LA FENOLOGIA IN TRENTINO: I DATI, LA RICERCA, LE ESPERIENZE DI RETE

Transcript

1 LA FENOLOGIA IN TRENTINO: I DATI, LA RICERCA, LE ESPERIENZE DI RETE E. Eccel Fondazione Edmund Mach S.Michele all Adige (TN) Centro Ricerca e Innovazione Fenologia: cicli vegetativi e cambiamenti climatici. La scuola incontra la ricerca Trento, 19 ottobre 2012

2 Evidenza di un trend climatico nelle serie fenologiche Trend nell inizio, nella fine e nella lunghezza della stagione vegetativa (media di betulla, pruno, sorbo, ribes) in Europa

3 Evidenza di un trend climatico nelle serie fenologiche Data di dispiegamento delle foglie della quercia nel Surrey (dal 1750 al 2000)

4 Evidenza di un trend climatico nelle serie fenologiche Serie diverse + anomalie termiche di fine inverno

5 San Michele: osservazioni (vite) 260 germogliamento = *x, n.s. fioritura = *x, p<0.05 invaiatura = *x, p> Giorni giuliani Anticipo di circa 11 giorni per le tre fenofasi! Anno germogliamento fioritura invaiatura

6 I modelli fenologici Per quantificare l effetto delle forzanti ambientali (temperatura, fotoperiodo, ecc ) sullo sviluppo fenologico Per simulare il ciclo annuale di piante e animali Per predire l accadimento di fenofasi Per simulare la risposta fenologica al cambiamento climatico Ipotesi di controllo ambientale sulla fenologia Formalizzazione delle ipotesi Calibrazione del modello Validazione del modello

7 Esempi di applicazioni Breve termine Predizioni a breve termine della vulnerabilità della pianta ad attacchi di pesti Pianificazione delle pratiche agricole - Raccolto - Trattamenti fitosanitari -

8 Esempi di applicazioni Evoluzione climatica Predizionedidate dischiusuragemmee valutazionedel rischio di gelo Predizione dei cambiamenti della sincronia tra i livelli trofici(pianta e parassita) Predizionedeicambiamentidellasincroniatrarichiestae disponibilità di cibo(es. migratori) Predizione del cambiamento nella lunghezza della stagione vegetativa Valutazione delle modifiche nei flussi di massa ed energia tra atmosfera e biosfera

9 Simulare e prevedere il rischio da gelata per il melo il progetto GePri - Le gelate primaverili in Trentino ( ) Modellistica della fenologia della fioritura del melo Applicazione dei modelli fenologici ad output di modello climatico Stima del rischio da gelata in due località (Mezzolombardo e Cles) Rea, R. & EccelE., 2006 Int. J. Biometeorology Eccel et al., 2009 Int. J. Biometeorology

10 Serie date di fioritura del melo,

11 Prima di tutto, un modello di fioritura per il melo L identificazione della gelata per una data coltura richiede la conoscenza della fase fenologica sensibile al gelo D altro canto, le serie fenologiche di fioritura del passato sono scarse, spesso irregolari, si riferiscono a varietà forse diverse da quelle attuali Il modello fenologico ci permette di supplire alla rilevazione mancante, nel tempo e anche nello spazio I modelli fenologici si prestano ad essere accoppiati a modelli climatici con scenari futuri!

12 La nostra indagine Il database fenologico Melo Golden Delicious A) In Trentino, ad alta risoluzione (serie per lo sviluppo del modello): 16 anni di registrazione delle fenofasi orientate alla gemma (2 siti Mezzolombardo e Cles) 8-12 anni di registrazione della semplice data di fioritura (6 siti, da 210 a 727 m s.l.m.) B) Fuori dal Trentino (test): 1 anno di date di fioritura in Piemonte (4 siti) 6 anno di date di fioritura in Romagna (1sito)

13 La nostra indagine Il database fenologico Melo Golden Delicious

14 La nostra indagine Il database fenologico Melo Golden Delicious

15 La modellistica della dormienza delle gemme Growth potential predormancy dormancy entrance dormancy dormancy break quiescence J A S O N D J F M A M J J Sequential (Sarvas 1972, 1974; Richardson et al. 1974) Parallel (Landsberg 1974; Sarvas 1974) Alternating (Cannell& Smith 1983; Murray et al. 1989) Thermal Time / Spring Warming (Robertson 1968; Cannell& Smith 1983)

16 Modelli di fioritura un rapido sguardo all approccio standard 1) Soddisfacimento del freddo (CU chilling units ): per interrompere la dormienza 2) Accumulo di calore (fase forzante GDD, gradi giorno): per interrompere la quiescienza e sviluppare le gemme a fiore GDD = (Td - s) T d > s

17 Il nostro modello Uso di dati orari Approccio da modello Utah (Richardson et al., 1974) per le unità di freddo (CU) La fase di accumulo (forzante) inizia al soddisfacimento del fabbisogno di freddo; l efficienza è però variabile ed aumenta durante la stagione Utah progressivo GDH (k) = GDH(k -1) + 2 ( ) GDH(k 1) max 0, T h(k) Tb 1+ = 1 GDHin.flow. 24 h

18 Il nostro modello Temperature [ C] CU T < < T < < T < < T < < T < < T < T >18-1 CU T [ C]

19 Risultati Fonte: Rea & Eccel, Int. J. Biomet., Vol. 51 (2006)

20 Verso un modello da applicare ovunque Osservazione: località più fresche richiedono meno energia termica per ottenere lo stesso risultato! GDH in.fioritura = f (pendenza, esposizione, T media, stress idrico ) = f (I site ) e, dopo la calibrazione... I = C T + I + I site AM slope aspect T media (aprile + maggio)

21 GDH in.flowering = a I site + b Fonte: Rea & Eccel, Int. J. Biomet., Vol. 51 (2006)

22 Ricapitolando: calcolo dell indice I site (T media, pendenza, esposizione) calcolo del requisito in gradi-ora (eventuale calcolo dei valori orari da T min e T max ) applicazione del modello di accumulo freddo determinazione della data di interr. della dormienza applicazione del modello di GDH (gradi-ora) data di fioritura

23 Il modello climatico: generalità I modelli climatici sono codici di calcolo che descrivono l atmosfera secondo equazioni fisiche La fisica dell atmosfera è applicata ai nodi di una griglia; il modello perciò descrive e prevede le grandezze meteorologiche di interesse in singoli punti fissi della griglia I modelli climatici, rispetto a quelli meteorologici, danno un peso importante alla temperatura degli oceani, che cambia con lentezza I modelli sono deterministici, ossia prevedono tutto ad ogni passo temporale; l utilizzo delle previsioni però deve essere probabilistico. Es: non è significativo sapere la temperatura prevista al 28 marzo 2016, e neanche quante volte ha gelato in quel mese, quanto piuttosto sapere quante gelate sono previste mediamente in marzo nel decennio in confronto al decennio

24 Il modello climatico: generalità

25 I modelli climatici Forzanti al modello: incremento di gas serra in atmosfera secondo due scenari (da IPCC): A2 e B2 A2 e B2 sono due scenari convenzionali di tipo socioeconomico. A2 è pessimistico (sviluppo improntato al modello economico ), B2 ottimistico (sviluppo orientato al controllo delle emissioni) In ogni caso è previsto un incremento continuo delle temperature nel prossimi 100 anni

26 Proiezioni climatiche: gli scenari IPCC

27 IPCC: Special Report on Emission Scenarios (SRES)

28 La nostra applicazione Modello HadCM3 (Hadley Centre, Serv. Meteor. Britannico UK METoffice) I valori calcolati sul punto griglia più vicino al Trentino sono stati stimati per due siti (S. Michele e Cles), mediante una calibrazione (downscaling statistico) con i dati misurati alle due stazioni dal 1995 al E V O L U Z IO N E T E M P E R A T U R E C L E S - S C E N A R IO " A 2 " T m a x 1 4 T ( C ) T m in A N N O

29 L applicazione del modello fenologico alle serie di temperatura (strument. + simulate) - Mezzolombardo Progressivo anticipo della fioritura negli ultimi 20 anni Anticipo non significativo per gli scenari futuri 19-mag Da temperature misurate Scenario B2 Scenario A2 9-mag 29-apr 19-apr 9-apr 30-mar 20-mar

30 Un maggiore dettaglio sul futuro (A2 e B2 IPCC) Il modello a fabbisogno di caldo variabile (con il clima) presenta più stabilità nelle date di fioritura rispetto al modello con fabbisogno fisso L anticipo è significativo** solo per i trend secolari 19-apr Media Mobile su 11 per. (B2 GDH variabile ) Media Mobile su 11 per. (A2 GDH variabile ) Media Mobile su 11 per. (B2 GDH fisso) Media Mobile su 11 per. (A2 GDH fisso) 14-apr 9-apr 4-apr Mezzolombardo 30-mar

31 Un maggiore dettaglio sul futuro (A2 e B2 IPCC) Il modello a fabbisogno di caldo variabile (con il clima) presenta più stabilità nelle date di fioritura rispetto al modello con fabbisogno fisso L anticipo è significativo** solo per i trend secolari 29-apr 24-apr Media Mobile su 11 per. (B2 GDH variabile ) Media Mobile su 11 per. (A2 GDH variabile ) Media Mobile su 11 per. (B2 GDH fisso) Media Mobile su 11 per. (A2 GDH fisso) 19-apr 14-apr 9-apr Cles 4-apr

32 Stima del rischio di gelo - Mezzolombardo Sono state calcolate le giornate per stagione con T < +1 C da 2 giorni prima della data di fioritura stimata fino al 31 maggio Rischio previsto in calo nei prossimi decenni solo se rapportato ai 40 anni passati. Dagli anni 90 in poi variazioni non significative 4 Da temperature misurate Scenario B2 nr. giorni gelo per stagione Scenario A2

33 Conclusioni Il modello fenologico consente di simulare con precisione la data di fioritura dal melo, note le serie di temperatura Pare verificato un meccanismo di acclimatamento del melo a climi diversi tra località e località nello stesso periodo. Vale anche per una località fissa, con clima che cambia progressivamente? Temperature in aumento, senza grande possibilità di errore date di fioritura in (relativo) anticipo; la tendenza in atto è destinata forse ad attenuarsi. Le date mostrano una leggera tendenza all anticipo, significativa solo nell orizzonte secolare 1+1 = 2: il rischio non pare significativamente variare nei prossimi decenni

34 Progetto Fenovitis( ) Come reagisce la vite al riscaldamento climatico? Modellistica di fasi fenologiche chiave (sch. gemme, fioritura, invaiatura) Applicazione dei modelli fenologici ad output downscalatodi modello climatico Ricerca di legami statistici tra parametri morfo-climaticie trend Caffarra& Eccel, (2011) Austral. J. Grapeand Wine Res. Caffarra& Eccel, (2010) Int. J. Biomet.

35 Progetto FENOVITIS 1. Sviluppo di un modello fenologico per lo chardonnay 1. Apertura delle gemme 2. Fioritura 3. Invaiatura 2. Applicazione del modello a scenari di cambiamento climatico

36 1. Modello fenologico per lo Chardonnay Analisi preliminari Selezione di una forma generale del modello Calibrazione guidata del modello Validazione

37 Analisi preliminari: regressione multipla Quali fattori climatici influenzano le tre fenofasi? Modello: data fenologica ~ temp x rad x prec Poco effetto di radiazione solare e precipitazioni (più di recente: sviluppo del modello Dorm.phot Dorm.phot, che considera il fotoperiodo) MODELLO CHE USA LA SOLA TEMPERATURA!

38 Serie Fenologiche 1. S. Michele a/a (Trentino) 2. Mezzocorona(Trentino) 3. Cembra(Trentino) 4. Conegliano (Veneto) 5. Carpeneto(Piemonte)

39 Analisi preliminari: selezione del modello Calibrazione di modelli basati su diverse ipotesi Selezione del miglior modello per ciascuna fenofase Criteri di qualità i. Significanzastatistica ( F test) ii. Errore medio assoluto (MAE) iii. R 2 del modello(sstot-ssres)/sstot

40 Modelli testati Modello Nome Nr. Param. Equazione Germ Fior Inv 1 Unified Model for Budburst (Chuine, 2000) 9 Ccrit 1+ e State of Forcing = 1 = a(tmed-c) 2+ b(tmed-c) 1 1+ e d(tmed-e) x 2 Sigmoidal heat units from t 0 4 Fcrit = d(x- e) e x x x 3 Sigmoidal heat units from preceding phenophase 3 Fcrit = d(x- e) e x x 4 Winkler degrees from t0 2 Fcrit = Tmed 10 x 5 Winkler degrees from preceding phenophase 1 Fcrit = Tmed 10 x x 6 Degree days (above threshold temp Tsoglia ) from t0 2 Fcrit = Tmed Tsoglia x x 7 Degree days (above threshold temp Tsoglia ) from preceding phenophase 3 Fcrit = Tmed Tsoglia x x x

41 Migliori modelli Apertura gemme: Fioritura e invaiatura Unifiedmodel (Chuine, 2000),modello generale che considera il fabbisogno di freddo Risposta sigmoidale della velocitàdi sviluppo alla temperatura Velocità di sviluppo 1/(1 + exp(d * (x + e))) Temperatura x

42 Dare un significato biologico al modello Restringere o fissare i valori entro intervalli biologicamente realistici Utilizzare conoscenze sperimentali (letteratura) Usare una serie di dati estesa e contenente condizioni non omogenee per la calibrazione del modello (Conegliano, 39 anni)

43 Validazione del modello FENOVITIS Confronto con altri modelli fenologici Modello di regressione lineare con i dati di temperature medie dei mesi precedenti 120 Gradi Winkler Gradi Winkler(temp> 10) Giorno di ap. gemme budbreak date = * temp R2 = Temp. media Marzo

44 Validazione del modello FENOVITIS Fase Model Previsioni (San Michele, Cembra, Carpeneto, Mezzocorona) Modelling Efficiency Errore assoluto Apertura gemme Fioritura Invaiatura L Fen L Fen W L Fen Bontà d adattamento ai dataset Errore di previsione della data feno

45 Idoneo per temperature in aumento? Validazione del modello FENOVITIS in stagioni calde Sito Mezzocorona Cembra Carpeneto Modello Mod lin Winkler Fenovitis Mod lin Winkler Fenovitis Mod lin Winkler Fenovitis Errore negli anni caldi

46 Il modello FENOVITIS, riassumendo: Considera il fabbisogno di freddo per la rottura della dormienza invernale Rispetta il realismo biologico, mantenendo l intervallo delle risposte fenologiche entro quanto misurato sperimentalmente E migliore nella previsione fenologica rispetto a modelli empirici e ai gradi Winkler, anche in anni particolarmente caldi

47 Forte legame tra temperatura e sviluppo fenologico Fenologia: indicatore d impatto di cambiamenti climatici sulle piante

48 Temperature: proiezioni Temp. media annuale C San Michele Anno A2 B2 Temp. media annuale C Cembra Anno

49 San Michele: fenologia Giorno dell'anno Invaiatura Fioritura Ap. gemme Anno La fenologia dello chardonnay simulata per i prossimi decenni secondo lo scenario B2 e A2

50 Cembra: fenologia Giorno dell'anno Invaiatura Fioritura Ap. gemme Anno La fenologia dello chardonnay simulata per i prossimi decenni secondo lo scenario B2 e A2

51 Estensione dello studio: 10 località trentine Valle (aree viticole attuali) Montagna (aree viticole potenziali) Che impatto potrebbe avere il riscaldamento climatico sulla fenologia della vite? Come potrebbero cambiare le aree adatte alla viticoltura?

52 Altezza e coltura prevalente Siti San Michele all'adige Cembra Avio Borgo Valsugana Rovereto Storo Fondo Lomaso Sant'Orsola Zortea Altezza (m)

53 Località di montagna A2 B2

54 Località di montagna Clima abbastanza caldo perché l invaiatura avvenga entro il 1 Settembre: Lomaso S. Orsola Fondo Zortea

55 Trend d anticipo nella fioritura e invaiatura A2 B2 Regression coefficient Mean temperature ( C) Temp. media Mean temperature ( C) Regression coefficient Coeff. Regressione del trend di fior. (o)e invaiatura( ) Elevation(m) Quota Elevation(m) Fenovitis

56 Trend d anticipo nella fioritura e invaiatura A maggiori quote (e climi piùfreddi) c èun trend d anticipo più accentuato zone di montagna piùsensibili a variazioni climatiche Fenovitis

57 DIGRESSIONE: PERCHE IL RISCALDAMENTO CLIMATICO AGISCE DI PIU SULLE LOCALITA FRESCHE TERMOGRAMMA DI DUE SITI Ipotesi: soglia 5 C T C TERMOGRAMMA DI DUE SITI Aumento termico di 2 C T C

58 Envirochange Come cambia il rischio fitosanitario in dipendenza dal cambiamento climatico? Modelli agro-fenologici in area alpina Modelli per le fenologia dei patogeni/parassiti Simulazione del rischio di attacchi Spazializzazione dei risultati Caffarraetal. Agric. Ecos. and Envir. (2012) Envirochange

59 IL PROGETTO ENVIROCHANGE (2008 IL PROGETTO Valutare: ( ) 2012)

60 Modelli agrofenologici Simulazione delle fenofasivulnerabili (vulnerabilità) * Modelli fenol. di patogeni/parassiti Simulazione fenologia del patogeno/parassita (potenziale di attacco) RISCHIO ATTACCO Envirochange

61 Vite: quali fenofasivulnerabili? Patogeno/parass. Erysiphe necator (oidio) Botrytis cinerea (botrite) Plasmopara viticola (peronospora) Lobesia botrana (tignoletta) Inizio vulnerabilità Schius. Gemme (1) Fioritura (inizio) (2) Invaiatura Germogli di 10 cm Fioritura Fine vulnerabilità 8 Brix(misura zuccheri) (1) Fioritura (fine) (2) Bacche mature Bacche mature Bacche mature Envirochange

62 OIDIO (Erysiphe necator) OIDIO 1.Attacca foglie e frutti. Danneggia la produzione e la qualità. Favorisce l attacco di altri parassiti, quali Botrytis cinerea 2.Ciclo biologico con fasi sessuate ed asessuate 3.Periodo vulnerabilità della vite: dall apertura delle gemme (BBCH 8) a 8 Brix Caffarra et al. (2012) Agriculture, Ecosystems& Environment

63 1. Sul legame sottile tra poesia classica e fitopatologia Attacco oidico alla vite L ANGOLINO DELL Agro Agro- semiologo 1. Attaccamento ovidico alla viticoltura: terra ferax Cereris multoque feracior uvis. Ovidio su Sulmona (Amores Amores)

64 2. Sulla natura palindroma di E. necator L ANGOLINO DELL Agro Agro- semiologo 2. BBCH BRIX

65 MATERIALE ENOICO Chardonnay (anche per base spumante) E il vitigno più coltivato in Trentino (28%) Copre sia aree di fondovalle (200 m) sia di montagna montagna (fino a 700 m)

66 IL MODELLO FENOLOGICO DELLA VITE Espansione del modello FENOVITIS (Caffarra & Eccel, 2010). Approccio sequenziale : 1. Rimozione dormienza (soddisf soddisf. accumulo freddo) 2. Fase forzante forzante (soddisf soddisf. accumulo termico) 3. Modello validato su serie esterne all area area di calibrazione

67 IL MODELLO FENOLOGICO DELL OIDIO Modello ciclo temperatura ~ latenza (periodo tra deposizione spore e nuova sporulazione) (Caffi et al., 2011). Interv. ottimale: C. Inizio accumulo: schiusura gemme (BBCH 8) LAT i = γ+ ψt i - τt i 2 LATP = i 1/LAT i Sporulazione a LATP = 1

68 IL MODELLO CLIMATICO - A Downscaling da mod. a larga scala AOGCM HadCM3 (MetOffice): Risoluzione AOGCM: 2.5 x 3.75 Scenari: A2 ( business as usual ) e B2 ( autoregolamentazione ) Serie locali: S. Michele (fondovalle), Cembra (montagna viticola)

69 RISULTATI: NR. DI CICLI DURANTE LE FASI SENSIBILI

70 IL MODELLO CLIMATICO - B Downscaling multimodello da output prog. ENSEMBLES : ENSEMBLES Model INSTITUTIONS Resolution AGCM OGCM STREAM1 INGV-SINTEX-G INGV-Italy ECHAM4 (T106L19) OPA 8.2 FUB-EGMAM Freie Universitaet Berlin(Germany) ECHAM4 (T30L39) HOPE-G (T42 with equatorial refinement, NERSC-BCCR METO-HC (HADGEM1) Nansen Environmental and Remote Sensing Center (Norway) Met Office's Hadley Centre (UK) L20) ARPEGE V3 T63L31 NERSC-MICOM V HadGAM1( includes land and river routing components) IPSL-CM4 Inst.Pierre Somon Laplace (France) ECHAM5 MPI OM Max-Planck ECHAM Institute(Germany) (T63L31) ECHAM5 DMI OM DMI ECHAM5.2.02a (T63L31) HadGOM1( includes sea ice components) LMDZ (96x72x19) OPA8.2 MPI-OM Vers. 1.0 (GR1.5L40) MPI-OM Vers. 1.0 (GR1.5L40) Modelli ricondotti a una risoluzione comune di 2.5 x 2.5 Scenario comune: A1B

71 COS E LO SCENARIO A1B A1B? A1 scenario family: a future world of very rapid economic growth, global population that peaks in mid-century and declines thereafter, and rapid introduction of new and more efficient technologies B = fonti energetiche bilanciate tra fossili e non

72 IL PERCORSO DEL DATO CLIMATICO INSTRUMENTAL HOMOG. SEASONAL SERIES GCM OUTPUT (ENSEMBLES) INSTRUMENTAL HOMOG. MONTHLY SERIES STAT. DOWNSCALING (CCA) DOWNSCALED SEASONAL SELECTED SERIES (10) INSTRUMENTAL HOMOG. DAILY SERIES SUB-DOWNSCALING (PLS) MONTHLY SERIES ( PROJECTIONS) DOWNSCALED SEASONAL EXTENDED SERIES (43-45) MONTHLY INTERPOLATOR INITIAL HOMOGEN. DATA R Multisite Autoregr. Weath. GEN. (RMAWGEN) DAILY SERIES ( PROJECTIONS) FINAL OR INTERMEDIATE PRODUCTS ALGORITHM APPLIED HOURLY SERIES (TEMP. ONLY) HOURLY INTERPOLATOR

73 RISULTATI DEL MODELLO SPAZIALIZZATO

74 RISULTATI DEL MODELLO SPAZIALIZZATO

75 RISULTATI DEL MODELLO SPAZIALIZZATO

76 CONCLUSIONI (OIDIO) Il modello indica una tendenza alla diminuzione della pressione con un clima via via più caldo, a parità di altre condizioni ambientali, dovuto princip. all anticipo della maturazione Scarsa differenza con l attuale per condizioni ambientali più favorevoli al patogeno Possibilità di adattamento di Erysiphe alla fenologia anticipata della vite minore attenuazione degli attacchi?