LA FENOLOGIA IN TRENTINO: I LA FENOLOGIA IN TRENTINO: I LA FENOLOGIA IN TRENTINO: I LA FENOLOGIA IN TRENTINO: I DATI, LA RICERCA, LE ESPERIENZE DATI, LA RICERCA, LE ESPERIENZE DATI, LA RICERCA, LE ESPERIENZE DATI, LA RICERCA, LE ESPERIENZE DIDIDIDI RETERETERETERETEE. Eccel
FondazioneFondazioneFondazioneFondazioneFondazioneFondazioneFondazioneFondazione Edmund Mach Edmund Mach Edmund Mach Edmund Mach Edmund Mach Edmund Mach Edmund Mach Edmund Mach
S.MicheleS.MicheleS.MicheleS.MicheleS.MicheleS.MicheleS.MicheleS.Michele allallallallallallallall’’’’’’’’AdigeAdigeAdigeAdigeAdigeAdigeAdigeAdige (TN)(TN)(TN)(TN)(TN)(TN)(TN)(TN)Centro Centro Centro Centro RicercaRicercaRicercaRicerca e e e e InnovazioneInnovazioneInnovazioneInnovazione
““““Fenologia: cicli vegetativi e cambiamenti climatici. La scuola Fenologia: cicli vegetativi e cambiamenti climatici. La scuola Fenologia: cicli vegetativi e cambiamenti climatici. La scuola Fenologia: cicli vegetativi e cambiamenti climatici. La scuola incontra la ricercaincontra la ricercaincontra la ricercaincontra la ricerca”””” –––– Trento, 19 ottobre 2012Trento, 19 ottobre 2012Trento, 19 ottobre 2012Trento, 19 ottobre 2012
Trend nell’inizio, nella fine e nella lunghezza della
stagione vegetativa (media di betulla, pruno, sorbo,
ribes) in Europa
Evidenza di un trend climatico nelle serie fenologiche
Data di dispiegamento delle foglie della
quercia nel Surrey (dal 1750 al 2000)
Evidenza di un trend climatico nelle serie fenologiche
Evidenza di un trend climatico nelle serie fenologiche
Serie diverse + anomalie termiche di fine inverno
germogliamento = 1367.1297-0.6352*x, n.s.fioritura = 1696.2-0.7714*x, p<0.05
invaiatura = 1895.5209-0.8396*x, p>0.05
germogliamento fioritura invaiatura1986 1988 1990 1992 1994 1996 1998 2000 2002
Anno
80
100
120
140
160
180
200
220
240
260
Gio
rni g
iulia
ni
Anticipo di circa 11 giorni per le tre
fenofasi!
San Michele: osservazioni 1987-2000 (vite)
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
• Predizioni a breve termine della vulnerabilità della
pianta ad attacchi di pesti
• Pianificazione delle pratiche agricole
- Raccolto
- Trattamenti fitosanitari
- …
Esempi di applicazioni – Breve termine
Esempi di applicazioni – Evoluzione climatica
• Predizione di date di schiusura gemme e valutazione del
rischio di gelo
• Predizione dei cambiamenti della sincronia tra i livelli
trofici (pianta e parassita)
• Predizione dei cambiamenti della sincronia tra richiesta e
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
Simulare e prevedere il rischio da Simulare e prevedere il rischio da Simulare e prevedere il rischio da Simulare e prevedere il rischio da gelata per il melogelata per il melogelata per il melogelata per il melo
• 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. & Eccel E., 2006 – Int. J. Biometeorology
Eccel et al., 2009 – Int. J. Biometeorology
il progetto “GePri - Le gelate primaverili in Trentino”(2003-2007)
Serie date di fioritura del melo, 1984 - 2003
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!
B) Fuori dal Trentino (test):• 1 anno di date di fioritura in Piemonte (4 siti)• 6 anno di date di fioritura in Romagna (1sito)
La nostra indagine – Il database fenologicoMelo 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.)
La nostra indagine – Il database fenologicoMelo Golden Delicious
La nostra indagine – Il database fenologicoMelo Golden Delicious
Thermal Time / Spring Warming
(Robertson 1968; Cannell & Smith 1983)
Sequential
(Sarvas 1972, 1974; Richardson et al. 1974)
Parallel
(Landsberg 1974; Sarvas 1974)
Alternating
(Cannell & Smith 1983; Murray et al. 1989)
La modellistica della dormienza delle gemme
Gro
wth
po
ten
tia
l
J A S O N D J F M A M J J
quiescence
dormancy
entrance
pre-
dormancy
dormancy
dormancy
break
Modelli di fioritura – un rapido sguardoall’approccio standard
1) Soddisfacimento del freddo (CU – “chilling
units”): per interrompere la dormienza
∑= s) - (T GDD d Td > s
2) Accumulo di calore (fase “forzante”– GDD,
gradi giorno): per interrompere la quiescienza e
sviluppare le gemme a fiore
Il nostro modello
• Uso di dati orari
• Approccio da modello “Utah” (Richardson et al., 1974) per le unità di freddo (CU)
“Utah progressivo”
( )∑=
−+−+=24
1h
2
10in.flow.
bh GDH1)GDH(k
T(k)T,max 1)-GDH(k (k) GDH
• La fase di accumulo (forzante) inizia al soddisfacimento del fabbisogno di freddo; l’efficienza è però variabile ed aumenta durante la stagione
Il nostro modello
Temperature [°C] CU
T < 1.4 0
1.5< T <2.4 0.5
2.5< T <9.1 1
9.2< T <12.4 0.5
12.5< T <15.9 0
16< T <18 -0.5
T >18 -1-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
-6 -4 -2 0 2 4 6 8 10 12 14 16 18 20 22
T [°C]
CU
Risultati
Fonte: Rea & Eccel, Int. J. Biomet., Vol. 51 (2006)
Verso un modello da applicare ovunque
e, dopo la calibrazione...
aspectslopeAMsite IITCI ++⋅=
T media (aprile + maggio)
GDHin.fioritura = f (pendenza, esposizione, Tmedia, stress idrico…) = f (Isite)
Osservazione: località più fresche richiedono meno energia termicaper ottenere lo stesso risultato!
GDHin.flowering = a Isite + b
Fonte: Rea & Eccel, Int. J. Biomet., Vol. 51 (2006)
Ricapitolando:
calcolo dell’indice “Isite” (Tmedia, pendenza, esposizione)
calcolo del requisito in gradi-ora
(eventuale calcolo dei valori orari da Tmin e Tmax)
applicazione del modello di accumulo freddo →determinazione della data di interr. della dormienza
applicazione del modello di GDH (gradi-ora) → data di fioritura
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 2010 – 2020 in confronto al decennio 2000 - 2010
Il modello climatico: generalità
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 socio-economico. 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
Proiezioni climatiche: gli scenari IPCC
IPCC: Special Report on EmissionScenarios (SRES)
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 2005
E V O L U Z IO N E T E M P E R A T U R EC L E S - S C E N A R IO " A 2 "
0
2
4
6
8
1 0
1 2
1 4
1 6
1 8
2 0
2 2
2 4
1990
1995
2000
2005
2010
2015
2020
2025
2030
2035
2040
2045
2050
2055
2060
2065
2070
2075
2080
2085
2090
2095
A N N O
T (°C )
T m in
T m a x
L’applicazione del modello fenologico alle serie ditemperatura (strument. + simulate) - Mezzolombardo
20-mar
30-mar
9-apr
19-apr
29-apr
9-mag
19-mag
1960
1965
1970
1975
1980
1985
1990
1995
2000
2005
2010
2015
2020
2025
2030
2035
2040
2045
2050
Da temperature misurate Scenario B2 Scenario A2
1997
•Progressivo anticipo della fioritura negli ultimi 20 anni
•Anticipo non significativo per gli scenari futuri
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 secolarisolo per i trend secolari
30-mar
4-apr
9-apr
14-apr
19-apr
1995
2000
2005
2010
2015
2020
2025
2030
2035
2040
2045
2050
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)
Mezzolombardo
•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 secolarisolo per i trend secolari
4-apr
9-apr
14-apr
19-apr
24-apr
29-apr
1995
2000
2005
2010
2015
2020
2025
2030
2035
2040
2045
2050
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)
Cles
Un maggiore dettaglio sul futuro… (A2 e B2 IPCC)
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
0
1
2
3
4
1968
1972
1976
1980
1984
1988
1992
1996
2000
2004
2008
2012
2016
2020
2024
2028
2032
2036
2040
2044
2048
nr. g
iorn
i gel
o pe
r st
agio
ne
Da temperaturemisurate
Scenario B2
Scenario A2
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 ““acclimatamentoacclimatamento””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 aumentoin aumento, senza grande possibilità di errore
•date di fioritura in (relativo) anticipo(relativo) anticipo; la tendenza in atto è destinata forse 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
Progetto Fenovitis (2007-2009)
Come reagisce la vite al riscaldamento
climatico?
• Modellistica di fasi fenologiche chiave (sch. gemme, fioritura,
invaiatura)
• Applicazione dei modelli fenologici ad output downscalato di
modello climatico
• Ricerca di legami statistici tra parametri morfo-climatici e
trend
Caffarra & Eccel, (2011) – Austral. J. Grape and Wine Res.
Caffarra & Eccel, (2010) – Int. J. Biomet.
1. Sviluppo di un modello fenologico per lo
chardonnay
2. Applicazione del modello a scenari di
cambiamento climatico
1. Apertura delle gemme
2. Fioritura
3. Invaiatura
Progetto FENOVITIS
• Analisi preliminari
• Selezione di una forma generale del modello
• Calibrazione “guidata” del modello
• Validazione
1. Modello fenologico per lo Chardonnay
Quali fattori climatici influenzano le tre fenofasi?
Modello: data fenologica ~ temp x rad x prec
Poco effetto di radiazione solare e
precipitazioni
MODELLO CHE USA LA SOLA TEMPERATURA!
Analisi preliminari: regressione multipla
(pi(pi(pi(piùùùù di recente: sviluppo del modello di recente: sviluppo del modello di recente: sviluppo del modello di recente: sviluppo del modello ““““Dorm.photDorm.photDorm.photDorm.phot””””, che considera il fotoperiodo), che considera il fotoperiodo), che considera il fotoperiodo), che considera il fotoperiodo)
Serie Fenologiche
1. S. Michele a/A (Trentino)
2. Mezzocorona (Trentino)
3. Cembra (Trentino)
4. Conegliano (Veneto)
5. Carpeneto (Piemonte)
• Calibrazione di modelli basati su diverse ipotesi
• Selezione del miglior modello per ciascuna
fenofase
� Criteri di qualità
i. Significanza statistica ( F test)
ii. Errore medio assoluto (MAE)
iii. R2 del modello (SStot-SSres)/SStot
Analisi preliminari: selezione del modello
xxx3Degree days (abovethreshold temp “Tsoglia”) from preceding phenophase
7
xx2Degree days (abovethreshold temp “Tsoglia”) from t0
6
xx1Winkler degrees frompreceding phenophase
5
x2Winkler degrees from t04
xx3Sigmoidal heat units frompreceding phenophase
3
xxx4
Sigmoidal heat units from t0
2
x9Unified Model for Budburst (Chuine, 2000)
1
InvFiorGermEquazione
Nr. Param.
NomeModello
∑
∑
+=
+= +
e)-d(Tmed
c)-b(Tmedc)-a(Tmed
e1
1 e1
12
orcingState of F
Ccrit
∑ +=
e)-d(x e1
1Fcrit
∑ +=
e)-d(x e1
1Fcrit
∑ −= 10TmedFcrit
∑ −= 10TmedFcrit
∑ −= TsogliaTmedFcrit
∑ −= TsogliaTmedFcrit
Modelli testati
Apertura gemme:
Unified model (Chuine, 2000), modello
generale che considera il fabbisogno di
freddo
Fioritura e invaiatura
Risposta sigmoidale della velocità di
sviluppo alla temperatura
-10 0 10 20 30 40
0.0
0.2
0.4
0.6
0.8
1.0
x
1/(1
+ e
xp(d
* (x
+ e)
))
Ve
loci
tàd
i sv
ilu
pp
o
Temperatura
Migliori modelli
•• Restringere o fissare i valori entro intervalli Restringere o fissare i valori entro intervalli
biologicamente realisticibiologicamente realistici
•• Utilizzare conoscenze Utilizzare conoscenze sperimentalisperimentali (letteratura)(letteratura)
•• Usare una serie di dati Usare una serie di dati estesaestesa e contenente condizioni e contenente condizioni non non
omogeneeomogenee per la calibrazione del modello (Conegliano, 39 per la calibrazione del modello (Conegliano, 39
anni)anni)
Dare un significato biologico al modello
Confronto con altri modelli fenologici
• Modello di regressione lineare con i dati di temperature
medie dei mesi precedenti
• Gradi Winkler (temp > 10) budbreak date = -2.2722 * temp + 122.18
R2 = 0.2942
60
70
80
90
100
110
120
0 5 10 15
Temp. media Marzo
Gio
rno
di a
p. g
emm
e
5 10 15 20
5
10
15
Gra
di W
inkl
erValidazione del modello “FENOVITIS”
4.40.21Fen
5.16-0.15L
5.68-0.27W
Invaiatura
4.050.23Fen
4.68-0.01L
Fioritura
5.10.33Fen
5.330.31LApertura
gemme
Errore
assoluto
Modelling
Efficiency
Previsioni
(San Michele, Cembra, Carpeneto,
Mezzocorona)
ModelFase
Validazione del modello “FENOVITIS”
Bontà d’adattamento ai datasetErrore di previsione della data feno
Idoneo per temperature in aumento? Validazione del modello “FENOVITIS” in stagioni calde
3.6Winkler
Fenovitis
Winkler
Mod lin
Fenovitis
Winkler
Mod lin
Fenovitis
Mod lin
Modello
6.0
6.8
9.7Carpeneto
4.0
5.0
5.2Cembra
1.8
10.3Mezzocorona
Errore negli anni “caldi”Sito
• 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
Il modello FENOVITIS, riassumendo:
Forte legame tra temperatura e
sviluppo fenologico
Fenologia: indicatore d’impatto
di cambiamenti climatici sulle
piante
8
9
10
11
12
13
14
15
16
17
18
1990 2010 2030 2050 2070 2090
Anno
Te
mp
. m
ed
ia a
nn
ua
le °
C A2
B2
Cembra
8
9
10
11
12
13
14
15
16
17
18
1990 2010 2030 2050 2070 2090
Anno
Te
mp
. m
ed
ia a
nn
ua
le °
C
Temperature: proiezioni 1990-2098
San Michele Cembra
80
100
120
140
160
180
200
220
2005 2025 2045 2065 2085
Anno
Gio
rno
de
ll'a
nn
o
La fenologia dello chardonnay simulata per i prossimi decenni
secondo lo scenario B2 e … A2
San Michele: fenologia 2000-2098
Invaiatura
Fioritura
Ap. gemme
Anno
La fenologia dello chardonnay simulata per i prossimi decenni
secondo lo scenario B2 e … A2
Cembra: fenologia 2000-2098
80
100
120
140
160
180
200
220
2005 2025 2045 2065 2085
Anno
Gio
rno
de
ll'a
nn
o Invaiatura
Fioritura
Ap. gemme
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?
1028Zortea
1022Sant'Orsola
500Lomaso
982Fondo
409Storo
204Rovereto
386Borgo Valsugana
131Avio
600Cembra
228
San Michele
all'Adige
Altezza (m)Siti
Altezza e coltura prevalente
A2
B2
Località di montagna
Clima abbastanza caldo perché l’invaiatura
avvenga entro il 1° Settembre:
• 2020 - Lomaso
• 2057 - S. Orsola
• 2058 - Fondo
• 2082 - Zortea
Località di montagna
11 12 13 14 15
-0.4
5-0
.35
-0.2
5-0
.15
A2
Mean temperature (°C)
Reg
ress
ion
coef
ficie
nt
10 11 12 13 14
-0.4
5-0
.35
-0.2
5-0
.15
B2
Mean temperature (°C)
200 400 600 800 1000
-0.4
5-0
.35
-0.2
5-0
.15
Elevation(m)
Reg
ress
ion
coef
ficie
nt
200 400 600 800 1000
-0.4
5-0
.35
-0.2
5-0
.15
Elevation(m)
Trend d’anticipo nella fioritura e invaiatura
Quota
Temp. media 2000-2098
Co
eff
. R
eg
ress
ion
e d
el
tre
nd
di
fio
r. (
o)
e i
nv
aia
tura
( •• ••)
Fenovitis
Trend d’anticipo nella fioritura e invaiatura
A maggiori quote (e climi più freddi) c’è un trend
d’anticipo più accentuato
zone di montagna più sensibili a variazioni
climatiche
Fenovitis
TERMOGRAMMA DI DUE SITI
-6
-4
-2
0
2
4
6
8
10
12
14
16
18
1 2 3 4 5 6 7 8 9 10 11 12
T °C
DIGRESSIONE: PERCHEDIGRESSIONE: PERCHEDIGRESSIONE: PERCHEDIGRESSIONE: PERCHE’’’’ IL RISCALDAMENTO CLIMATICO IL RISCALDAMENTO CLIMATICO IL RISCALDAMENTO CLIMATICO IL RISCALDAMENTO CLIMATICO AGISCE DI PIUAGISCE DI PIUAGISCE DI PIUAGISCE DI PIU’’’’ SULLE LOCALITASULLE LOCALITASULLE LOCALITASULLE LOCALITA’’’’ FRESCHEFRESCHEFRESCHEFRESCHE
TERMOGRAMMA DI DUE SITI
-8
-6
-4
-2
0
2
4
6
8
10
12
14
16
1 2 3 4 5 6 7 8 9 10 11 12
Ipotesi: soglia 5 °C
Aumento termico di 2 Aumento termico di 2 Aumento termico di 2 Aumento termico di 2 °°°°CCCC
T °C
Envirochange
Envirochange 2008-2012
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
Caffarra et al. – Agric. Ecos. and Envir. (2012)
IL PROGETTOIL PROGETTOIL PROGETTOIL PROGETTO ENVIROCHANGEENVIROCHANGEENVIROCHANGEENVIROCHANGE (2008(2008(2008(2008----2012)2012)2012)2012)
Valutare:
RISCHIO ATTACCO
Modelli agro-
fenologici
Modelli fenol. di
patogeni/parassiti
Simulazione delle
fenofasi vulnerabili
(vulnerabilità)
Simulazione fenologia
del patogeno/parassita
(potenziale di attacco)*
Envirochange
Vite: quali fenofasi vulnerabili?
Envirochange
(1) Fioritura
(fine)
(1) Fioritura
(inizio)
Botrytis cinerea
(botrite)
Bacche matureFiorituraLobesia botrana
(tignoletta)
Bacche matureGermogli di 10
cm
Plasmopara viticola
(peronospora)
(2) Bacche mature(2) Invaiatura
8 °Brix (misura zuccheri)Schius. GemmeErysiphe necator
(oidio)
Fine vulnerabilitàInizio
vulnerabilità
Patogeno/parass.
OIDIOOIDIOOIDIOOIDIO ((((ErysipheErysipheErysipheErysiphe necatornecatornecatornecator))))
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
1. 1. 1. 1. ““““Sul legame sottile tra poesia Sul legame sottile tra poesia Sul legame sottile tra poesia Sul legame sottile tra poesia
classica e fitopatologiaclassica e fitopatologiaclassica e fitopatologiaclassica e fitopatologia””””
LLLL’’’’ANGOLINOANGOLINOANGOLINOANGOLINODELLDELLDELLDELL’’’’AgroAgroAgroAgro----semiologosemiologosemiologosemiologo
1.1.1.1.Attacco Attacco Attacco Attacco oidicooidicooidicooidicoalla alla alla alla vitevitevitevite…………
Attaccamento Attaccamento Attaccamento Attaccamento ovidicoovidicoovidicoovidicoalla viticoltura: alla viticoltura: alla viticoltura: alla viticoltura: ”…”…”…”… terra terra terra terra feraxferaxferaxferax CererisCererisCererisCereris multoquemultoquemultoquemultoque
feraciorferaciorferaciorferacior uvisuvisuvisuvis””””....Ovidio Ovidio Ovidio Ovidio su Sulmona (su Sulmona (su Sulmona (su Sulmona (AmoresAmoresAmoresAmores))))
BBCHBBCHBBCHBBCH °°°°BRIXBRIXBRIXBRIX
2. 2. 2. 2. ““““Sulla natura palindroma Sulla natura palindroma Sulla natura palindroma Sulla natura palindroma
di E. di E. di E. di E. necatornecatornecatornecator””””
LLLL’’’’ANGOLINOANGOLINOANGOLINOANGOLINODELLDELLDELLDELL’’’’AgroAgroAgroAgro----semiologosemiologosemiologosemiologo
2.2.2.2.
MATERIALE ENOICOMATERIALE ENOICOMATERIALE ENOICOMATERIALE ENOICO
• Chardonnay (anche Chardonnay (anche Chardonnay (anche Chardonnay (anche per base spumante)per base spumante)per base spumante)per base spumante)
• EEEE’’’’ il vitigno piil vitigno piil vitigno piil vitigno piùùùùcoltivato in coltivato in coltivato in coltivato in Trentino (28%)Trentino (28%)Trentino (28%)Trentino (28%)
• Copre sia aree di Copre sia aree di Copre sia aree di Copre sia aree di fondovalle (200 m) fondovalle (200 m) fondovalle (200 m) fondovalle (200 m) sia di sia di sia di sia di ““““montagnamontagnamontagnamontagna””””(fino a 700 m)(fino a 700 m)(fino a 700 m)(fino a 700 m)
IL MODELLO FENOLOGICO DELLA VITEIL MODELLO FENOLOGICO DELLA VITEIL MODELLO FENOLOGICO DELLA VITEIL MODELLO FENOLOGICO DELLA VITE
Espansione del modello FENOVITISFENOVITISFENOVITISFENOVITIS(Caffarra & Eccel, 2010). Approccio “sequenziale”:
1. Rimozione dormienza Rimozione dormienza Rimozione dormienza Rimozione dormienza ((((soddisfsoddisfsoddisfsoddisf. . . . accumulo freddo)accumulo freddo)accumulo freddo)accumulo freddo)
2. Fase Fase Fase Fase ““““forzanteforzanteforzanteforzante”””” ((((soddisfsoddisfsoddisfsoddisf. accumulo . accumulo . accumulo . accumulo termico) termico) termico) termico)
3. Modello validato suModello validato suModello validato suModello validato su serie esterne serie esterne serie esterne serie esterne allallallall’’’’area di calibrazionearea di calibrazionearea di calibrazionearea di calibrazione
IL MODELLO FENOLOGICO DELLIL MODELLO FENOLOGICO DELLIL MODELLO FENOLOGICO DELLIL MODELLO FENOLOGICO DELL’’’’OIDIOOIDIOOIDIOOIDIO
Modello ciclo “temperatura ~ latenzatemperatura ~ latenzatemperatura ~ latenzatemperatura ~ latenza””””(periodo tra deposizione spore e nuova sporulazione) (Caffi et al., 2011).
Interv. ottimale: 22-27°C.Inizio accumulo: schiusura gemme (BBCH 8)
LATi = γ + ψTi - τTi2
LATP = ∑i 1/LATi
Sporulazione a LATP = 1Sporulazione a LATP = 1Sporulazione a LATP = 1Sporulazione a LATP = 1
IL MODELLO CLIMATICO IL MODELLO CLIMATICO IL MODELLO CLIMATICO IL MODELLO CLIMATICO ---- AAAA
Downscaling da mod. a larga scala AOGCM HadCM3HadCM3HadCM3HadCM3 (MetOffice):
Risoluzione AOGCM: 2.5° x 3.75°
Scenari: A2 (“business as usual”) e B2 (“autoregolamentazione”)
Serie locali: S. Michele (fondovalle), Cembra (montagna viticola)
RISULTATI: NR. RISULTATI: NR. RISULTATI: NR. RISULTATI: NR. DIDIDIDI CICLI DURANTE LE CICLI DURANTE LE CICLI DURANTE LE CICLI DURANTE LE FASI SENSIBILIFASI SENSIBILIFASI SENSIBILIFASI SENSIBILI
IL MODELLO CLIMATICO IL MODELLO CLIMATICO IL MODELLO CLIMATICO IL MODELLO CLIMATICO ---- BBBB
Downscaling multimodello da output prog. “ENSEMBLES”:
• Modelli ricondotti a una risoluzione comune di 2.5° x 2.5°
• Scenario comune: A1B
ENSEMBLES –ModelSTREAM1
INSTITUTIONS Resolution AGCM OGCM
INGV-SINTEX-G INGV-Italy 1.125°×1.125° ECHAM4 (T106L19) OPA 8.2FUB-EGMAM Freie Universitaet
Berlin(Germany)3.75°×3.75° ECHAM4 (T30L39) HOPE-G (T42 with
equatorial refinement,L20)
NERSC-BCCR Nansen Environmentaland Remote Sensing
Center (Norway)
2.81°×2.81 ARPEGE V3 T63L31 NERSC-MICOM V1.0
METO-HC(HADGEM1)
Met Office's HadleyCentre (UK)
1.875°×1.875° HadGAM1( includesland and river routingcomponents)
HadGOM1( includessea ice components)
IPSL-CM4 Inst.Pierre SomonLaplace (France)
3.75°×3.75° LMDZ (96x72x19) OPA8.2
ECHAM5 MPI OM Max-PlanckInstitute(Germany)
1.875°×1.875° ECHAM5.2.02(T63L31)
MPI-OM Vers. 1.0(GR1.5L40)
ECHAM5 DMI OM DMI 1.875°×1.875° ECHAM5.2.02a(T63L31)
MPI-OM Vers. 1.0(GR1.5L40)
COSCOSCOSCOS’’’’EEEE’’’’ LO SCENARIO LO SCENARIO LO SCENARIO LO SCENARIO ““““A1BA1BA1BA1B””””????
“A1A1A1A1 scenario family: a future world of veryveryveryvery rapidrapidrapidrapid economiceconomiceconomiceconomicgrowthgrowthgrowthgrowth, global population that peakspeakspeakspeaks in in in in midmidmidmid----centurycenturycenturycentury and declines thereafter, and rapid introduction of new and more more more more efficientefficientefficientefficient technologiestechnologiestechnologiestechnologies”
“BBBB” = fonti energetiche bilanciatebilanciatebilanciatebilanciate tra fossili e non
STAT. DOWNSCALING (CCA)
SUB-DOWNSCALING (PLS)
R Multisite Autoregr.Weath. GEN. (RMAWGEN)
DAILY SERIES(’61-’90 + PROJECTIONS)
HOURLY INTERPOLATOR
HOURLY SERIES (TEMP. ONLY)
DOWNSCALED SEASONAL
SELECTED SERIES (10)
GCM OUTPUT (ENSEMBLES)
INSTRUMENTAL HOMOG. SEASONAL
SERIES
DOWNSCALEDSEASONAL
EXTENDED SERIES (43-45)
MONTHLY INTERPOLATOR
MONTHLY SERIES(’61-’90 + PROJECTIONS)
INITIAL HOMOGEN. DATA
FINAL OR INTERMEDIATE PRODUCTS
ALGORITHM APPLIED
INSTRUMENTAL HOMOG. MONTHLY SERIES
INSTRUMENTAL HOMOG. DAILY SERIES
IL PERCORSO DEL DATO CLIMATICOIL PERCORSO DEL DATO CLIMATICOIL PERCORSO DEL DATO CLIMATICOIL PERCORSO DEL DATO CLIMATICO…………
RISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATO
1978-2007
RISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATO
2021-2050
RISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATORISULTATI DEL MODELLO SPAZIALIZZATO
2071-2099
CONCLUSIONI (OIDIO)CONCLUSIONI (OIDIO)CONCLUSIONI (OIDIO)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 Erysiphealla fenologia anticipata della vite →minore attenuazione degli attacchi?
Top Related