso di set di dati provenienti da 49 stazioni meteorologiche della FEM e dal pacchetto “RMAWGEN” (Cordano et al., 2012) creato con il software statistico R. (Gentleman et al., 1997).
Per mappare i modelli è stata sviluppata una semplice piattaforma modulare WEB-GIS chiamata ENVIRO. I moduli sono “Open Source” e seguono gli standard internazionali dell’“Open Geospatial Consortium” (OGC) e sono stati implementati come segue: i) enviDB è il database per i dati spazio-temporali, ii) enviGRID permette agli utenti di navigare attraverso i dati e i modelli nello spazio e nel tempo, iii) enviMapper è l’interfaccia web per prendere le decisioni, consiste in uno stato dell’arte per mappare la vulnerabilità del cambiamento climatico a diverse scale di aggregazione nello spazio e nel tempo, iv) enviModel è l’interfaccia web per i ricercatori a cui viene fornita una piattaforma per processare e condividere modelli di rischio ambientali utilizzando il “web processing Technologies” (WPS) seguendo gli standard OGC.
Con l’obiettivo di diventare ancora più accurati nelle previsioni dei volumi per i trattamenti contro insetti e malattie, in accordo con la direttiva 2009/128/EC, il seguente lavoro dimostra che il sensore LIDAR può essere utilizzato per caratterizzare la geometria della pianta della vite e stimare l’area fogliare (LAI) ad ogni stadio di crescita. Inoltre permette di calcolare il volume da applicare (Tree Row Volume -TRV) visualizzato nelle mappe 3D in GRASS. (Neteler et al., 2008, Neteler et al., 2012). / Control of agricultural pests and diseases is often based on forecasting models commonly based on real time monitoring of inputs variables. This information generally combines meteorological local databases and mathematical models designed to forecast pest and disease risk. The decision process starts when an alert or a potential risk event from the outputs of the models is issued.
Epidemiological models based on local datasets have been created and validated worldwide, for example in USA, the University of California developed the online Integrated Pest Management (IPM) program where each farmer can consult with his own database and make the pest management decision based on site-specific conditions.
Difficulties arise when no data from a close weather station are available, in mountain areas where weather conditions highly depend on the altimetry, or if data are not in a standard format to feed the model.
In a view of having a regional vision and an increased accuracy in the pest control management, the goal of this thesis was to run contemporaneously epidemiological (the pest Lobesia botrana and the pathogen causing Powdery mildew Erysiphe necator) and phenological models (grapevine cv. chardonnay) using environmental variables as temperature and to create maps at regional level, with 200 meters of resolution and daily scale or frequency. Running both models together helps to be more precise in the sensibility period of the host versus the pest or the disease and to understand the real final risk.
After calibrating and validating the models in the Trentino-Alto Adige Region (Italy) with local weather data, the forecasted climate was projected and statistically downscaled, based on the output of the Hadley Centre climate model - HadAM3 (Pope et al., 2000) under scenarios A2 and B2. The statistical downscaling algorithm was “transfer function method” (Eccel et al., 2009) at daily resolution.
In order to complete the analysis, the downscaled scenario from ENSEMBLES was also used with the datasets of 49 weather stations from FEM and the “RMAWGEN” packages (Cordano et al., 2012) created for this project in R statistical open source software (Gentleman et al., 1997).
In order to map the models, a friendly modular WEB-GIS platform called ENVIRO was developed. Modules are Open Source, follow international Open Geospatial Consortium (OGC) standards and were implemented as follows: i) enviDB is the database for spatial temporal data, ii) enviGRID allows users to navigate through data and model in space and time, iii) enviMapper is the web interface for decision makers, a state of the art client to map vulnerability to climate change at different aggregation scales in time and space; finally, iv) enviModel is the web interface for researchers that provides a platform to process and share environmental risk models using web geo-processing technologies (WPS) following OGC standards.
With the aim of being even more accurate in pests and diseases spraying volumes and according with the Directive 2009/128/EC, the current work shows that the LIDAR sensor can be used to characterize the geometry of the grapevine and the Leaf Area Index (LAI) at each growth stage and calculate the Tree Row Volume (TRV) visualized in 3D maps in GRASS (Neteler et al., 2008, Neteler et al., 2012).
| Identifer | oai:union.ndltd.org:DocTA/oai:tesionline.unicatt.it:10280/1747 |
| Date | 21 February 2013 |
| Creators | RINALDI, MONICA FERNANDA |
| Contributors | ASTORRI, ROMEO, ROSSI, VITTORIO, PERTOT, ILARIA |
| Publisher | Università Cattolica del Sacro Cuore, PIACENZA |
| Source Sets | Universita Cattolica del Sacro Cuore. DocTA |
| Language | English |
| Detected Language | Italian |
| Type | Doctoral Thesis |
| Format | Adobe PDF |
| Rights | open |
Page generated in 0.0019 seconds