IMPATTO DEI CAMBIAMENTI CLIMATICI SULLA SOSTENIBILITÀ DELL’AZIENDA CEREALICOLO-

ZOOTECNICA IN LOMBARDIA

12 Maggio 2016

Giovanni Cappelli, Livia Paleari, Simone Bregaglio, Andrea Giussani, Marco Acutis, Stefano Brenna, Dante Fasolini, Roberto Confalonieri

Università di Milano, Dipartimento di Scienze Agrarie ed Ambientali,

CASSANDRA lab

giovanni.cappelli@unimi.it; livia.paleari@unimi.it

Cambiamento climatico - Agricoltura

Strategie di risposta (mitigazione, adattamento)

Piano Regionale di Adattamento ai Cambiamenti Climatici (PACC)

Convenzione ERSAF – UNIMI DISAA FASE 1

Strategie di adattamento (Riso, frumento, mais)

Convenzione ERSAF – UNIMI DISAA FASE 2

Sistemi colturali erbacei alternativi

Sostenibilità ambientale e aziendale?

PSR 2014-2020

Introduzione Arundo Donax L.

(Aree marginali)

Outline

12 Maggio 2016

12 Maggio 2016

Premessa (1)

Aumento della concentrazione atmosferica di GHG (CO2, CH4, N2O, H2O, O3, ALOCARBURI)

Aumento delle temperature e ondate di calore

Aumento dell’intensità delle precipitazioni (con distribuzioni caratterizzate da

marcate differenze territoriali)

Aumento di eventi meteorologici estremi (inondazioni/eventi siccitosi)

Variazioni di temperatura media attese in base al rapporto SRES dell’IPCC (2007).

Emissioni atmosferiche (attuali e previste) da combustibili fossili (fonti: IEA; CDIAC) from Raupach et al., 2007

(Fonte: Mendelsohn et al., 2004)

L’agricoltura è probabilmente uno dei settori economici più esposti in molte regioni del mondo.

Differenze in funzione di

Contesto produttivo (tecnologia, infrastrutture, formazione…)

Condizioni pedoclimatiche

Colture (specie coltivate, varietà/ibridi…)

12 Maggio 2016

Premessa (2)

Molte iniziative e risorse investite IPCC, Banca mondiale, Unione Europea

12 Maggio 2016

Strategia comunitaria (4)

Strategia di mitigazione: agire sulle cause

(emissioni)

Strategia di adattamento: minimizzare gli effetti

(nuove varietà, semine, irrigazione…)

Risposta comune e coordinata a livello

internazionale (es. protocollo di Kyoto)

Risposta a livello nazionale/regionale

SNA, PNA PACC «La Lombardia….presenta un’elevata vulnerabilità agli impatti del cambiamento climatico».

Piano di sviluppo rurale - PSR 2014-2020

Piano di sviluppo rurale - PSR 2014-2020

12 Maggio 2016

Premessa (3)

Piano Regionale di Adattamento ai Cambiamenti Climatici (PACC)

Salute umana Difesa del suolo Turismo Agricoltura Settore energetico Trasporti e mobilità Qualità dell’aria Biodiversità e aree protette .....

Progetto HELPSOIL (qualità dei suoli)

Progetto MANFRED (specie forestali dell’arco alpino)

Progetto EMONFUR (foreste di pianura)

Convenzione ERSAF – UNIMI DISAA (produzioni agricole)

Macroaree

elaborazione di scenari di evoluzione climatica; valutazione qualitativa degli impatti; individuazione dei settori più vulnerabili; stesura di protocolli di analisi di rischio integrato; definizione di linee-guida per misure di

adattamento settore-specifiche

Obiettivi

Progetti

FASE 1 Valutazione variazioni produttive delle principali colture cerealicole (riso, frumento e mais): elaborazione di efficaci strategie di adattamento (semina e lunghezza del ciclo).

Convenzione ERSAF – UNIMI DISAA

12 Maggio 2016

Premessa (3)

FASE 2 • Problematica acqua: impatto delle strategie di adattamento definite

nella Fase 1 in termini di consumo idrico, testando sistemi irrigui caratterizzati da diversa efficienza.

• Problematica aziendale: impatto dei cambiamenti climatici sulla sostenibilità del modello aziendale cerealicolo-zootecnico, tipico della struttura aziendale lombarda di pianura.

I modelli di simulazione basati sui processi costituiscono uno strumento previsionale strategico per lo studio dell’evoluzione di sistemi non stazionari

Sistema di supporto alle decisioni a diversi livelli di scala: strategie di adattamento (agricoltore, decisore politico).

Consentono di esplorare condizioni diverse dalle attuali per diversi livelli di complessità del sistema colturale.

Livello d’incertezza

Gli studi condotti mediante modelli di simulazione hanno valutato l’impatto esclusivamente in termini quantitativi non valutando malattie, danni da stress abiotici, qualità delle produzioni (Porter et al., 2005; White et al. 2011; Supit et al., 2012).

12 Maggio 2016

Premessa (4)

12 Maggio 2016

Metodologia (1)

12 Maggio 2016

Metodologia: Dataset climatico

Scenari futuri: A1 (“business as usual scenario” – maggior impatto) e B2: (CO2 stabilizzata a circa

550 ppm già nel 2020 – minor impatto) secondo le proiezioni di due diversi GCM (Hadley3 e NCAR).

Variazioni mensili di temperatura e precipitazioni rispetto clima attuale (IPCC).

Scenario di riferimento: JRC-MARS 1975-1994 (25 x 25 Km).

CLIMAK: a stochastic model for weather data generation (Danuso 2002)

Scenari climatici futuri (2020 e 2050): es. anomalie di temperatura massima nei mesi estivi

12 Maggio 2016

Metodologia: Dataset vegetazionale

12 Maggio 2016

Metodologia: Dataset gestionale

12 Maggio 2016

Metodologia: Adattamento

Danni abiotici

Danni biotici

Crescita colturale

Soluzione di modellazione (1)

12 Maggio 2016

Crescita colturale

Soluzione di modellazione (2)

12 Maggio 2016

Danni abiotici

Soluzione di modellazione (3)

12 Maggio 2016

Danni biotici (1)

Soluzione di modellazione (4)

12 Maggio 2016

Danni biotici (2)

Soluzione di modellazione (5)

12 Maggio 2016

Qualità

Soluzione di modellazione (6)

12 Maggio 2016

Coltura Tipologia di danno Soglia (°C)

Frumento Gelata -8

Riso ecotipo Indica Sterilità fiorale da freddo 13.5

Riso ecotipo Japonica Sterilità fiorale da freddo 12.5

Parametrizzazione

• Frumento: Bechini et al. 2006;

• Mais: Donatelli et al. 1997, dati sperimentali e parametrizzazioni sviluppate in progetti precedenti (DISAA);

• Riso: Confalonieri et al. 2009.

Modelli colturali

Modelli di fitopatie

• Elmintosporiosi: Aylor e Lukens 1974, Levy e Cohen 1983, e Harlapur 2005;

• Ruggine bruna: Fernandes, Soliman, Confalonieri, Donatelli e Tubiello.

Climate Change and Agriculture in Latin America, 2020-2050. Projected impacts and response to adaptation strategies. Whashinghton DC, World Bank;

• Brusone: Biloni et al 2007.

Modelli di danni abiotici

Dati collezionati nel distretto Lombardo-Piemontese dall’ENR (Cappelli et al., 2014): varietà Indica (cv. Thaibonnet) e Japonica (cv. Loto).

Qualità delle produzioni

12 Maggio 2016

Frumento tenero: accorciamento generalizzato del ciclo negli scenari futuri

Risultati

Frumento

- 5/6 gg

- 7 gg - 14 gg

No adattamento Adattamento

Risultati

Frumento

2050: Incrementi medi pari a 10.5% (potenziale, limitata da ruggine), 21% (gelate). Adattamento: ulteriore incremento medio di resa potenziale pari a 2.2 %.

Hadley A1B

NCAR B1

Conclusioni (Frumento)

Frumento

Aumento crescente di tutti i livelli produttivi

Marcata riduzione delle perdite produttive dovute a gelate ed alla pressione del patogeno

Effetto fertilizzante CO2 bilancia la riduzione del ciclo

L’adozione di varietà a ciclo più lungo massimizza i risultati produttivi in tutto il territorio

I valori ottenuti risultano coerenti con quanto osservato da Semenov (2011) e Supit (2012) in Europa ed in particolare in Italia.

12 Maggio 2016

Riso: accorciamento generalizzato del ciclo negli scenari futuri

Risultati

- 21 gg

- 25 gg - 37 gg

No adattamento Adattamento

Hadley A1B

NCAR B1

Risultati

Indica Japonica

2050: aumento del livello produttivo potenziale pari a circa 11-13% (Indica). Perdite variabili (Japonica) tra -4% (Milano, Pavia) e -10% (Mantova)

Hadley A1B

NCAR B1

Indica Japonica

Risultati

Adattamento Indica: aumenti pari a 5% (NCAR B1) e 3% (Hadley A1B). Japonica: variazioni positive ad eccezione di Mantova (-4%).

Qualità (1)

Indica Japonica Milling suitability

Technological suitability

TECHNOLOGICAL SUITABILITY – % difference compared to current scenario -16.5 4

MILLING SUITABILITY – % difference compared to current scenario -16.5 4

Economic revenues -17:-136 € ha-1

Indica Japonica

Economic revenues -12:-82 € ha-1

Riso

Aumento crescente di tutti i livelli produttivi (Indica) grazie alla riduzione della pressione del patogeno e dell’incidenza di sterilità da freddo

Il superamento di regimi termici subottimali controbilancia la riduzione del ciclo colturale

Incrementi di resa più contenuti (Japonica), con situazioni negative già nel 2020

Semine precoci di varietà a ciclo più lungo massimizzano i risultati produttivi in tutto il territorio (Indica) e determinano il totale recupero del divario produttivo (Japonica)

Conclusioni (Riso)

Qualità

Generale decadimento aspetti qualitativi, più marcato per varietà Japonica

Diverso comportamento del cereale nelle fasi di lavorazione e forte perdita valore di mercato

Adozione di varietà a ciclo più lungo si dimostra la strategia più efficace (soprattutto per Japonica), ma non è risolutiva

12 Maggio 2016

Mais da granella: accorciamento generalizzato del ciclo negli scenari futuri

Risultati

- 22 gg

- 31 gg - 37 gg

No adattamento Adattamento

Risultati

2050: perdite medie di produzione potenziale pari a -26.4% (Granella) e -24% (Trinciato) nello scenario più pessimistico.

Mais

Granella Trinciato

Hadley A1B

NCAR B1

Risultati

Adattamento: riduzione perdite del 50% granella: perdite pari a – 5.5% (NCAR B1) e -15% (Hadley A1B). trinciato: risultati analoghi, con situazioni positive per la provincia di SO

Granella

Hadley A1B

NCAR B1

Trinciato

Mais

Conclusioni (Mais)

Mais

Perdite di resa crescenti, più accentuate nelle provincie di Mantova e Brescia

La riduzione della pressione del patogeno non bilancia la riduzione del ciclo colturale

La coltura da trinciato mostra andamenti paragonabili alla coltura da granella

Perdite più marcate per la coltura praticata in secondo raccolto

Semine anticipate di ibridi a ciclo più lungo dimezzano le perdite produttive

I risultati ottenuti concordano con quanto osservato da Supit (2012)

12 Maggio 2016

FASE 1 Valutazione variazioni produttive delle principali colture cerealicole (riso, frumento e mais): elaborazione di efficaci strategie di adattamento (semina e lunghezza del ciclo).

Convenzione ERSAF – UNIMI DISAA

12 Maggio 2016

Premessa (3)

12 Maggio 2016

Estensione base dati

Definizione unità di simulazione elementare

Attribuzione informazioni elaborate nella fase precedente (Fase 1) e relative a:

dataset climatici (dati meteorologici per lo scenario attuale e gli scenari futuri;

distribuzione colturale (aree coltivate a frumento tenero, mais da granella, silomais e riso);

dataset gestionale (date di semina specifiche per coltura e definite mediante regole automatiche od elaborazione di dati telerilevati).

Cella 25x25 Km

Costituzione del dataset pedologico: individuazione suolo più

rappresentativo ad ogni unità di simulazione

a) categoria pedologica (WRB 2006) più rappresentata in termini di superficie

Carta dei suoli della Lombardia - scala 1:250.000 (ERSAF, 2011).

Attribuzione a ciascuna R.A.:

b) Unità Tipologica di Suolo (UTS) prevalente e relative caratteristiche chimico-fisiche (Tessitura, CSC…)

UTS prevalenti nell’area di simulazione

12 Maggio 2016

Estensione banca dati: suolo

ERSAF, 18 Novembre 2013

Estensione base dati: acqua

Stima proprietà idrologiche: funzioni di pedotrasferimento basate sulla tessitura (CropSyst: Saxton et al., 1986)

Spazializzazione dei sistemi irrigui (Coffani e Angileri 2006)

Definizione di regole per l’irrigazione automatica specifiche

a) Riprodurre l’attuale scenario di gestione idrica (Es. scorrimento: data del primo

intervento irriguo, durata del turno, numero massimo di interventi, mm ad adacquata);

b) Sistemi alternativi e più efficienti (ala gocciolante)

Estensione motore di simulazione

Crescita e sviluppo:

• approcci modellistici adottati nella Fase 1 (CropSyst)

Modelli idrologici:

introduzione delle librerie di modelli idrologici UNIMI.SoilW

Redistribuzione dell’acqua tra gli strati di suolo

• serbatoi, • serbatoi con “travel time”, • risoluzione numerica dell’equazione di Richards

Traspirazione reale della pianta

Evaporazione del suolo

Effetti delle lavorazioni sulle caratteristiche pedologiche Help file: http://agsys.cra-cin.it/tools/soilw/help/

Codedoc file: http://agsys.cra-cin.it/tools/soilw/codedoc/

12 Maggio 2016

Estensione motore di modellazione (2)

Gestire gli eventi di irrigazione in maniera coerente con le specificità dei sistemi irrigui considerati

Regole automatiche secondo l’approccio regola-impatto

Regole Sistema irriguo

Aspersione Scorrimento Localizzata

DVS INI 1.8 1.8 1.8

DVS END 2.8 2.8 2.8

Massimo numero di interventi 11 6 45

Durata turno irriguo (giorni) - 10 2

Soglia di acqua utile 0.5 - 0.9

Spessore del profilo (m) 0.65 - 0.5

Esclusione strato superficiale da evaporazione FALSO FALSO FALSO

Impatti

Volume irriguo (mm intervento-1

) 60 110 15

Efficienza del sistema irriguo 0.7 0.5 0.9

Intercettazione potenziale* 1 0 0 *L'intercettazione da parte della coltura è modulata in funzione dell'evoluzione dell'indice di area fogliare: essa

aumenta gradualmente con il procedere dello sviluppo della coltura

Regole: insieme di condizioni affinché un’agrotecnica venga applicata

Impatto: effetto dell’agrotecnica

12 Maggio 2016

Esperimento di simulazione

Le simulazioni effettuate per valutare la sostenibilità delle strategie di adattamento ipotizzate nel corso della Fase1 sia in termini di consumi idrici ed economici

12 Maggio 2016

Riprodurre risultati Fase 1 tenendo conto di:

Suolo

Irrigazione

Precipitazioni

Risultati (1)

12 Maggio 2016

Risultati (2)

produzioni ottenute, numero di interventi irrigui e dei millimetri ad

adacquata;

surplus irriguo derivante dall’adozione di ibridi a ciclo + lungo

consumi di gasolio e dei costi per sostenere i suddetti surplus irrigui

(efficienza; gasolio agricolo pari a 1.06 € l-1);

valutazione delle plusvalenze economiche generate in termini di resa

dall’attuazione dell’adattamento (circa 24 € q-1 granella, 4 € q-1 trinciato)

12 Maggio 2016

Regione Agraria Sistema

irriguo

CIS (mm ha-1)

Eff. (Kg m -3H2O)

Δ resa (Kg ha-1)

V. Δ resa (€ ha-1)

S.I. (mm ha-1)

Gasolio (l mm-1)

Costo S.I. (€ ha-1)

Bilancio (€ ha-1)

12-06 Pianura varesina S. 446.4 2.6 564.0 155.4 72.4 44.5 47.2 108.2

15-02 Pianura di Legnan S. 446.4 2.6 564.0 155.4 72.4 44.5 47.2 108.2

15-03 Pianura di Seveso S. 483.6 2.3 650.8 179.3 104.1 64.0 67.8 111.5

15-04 Pianura di Monza S. 489.8 2.3 560.0 154.3 99.3 61.0 64.7 89.6

15-05 Pian. Canale Vill S. 483.6 2.1 255.5 70.4 60.1 36.9 39.2 31.2

15-06 Pianura di Milano S. 465 2.2 133.6 36.8 30.5 18.7 19.9 16.9

15-07 Pianura Lambro-Ad S. 465 2.2 133.6 36.8 30.5 18.7 19.9 16.9

15-08 Ticino e Lambro S. 483.6 2.1 256.3 70.6 49.1 30.2 32.0 38.6

15-09 San Colombano al S. 440.2 2.3 109.9 30.3 22.2 13.6 14.5 15.8

16-06 Colline di Bergam S. 427.8 2.7 101.8 28.0 20.8 12.8 13.5 14.5

16-07 Colline del medio S. 446.4 2.6 189.1 52.1 44.9 27.6 29.2 22.9

16-08 Pianura dell'Isol S. 427.8 2.7 101.8 28.0 20.8 12.8 13.5 14.5

16-09 Pianura bergamasc S. 427.8 2.7 101.8 28.0 20.8 12.8 13.5 14.5

16-10 Pianura bergamasc S. 446.4 2.6 189.1 52.1 44.9 27.6 29.2 22.9

17-10 Colline di Bresci S. 465 2.3 266.1 73.3 52.5 32.3 34.2 39.1

17-11 Morenica Nord-Occ S. 465 2.0 45.5 12.5 36.0 22.1 23.5 -10.9

17-12 Pianura Bresciana S. 483.6 2.1 391.3 107.8 76.6 47.1 49.9 57.9

17-13 Pianura Bresciana S. 434 2.3 244.2 67.3 21.5 13.2 14.0 53.3

17-14 Pianura Bresciana S. 427.8 2.4 181.3 49.9 15.3 9.4 10.0 40.0

18-02 Colline Sett. Olt ASP. 355.3 3.3 473.5 130.5 22.8 35.0 37.1 93.4

18-04 Lomellina Occiden S. 444.3 2.5 383.1 105.5 57.0 35.1 37.2 68.4

18-05 Lomellina Orienta S. 468.6 2.1 221.1 60.9 49.2 30.3 32.1 28.9

18-06 Pianura di Pavia S. 462.5 2.3 272.7 75.1 59.1 36.3 38.5 36.6

18-07 Pianura Pavese Se S. 462.5 2.3 272.7 75.1 59.1 36.3 38.5 36.6

18-08 Pianura Pavese de S. 474.4 2.1 118.0 32.5 49.9 30.7 32.5 0.0

18-09 Lomellina Padana S. 438.3 2.5 186.8 51.5 24.6 15.1 16.0 35.5

18-10 Pianura dell'Oltr ASP. 297.3 3.9 366.3 100.9 20.1 30.9 32.8 68.1

18-11 Basso Pavese S. 480.3 2.3 131.7 36.3 77.2 47.4 50.3 -14.0

19-01 Pianura Cremasca S. 462.3 2.3 292.1 80.5 69.8 42.9 45.4 35.0

19-02 Pianura di Crema S. 462.4 2.3 289.6 79.8 69.8 42.9 45.4 34.3

19-03 Pianura soresines S. 468.3 2.3 272.8 75.2 59.9 36.8 39.0 36.2

19-04 Pianura di Soresi S. 468.3 2.3 258.1 71.1 54.6 33.5 35.5 35.6

19-05 Pianura di Cremon S. 462.4 2.3 457.0 125.9 96.3 59.2 62.7 63.2

19-06 Pianura fra Oglio ASP. 263.1 4.2 311.1 85.7 6.4 9.8 10.4 75.3

19-07 Pianura di Piaden ASP. 317.8 3.4 506.3 139.5 26.0 40.0 42.4 97.1

20-01 Morenica Merid. d ASP. 314.5 3.3 468.6 129.1 16.8 25.8 27.4 101.8

20-02 Pianura tra Minci ASP. 297.4 3.4 509.9 140.5 17.2 26.4 28.0 112.5

20-03 Pianura tra Minci ASP. 310.9 3.3 607.9 167.5 36.7 56.4 59.8 107.7

20-04 Pianura tra Oglio ASP. 317.8 3.4 506.3 139.5 26.0 40.0 42.4 97.1

20-05 Pianura di Mantov ASP. 314.4 3.2 499.6 137.6 31.4 48.2 51.1 86.6

20-06 Pianura Occ. Oltr ASP. 324.8 3.1 402.9 111.0 21.2 32.5 34.5 76.5

20-07 Pianura Orient. O ASP. 359.0 2.9 470.1 129.5 26.2 40.2 42.6 86.9

20-09 Morenica del Lago S. 426.2 2.7 155.8 42.9 28.4 17.5 18.5 24.4

98-01 Pianura di Lodi S. 462.5 2.2 272.7 75.1 69.8 42.9 45.4 29.7

98-02 Pianura di Codogn S. 426.5 2.4 188.5 51.9 23.1 14.2 15.0 36.9

98-03 Pian. Lodigiana d S. 426.3 2.5 159.2 43.9 28.4 17.5 18.5 25.3

CIS= Consumo irriguo stagionale; S.I.= Surplus irriguo; N.I = Non irriguo; ASP = Aspersione; S. = Scorrimento; V. Δ resa = Valore

economico del surplus produttivo.

Risultati (3)

440 mm - 560 mm

300 mm - 360 mm

160 mm - 200 mm

12 Maggio 2016

Risultati (4)

12 Maggio 2016

Risultati (5)

12 Maggio 2016

Grazie per l’attenzione!