MODELLI DI SIMULAZIONE E SVILUPPO DI MALAIE FUNGINE IN COLURE AGRARIE Vittorio Rossi, Simona Giosuè Università Cattolica del Sacro Cuore di Piacenza Istituto di Entomologia e Patologia Vegetale Introduzione La difesa delle colture dalle malattie ha subito, negli anni, una profonda evoluzione. I cambiamenti culturali e scientifici hanno determinato un radicale mutamento nella difesa fitosanitaria, passando da metodologie di semplice applicazione, poco rispettose dell ambiente, a metodi più complessi ed articolati, compatibili con il mantenimento dell ecosistema e con la salute del consumatore. I sistemi (ed i servizi) di supporto alle decisioni di cui i modelli epidemiologici fanno parte integrante - nascono in risposta a queste esigenze, come strumenti capaci di fornire all operatore una serie di conoscenze sulla cui base formulare le decisioni da prendere in merito alla difesa delle colture dalle malattie (Rossi, 2). I Disciplinari di Produzione Integrata (DPI) sono gli strumenti che definiscono le linee di difesa e supportano i tecnici nelle decisioni relative agli interventi; tuttavia, i criteri decisionali sono talvolta poco circostanziati, così da introdurre aspetti soggettivi. Spesso è necessario eseguire i trattamenti quando si presentano condizioni favorevoli, per esempio, all instaurarsi delle infezioni. Sulla base della sola esperienza di campo, è difficile stabilire se e quando si presentano condizioni meteorologiche favorevoli alla comparsa di una malattia oppure alla sua diffusione, dato che le relazioni che legano i patogeni alle condizioni meteorologiche ed alle fasi fenologiche della coltura sono molto complesse e variabili nel corso della stagione. I modelli si pongono l obiettivo di definire, in modo univoco e semplice, la presenza di condizioni favorevoli allo sviluppo di vari patogeni. La realizzazione di questi modelli segue uno schema preciso. Il modello nasce da esigenze pratiche, messe in luce attraverso un confronto con gli utilizzatori. Definito in modo preciso il fenomeno da modellizzare (ad esempio la presenza di spore capaci di iniziare le infezioni, oppure di condizioni meteorologiche favorevoli all infezione, il periodo di probabile comparsa dei di malattia, ecc.), si procede ad elaborare sulla base delle informazioni disponibili un prototipo di modello: si tratta di definire gli stadi fondamentali della malattia, le condizioni capaci di influenzarne la quantità e la dinamica temporale, e di esprimere le loro relazioni mediante regole o formule matematiche. Qualora le informazioni ed i dati disponibili non siano sufficienti ad esprimere matematicamente tutti gli aspetti del modello, si procede a condurre ricerche finalizzate a questo scopo. Si ottiene così un prototipo di modello, che viene sottoposto ad una serie di verifiche, sia sul piano scientifico che operativo; qualora il modello non superi le verifiche, si procede ad apportare le modifiche necessarie, fino ad ottenere una versione finale ed operativa del modello. Il modello è poi soggetto, nel tempo, a vari aggiornamenti ed ampliamenti, in modo da inserire i risultati di nuove ricerche o nuovi elementi. 1
La tecnica utilizzata nella elaborazione dei modelli epidemiologici è quella della Analisi dei Sistemi. Questa tecnica, utile alla elaborazione di modelli dinamici di simulazione, si basa sul principio secondo il quale gli stadi di un sistema (p. es. il ciclo biologico di un patogeno) possono essere quantificati in ogni momento ed i passaggi da uno stadio al successivo possono essere descritti da equazioni matematiche. Pertanto, tutte le informazioni fornite dalla letteratura o da esperimenti di laboratorio specifici vengono organizzate in un diagramma relazionale che include variabili di stato, tassi e variabili influenti (Fig. 1). Le variabili di stato rappresentano i diversi stadi del ciclo di infezione del patogeno. Il passaggio da uno stadio al successivo è regolato da tassi che vengono quantificati attraverso funzioni matematiche che li legano ai fattori ambientali influenti (Rabbinge e De Wit, 1989; Rossi et al., 1997). Variabili di stato (stadi del ciclo di infezione) tempo t stadio n Variabili influenti assi tasso tempo t +1 stadio n+1 LW Fig. 1 Esempio di organizzazione delle informazioni in un diagramma relazionale secondo i principi della Analisi dei sistemi. utti i modelli messi a punto o completati nell ambito del progetto Phenagri: fenologia per l agricoltura (ab. 1) sono stati elaborati con la tecnica descritta, ad eccezione del modello che stima il rischio di alternariosi del pomodoro. In quest ultimo caso l approccio seguito è stato quello di verificare la possibilità di adattare un modello empirico americano, chiamato FAS (Pennsylvania, State University), alle condizioni ambientali della Pianura Padana. A differenza, infatti, dei modelli dinamici di simulazione, i modelli empirici sono basati sulla analisi di dati attuali e storici sul comportamento della malattia in campo e sui fattori che la influenzano. Pertanto, basandosi su relazioni numeriche tra i dati raccolti in particolari situazioni ambientali, senza alcuna relazione nota a priori di causa-effetto fra le variabili, la loro adattabilità ad ambienti diversi da quelli in cui sono stati raccolti i dati deve essere verificata sperimentalmente. 2
ab. 1 Modelli sviluppati o completati nell ambito del progetto Phenagri, relativi dati di input necessari al funzionamento dei modelli ed output prodotti. COLURA MALAIA INPU OUPU Frumento Barbabietola da zucchero Oidio Fusariosi Ruggine bruna Ruggine gialla Cercosporiosi Oidio Presenza di infezioni in atto Presenza di uredosori Presenza di uredosori Comparsa della malattia Pomodoro Alternariosi Segnalazione del periodo di probabile comparsa dei Previsione a 6- giorni Segnalazione del rischio di infezione Determinazione del rischio giornaliero di infezione Segnalazione del probabile periodo di comparsa dei Previsione a 7- giorni Previsione della comparsa dei Previsione a - giorni Segnalazione del probabile periodo di comparsa dei Previsione a -14 giorni Previsione del raggiungimento di soglie per i trattamenti Determinazione del rischio di infezioni Previsione dello sviluppo della malattia Indice cumulato di rischio Previsione del raggiungimento di soglie per i trattamenti Alcuni modelli si trovano già ad un livello operativo e vengono utilizzati attivamente da servizi regionali di avvertimento agli agricoltori (cercosporiosi-bietola e ruggine bruna-frumento); gli altri (Fig. 1) si trovano ancora in fase di validazione per verificarne l affidabilità attraverso il confronto con dati di campo raccolti in varie zone, rappresentative di diverse situazioni epidemiologiche (Fig. 2). 3
Dopo questa fase, se le validazioni avranno dato risultati soddisfacenti, anche questi modelli verranno trasferiti agli utilizzatori finali. MIS SPO SIS R DAR GS DIS SHS INF HI W RH RH Fig. 1 Diagramma relazionale del modello che simula il rischio di infezione di fusariosi e di accumulo di micotossine nelle cariossidi di frumento. GS a W INC INV MAC SH HIH MAH 6 1. 6 1. Pioggia (mm) 4 3 2/ 9/ 16/ 23/ 3/ M. nivale F. avenaceum /6.8.6.4.2. FHB_risk Pioggia (mm) 4 3 2/ 9/ 16/ 23/ M. nivale F. graminearum F. avenaceum 3/ /6.8.6.4.2. FHB_risk 3 2 3 2 2 2 ( C) 1 2/ 9/ 16/ 23/ 3/ /6 1 OX_risk ( C) 1 2/ 9/ 16/ 23/ 3/ /6 1 OX_risk Fig. 2 Esempi di output del modello che simula il rischio di infezione di fusariosi e di accumulo di micotossine nelle cariossidi di frumento, calcolati rispettivamente su dati meteorologici di due località in cui sono stati rilevati valori molto bassi e molto alti di malattia. 4
In conclusione, l Analisi dei sistemi, utilizzata per la costruzione dei modelli elencati, permette di ottenere previsioni affidabili e modelli robusti, adattabili a diverse condizioni ambientali, che possono costituire un buon supporto ai servizi di assistenza tecnica per la razionalizzazione degli interventi di difesa, con conseguente riduzione del numero di trattamenti chimici o delle dosi di impiego. Bibliografia R. Rabbinge, C.. de Wit (1989) Systems, models and simulation. In: R. Rabbinge, S.A. Ward e H.H. van Laar (Eds) Simulation and systems management in crop protection. Pudoc, Wageningen, 3-1. V. Rossi, p. racca, s. giosue, battilani p. (1997) Decision support systems in crop portection: from analysis of the pathosystems to the computerized model. Petria, 7 (suppl. 1), 7-26 V. Rossi (2) I modelli epidemiologici per la difesa delle piante. Agricoltura, marzo 2, 61-63.