Prevedere il clima e prevenire le malattie delle piante R.BUGIANI
Climate change Temperatura Precipitazioni Concentrazione di CO 2 MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 2
Concentrazione di CO 2 Sulla pianta Miglioramento della fotosintesi Incremento dell accrescimento fogliare Aumento dello spessore della foglia Maggiore numero di foglie Maggiore Area fogliare totale per pianta Aumento dell efficienza d uso dell acqua Riduzione della degradazione della lettiera e dei residui vegetali nel suolo MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 3
Ospite Gemma cotonosa Prefioritura Allegagione Raccolta 15 aprile 1990 10 settembre 20 marzo 2000 15 agosto MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 4
Temperatura MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 5
Cosa è successo nel mondo, in Europa, in Italia, in Emilia, a Ferrara: temperature: il salto del 1987, precipitazioni (variabilità) ed eventi estremi. MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 6
Effetto dell ambiente sullo sviluppo di una epidemia Triangolo epidemiologico In generale lo scoppio epidemico di una malattie avviene come il risultato dell interazione di 3 fattori principali: Popolazione dell ospite Popolazione del patogeno L ambiente Ospite Condizioni favorenti la suscettibilità MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 7
Interazione tra i componenti del triangolo epidemico e i potenziali risultati Scenari potenziali al cambiamento Interazione fra i fattori Diminuita intensità della malattia Cambio ospite Varietà Pratica colturale Difesa chimica Cambio patogeno genetico spostamento Maggiori epidemie Cambiamenti a favore della malattia in uno o due fattori ambiente Garret et al.,2009 Cambiamento climatico Temperatura Contenuto di CO 2 Pioggia Copertura nuvolosa etc Cambiamenti a favore della malattia in tutti e tre i fattori MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 8
Tignoletta della vite Nelle aree più produttive ci potrebbe essere un effetto negativo, causato dell asincronia tra gli stadi fenologici resistenti e le larve di tignoletta. un aumento del numero di generazioni potrebbe essere favorito dal riscaldamento del clima i danni causati dalla generazione aggiuntiva sarebbero limitati dall anticipo della raccolta. MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 9
Malattie trasmesse da vettori La sopravvivenza può diminuire o aumentare in funzione delle specie Alcuni vettori hanno una alta sopravvivenza con temperatura elevata Cambiamento del tasso di crescita della popolazione del vettore Aumento dell azione trofica del vettore e di contatto con l ospite > maggiore possibilità di trasmissione MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 10
Difesa anticrittogamica Batteriosi Septoria Alternaria Conoscenza delle caratteristiche del formulato Modalità d azione Dilavabilità Efficacia Traslocazione Clima Presenza di altre malattie Elevata Bassa Scelta del fungicida antiperonosporico Pressione della malattia Coltura Fenologia Velocità di accrescimento della pianta CONVEGNO OI POMODORO - CODIGORO - 6/12/2016 11
Oidio della vite MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 12
Latenza delle oospore Temperatura Presenza d acqua Temperatura Umidità della foglia Pioggia Infezione Sintomi di malattia Germinazione Diffusione Incubazione Sopravvivenza degli zoosporangi Temperatura Umidità relativa Sopravvivenza delle zoospore Peronospora della vite Temperatura Umidità relativa Liberazione delle zoospore Presenza d acqua MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 13
Infezioni stimate Probabilità statistica d infezione di P.viticola Variabili Coefficiente SE % Varianza costante 28,337 0,909 ggp3-0,769 0,115 67% ggsp4 0,335 0,069 33% R 2 = 0,75 Y=28,3-0.769*ggp3+0,335*ggsp4 Y =Y-2.84 36 34 32 30 28 26 24 22 20 PC98 BO94 PC95 BO98 PC96 RA94 RA97 BO00 RA00 RA96 PC94 PC00 BO93 RA95 BO96 PC93 BO95 RA99 RA93 PC99 BO99 RA98 BO97 PC97 20 22 24 26 28 30 32 34 36 Infezioni osservate Y Y MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 14
Latenza delle oospore di P.viticola 0,1 0,09 0,08 0,07 0,06 2014 2016 2007 1994 0,05 0,04 0,03 0,02 0,01 0 d-gen d-gen d-gen d-gen d-gen d-feb d-feb d-feb d-feb d-mar d-mar d-mar d-mar d-apr d-apr d-apr 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 media termine latenza 2016 2017 MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 15
Indice di pioggia Indice di umidità Indice di temperatura 1.2 0.96 0.72 0.24 Modello IPI (Indice Potenziale Infettivo): Tmin > 7 C 0 8 11 14 17 20 23 26 IPI i = f (T i, RH i o Pioggia i ) Temperatura ( C) 1.2 n IPI = IPI i i=1maggio 0.48 0.96 0.72 0.48 0.24 RH > 79% valori numerici che aumentano via via che le variabili meteo si avvicinano ai valori ottimali per il patogeno. 0 3.6 3 2.4 1.8 1.2 0.6 0 80 84 88 92 96 100 Umidità relativa (%) Pioggia cumulata > 0.2 mm 0 2 4 6 8 10 12 14 16 Pioggia in 48 h (mm) CONVEGNO OI POMODORO - CODIGORO - 6/12/2016 16
Pressione infettiva (Valle Mezzano) CONVEGNO OI POMODORO - CODIGORO - 6/12/2016 17
Forecaster Alternaria Solani on Tomato (Madden L., Pennypacker S.P., McNab A.A. (1978) - USA CONVEGNO OI POMODORO - CODIGORO - 6/12/2016 18
Botrite della fragola: Straw-Bot MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 19
Aflatossine e mais Modello LOG-AF Input: Dati meteo giornalieri Output: Rischio superamento soglia di contaminazione della granella alla Raccolta (Battilani et al., 2008) Ottimizzare gli interventi colturali Eventuale trattamento Stimare le contaminazioni Definire la raccolta Gestire il post-raccolta (essiccazioni, operazioni, tempestività, sorting) MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 20
FHB-wheat (Fusarium Head Blight on wheat) Input: Dati meteo dalla spigatura (T, RH, Rainfall, LW) Output: 2 Indici di rischio, giornaliero e accumulato nella stagione Indice di Infezione(FHB-inf) per ogni specie di Fusarium Indice di accumulo micotossigenonelle cariossidi di F. graminearum e F. culmorum (FHB-tox) SPOR: Sporulaszione SHT Sintomi sulle spighe T INC: Incubazione MIS Micelio nelle fonti d inoculo SPOR: Sporulazione SIS Spore sulle fonti di inoculo DIS: Dispersione SHS Spore sulle spighe INF: Infezione HIH Micelio nelle spighe Specie fungina T R, T, RH Stadio fenologico T, LW, RH Specie fungina T, a W INV: Invasione T, a W MAH Micotossine nelle cariossidi Specie fungina MAC: Tossinogenesi HIS Micelio nelle cariossidi Stadio fenologico
Precision Farming GpS Big Data Clouding MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 22
Previsioni Meteorologiche Stazioni Meteo? Sensori? Dati Reali? Dati Interpolati? MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 23
Grazie per l attenzione! MACFRUT 2017 - PREVEDERE IL CLIMA E PREVENIRE LE MALATTIE DELLE PIANTE 24