Modelli di valutazione e gestione delle risorse alieutiche...

Modelli di valutazione e gestione delle risorse alieutiche

Modulo: Applicazione di strumenti di gestione

Paco Melià, Politecnico di Milano

03/02/2011 | Modelli di valutazione e gestione delle risorse alieutiche - Applicazione di strumenti di gestione [ 2 ]

Sommario

• modelli matematici: istruzioni per l’uso

• esempi applicativi

accrescimento e mortalità della vongola filippina

la demografia dell’anguilla europea

• gestire le risorse naturali in presenza di più obiettivi

• esempi applicativi

produzione o profitti? venericoltura nella Sacca di Goro

gestire la pesca all’anguilla nelle lagune della Camargue

Modelli matematici: istruzioni per l’uso


Che cos’è un modello?

• un modello matematico è una

rappresentazione semplificata

della realtà, utile per

razionalizzare le nostre

conoscenze su un sistema

reale

prevedere il comportamento

futuro

simulare il comportamento in

condizioni diverse da quelle

attuali


Il ciclo di vita di un modello

concettualizzazione

formulazione

calibrazione

dati

validazione

utilizzo

sì

no


La formulazione

• che tipo di modello?

aprioristico / empirico

dinamico / statico

semplice / complesso

deterministico / stocastico

parametri concentrati /

distribuiti

• la scelta dipende dalle

caratteristiche del problema e

dall’uso che si vuole fare del

modello

0

0.5

1

1.5

2

0 0.5 1 1.5

y = 1.60x – 0.16

y = 1.55x1.40

y = 0.78x2 + 0.84x – 0.03


Modelli “esatti” e modelli empirici...

K

NrN

t

N1

d

d


...statici e dinamici...

Dipendenza del tasso di mortalità naturale dalla massa corporea nell’anguilla europea (A. anguilla)

Dinamica di biomassa algale (Ulva sp.), detrito e ossigeno disciolto in un impianto di fitodepurazione a Nassa di Orbetello


...semplici e complessi, deterministici e stocastici

Accrescimento dell’aragosta rossa Palinurus elephas: curve mediane e intervalli di confidenza al 90% ottenuti mediante simulazione Monte Carlo

Curve di crescita medie per due forme di coregone (Coregonus spp.) nel Lago Maggiore


Il rasoio di Occam

«Pluralitas non est ponenda

sine necessitate»

se due modelli hanno

sostanzialmente lo stesso

potere descrittivo e

predittivo, usa quello più

semplice!

Guglielmo di Ockham

(1288-1349)


I dati

• i dati non sono mai come li

vorrebbe il modellista:

dati mancanti, outlier,

autocorrelazioni...

• ma i biologi sanno quanto è

difficile raccoglierli!

• per questo motivo è

importante un’integrazione

delle competenze fin dalle

prime fasi di un lavoro, per

chiarire gli obiettivi della

campagna di raccolta dati


La calibrazione

• dopo aver deciso la

formulazione, bisogna

calibrare il modello per

adattarlo al meglio ai dati

disponibili

• per farlo, bisogna definire un

criterio di similitudine tra i

dati e i risultati del modello

es: minimi quadrati dati

2

simulatoosservatoparametrimin yy

Concentrazione di ossigeno nella colonna d’acqua in un impianto di fitodepurazione a Nassa di Orbetello:

riproduzione di una serie storica mediante modello sinusoidale


La validazione

• una volta calibrato il modello,

è buona norma validarlo

• validare un modello significa

valutare se

riproduce correttamente i dati

utilizzati in calibrazione

è in grado di fornire buoni

risultati anche su dati nuovi

Accrescimento dell’aragosta rossa Palinurus elephas dentro e fuori da un’area marina protetta:

confronto fra dimensioni del carapace osservate e previste dal modello

2

oss.oss.

2

sim.oss.2 1yy

yyR


Analisi di sensitività

domanda:

il risultato è sensibile a

ipotesi di partenza

scelta del modello

incertezza nei dati

variazioni dei parametri

?

Valutazione dello stock di acciuga Engraulis encrasicolusdel Mar Ligure:

stima della produzione giornaliera di uova in funzionedei parametri del modello stadio-età


Valutazione dello stock di acciuga Engraulis encrasicolusdel Mar Ligure:

distribuzione di probabilità della biomassa riproduttiva

Analisi di sensitività

domanda:

il risultato è sensibile a

ipotesi di partenza

scelta del modello

incertezza nei dati

variazioni dei parametri

?

Esempi applicativi:Accrescimento e mortalità della vongola filippina


La vongola filippina

• Ruditapes philippinarum è

originaria del Giappone e del

Pacifico occidentale

• durante il XX secolo è stata

introdotta in Nord America e

Europa

• è una delle specie più

importanti per l’acquacoltura

mondiale

• Cina (2.8×106 t) e Italia

(66×103 t) sono i due maggiori

produttori (dati FAO 2007)


La vongola filippina in Italia

• è stata introdotta in Italia nei

primi anni 80 dopo

l’esaurimento degli stock locali

di vongola verace (Ruditapes

decussatus)

• la produzione è cresciuta fino

agli anni 90, ma problemi

localizzati nelle principali aree

di produzione hanno causato

periodiche diminuzioni della

produttività

Manila clam production 1990-2005

0

25000

50000

75000

1990 1995 2000 2005

Year

Pro

du

cti

on

(10

3 t

)

source: FAO (2007)


La Sacca di Goro

• la Sacca di Goro è una delle aree più importanti per la molluschicoltura intensiva italiana

• la produzione di vongole filippine è cresciuta fino a 16000 t nei primi anni 90, ma in seguito la produzione si è stabilizzata a circa 10000 t

• possibili cause:

scarsa circolazione dell’acqua

fioriture algali (bloom)

elevate densità di vongole

Sacca di Goro (44°47’-44°50’ N, 12°15’-12°20’ E)


Le concessioni

• gli allevamenti occupano

circa 10 km2 (su 27 km2)

• l’allevamento avviene

all’interno di concessioni

demaniali, suddivise in

“campi” e gestite da consorzi

di pescatori

• i pescatori raccolgono il

novellame nelle zone di

nursery e lo seminano

all’interno dei campi

quali sono i fattori che

influenzano la produttività?


Gli esperimenti di semina


Accrescimento

• l’accrescimento delle

vongole è influenzato

dalla tipologia di sedimento

(sabbioso, intermedio,

fangoso): granulometria

maggiore significa

idrodinamismo più intenso

dalla temperatura:

temperature maggiori

determinano una crescita più

veloce


Sopravvivenza

• la sopravvivenza delle

vongole è influenzata

dalla temperatura:

temperature maggiori

favoriscono una maggiore

sopravvivenza

dalla densità: densità di

semina più elevate

diminuiscono la

sopravvivenza


Il modello: accrescimento

),0(

)exp(ˆ

)(d

d

0

tN

LL

Tkkk

LLkt

L

LL

L

T


Il modello: sopravvivenza

),0(

)exp(ˆ

d

d

0

tN

NN

NT

Nt

N

NN

N

NT


Il modello in azione

• dati in ingresso:

semina:

• mese

• taglia

• densità

• substrato

orizzonte temporale

• dati in uscita:

biomassa pescabile

(in termini probabilistici)


Il modello in azione

• il modello permette di

valutare la produttività di

un allevamento in funzione

delle diverse modalità di

semina, in termini di

biomassa pescabile (kg/m2)

incertezza associata (CV)

• max produttività: ~6 kg/m2


...e funziona anche in altre situazioni?

Accrescimento osservato e simulato in due siti di allevamento nel bacino di Arcachon (F)

Sopravvivenza osservata e simulata nell’estuario del fiume Eo (E)

Esempi applicativi:La demografia dell’anguilla europea


L’anguilla europea: ciclo di vita

• L’anguilla europea (Anguilla

anguilla) è una specie

catadroma:

gli adulti si riproducono in

oceano

le larve migrano verso le

acque continentali, dove si

trasformano in anguille gialle

dopo un periodo tra i 2 e 20

anni, le anguille gialle

metamorfosano in anguille

argentine e migrano di nuovo

verso le aree di riproduzione


Ee l catches 1950-2001

0

5000

10000

15000

20000

25000

30000

1950 1960 1970 1980 1990 2000

year

to

tal

ca

tch

(t)

Japanese eel

American eel

European eel

source: FAO (2004)

Lo stato degli stock di anguilla

• le catture delle principali specie di anguilla sono in declino dai primi anni 80

• probabili cause:

sovrasfruttamento

cambiamenti nella circolazione oceanica

parassiti

alterazione degli habitat

inquinamento

• nel 2008 l’anguilla europea è stata inserita nella lista rossa IUCN (Critically Endangered)


La risposta istituzionale

• la Commissione Europea ha

recentemente imposto agli

stati membri di elaborare dei

piani di gestione


R U

YM

YF

SM

SF

indiffe

renzia

te

gia

lle

arg

en

tin

e

femmine

maschi

reclu

tam

en

to

Ingredienti per un modello demografico

reclu

tam

en

tomaturazione

differenziazione

sessuale

accrescimento

mortalità naturalemortalità da pesca


Un sistema prototipo: le lagune della Camargue

• il sistema della Camargue

comprende due specchi

d’acqua principali:

Impériaux e Vaccarès

• le lagune si interfacciano con

il mare attraverso un sistema

di paratoie

• la gestione dell’acqua è

orientata a mantenere bassi

livelli di salinità

• la pesca dell’anguilla è

regolamentata, le catture sono

stimate in ~20 t all’anno

Le lagune della Camargue (43°30’ N, 4°30’ E)

Females

Total


Più modelli in un modello

• il singoli modelli incorporano

plasticità e dimorfismo sessuale nell’accrescimento corporeo

differenziazione sessuale, maturazione, mortalitànaturale e da pesca legate alla taglia invece che all’età

ampie fluttuazioni del reclutamento

mortalità naturale dipendente da densità e temperatura

• il modello generale è calibrato

e validato su una serie

temporale di lungo periodo


Verso un modello flessibile

• il modello è estendibile a altre

popolazioni europee:

Camargue (F)

IJsselmeer (NL)

Lough Neagh (UK)

Burrishoole (IR)

River Shannon (IR)

Italia (es. Comacchio, Tevere)

• obiettivi:

descrivere la dinamica

demografica passata e

presente

prevedere gli effetti di diverse

politiche di gestione futura

present recruitment and fishing pressurepresent recruitment, never fishingpresent recruitment, fishing closure (y+s) from 2007present recruimtent, fishing closure (y) from 2007pristine recruitment from 2007, complete fishery closure

spaw

ner

outp

ut (t

/yr)



spaw

ner

outp

ut (t

/yr)


Il passo successivo: la fase oceanica

• accoppiando un modello di

circolazione oceanica con

simulazioni su base

individuale è possibile

testare se il trasporto larvale

è un processo attivo o

passivo

stimare la durata della

migrazione larvale

studiare l’impatto dei

cambiamenti climatici sulla

distribuzione delle larve e sul

successo del reclutamento


Qualche volta i modelli sono anche belli da vedere!

Gestire le risorse naturali in presenza di più obiettivi


Risorse a accesso libero: il dilemma dei pescatori

A raccoglie 3

B raccoglie 3

A raccoglie 4

B raccoglie 1

A raccoglie 1

B raccoglie 4

A raccoglie 2

B raccoglie 2

se A pesca...

e B pesca...

moderatamente intensamente

moderatamente

intensamente

• sovrasfruttamento

inefficienza economica

inefficienza ecologica


Un esempio di problema gestionale

• problema:

preservare la biodiversità in

un’area di elevato valore

naturalistico tutelando le

attività socioeconomiche locali

• domande:

istituire un’area protetta?

una riserva integrale?

una sola, grande area protetta

o una rete di piccole?

regolamentare la pesca

tramite licenze?

fissare delle quote?

limitare la stagione di pesca?


Attori e interessi

• il problema coinvolge

attori diversi, ognuno dei

quali è portatore di

interessi diversi

• a volte gli interessi

possono essere

conflittuali


Variabili di decisione

• rappresentano le possibili opzioni oggetto di decisione

• possono essere espresse da variabili continue (o quasi)...

taglia minima legale

sforzo di pesca (numero di operatori, estensione dell’area e del periodo di pesca, dimensioni degli attrezzi)

...o da variabili discrete

creazione o no di aree a protezione parziale / totale

scelta dei metodi di regolamentazione (strumenti coercitivi / incentivi o disincentivi finanziari)


Vincoli

• la soluzione del problema

decisionale deve tenere conto

di eventuali vincoli

di tipo fisico: caratteristiche

fisiche e ecologiche del

sistema

di tipo economico: vincoli di

budget

di tipo normativo:

regolamentazioni esistenti


Obiettivi

• a volte l’obiettivo della

gestione è unico e ben

definito:

min inquinamento

max produzione

• altre volte l’interesse di attori

diversi genera obiettivi

molteplici:

min rischio di estinzione

& max profitto


Una possibile classificazione

• 4 categorie di obiettivi:

biologici

max produzione

mantenibile,

max conservazione

economici

max profitto

mantenibile

sociali

max occupazione

politici

min impopolarità

sostenibile

fonte: Hilborn R. (2007) Defining success in fisheries and conflicts in objectives. Marine Policy 31, 153-158

Come affrontare problemi con obiettivi multipli?

• prendere una decisione

in presenza di obiettivi

multipli è un problema

intrinsecamente

multidimensionale

• come procedere?

ridurre tutto a un solo

indicatore

utilizzare metodi in grado

di integrare punti di vista

diversi

Modelli di valutazione e gestione delle risorse alieutiche - Applicazione di strumenti di gestione [ 47 ]03/02/2011 |

Una o tante dimensioni?

• la via classica per semplificare il problema: convertire tutte le valutazioni in termini monetari

analisi costi/benefici

• ma: è sempre sensato ridurre tutto a una dimensione?

per esempio: ha senso tradurre gli impatti sull’ambiente o sulla vita umana in termini puramente monetari?

• esistono metodi che permettono di analizzare il problema mantenendone la struttura multidimensionale

es.: analisi a molti obiettivi, analisi gerarchica, metodi Electre...

• attenzione: metodi diversi forniscono risultati diversi!

Modelli di valutazione e gestione delle risorse alieutiche - Applicazione di strumenti di gestione [ 48 ]03/02/2011 |


Il punto di partenza per un’analisi a 2 dimensioni

• esempio:

regolamentazione

della pesca

• 9 alternative

• 2 obiettivi:

max {pescato}

max {biodiversità}

bio

div

ers

ità

pescato

1

3 4

7

5

6

8 9

2


Il concetto di dominanza

• l’alternativa 4 è dominata

(nel senso di Pareto)

dall’alternativa 2 perché

garantisce un maggiore

pescato

garantisce una maggiore

biodiversità

bio

div

ers

ità

pescato

1

3 4

2

9

7

5

6

8


Il concetto di dominanza

• per lo stesso motivo...

l’alternativa 3

è dominata (p.es.) dalla 4

l’alternativa 6

è dominata dalla 5

l’alternativa 7

è dominata dalla 6

l’alternativa 8

è dominata dalla 6

bio

div

ers

ità

pescato

1

3 4

2

9

7

5

6

8


La frontiera di Pareto

• le alternative che non sono

dominate da nessun’altra

si dicono Pareto ottimali

o Pareto efficienti

• rappresentano alternative

tra cui non è possibile

scegliere senza stabilire

un criterio di importanza

relativa tra gli obiettivi

• il loro insieme prende il

nome di frontiera di

Pareto

bio

div

ers

ità

pescato

1

3 4

7

5

6

8 9

2


La scelta del miglior compromesso

• come scegliere tra le

alternative Pareto ottimali?

• un metodo di semplice

interpretazione è quello

dell’utopia

• altri metodi:

massima curvatura

pesi

curve di indifferenza

• spesso però la decisione

è essenzialmente politica

bio

div

ers

ità

pescato

1

5

9

2 U U U

Esempi applicativi:Produzione o profitti?

venericoltura nella Sacca di Goro


Perché bio+economico?

• integrando informazioni sulla

biologia e sugli aspetti

socioeconomici è possibile

integrare il punto di vista

delle vongole e quello dei

pescatori

come confrontare diverse

strategie di semina e

raccolta?

come identificare le strategie

migliori?


Il modello: parte bio-

• è basata sul modello

demografico visto in

precedenza

• biomassa:

• raccolto:


Il modello: parte economica

• ricavi:

• costi:

• profitti:

calcolati come flusso

monetario nell’unità di tempo


I costi...

• barca a motore

acquisto: 10-15 k€

1 k€/anno per 10-15 anni

manutenzione: 1-1.5 k€/anno

• attrezzi: 300-600 €/anno

• concessione: 250 €/ha/anno

• guardiania: 550 €/ha/anno

• novellame

10-20 €/kg (piccole, 8-10 mm)

8-10 €/kg (grandi, 20-25 mm)

• imballaggio: 8 €/t


...e i ricavi

• prezzo di vendita: ~3.5 €/kg

(con oscillazioni stagionali)

• taglia minima legale: 25 mm

• taglia ottima commerciale:

>35 mm

-1

0

1

2

3

4

0 10 20 30 40 50

taglia (mm)

pre

zzo

di

ve

nd

ita

(€

/k

g)

vincolo


Quali variabili di decisione?

• substrato

quello che c’è!

• taglia alla semina

ma di solito: 10 mm

• orizzonte temporale

ma in pratica: 6-12-18-24 mesi

• densità alla semina

• mese di semina


Il ruolo del substrato

• nonostante non sia in senso

stretto una variabile di

decisione, il substrato ha

un’influenza determinante

sulla durata dei cicli di

allevamento

frazione di vongole che

raggiungono la taglia minima legale

in funzione del substrato

(taglia iniziale 10 mm, semina in

gennaio)


Obiettivi

• quale deve essere

l’obiettivo di una corretta

gestione?

• approccio classico:

massima produzione

• approccio bioeconomico:

massimo profitto

YNLtt 000 ,,,

max

000 ,,,

maxNLtt


Risultati: massima produzione

classi di rischio: basso (CV<0.6), medio (0.6CV<1.2), elevato (1.2 CV<1.6), molto elevato (CV1.6)

stime con CV>1.2 non sono significativamente diverse da zero (p>0.2)


Risultati: massimo profitto


Meglio un uovo oggi o una gallina domani?

• l’incertezza sulle stime di produttività cresce rapidamente con il tempo

è meglio aspettare di piùper guadagnare di più(ma con più incertezza)o aspettare meno e guadagnare meno(ma con meno incertezza)?

• il trade-off può essere analizzato in un’ottica multiobiettivo


Meglio un uovo oggi o una gallina domani?

• il problema può essere

formulato in termini di

produzione o di profitto:

• i due obiettivi sono

tipicamente conflittuali

)(

)(min

)(max

Y

YY

)(

)(min

)(max


Cicli di produzione ottimali (in termini di profitto)


In conclusione...

• seminare troppe vongole non

conviene:

diminuiscono i profitti

aumenta l’impatto sui cicli

biogeochimici e il rischio di

crisi distrofiche

• nella pratica corrente si

effettuano a volte semine

fino a 2000 vongole per m2!

Esempi applicativi:Gestire la pesca all’anguilla nelle lagune della Camargue


La pesca all’anguilla in Camargue

• 19 pescatori professionisti

17 a Vaccarès

9 a Impériaux

• il pescato reale della maggior

parte dei pescatori è ignoto

(stima: ~20 t/anno)

• strumento di pesca:

capétchade

con maglia di 6 mm


La capétchade


Piani di gestione e vincoli conservazionistici

• il regolamento CE 1100/2007 impone che i piani di gestione consentano la fuga di almeno il 40% delle anguille argentine

• il 40% va misurato rispetto alla stima più alta di migrazione in assenza di impatti antropogenici

come intervenire sulla pesca per soddisfare i vincoli normativi?


Simulare gli effetti...

• con un modello demografico

è possibile, conoscendo

reclutamento

sforzo di pesca

simulare

dinamica dello stock

quantità di pescato

corrispondenti a diversi

scenari di regolamentazione


...di diversi scenari

• variabili di decisione:

maglia delle reti

(attualmente 6 mm, in deroga

alle norme nazionali)

sforzo di pesca

• regolamentazione dello sforzo:

nessuna (sforzo attuale)

chiusura completa

chiusura 15 giorni al mese

chiusura estiva

chiusura autunnale

chiusura invernale


Alla ricerca di un compromesso

• numerose politiche di gestione garantiscono

maggiore produzione

maggiore output di riproduttori

rispetto alla gestione attuale

• le pratiche attuali sono inefficientiin un’ottica paretiana

• le alternative fattibili vanno scelte tra quelle che

rispettano il target di conservazione

possibilmente non riducono i profitti dei pescatori


Il problema del transitorio

• passare a una politica di

gestione più sostenibile

causerebbe una diminuzione

del pescato sul breve

periodo (2-3 anni)

• per rendere socialmente

sostenibile la transizione è

possibile pensare a una

compensazione delle perdite

di produzione (~40 t sull’intero

periodo nel caso peggiore)


Effetti di una struttura dei prezzi

• le pratiche correnti sono davvero inefficienti o è difficile identificare l’obiettivo realedei pescatori?

max produzione mantenibilevs.

max profitto mantenibile

• una struttura dei prezzi(es. anguille piccole preferite per acquacoltura)può giustificare la diminuzione della maglia delle reti

Qualche nota conclusiva


Pro e contro dei modelli

• i modelli non sono la realtà, ma una rappresentazione semplificata

• permettono di simulare le conseguenze di una decisione prima di metterla in pratica

cosa succederebbe se vietassimo la pesca?

cosa succederebbe se applicassimo la stessa politica di gestione in un altro posto?

...ma attenzione alle estrapolazioni!

• quando si usa un modello

bisogna avere sempre

presente

il contesto

lo scopo

i limiti

l’incertezza

• modelli come strumento di

consenso: bene o male?

• per fare buoni modelli ci

vogliono competenze diverse!


Incertezze, rischi e obiettivi multipli

• modelli che permettono di

incorporare l’incertezza

consentono di valutare i rischi

di una decisione

• una gestione avversa al

rischio ha spesso maggiori

possibilità di essere

sostenibile socialmente

• le tecniche di analisi a molti

obiettivi permettono di tener

conto di obiettivi diversi e

conflittuali

• in un’ottica multiobiettivo è

preferibile identificare un

insieme di politiche efficienti

piuttosto di un’unica politica

ottimale (p.es. dal punto di

vista puramente monetario)


Riferimenti bibliografici

modellistica e ecologia quantitativa:• Guariso G. Appunti di modellistica e simulazione. http://home.dei.polimi.it/guariso/appunti/index-ms.html

• Gatto M. & R. Casagrandi. Dispense del corso di Ecologia. http://olmo.elet.polimi.it/ecologia/dispensa/

• Casagrandi R., G.A. De Leo & M. Gatto (2002) 101 problemi di ecologia. McGraw Hill (ISBN: 88-386-6041-7)

vongole:• Melià P., D. Nizzoli, M. Bartoli, M. Naldi, M. Gatto & P. Viaroli (2003) Chemistry and Ecology 19 (2-3): 129-

146. doi:10.1080/0275754031000119898

• Melià P., G.A. De Leo & M. Gatto (2004) Marine Ecology Progress Series 272: 153-164. doi:10.3354/meps272153

• Melià P. & M. Gatto (2005) Ecological Modelling 184 (1): 163-174. doi:10.1016/j.ecolmodel.2004.11.011

anguille:• Melià P., D. Bevacqua, A.J. Crivelli, J. Panfili, G.A. De Leo & M. Gatto (2006) Journal of Fish Biology 69 (4):

1228-1235. doi:10.1111/j.1095-8649.2006.01170.x

• Melià P., D. Bevacqua, A.J. Crivelli, G.A. De Leo, J. Panfili & M. Gatto (2006) Journal of Fish Biology 68 (3): 876-890. doi:10.1111/j.0022-1112.2006.00975.x

• Bevacqua D., P. Melià, A.J. Crivelli, G.A. De Leo & M. Gatto (2006) Journal of Fish Biology 69 (SupplementC): 200-208. doi:10.1111/j.1095-8649.2006.01265.x

• Bevacqua D., P. Melià, A.J. Crivelli, M. Gatto & G.A. De Leo (2007) ICES Journal of Marine Science 64 (7): 1472-1482. doi:10.1093/icesjms/fsm126

• Bevacqua D., G.A. De Leo, M. Gatto & P. Melià (2009) Journal of Fish Biology 74 (9): 2178-2186. doi:10.1111/j.1095-8649.2009.02243.x

• Bevacqua D., P. Melià, G.A. De Leo & M. Gatto & (2011) Oecologia 165 (2): 333-339.doi:10.1007/s00442-010-1727-9

Modelli di valutazione e gestione delle risorse alieutiche...

Documents

Transcript of Modelli di valutazione e gestione delle risorse alieutiche...