E’ possibile, cliccando sul link che segue (dssproject-fa053.web.app; effettuare la registrazione, attendere che l’account venga attivato, verrà inviato un codice temporaneo che servirà da password per il primo login. A login effettuato, verrà richiesto il reset password, inserendo sempre il codice temporaneo ottenuto e impostando una password personale. Cercare nella cartella spam , se non si è ricevuto il messaggio), attivare l’applicazione Decision Support System (DSS), strumento per supportare le decisioni dell’operatore agricolo al fine di ottimizzare i sistemi cerealicoli in biologico al variare di pratiche agronomiche consolidate e migliorative.
I modelli di simulazione colturale, permettono, tra le altre cose, di verificare l’impatto che ha uno specifico management colturale, che può riguardare data di semina, concimazioni, gestione del suolo e delle paglie, su aspetti legati alla produttività della coltura ed impatti ambientali relativi alle emissioni di gas serra da suolo e dinamica del carbonio organico nel suolo. Questi due aspetti, sono fortemente legati tra loro, in quanto il loro bilancio, ovvero rilascio di CO2_eq per degradazione della sostanza organica e stock di carbonio dovuto al rilascio e/o interamento delle paglie nel suolo permettono di avere un informazione accurata sull’effettivo impatto ambientale della coltura.
E’ chiaro che le combinazioni di tutte le possibili opzioni colturali difficilmente sono replicabili in campo e pertanto i modelli di simulazione sono utili strumenti a ricreare artificialmente tali scenari.
I modelli di simulazione sono strumenti complessi, che necessitano di opportuni aggiustamenti e verifiche prima di essere utilizzati, richiedono molte informazioni per essere utilizzati e i dati che forniscono sono numerosi ed articolati.
DSS nasce pertanto dalla necessità di mettere a disposizione di utenti non esperti nell’uso dei modelli di simulazione uno strumento estremamente semplice da utilizzare, che fornisca informazioni ridotte ma utili e di facile comprensione.
Partendo dal modello di simulazione Armosa, sono stati creati centinaia di combinazioni che hanno riguardato interazioni tra località (Altamura e Cerignola), tipologie di suolo (sabbioso, argilloso e medio impasto), utilizzo o meno di ammendante, diverse date di semina, diverse dosi di concime, due diverse tipologie di gestione del suolo e tre di paglie, il tutto per una monosuccessione di frumento duro nell’arco di 60 anni.
Le risposte ottenute da Armosa (produttività, emissioni di N2O, dinamica del carbonio organico nel suolo) in base alle diverse combinazioni e le stesse variabili utilizzate per creare tali combinazioni, sono state utilizzate per parametrizzare un modello di regressione multipla.
L’analisi di regressione cerca di stabilire una relazione tra una variabile di risposta (resa, produzione biomassa, dinamica del carbonio…) o variabile di output e diversi predittori o variabili di input che la influenzano (epoca di semina, uso di ammendanti, dosi di concime…).
Per il DSS è stata utilizzata una regressione di secondo ordine completo:
Dove Y è la variabile di risposta dipendente, Xi rappresentano le variabili predittive (parametri di input), e b rappresenta i coefficienti di regressione.
I coefficienti di regressione sono parametri, che moltiplicati per le variabili numeriche a diversi valori, forniscono la risposta del sistema colturale a quelle specifiche “quantità”.
Le variabili numeriche indicano parametri quantitativi, come la data di semina espressa in giorno dell’anno e dosi di concime. L’utilizzo o meno dell’ammendante, il tipo di suolo, la località, gestione del suolo e delle paglie sono variabili categoriche e non numeriche. Pertanto esse sono state trasformate in variabili dicotomiche (1 oppure 0, per variabili che ammettevano due possibilità, es. ammendante si e ammendante no) o combinazioni di esse (es. 1 e 0 per terreno argilloso, 0 e 1 per terreno medio impasto, 1 e 1 per terreno sabbioso). Di conseguenza, tutte le variabili di input sono state espresse mediante valori numerici ed utilizzabili nella parametrizzazione del modello regressivo.
Il modello di regressione multiplo, ha quindi racchiuso la complessità di un modello di processo dinamico (dove la variabile tempo, espressa nel susseguirsi dei giorni) quale Armosa in un modello empirico statico e rapresenta la struttura portante del DSS.
L’interfaccia o la finestra che viene mostrata all’utente è estremamente semplice e facile da usare. Infatti è sufficiente indicare la località interessata, se si utilizza l’ammendante oppure no, la gestione del suolo e delle paglie, quantità di concime e il tipo di suolo.
Figura 1. Interfaccia utente per dati di input.
A questo punto, il DSS provvederà a resituire i dati produttivi, la biomassa totale prodotta e parametri legati all’impatto ambientale.
Figura 2. Interfaccia di output con legenda e “prestazioni” del sistema colturale.
Un giudizio grafico, infine, esprime il comportamento del sistema in termini di impatto ambientale, espresso come kg di CO2_eq emesso per kg di granella secca prodotta (carbon footprint, CFP).
Figura 3. Giudizio grafico relativo al comportamento del sistema in termini di CFP (kg CO2_eq kg-1 granella.
Perego, A., Giussani, A., Sanna, M., Fumagalli, M., Carozzi, M., Alfieri, L., … & Acutis, M. (2013). The ARMOSA simulation crop model: overall features, calibration and validation results. Italian Journal of Agrometeorology, 3, 23-38.