Impiego di modelli previsionali per la difesa della vite
Agnusdei Angelo*, Perrone Giancarlo**, Gerin Donato*, De Miccolis Angelini Rita Milvia*, Katia Gialluisi**, Dalena Francesco*, Coronelli Roberta*, Pollastro Stefania*, De Lillo Enrico*, Faretra Francesco*
*Dipartimento di Scienze del Suolo della Pianta e degli Alimenti (DiSSPA), Università degli studi di Bari Aldo Moro;
**Istituto di Scienze delle Produzioni Alimentari (ISPA) del Consiglio Nazionale delle Ricerche (CNR)
La gestione fitosanitaria del vigneto è un pilastro imprescindibile del ciclo produttivo che, in contesti e stagioni vegetative particolarmente favorevoli allo sviluppo di malattie (quali peronospora, oidio e marciumi del grappolo) o fitofagi (come la tignoletta della vite), può richiedere numerosi interventi per la protezione della coltura, aumentando di conseguenza i rischi per la salute umana, l’impatto ambientale del processo di produzione, nonché i costi per l’impresa.
In questo contesto, i modelli previsionali possono rappresentare un supporto alle strategie di protezione. Il primo esempio di modellistica previsionale risale alla seconda metà del secolo scorso. Già nel 1950 infatti, alcuni viticoltori utilizzavano la ‘regola empirica dei tre 10’ per identificare le infezioni primarie di peronospora. Grazie alla crescente disponibilità e qualità dei dati raccolti, oggi è disponibile una vasta gamma di modelli previsionali, anche molto elaborati, per diverse malattie delle piante. Questi modelli utilizzano dati meteorologici, fenologici e/o biologici della pianta e del patogeno per poter stimare un livello un rischio in funzione degli obiettivi. Per esempio, fra gli oltre 30 modelli previsionali disponibili per la vite, il numero di conidi germinati, la percentuale di penetrazione o il rischio di infezioni primarie e/o secondarie sono solo alcuni esempi dei possibili output elaborati.
Diversi sono i criteri disponibili per la classificazione dei modelli. Innanzitutto, si possono distinguere i modelli qualitativi da quelli quantitativi, come i matematici. Fra i modelli matematici si distinguono gli stocastici, i cui risultati variano anche se le condizioni iniziali sono le stesse a causa dell’inclusione di elementi casuali, e quelli deterministici, dove non c’è alcun elemento di casualità o incertezza, in quanto tutte le variabili sono determinate da equazioni precise e fisse. Un altro approccio distingue i modelli empirici e quelli meccanicistici. Un modello empirico descrive in modo semplificato l’interazione tra coltura, condizioni ambientali e patogeno, basandosi sull’individuazione di correlazioni fra le condizioni ambientali e la manifestazione della malattia, a partire da osservazioni empiriche. I modelli meccanicistici invece, analizzano in dettaglio l’evoluzione dei differenti stati del ciclo di infezione e/o della malattia, in funzione delle variabili ambientali e dello stadio fenologico della coltura, fornendo una immagine dettagliata del sistema.
Nella piattaforma ‘Digital Grape’, sviluppata nell’ambito del progetto, sono stati implementati e valutati alcuni modelli per la simulazione delle infezioni di Plasmopara viticola (peronospora), Erysiphe necator (oidio) e Botrytis cinerea (botrite), per la previsione delle epoche di volo di Lobesia botrana (tignoletta), e per la valutazione del rischio di contaminazione da ocratossina A (OTA). Ad esempio, il modello meccanicistico DMCast e il modello empirico EPI calcolano la probabilità di maturazione delle oospore di P. viticola, il primo in funzione delle precipitazioni autunno-vernine, ed il secondo in base alle precipitazioni e all’umidità relativa. I due modelli hanno evidenziato una discreta attendibilità della valutazione del rischio ma in stagioni vegetative con andamenti meteorologici differenti. Il modello per la tignoletta proposto da Mariani et al. (2008) consente di identificare con buona approssimazione l’andamento dell’inizio dei voli di Lobesia botrana, dimostrandosi uno strumento utile per identificare la corretta finestra temporale per l’applicazione delle strategie di protezione. Il modello meccanicistico OTA-Grapes fornisce, infine, una predizione del rischio di contaminazione da Ocratossina A.
L’eterogeneità delle condizioni mesoclimatiche, delle varietà coltivate e delle tecniche agronomiche che caratterizzano la viticoltura da tavola e da vino della Regione Puglia, nonché i cambiamenti climatici in corso, costituiscono un reale “stress test” per tutti gli approcci alla viticoltura di precisione e, in particolare, per i DSS riguardanti la protezione sostenibile dei vigneti dalle numerose avversità biotiche. La PAC sostiene l’adozione di questi strumenti mediante varie iniziative, spesso finanziate nell’ambito delle misure per lo sviluppo rurale (PSR). Diverse regio- ni, come l’Emilia-Romagna e la Toscana, utilizzano già i DSS come strumenti fondamentali per la redazione dei Bollettini di produzione integrata, contribuendo così a migliorare la gestione agricola attraverso pratiche sostenibili ed efficienti. In tal senso, il progetto ‘Digital Grape’ ha conseguito l’obiettivo di costruire una utile banca-dati meteorologici, fenologici ed epidemiologici, che saranno cruciali per la validazione di ulteriori modelli previsionali e la creazione di efficaci sistemi di allerta.
