Sistemi colturali

Sistemi colturali

Scritto 3 domande da 7/30, 10 quiz da 1/30.

Rapporto scritto su un’esercitazione al calcolatore.

Voto finale media dei 2 scritti.

Punti bonus = per le domande a cui si risponde a lezione.

Punti progetto (se si vuole orale extra con massimo 3 domande con punti da +2 a -2 da sommare voto degli scritti).

Analizzare e gestire sistemi colturali attraverso misure dirette

Sviluppare strumenti/N in copertura

Questo esempio vuole dimostrare che in determinate condizioni l’approccio migliore è costruirsi gli strumenti da soli, non sempre ha senso usare sistemi indiretti e magari poco efficaci.

1. Indice di area fogliare

Indice di area fogliare = area della superficie fogliare che insiste sulla superficie unitaria di suolo.

• Fondamentale per analizzare le interazioni tra le piante e l’atmosfera (quantità di radiazione intercettata, stime idriche, CO2, assimilazione in modelli di simulazione, previsioni di resa, stima concentrazione critica N).
• Può essere misurato raccogliendo le foglie e misurando la superficie.

• Planimetri (1).
• Scansione e programmi di analisi delle immagini (2).
• Sono sistemi molto costosi sia economicamente sia nelle tempistiche, inoltre durante la conservazione le foglie si accartocciano.
• È una misura distruttiva.

• Può essere stimato (diverso da misurato).
• Relazioni allometriche = misurando larghezza e lunghezza foglie.
• Inversione di modelli di trasferimento radioattivo.

Ceptometri e metodi indiretti

Ceptometri = sono i migliori per misure che vanno ripetute molte volte utilizzano il modello di Poisson per foglie infinitamente piccole distribuite casualmente.

• Gap fraction = percentuale di pixel di foglie rispetto al cielo, stima quantitativa dei raggi solari che penetrano la vegetazione e arrivano al suolo, in rapporto alla foto che si fa da sopra la vegetazione.
• K = inclinazione foglie (planofile e rettofile), più è basso e più sono rettofile e quindi filtra radiazione - Non è facile stimare il valore.
• Teta = angolo di osservazione.
• Vanno stimate tutte per fare la formula inversa e trovare il LAI.

LAI 200 = prende la misura a 5 angoli diversi, simile al ceptometro ma con più angoli (tutto il resto uguale), per questa ragione non ha bisogno di conoscere k. Purtroppo funziona solo con radiazione diffusa e non diretta (alba, tramonto o nuvoloso).

Fotografia emisferica (obiettivo fisheye = grandangolare).

• Il software è gratuito e le lenti costano meno degli altri strumenti, inoltre si può fare la foto solo da sotto che nel caso delle specie arboree è tooop.
• Lo svantaggio è che è un sistema lento, la foto va processata in molto tempo.

Metodo dell’angolo 57,5°.

• Misurando a questo angolo non servono altre informazioni (angolo magico (???)).
• Appena si sbaglia di poco l’angolo si ottengono errori sopra il 20%.

Smartphone, costano di meno solo perché ne producono molti e c’è competizione tra le varie case produttrici – bisogna iniziare a pensare agli smartphone come uno strumento di lavoro (app del prof).

• Si può utilizzare l’accelerometro del telefonoo per derivare un inclinometro (se il telefono sta fermo l’unica accelerazione che gli si applica è quella di gravità).
• La gap fraction è stata stimata utilizzando due metodi.

Rapporto tra luminanza sopra e sotto la canopy.

Processamento automatico dell’immagine – spazi colore utilizzati per identificare i pixel «di cielo».

Tecnicamente tutti questi metodi misurano il PAI = plant area index, includono anche i rami.

2. Contenuto in azoto

• LCC (leaf color chart) = barra colorata con cui confrontare le foglie.
• Konica Minolta Spad-502 = strumento che pinza la foglia emettendo luce e → calcola la luce che riesce a trasmettere → quanta clorofilla → quanta proteina → quanto N.

Ha tradito le aspettative perché non ti dice direttamente quanto concimare.

Bisogna trovare delle rette di taratura con cui confrontare i valori ottenuti.

• Dualex 4 = stime sul contenuto di N sulla base del contenuto relativo in N e C.

Al posto di stimare solo il verde hanno pensato che quando la pianta è sana svolge il metabolismo primario e crea molta clorofilla ricca in N, invece quando la pianta è stressata passa al metabolismo secondario e produce dei flavonoidi che sono ricchi in C. Hanno quindi inventato uno strumento in grado di misurare il quantitativo di clorofille stimato in rapporto al contenuto di flavonoidi stimato. Le clorofille vengono stimate come con lo Spad, i flavonoidi eccitando le molecole di flavonoidi e misurando la fluorescenza emessa.

Serve sempre una curva di taratura.

Migliore di tutti gli altri ma costa molto di più – l’azienda è fallita →.

• Sistema fotografico non funzionava perché era difficile riconoscere i diversi tipi di verde nelle giornate con diversa illuminazione, ma poi è stata trovata una soluzione dagli studenti UNIMI tramite l’utilizzo di pannelli per la taratura degli esposimetri delle vecchie macchine fotografiche (cartoncini che riflettono sempre la stessa quantità di radiazione).

Perché questa lezione? LAI e N variabili importantissime e servono a stimare lo stato nutrizionale (il tutto può essere integrato con sistemi satellitari – mappe di prescrizione).

Problema

C’è una crescente domanda di strumenti per lo studio e la gestione del LAI e N nei sistemi colturali.

È importante per:

• Massimizzare le produzioni.
• Ridurre l’impatto ambientale.
• Rispettare gli standard qualitativi richiesti dal mercato.
• Aumentare la redditività dei sistemi colturali.
• Gestire la suscettibilità a malattie e allettamento per via del consumo di lusso dell’azoto.

Categorie di soluzioni:

• Genetica (medio/lungo termine).
• Simulatori (analisi di scenari, strategici – vengono fatti a priori come media generale).
• Sistemi diagnostici (gestione tattica – strumenti che fanno delle diagnosi per migliorare la gestione strategica).

Strumenti diagnostici

(Compresi quelli che mirano a VRT – a rateo variabile), ne esistono di diverso tipo:

• Informazioni statiche derivate da analisi del suolo, telerilevamento o mappe di resa degli anni precedenti.
• Monitoraggio dinamico usando informazioni in real-time.

• Sensori montati sui trattori = stimano cosa accade alla vegetazione (colorazione verde), regolano la distribuzione di azoto in tempo reale.
• Telerilevamento = per lo più satellitare.
• Strumenti diagnostici portatili.

Gli approcci più quantitativi per monitorare dinamicamente lo stato nutrizionale sono basati sull’integrazione di:

• Telerilevamento satellitare e ...
• Poche misure a terra guidate dal satellite.

L’obiettivo è derivare stime spazialmente distribuite dell’indice di stato nutrizionale (NNI) e sono il contenuto di azoto rilevato nella pianta e il contenuto critico.

N.B. I sistemi satellitari non sono sufficienti perché catturano la variabilità spaziale in termini relativi, cioè rilevano la riflettanza di una superficie in diverse lunghezze d’onda per i diversi indici (vigori vegetativi → leggermente diversi) danno informazioni su com’è la pianta, non direttamente sul LAI o contenuto N (vigore vegetativo) – questo vuol dire che i valori che otteniamo non possono essere automaticamente associati a condizioni di stress o di consumo di lusso, dipende da moltissimi fattori → Gradazione verde foglie con strumenti → curve calibrazione specifiche per varietà/ibridi → contenuto N.

La pianta quando è più piccola ha bisogno di più azoto per unità di massa in quanto le foglie ne sono ricche, poi inizia a produrre steli (poco ricchi in azoto) per raggiungere il sole che sta più in alto, inoltre ricicla l’N delle foglie che si trovano sotto e sono ombreggiate (non producono ma continuano a respirare), quindi ne ha bisogno di meno per unità di massa.

Quindi si sviluppa una correlazione tra la biomassa critica o il LAI.

Utilizzare il LAI permette di non dover passare dal laboratorio come per la biomassa critica (app cellulare) ➔ integrazione = PocketNNI.

Maggiore di 1 = consumo di lusso.

Minore di 1 = stress.

Tuttavia la somma del telerilevamento e degli strumenti diagnostici permettono di ottenere risultati >> della somma dei due separati – INTEGRAZIONE ➔ pocket LAI + pocket N → pocket NNI → pocket NNI-sat.

Georeferenzia i confini dell’appezzamento, poi ti chiede la specie e la varietà per la curva di taratura, a questo punto fa smart scouting = rilevazioni intelligenti che ti indicano dove andare a fare il rilevamento sul campo nei 4 punti con più variabilità (si possono mettere insieme anche più appezzamenti se sono la stessa varietà e seminate nello stesso momento), in questi 4 punti misuro LAI e N, si trovano quindi delle relazioni tra i punti che ho misurato in campo e la variabilità di tutti i punti del campo (lineari), quindi converto tutti i pixel in NDRE in PNC e viceversa e NDVI in LAI e viceversa (dal NDRE ricavo azoto in quel momento, dal LAI l’N critico), quindi ottengo le mappe dello stato nutrizionale a 10 m di risoluzione.

L’unione del telerilevamento e delle misure dirette ci ha permesso di raggiungere risultati superiori alla somma dei due.

Modellistica di simulazione

Modellistica di simulazione (agricoltura di precisione).

Va unita ai due sistemi sopraindicati, il controllo del clima è fondamentale.

I simulatori ti dicono quando dovrai svolgere una determinata operazione in anticipo (vantaggio assoluto).

Valutazione/validazione di metodi di analisi/misura

(concetti estendibili anche al telerilevamento).

Spesso i metodi di analisi da utilizzare non vengono esposti in maniera chiara, bisogna conoscere:

• Precisione / accuratezza.
• Linearità.
• Limite di rilevabilità.
• Risorse necessarie ad effettuare la misura.

Questa carenza porta alla mancanza di criteri per scegliere a seconda delle situazioni, inoltre è difficile interpretare i dati e infine genera dubbi sulle basi tecniche e scientifiche dei vari metodi.

“Per validazione di un metodo si intende il processo attraverso il quale si determinano l’affidabilità e la credibilità di una procedura di analisi per uno specifico scopo”.

Sono stati proposti diversi protocolli di validazione da diversi organismi internazionali (e.g., ISO, FAO) Il problema è che questi protocolli sono stati pensati per metodi di analisi chimici! E questo ha legittimato (?) i non-chimici a non occuparsene, riducendo i ragionamenti per la scelta di un metodo a chiacchiere da bar.

Vero però che nel caso di alcune tipologie di analisi (e.g., pH del suolo), la mancanza di materiali di riferimento (un campione di cui si conoscono i valori) rende spesso difficile applicare i protocolli nella loro interezza (e.g., nell’esempio del pH del suolo non è possibile valutare la trueness).

Nel caso non esistano materiali di riferimento, ad esempio, è possibile valutare la precisione di un metodo, senza arrivare alla sua accuratezza (che richiede anche la stima della trueness), che è meglio di niente.

Validazione di metodi secondo ISO 5725

• Normalità.

Si applicano test per verificare se l’ipotesi nulla – H0, dati distribuiti normalmente – è da rigettarsi o meno. La norma ISO suggerisce di usare il test di Shapiro-Wilk (è il più utilizzato), anche se per campioni molto grandi (~ > 40) è meglio usarne altri (e.g., D’Agostino-Pearson).

• Outliers (per le medie, per le varianze, per le repliche).

ISO suggerisce:

• Di valutare la presenza di outliers per livello e solo tra laboratori.
• In termini di varianze e di medie.

In questo caso, potrebbe esserci il rischio che una singola replica (per un dato livello) completamente sbagliata, possa portare ad una varianza (per quel livello) per un laboratorio molto più alta delle altre.

Questo potrebbe portare a identificare come outlier l’intero laboratorio (per quel livello), diciamo che è un approccio molto protettivo.

Effettuare prima un test per gli outlier entro laboratorio (per ogni livello) potrebbe portare ad escludere la singola replica completamente sbagliata, riportando quindi la varianza a valori comparabili con quelle degli altri laboratori e, quindi, a minor perdita di informazione.

Medie: viene proposto il test di Grubs = confronto fra valori sospetti e media (Se uno (o più d’uno) dei valori da testare è significativamente diverso (più alto o più basso) dagli altri (G è maggiore del valore tabulato (1%)), allora quel valore è un outlier e va scartato).

Varianza: test Cochran, Levene, Bartlett.

• Limite di rilevabilità.
• Limite di quantificabilità.
• Specificità.
• Linearità (es. metodi indiretti LAI oltre a un certo valore sottostimano).

Nel nostro caso, la linearità di un metodo potrebbe essere la sua capacità di dare risultati direttamente proporzionali al valore rilevato con il metodo di riferimento (all’interno di un campo di validità).

La proporzionalità può essere raggiunta anche attraverso trasformazioni matematiche.

Si valuterà su diversi livelli con misure replicate. →

• Accuratezza trueness (veridicità) + precisione (ripetibilità stretta, ripetibilità intermedia, riproducibilità).

Trueness.

• Rappresenta la differenza tra (i) la media dei valori ottenuti ripetendo molte volte la misura e (ii) il valore vero.
• ISO ne suggerisce il calcolo in termini di bias percentuale.
• Questa informazione può essere anche corredata da altri tipi in indicatori (difference-based indices, e.g., RMSE, EF, CRM, …).

Ripetibilità stretta.

• Concordanza tra repliche di misura ottenute.
• Nello stesso laboratorio.
• Dallo stesso operatore.
• Usando la stessa apparecchiatura.
• In intervalli di tempo brevi.
• Il valore di ripetibilità può essere utilizzato per calcolare il limite di ripetibilità (massimo errore da ottenere nella ripetibilità).

Ripetibilità intermedia.

• Concordanza tra repliche di misura ottenute.
• Nello stesso laboratorio.
• Dallo stesso operatore.
• Usando la stessa apparecchiatura.
• In intervalli di tempo LUNGHI (mattina e sera = luce diversa).

Riproducibilità.

• Concordanza tra repliche di misura ottenute.
• In diversi laboratori.
• Da operatori diversi.
• Usando apparecchiature diverse.
• In intervalli di tempo diversi.

• Robustezza = capacità di un metodo analitico di non risentire degli effetti delle variazioni operative volutamente introdotte (l’obiettivo è cercare l’effetto di una determinata variazione).

Disegno sperimentale

Disegno sperimentale (ISO 5725) – ring trial.

• Più laboratori (riproducibilità).
• Più livelli dell’analita (linearità, ecc.).
• Più repliche per ciascun livello di analita.
• Più operatori per ciascun laboratorio.
• I campioni con i vari livelli devono essere forniti come materiali di riferimento (trueness, ecc.).

Ovviamente noi non potremo fare tutto, dato che i nostri metodi (e quelli con i quali li confronteremo) non hanno materiali di riferimento… bisognerebbe «fare» una pianta con certe caratteristiche note e volute… anche se, potremmo, un po’ ardimentosamente, tentare… Inoltre, dobbiamo pensare a come trasferire il concetto dei più laboratori…

Abbiamo alcuni problemi…

• Il materiale di riferimento.
• La questione intervalli di tempo non brevi…
• La questione laboratori… noi lavoriamo su piante vive…
• Le variazioni deliberate per la robustezza.
• Teoricamente l’operatore non sa mai cosa sta esaminando…
• Come quantificare le risorse necessarie per le misure effettuate con i vari metodi?

Crearsi il proprio ring test

Crearsi il proprio Ring test - Con i vostri colleghi abbiamo fatto così:

• Campioni rappresentati da parcelle piccole (4×4 m) (per minimizzare l’eterogeneità).
• Repliche di misura rappresentate da quadranti (2×2 m) all’interno della parcella-campione (per minimizzare l’effetto del calpestamento dovuto alle molte misure effettuate).
• Laboratori rappresentati da gruppi "indipendenti" di più studenti (diversi operatori per laboratorio!), dotati solo della documentazione del metodo (diverse interpretazioni).
• Linearità testata effettuando le analisi in diversi momenti del ciclo colturale (o anche, e.g., diversi livelli di concimazione).
• Trueness determinata utilizzando – come "materiali di riferimento" – misure effettuate in laboratorio (o con metodo "di riferimento").

Problematiche relative alla raccolta dei dati

Campionamento: avere un numero di entità (massa campione) sufficienti.

• Abbastanza grande da permettere, analizzando un campione, di stimare le caratteristiche dell’intera popolazione … ma non di più.
• Sembra un problema di poco conto, ma non lo è! Ignorarlo può significare sprecare risorse cruciali.

Gomez (1972) = in base a numerosi set di dati sperimentali trova delle dimensioni del campione (numero di piante) diverse a seconda della variabile che si vuole misurare, questo perché i metodi per misurare le diverse variabili hanno diversa accuratezza… Ad ogni modo, a seconda della variabile che misuriamo è necessaria una diversa dimensione del campione!!! (ci ha visto giusto solo in parte).

Wolkowski et al., 1988 = tentativi finché il CV non è il minore – problema = effetto estrazione (dipende dal caso e non da un valore reale).

Introduce il concetto di “precampionamento” = utile solo a capire la dimensione u