- 22 minuti fa
Categoria
📺
TVTrascrizione
00:12Buongiorno, mi presento, sono Vittorio Rossi, sono professor ordinario di patologia vegetale
00:18presso la Facoltà di Scienze Agrarie, Alimentari e Ambientali dell'Università Cattolica a
00:24Piacenza. Sono un patologo vegetale, mi occupo di malattie delle piante, della vite in particolare
00:33e soprattutto degli aspetti biologici ed epidemiologici degli agenti di malattia con l'obiettivo
00:41finale di sviluppare modelli matematici che possano aiutare i coltivatori a prendere decisioni
00:50corrette per una difesa sostenibile del vigneto. Sono anche direttore del centro di ricerca
00:58in Plant Health Modeling della nostra Facoltà e questo ci permette di entrare immediatamente
01:06nel tema di questa nostra chiacchierata che è quella dei modelli matematici per la difesa
01:13del vigneto per Onospora o Idio, ma non solo in generale. La scaletta per la chiacchierata
01:25di oggi si articola su quattro punti, una introduzione che ci porta nel contesto dei modelli per la
01:34protezione della vite. Faremo poi una distinzione fra modelli empirici e modelli meccanicistici.
01:44Parleremo di come inserire poi i modelli nel contesto della difesa per arrivare a trarre
01:51alcune brevi conclusioni. Iniziamo quindi da un inquadramento del contesto dove collochiamo
02:00i modelli matematici. In questa slide potete vedere gli elementi chiave dell'IPM, Integrated
02:09Pest Management, quella che in Italia è anche nota come produzione integrata, in cui vedete
02:16sostanzialmente, ho indicato con una freccia viola il contesto di attività dei modelli.
02:26I modelli servono per decidere se e quando è necessario intervenire, in base alle condizioni
02:36di rischio. Attraverso i modelli sostanzialmente noi possiamo passare da una difesa tradizionale
02:42a calendario a una difesa basata sul rischio. Il contesto è anche quello della direttiva
02:50128 sull'uso sostenibile dei prodotti fitosanitari che dal 2014 ormai ha reso obbligatoria la difesa
03:01integrata nel contesto italiano e non solo europeo. Come potete vedere in questa slide,
03:11negli otto principi generali della difesa integrata, allegato tre, esistono strumenti di supporto
03:19alle decisioni. I modelli matematici, come vedremo oggi, ma poi anche successivamente,
03:26i modelli matematici sono la base degli strumenti di supporto alle decisioni per la protezione
03:33delle piante. Dopo questa breve introduzione, introduciamo il concetto di modello matematico
03:42con alcune distinzioni. Un modello non è altro che una rappresentazione semplificata
03:51della realtà . Nel nostro caso la realtà è rappresentata dalla interazione fra le condizioni
03:59ambientali, la pianta ospite e il patogeno, relazioni dalle quali scaturisce lo sviluppo
04:08della malattia, dalle quali scaturisce l'epidemia, lo sviluppo nel tempo e la sua progressione nello
04:16spazio. La storia dell'uso dei modelli matematici per la protezione delle piante è lunga. La possiamo
04:26far nascere negli anni 40, quando Mills e Laplante inventarono la famosa tabella, questo famoso
04:37grafico che vedete qui, che regola la relazione fra ore di bagnatura e temperatura durante questo
04:46periodo per definire se un'infezione possibile è lieve, è media, è grave. E questo per consigliare,
04:55per guidare i trattamenti con lo zolfo per il controllo della ticchiolatura del melo.
05:01Dal 1940 a oggi sono stati fatti molti passi in avanti, sono stati sviluppati diversi approcci
05:11modellistici, la letteratura è ricca di questo, la modellistica è diventata una disciplina della
05:21patologia vegetale. Dei tanti approcci modellistici che esistono possiamo fare una prima grande
05:30distinzione, fra modelli di dati o empirici e modelli di processo o meccanicistici. Sono
05:38ambedue modelli, sono due tipologie di modelli, ma sono completamente diversi nell'approccio
05:46e come vedremo anche nei risultati che forniscono. I modelli empirici sono modelli che partono
05:52dall'osservazione della realtà e osservando la realtà cercano di costruire delle relazioni
06:00fra le variabili che costituiscono la realtà , fra il meteo, la pianta e la malattia e quindi
06:08di esprimere matematicamente queste relazioni. Possiamo dire che un modello di dati è un modello
06:16che fotografa una realtà di campo ed è evidente che questa fotografia dipende dalla realtÃ
06:26del campo, è strettamente legata a quel set di dati che abbiamo usato per costruire il
06:33modello. I modelli di processo o meccanicistici ribaltano il problema. Questi modelli partono
06:43dalla conoscenza del sistema, della malattia, della pianta, di come la pianta e la malattia
06:51interagiscono e di come i fattori esterni, le variabili meteorologiche ad esempio, influenzano
06:57queste relazioni per andare poi a definire il rischio di malattia, il possibile sviluppo
07:07della malattia. Quindi i modelli empirici partono dall'osservazione di campo e i dati per costruire
07:14delle relazioni, i modelli meccanicistici costruiscono delle relazioni per simulare la realtà del campo.
07:26Questi sono tre, quattro esempi di modelli noti anche in Italia, soprattutto la regola
07:35dei 310 di Baldacci, questo modello EPI francese che poi è stato importato in Italia, un po' meno
07:45noto forse il modello che viene dagli Stati Uniti e infine un modello sviluppato dal nostro
07:53gruppo di ricerca a Piacenza. Vedete alcuni, quelli in rosso sono empirici, quello giallo
08:01è intermedio, il verde è meccanicistico. Ne esistono tanti altri di modelli, soprattutto
08:07per la peronospora della vita come questi. Non entro nel dettaglio di queste cose, così
08:15come non entro nel dettaglio dei modelli empirici. Per il momento vi dico che mi concentro sui
08:23modelli di processo per poi dimostrarvi successivamente come i modelli di processo forniscano degli output,
08:35dei risultati decisamente più attendibili di quelli empirici. Quindi un modello di processo.
08:44Il modello di processo, come abbiamo detto, parte dalla conoscenza del sistema. Uso la peronospora
08:52della vite come esempio. Quindi il ciclo della peronospora della vite, lo conosciamo tutti, parte
09:01da una fase primaria che deriva dalle ospore svernanti. Queste ospore svernanti germinano e
09:12producono delle zoospore che con gli schizzi di pioggia vanno a finire sulla vegetazione.
09:19Le zoospore nuotano fino agli stormi, penetrano, iniziano ad invadere la foglia finché, dopo
09:27un'incubazione, compaiono i sintomi di malattia. Su questi sintomi di malattia poi il fungo
09:33produce zoosporangi che si disperdono con le correnti d'aria e generano ripetuti cicli
09:42secondari. Quindi è una malattia tipicamente policiclica in cui alcuni cicli o anche numerosi
09:50cicli di infezioni primarie o sporiche si alternano a cicli secondari causati dagli sporangi.
10:03La fase quiescente, come vi dicevo, è quella delle ospore ed è la chiave. Tutti sappiamo
10:13che un controllo adegato della peronospora parte dal corretto controllo delle infezioni
10:23primarie causate dalle ospore. Le ospore sono queste strutture rotondeggianti che si formano
10:31in autunno sulle foglie ammalate, svernano all'interno delle foglie sulla lettiera oppure
10:40libere nel terreno e li rimangono durante l'inverno. In realtà durante l'inverno queste ospore
10:48hanno una loro evoluzione. Prima si completano dal punto di vista morfologico, poi entrano
10:56in una fase di quiescenza durante l'inverno. Questo è un adattamento che fa sì che la peronospora
11:03non produca inoculo, non produca spore, non si attivi in un periodo in cui la vite non
11:11è presente. Questo evidentemente per un patogeno, soprattutto un patogeno obbligato,
11:18biotrofico come la peronospora, sarebbe disperdere delle potenzialità . Quindi sostanzialmente
11:25l'addormienza permette di sincronizzare le ospore con l'addormienza della pianta.
11:31Poi si attiva una fase di maturazione fisiologica che fa sì che le ospore possano germinare
11:38in condizioni favorevoli. E questo accade, inizia ad accadere solitamente in corrispondenza
11:46del germogliamento della vite e poi va avanti fino a giugno, fino a luglio, dipende dalle
11:54condizioni ambientali. La fase successiva è quella di germinazione
12:03delle ospore mature. Le ospore sono mature, hanno superato l'addormienza e in condizioni
12:10favorevoli possono germinare. Germinano producendo questi sporangi, che chiamiamo macrosporangi,
12:18sono dei sacchetti che contengono zospore e queste zospore vengono liberate sulla lettiera
12:26delle foglie in presenza d'acqua. Le zospore sono delle spore molto delicate, non hanno
12:33una parete, solo una membrana, hanno questi flagelli, per vivere devono nuotare. Se si trovano
12:40in acqua, sopravvivono. Non appena il velo d'acqua si asciuga, le zospore muorono. Queste
12:49zospore sono poi quelle che causano le infezioni, quindi è importante capire quando avvengono
12:57queste germinazioni. Questi sono alcuni dati raccolti attraverso esperimenti. Ho sempre indicato
13:07nelle slide la letteratura di riferimento, in modo tale che se volete fare degli approfondimenti
13:15potete consultare quei lavori. Vedete, qui sostanzialmente sono state raccolte le foglie
13:21della lettiera, sono state mantenute e poi dopo, ripetutamente nel corso della stagione, questi
13:29doi, i giorni dell'anno dalla fine di marzo fino alla fine di giugno, queste orospore sono
13:36state messe in contatto con dei dischetti fogliari della vite, in modo tale da poterli
13:41infettare e, come vedete dagli istogrammi, la germinazione delle ospore stimata attraverso
13:51l'infezione su questi dischetti ha degli andamenti diversi da una stagione all'altra, vedete, e
13:59questo è influenzato dalle condizioni ambientali. È influenzato in particolare dalla combinazione
14:10di temperatura e disponibilità di acqua, da un tempo idrotermico, diciamo così. Qui vedete
14:19rappresentati nei cinque anni di quello studio qual è la relazione fra l'andamento della germinazione
14:26delle ospore nel tempo idrotermico, è un tempo che non dipende dall'orologio, non dipende dal
14:35calendario, ma dipende dalla combinazione di temperatura e umidità e vedete che questo tempo idrotermico ci
14:42permette di stimare molto bene la germinazione delle ospore. Questo tempo idrotermico, vedete, ci permette di
14:53di rappresentare bene questa fase cruciale del ciclo della peronospora, perché vedete ci permette di
15:00calcolare la dormienza durante i mesi invernali per arrivare a un momento in cui le prime ospore sono pronte
15:09per germinare e tutto il periodo durante il quale le ospore possono germinare, così come ci permette di
15:17calcolare le diverse dinamiche di germinazione, questa famiglia vedete di curve che salgono, queste sono
15:28famiglie di ospore che hanno superato la dormienza e che in presenza di acqua possono iniziare a germinare.
15:37Quindi sostanzialmente questo tempo idrotermico, l'effetto della temperatura e dell'umidità permette di
15:44ricostruire molto bene qual è il comportamento della peronospora in questa fase che come vi dicevo è
15:53cruciale. Vedete le ospore germinano, producono le zoospore e le zoospore disperdendosi, quindi le
16:04zoospore devono passare dalla lettiera di foglie, quindi sul terreno, alle foglie verdi della vegetazione.
16:12Vi dovete immaginare le zoospore in un film d'acqua che nuotano e gli schissi di pioggia le veicolano
16:21sulla vegetazione. Quando sono sulla vegetazione in presenza sempre di acqua nuotano fino agli stomi, poi
16:29germinano, entrano, iniziano ad invadere la foglia fino alla comparsa dei sintomi. E questa invasione è
16:37più o meno veloce in funzione dell'età della foglia, ma anche in funzione della temperatura. Temperature
16:45ottimali, incubazione corta, temperature più lunghe, temperatura ritardata, incubazione ritardata.
16:54Qui vedete sostanzialmente un esperimento, non entro nel dettaglio, ma ricordate un tempo
17:02si diceva che ci volevano 10 mm di pioggia perché potesse avvenire un'infezione primaria
17:08di peronospora. Non è così. Gli esperimenti che abbiamo fatto dimostrano che anche piogge
17:14molto brevi di un'ora e leggere, anche solo 0,2 mm d'acqua, sono sufficienti per veicolare
17:22le zoospore sulle foglie e, ovviamente, se poi le condizioni di bagnatura delle foglie
17:28e le temperature sono favorevoli, causare infezioni. L'infezione, vedete, una volta
17:36che le zoospore sono arrivate sulle foglie, dipende dalla temperatura e dalle ore di bagnatura.
17:44Vedete, attraverso un'equazione che è un grafico, diciamo così, che è rappresentato
17:50in queste tre dimensioni, vedete le ore di bagnatura da una parte, la temperatura e la gravitÃ
17:58dell'infezione, una gravità relativa, 1 vuol dire che le condizioni sono ottimali e poi
18:05ascendere, quindi vedete le condizioni ottimali, asciamo sui 20-22 gradi centigradi con bagnature
18:12di almeno 6 ore o più. Quindi, ancora una volta, le condizioni ambientali regolano lo svolgimento
18:22dei processi biologici. Una volta che sono avvenute le infezioni primarie, le oosporiche, si susseguono
18:33poi i cicli secondari di infezione. Vedete, che compaiono sui sintomi di malattia gli sporangi,
18:44questa muffetta biancastra è molto evidente e molto, ahimè, tristemente nota ai viticoltori,
18:52questi sporangi si staccano con le correnti d'aria, arrivano sulla vegetazione e causano,
18:59sempre se le condizioni di temperatura e di umidità sono favorevoli, come abbiamo visto
19:06in questa slide, causano infezioni, causando i sintomi che conosciamo sulle foglie, le macchie
19:15d'olio prima e la peronospora mosaico dopo e sui grappoli con i dissecamenti, poi la peronospora
19:24prima palese e poi l'arvata. Quando si producono questi sporangi? Gli sporangi sono chiave per il
19:34ripetersi delle infezioni nella stagione. Quando si producono? Si producono di notte in condizioni
19:40di alta umidità . Ancora una volta le condizioni ambientali sono fattore determinante, perché
19:47possa avvenire la sporulazione e anche per l'abbondanza della sporulazione. Questi sporangi,
19:57come vi dicevo, come vi anticipato, si disperdono con le correnti d'aria, qui questo vedete
20:05è un captaspore in alto, quella strana macchina, è un sistema che ci permette di catturare le
20:11spore dall'aria e vedete gli sporangi che vengono catturati da questo sistema e li vedete
20:19in tre anni successivi qual è l'andamento del volo di questi sporangi. Una volta che
20:27abbiamo la muffetta biancastra sulla pagina inferiore delle foglie o sui giovani grappoli,
20:32questi sporangi si diffondono nell'aria e arrivano sulla nuova vegetazione. Teniamo presente
20:40però che gli sporangi hanno un periodo breve di vitalità , lo vedete nella parte sottostante
20:47del grafico, vivono alcuni giorni più quando sono ancora attaccati sulla foglia, sulla
20:56sinistra, che quando sono staccati nell'aria o depositati sulla nuova vegetazione e la loro
21:04sopravvivenza ancora una volta dipende dalle condizioni ambientali, temperatura e umiditÃ
21:09relativa dell'aria. Caldo e secco riduce la vitalità degli sporangi. Quindi sostanzialmente,
21:19seppure molto brevemente, abbiamo descritto qual è il ciclo biologico, il ciclo infettivo
21:26della peronospora della vite, di plasmopara viticola e abbiamo visto che le condizioni ambientali
21:34influenzano i diversi passaggi. Queste conoscenze sono quelle che ci permettono di sviluppare
21:41il nostro modello di processo, il nostro modello meccanicistico. Quindi dalle conoscenze al modello
21:50matematico. Vedete questo è un modo diverso per rappresentare lo stesso ciclo. Abbiamo spacchettato
21:58il ciclo biologico in fasi. Le ospore dormienti, le ospore mature che producono i macrosporangi,
22:07questi a loro volta producono le zospore in acqua, le zospore vanno a finire sulle foglie
22:13verdi, il fungo con le sue ife, il suo corpo entra all'interno delle foglie, alla fine
22:22dell'incubazione compaiono le macchie, le lesioni fogliari o sui grappoli, le quali producono
22:29sporangi che si diffondono e causano i cicli secondari. Quello che abbiamo descritto fino
22:35adesso però rappresentato in un modo schematico, fasi del ciclo biologico. Il nostro patogeno
22:44patogeno passa attraverso queste fasi. Se noi vogliamo capire come avviene un'infezione
22:50primaria, cioè partiamo dalle lesioni fogliari, il patogeno prima deve essere entrato e deve
22:56essersi sviluppato, le zospore dovevano essere sulle foglie, eccetera, eccetera, eccetera.
23:01Quindi il percorso ha ritroso. Il patogeno passa attraverso queste fasi, attraverso dei processi.
23:10Quindi vedete stiamo legando le fasi le une alle altre attraverso dei processi. Il processo
23:17di maturazione delle ospore, della loro germinazione, la sopravvivenza degli sporangi, il rilascio
23:25delle zospore, la sopravvivenza delle zospore, la loro dispersione, l'infezione, l'incubazione,
23:31la sporulazione e così via. Quindi vedete abbiamo aumentato l'informazione e la schematizzazione.
23:41Adesso andiamo a inserire le variabili esterne. Quei processi sono influenzati dalle variabili
23:49esterne da quei dati ambientali, temperatura, umidità , bagnatura fogliare, pioggia e in alcuni
23:58casi dalle caratteristiche della pianta che influenzano sia il fatto che il patogeno possa
24:07passare da uno stadio all'altro, sia l'intensità del processo. Quindi le variabili esterne sono
24:14quelle che fanno funzionare il sistema. Quindi sostanzialmente il modello a questo punto consiste
24:21nel legare i processi alle variabili esterne attraverso delle equazioni matematiche. Equazioni
24:30matematiche che derivano dagli studi biologici e ecologici che vi ho illustrato prima brevemente
24:39e che ci permettono di capire come funziona il sistema. Quindi sostanzialmente vedete che
24:46un modello di processo usa le variabili esterne, i dati meteorologici e le previsioni anche meteo,
24:58a passo orario in questo caso, quindi usa i dati meteo come variabili che influenzano il sistema
25:07per simulare come il sistema funziona. Questo vedete è un output del modello, la data, le piogge
25:18che fanno partire la germinazione di quelle ospore che hanno superato la dormienza, la germinazione
25:26delle ospore, vedete, procede con queste linee verdi che salgono fino al momento in cui sono mature
25:34e rilasciano le ospore, la prima serie di circoli verdi. Poi a un certo punto arriva una pioggia
25:42quando le ospore sono ancora vive che le disperde e se tutto va bene causano infezione e alla fine
25:53dell'incubazione la comparsa dei sintomi. Questo è un output del modello, vedete, il modello giorno per giorno
26:00usando i dati meteo si dice lo stato del patogeno. Sta germinando, ci sono una, due, tre famiglie
26:10che stanno germinando, sono arrivate a maturazione, però poi le ospore sono morte, quindi vedete
26:16il processo si è fermato. Di tutte queste famiglie di ospore che avevano iniziato a germinare,
26:22uno, due, tre, quattro, cinque, sei, sette, otto, nove, solo la decima, ha trovato le condizioni
26:29ambientali affinché tutto il processo andasse bene e potesse causare infezione. E quindi
26:38il modello ci dice, guarda, questa infezione dovrebbe mostrare i sintomi in questo periodo
26:45di tempo. Questo è sostanzialmente come è costruito un modello di processo. Spero di
26:55essere stato abbastanza chiaro. Le conoscenze biologiche, i dati e gli esperimenti che legano
27:01la biologia alle variabili esterne, per costruire un modello in cui definiamo le fasi, i processi
27:09e le equazioni matematiche che legano le variabili esterne a questi processi, per ottenere un output
27:16che simula, vedete con grande dettaglio, il sistema che noi stiamo studiando. In questo
27:22caso le infezioni primarie di plasmopara viticola. Questo modello è stato costruito in
27:31laboratorio. Non ci sono dati di campo qua. Ci sono dati di esperimenti condotti in serra,
27:39in laboratorio, in condizioni controllate, ma non vi sono dati di campo. E' chiaro che
27:44noi adesso dobbiamo capire se questo modello rappresenta correttamente la realtà del campo.
27:51Per fare questo, dobbiamo fare quella che viene chiamata validazione del modello. In che cosa consiste?
28:02Consiste nel confrontare in n situazioni, in n vigneti, anni e località , confrontare i dati reali del vigneto
28:14con gli output del modello. Qui vedete sostanzialmente gli output del modello che abbiamo visto
28:21prima. In alto la barra verde indica tutti i giorni in cui il modello dice non dovresti osservare
28:30la malattia in campo, perché vedete non c'è infezione, e la barra rossa il periodo in cui
28:37la malattia dovrebbe comparire in campo. Nella riga superiore i dati reali, che sono immaginate
28:46delle osservazioni in vigneto, fatte ogni due o tre giorni. Per fare le validazioni si fa così.
28:54Ogni due volte alla settimana vado nel vigneto e osservo se compaiono sintomi di peronospora.
29:01ogni osservazione mi può dare questo risultato. No, non vi sono sintomi, oppure sì.
29:08Quindi io ho una serie di no e di sì che devo confrontare con gli output del modello.
29:14E questo è quello che io posso osservare. Vedete, nel primo esempio ho una freccia verde,
29:23quindi non ho visto i sintomi, in un momento in cui il modello mi diceva non dovrebbero esserci
29:29sintomi. Quindi questo si dice che è true negative, cioè è corretto, vero, ma è negativo,
29:38cioè è una prognosi negativa, non c'è malattia. True negative. Il modello ha simulato correttamente
29:49l'assenza di malattia. Nel secondo, vedete, quella gialla, un falso positivo. Cosa vuol dire?
29:57vuol dire che io ho osservato i sintomi in vigneto in un momento in cui il modello mi diceva
30:04sintomi non dovrebbero essercene, perché non ci sono state infezioni. Andando avanti, vedete,
30:11ho una falsa negativa, un altro errore. Il modello mi dice no, non dovresti vedere i sintomi,
30:17è verde, scusate, il modello mi dice dovresti vedere i sintomi, siamo nella barra rossa, ma
30:23non li vedo. Quindi è un falso negativo. Nell'ultimo caso vedete il vero positivo. Il modello mi dice
30:33la malattia ci dovrebbe essere e io la malattia la vedo. Allora capite che questo confronto
30:40fra l'output giorno per giorno, l'output del modello e la realtà del campo mi origina
30:48una tabella di questo tipo. Si chiama tabella di contingenza. Vedete, questi TN, FP, fanno
30:57riferimento a quelle situazioni. Vedete, qui il modello ogni giorno mi dice no, non c'è
31:04malattia, sì c'è. No, non c'è infezione, sì c'è stata infezione. E l'osservazione
31:11nello stesso giorno mi dice no, non ho osservato i sintomi, sì li ho osservati. Allora capite
31:18che i due verdi, no, no e sì sì, sono delle previsioni corrette del modello. Mentre l'altra
31:28diagonale sono errori che il modello fa. Quando il modello dice c'è malattia ma in realtÃ
31:36non c'è, questo è un falso allarme. Allarmiamo il viticoltore dicendogli guarda che c'è
31:41stata un'infezione, c'è un'infezione, ma questa infezione in realtà non c'è stata.
31:46E l'ho colorata in arancione, per differenziarla dall'altra che è rossa. Questo è l'errore
31:52più grave che il modello può fare, perché il modello mi dice stai tranquillo viticoltore,
31:56viticoltore non c'è stata infezione, non c'è malattia, mentre nel vigneto la malattia
32:03c'è. Allora, qui vedete alcuni esempi di come si riempiono quelle caselle in questi
32:12esercizi di validazione. Quindi qui vedete siamo in Italia, diverse zone, diversi anni,
32:18un totale di 77 vigneti se non sbaglio. Vedete il modello ha predetto correttamente il 90%
32:24dei casi, ha avuto il 10% di falsi allarmi, cioè ha detto al viticoltore guarda che c'è
32:31malattia, ma di fatto non c'era e non ha mai sbagliato nel dire la malattia non c'è.
32:42quindi non ha mai mancato di allarmare il viticoltore. Lo stesso modello, senza modifiche,
32:50senza calibrazioni, e questo è tipico dei modelli di processo, funziona bene ovunque
32:55nel mondo. Qui vedete siamo in Canada, nel Quebec, i risultati sono simili, sono del tutto simili,
33:06anche se le condizioni ambientali, le varietà , sono completamente diverse. Questa è una caratteristica
33:13dei modelli di processo. I modelli di processo, siccome partono dalla biologia e spezzettano
33:19tutte le fasi della malattia, studiando l'effetto delle condizioni ambientali su ciascuna di queste,
33:26è solitamente robusto. Cosa vuol dire? Che funziona bene nelle più diverse situazioni.
33:34E questo non è il caso, ad esempio, dei modelli empirici. Ma ci torniamo.
33:38Ci torniamo. Sono partito dicendo mi piacciono i modelli meccanicistici, non mi piacciono i modelli empirici.
33:46Vi faccio vedere un esempio, utilizzando quei quattro modelli di cui vi ho parlato prima. Questi quattro modelli, vedete,
33:59guardano alla biologia della peronospora, vedete in alto le fasi, con un livello di dettaglio molto diverso fra loro.
34:07La regola dei 3.10 mette insieme la germinazione delle spore, la dispersione delle spore e l'infezione,
34:15facendola dipendere solo dalla temperatura, dalla pioggia, T, R, rain e GS, che è il growth stage della pianta, lo
34:22sviluppo della pianta.
34:25Poi vedete che altri modelli aumentano il dettaglio fino al modello che vi ho brevemente descritto, quello sviluppato da noi,
34:34che spezzetta tutte le fasi e a ciascuna attribuisce il giusto effetto delle condizioni ambientali.
34:43Temperatura VPD, questo sta per deficit di pressione del vapore. Vedete quindi dei livelli di dettaglio e di valutazione di
34:53questi dettagli molto diversi.
34:55Questi 4 modelli sono stati usati tutti su una serie comune di dati. Vedete questi dati di comparsa delle prime
35:07infezioni stagionali
35:08in questo periodo di 9 anni in Sardegna, nel nord della Sardegna. Quindi confrontati fra di loro, questi sono i
35:20risultati che sono stati ottenuti.
35:23Vedete le previsioni corrette, 3, 1, 2, 8, e quelle sbagliate. Le false positive, vuol dire ti allerto ingiustamente, e
35:35le false negative, vuol dire manco di allertarti.
35:39Ok? Ti dico stai tranquillo, ma in realtà non dovresti stare tranquillo. Allora, vedete voi stessi quali sono i numeri.
35:47Ok? Il modello del meccanicistico, quello UCSC, sta per l'Università Cattolica del Sacro Cuore, fornisce delle performance simili a
36:01quelle che abbiamo visto prima
36:02è decisamente superiore rispetto alle altre. Questo è quello che ci porta, porta la comunità scientifica che si occupa della
36:11modellistica a dire che i modelli empirici
36:13sono meno performanti di quelli di processo, soprattutto quando cerchiamo di usare in un areale geografico dei modelli empirici sviluppati
36:30altrove.
36:30E' il caso, ad esempio, del modello EP. Il modello EP è un modello che è stato sviluppato a bordo.
36:38A bordo funziona.
36:42Quando lo portiamo in Italia, sono stati fatti tantissimi studi in diverse parti d'Italia, non funziona. Perché?
36:50E' lungo adesso starvelo a spiegare. Ma perché vi sono condizioni reali diverse, che il modello empirico sviluppato a bordo
37:00non riesce a cogliere.
37:02Quindi, i modelli di processo sono sostanzialmente quelli più affidabili e robusti.
37:10Io vi ho parlato della peronospora della vite, però, sono stati sviluppati modelli di processo per le più importanti malattie
37:21della vite.
37:21Vedete, infezioni primarie e secondarie di peronospora, oidio, il black rot, la botritis, le scoriosi, l'antracnosi e anche la
37:37produzione di ocratossina,
37:39i funghi o cratossigeni nell'uva. Quindi, la ricerca mette a disposizione sempre più una buona dose di modelli di
37:50processo.
37:53Ok, quindi, cos'è un modello? L'abbiamo visto, è una rappresentazione semplificata del sistema malattia,
38:03con modelli empirici o didati e modelli di processo o meccanicistici.
38:09con i primi che non forniscono garanzie sufficienti, specialmente quando sono usati in condizioni ambientali diverse
38:18da quelle in cui sono stati sviluppati e soprattutto in situazioni come quelle di questi anni,
38:26che stiamo sperimentando, di cambiamento climatico, in cui la storia, cioè quello che è successo nel passato,
38:33non è più la realtà di oggi.
38:37Bene, come usiamo questi modelli per la difesa?
38:43Qui vedete sostanzialmente ripreso il ciclo di infezione della peronospora,
38:50le zospore sulle foglie, la penetrazione e l'infezione, la comparsa delle lesioni,
38:57la comparsa degli sporangi, la diffusione degli sporangi e così via, con l'attività fungicida.
39:06Cioè, noi abbiamo tanti fungicidi e a seconda che noi i fungicidi li usiamo in un momento o nell'altro
39:16di questo ciclo di infezione, chiediamo al fungicida cose diverse.
39:23Quando noi interveniamo sulle foglie, quando vi sono gli sporangi o quando vi sono le zospore,
39:34facciamo degli interventi preventivi o pre-infezionali, cerchiamo di impedire che l'infezione si formi,
39:46cerchiamo di prevenire l'infezione.
39:48Quando noi interveniamo, subito dopo che l'infezione è avvenuta,
39:54il nostro patogeno è già all'interno della foglia, ok, facciamo dei trattamenti curativi o post-infezionali.
40:03Qual è il loro obiettivo? È quello di stoppare, di bloccare l'infezione che è già avvenuta.
40:11Se poi interveniamo più avanti, ok, durante la fase di incubazione,
40:17facciamo i trattamenti, cosiddetti, pre-sintomi.
40:22Chi ha la mia età , ha studiato sul libro di patologia di Goidanich all'università ,
40:29sa che anni fa, era molto di moda, il trattamento fatto all'80% dell'incubazione,
40:37usando il calendario di Goidanich per l'incubazione.
40:41Quindi quel trattamento all'80% dell'incubazione è un trattamento pre-sintomi.
40:46Per arrivare poi ai trattamenti cosiddetti eradicanti, post-sintomi,
40:52che hanno l'obiettivo di ridurre la quantità di sporangi che si formano sulle foglie colpite
41:02e che possono causare altre infezioni.
41:06Quindi vedete, usiamo i fungicidi in momenti diversi rispetto al ciclo di infezione.
41:12Ed è chiaro che i fungicidi che usiamo devono avere delle caratteristiche diverse.
41:20O il fungicida che abbiamo lo dobbiamo usare in preventivo, in curativo e eradicante,
41:29in funzione delle sue caratteristiche.
41:32Non tutti i fungicidi vanno bene per tutti i tipi di attività .
41:36Se uso il rame, posso usarlo come preventivo, perché il rame rimane sulla superficie.
41:43Posso usarlo come eradicante per sterilizzare, disinfettare le macchie sporulanti.
41:50Non lo posso usare per gli interventi curativi o per gli interventi in incubazione,
41:56perché non penetra nelle foglie.
41:59Questo è un semplice esempio, banale se volete, ma che ci fa capire che ogni fungicida
42:06ha un suo momento ottimale di applicazione rispetto all'infezione.
42:12In queste tabelle, nelle quali non mi dilungo, ho lasciato alcune informazioni
42:20che legano le fasi bersaglie del patogeno, il tipo di attività fungicida
42:27e note e avvertenze relative alle tipologie di fungicidi da utilizzare nelle diverse situazioni.
42:39È chiaro che queste attività , ad esempio l'attività preventiva,
42:45ha una durata nel tempo.
42:48Io tratto oggi, per quanto tempo il trattamento che io ho fatto,
42:54ad esempio abbiamo parlato del rame, per quanto tempo il rame che io ho distribuito oggi
42:59è capace di prevenire le infezioni?
43:03Tre giorni, cinque giorni, sette giorni?
43:06Normalmente si dice sette, otto giorni, ma è chiaro che dipende
43:10dalle condizioni ambientali, piove, non piove, dalla pianta,
43:14cresce molto, cresce poco.
43:19Quindi questa è un'informazione variabile, ma chiave per decidere se intervenire.
43:27Perché se io ho trattato quattro giorni fa e il modello mi dice
43:33domani è prevista un'infezione,
43:37io tratto o non tratto?
43:39Dipende qual è l'attività fungicida residua preventiva del rame che ho distribuito.
43:46Ecco allora che i modelli per i fungicidi
43:50ci vengono incontro per capire qual è l'attività residua preventiva, curativa, eradicante
43:59dei fungicidi che sono stati applicati.
44:01Allora vedete che i modelli matematici non sono solo per prevedere e simulare lo sviluppo
44:10delle malattie, ma vi sono anche modelli che ci permettono di capire, di conoscere qual è
44:15la dinamica della protezione fungicida successiva a un'infezione.
44:20Anche qui non entro nel dettaglio, questi modelli tengono conto delle caratteristiche
44:26dei fungicidi, delle condizioni meteo e della crescita della pianta per simulare, qui vedete,
44:34la dinamica dell'efficacia.
44:36Questo è un fungicida rameico, vedete, la sua percentuale di efficacia, quindi la capacitÃ
44:43di prevenire le infezioni di peronospora in diverse condizioni di temperatura e pioggia.
44:52Vedete che lo stesso fungicida, dato le stesse dosi, ha una dinamica di efficacia diversa
44:58da un caso all'altro e quindi questa conoscenza aumenta la nostra capacità di decidere correttamente.
45:10Perché? Vi faccio un esempio. Questo è l'output del modello delle infezioni che vi dicevo prima
45:19in un sistema di supporto alle decisioni, in cui vedete, al di là del dettaglio, quello
45:25che ci interessa è la terza serie di immagini, quella che definisce i periodi infettivi, che
45:34vado a esplodere. Vedete, questi abbiamo sull'asse delle X, sull'asse orizzontale i giorni della
45:45stagione e i pallini mi indicano la prima serie quando c'è una germinazione, la seconda serie
45:52quando le zospore vengono rilasciate dagli sporangi, la terza quando vengono schizzate
46:02le zospore sulle foglie, l'ultima, che se volete è quella di maggiore interesse pratico,
46:08quando c'è un'infezione. Vedete, quando lì c'è quella stellina rossa o gialla, indica
46:18un periodo di rischio infettivo. Qui vedete la linea verticale nera, indica l'oggi, io
46:25lo sto guardando oggi, quello che ho sulla sinistra sono le infezioni precedenti, quelle
46:32che ho sulla destra sono le infezioni che potrebbero avvenire in base ai dati di previsione.
46:38Allora, voi capite che io sono oggi, oggi è la linea nera, io oggi ho la linea nera e
46:47vedo che ci sono state due infezioni, una due giorni fa e una tre giorni fa e probabilmente
46:54ce ne sarà una domani e una fra tre giorni. Quindi io posso sia intervenire in preventivo
47:01per le infezioni che devono venire che in curativo sulle infezioni che ci sono state
47:08due giorni, tre giorni fa. Chiaramente devo usare un fungicida che abbia sia una buona
47:15attività preventiva che una buona attività curativa. Così sotto vedete nel grafico sotto
47:22che cosa mostra il modello? Mostra la linea che cresce, è l'andamento dell'incubazione
47:29e le barrette verdi o viola la comparsa della malattia sulle foglie o sui grappoli. Vedete,
47:39io posso intervenire sulla base di queste con interventi presintomi o con interventi eradicanti.
47:46Che cosa voglio dire? Voglio dire che le barre azzurre nel grafico di sopra indicano i periodi
47:57di tempo in cui i trattamenti effettuati sono efficaci. Questo viticoltore ha fatto dei trattamenti,
48:05il modello matematico per l'efficacia del fungicida ha definito la durata dell'efficacia,
48:13quindi l'output vi permette di combinare le informazioni. Sostanzialmente vedete che
48:23combinando il modello di malattia e il modello di attività dei fungicidi, il viticoltore
48:33ha a disposizione l'informazione per scegliere il tipo di attività che desidera e di conseguenza
48:41le caratteristiche del fungicida da utilizzare. Il tutto funziona? Qui vedete un esempio,
48:52cerco di spiegarvelo. In questo vigneto di Modena per tre anni, 2006, 2007 e 2008, sono stati
49:03messi a confronto i trattamenti aziendali, sono i triangoli rovesciati rosso-bordeaux e
49:12i trattamenti eseguiti utilizzando questo tipo di informazioni, i modelli. Quindi sostanzialmente
49:23a confronto il trattamento aziendale fatto secondo i bollettini di produzione integrata
49:30della regione Emilia-Romagna e i trattamenti fatti secondo il modello. Ovviamente vedete
49:38che sia il numero dei trattamenti, sia il posizionamento dei trattamenti è diverso nei due casi, è logico.
49:49Sulla destra vedete quello che ci interessa molto, la gravità della peronospora sul grappolo.
49:59Vedete la prima cifra in Bordeaux è la gravità nelle parcelle trattate secondo lo schema aziendale,
50:08la successiva in verde la gravità sulle parcelle trattate utilizzando il modello e l'ultima,
50:15sottolineata, è nei testimoni non trattati. Quindi che cosa vediamo? Vediamo che in tutte
50:23e tra gli anni, 001, 00, 002, la difesa è stata estremamente efficace ed è uguale nell'aziendale
50:33e nel modello. Ma che cosa vediamo anche? Vediamo anche che questo confronto regge sia
50:46negli anni in cui non c'è malattia, il 2007, quando ce n'è pochissima il 2006, ma anche
50:52nel 2008 in cui i danni sono stati devastanti, 72% di gravità di danno sul grappolo. Allora
51:02cosa dobbiamo aggiungere l'altra informazione? Che in tutti gli anni, usando il modello, abbiamo
51:09fatto la metà dei trattamenti. Quindi il modello ci ha permesso di posizionare correttamente
51:16dei trattamenti, riducendo nel numero, ottenendo una protezione perfetta del vigneto, sia in condizioni
51:26di bassa pressione che in condizioni di alta pressione della malattia. Questa è una dimostrazione,
51:33vi ho preso un esempio, ci sono tanti dati che dimostrano questo aspetto, è una dimostrazione
51:40dell'utilità dei modelli matematici per pianificare gli interventi di difesa, in modo tale da ottenere
51:48l'efficacia massima, riducendo tutti quei trattamenti che non sono utili, né al portafoglio,
51:58né all'ambiente, né alla salute del consumatore. Mi avvio alle conclusioni. Abbiamo visto che
52:10la conoscenza del ciclo biologico dei nostri patogeni è di fondamentale importanza per capire
52:19le dinamiche della malattia nel vigneto e la loro variabilità da una stagione all'altra.
52:27Il cambiamento climatico ci dice che non è più possibile fare come abbiamo sempre fatto.
52:33Questa frase dovrebbe sparire dal nostro dizionario. Avete visto cosa è successo quest'anno,
52:40nel nord Italia, cosa è successo l'anno scorso nel centro-sud Italia, le stagioni cambiano
52:48e non possiamo più fare come è sempre stato fatto. I modelli matematici ci possono fornire
52:54informazioni accurate circa queste dinamiche e quindi per prevedere i periodi infettivi in
53:03modo attendibili. Ovviamente dipende da un modello. Ci sono modelli che ci permettono
53:08di avere informazioni attendibili, di interpretare la variabilità stagionale, la variabilità climatica
53:15in modo tale da impostare una difesa contro le malattie. Ripeto, ho usato la peronospora
53:25come esempio, ma come avete visto la stessa informazione disponibile per l'oidio, per il
53:30black rot, per l'antracnosi e così via. Quindi i modelli ci permettono di impostare la difesa
53:41e di impostare soprattutto una difesa di tipo preventivo, che come sappiamo è quella da preferire
53:48per tanti motivi. E ci permette anche di ricorrere agli interventi curativi e radicanti solo in
53:59casi eccezionali. Ricordate l'esempio che abbiamo visto in una degli ultimi slide. Siamo oggi,
54:06ho avuto delle infezioni, una di queste infezioni era parzialmente scoperta, uso un prodotto penetrante
54:14con capacità curativa per bloccare quelle possibili infezioni. Allo stesso tempo ho delle infezioni
54:22previste fra un giorno, due giorni, tre giorni, lo stesso prodotto, magari con più sostanze
54:30attive in miscela, deve avere anche una buona attività preventiva. Quindi questo ci permette
54:39di mantenere una protezione efficace del dignito con una riduzione rilevante del numero degli
54:48interventi. Nell'esempio che abbiamo visto prima, nei tre anni la riduzione è stata
54:54del 50%, la metà dei trattamenti con gli stessi risultati fitoiatrici. Tanti altri dati,
55:00alcuni avremo modo di vederli anche nella chiacchierata successiva che faremo sui sistemi di supporto
55:08delle decisioni, confermano e consolidano il fatto che utilizzando i modelli matematici
55:15mediamente, ormai sono tanti anni che li usiamo sia in Italia che in altri paesi europei,
55:22mediamente possiamo risparmiare dal 35 al 50% dei trattamenti. Che dire, come si diceva,
55:38ultima frase conclusiva. I modelli matematici possono sembrare complessi, i modelli di processo
55:47soprattutto sono certamente complessi da sviluppare, perché abbiamo visto che richiedono conoscenze
55:54accurate della biologia e dell'epidemiologia del patogeno, richiedono esperimenti ad hoc
55:59per mettere in relazione le variabili ambientali con le singole fasi del processo infettivo.
56:05Quindi sono certamente complessi nello sviluppo, ma non dobbiamo confondere la complessità di sviluppo
56:13con la facilità di impiego. Questi modelli sono complessi da sviluppare, ma facili da utilizzare,
56:20soprattutto con gli strumenti informatici che sono disponibili oggi. L'utilizzo dei modelli matematici
56:30è un elemento chiave, così come dice la regola principale generale dell'IPM, così come dice
56:37la direttiva 128, sono strumenti chiave per decidere se e quando intervenire e ci possono dare
56:45indicazioni utili come abbiamo visto anche sul tipo di intervento da effettuare. Non ho affrontato il tema
56:53perché il tempo non c'è, modellistica è in corso, si può fare anche per gli agenti di biocontrollo,
57:01quindi per sistemi di difesa più naturali, agenti di biocontrollo o prodotti, i cosiddetti induttori di resistenza
57:12che aumentano le resistenze della pianta. Quindi un complesso di modelli matematici per le malattie,
57:23per i fungicidi, per i prodotti di origine naturale, che messi insieme ci permettono di affrontare
57:32in modo più razionale e sostenibile la difesa del limite. Con questo ho concluso e vi ringrazio
57:41per l'attenzione. Trovate nelle slide il mio contatto, la mia mail, se avete domande, se volete approfondire
57:50dei temi, se avete curiosità , sarò contento di ricevere i vostri input. Grazie ancora.