Modelli dei fitofagi

Guida informativa dei modelli per la previsione dello sviluppo demografico / fenologico delle popolazioni di fitofagi delle colture.

Modello previsionale: Diabrotica del Mais

Modello Diabrotica virgifera WiForAgri

Introduzione

La Diabrotica del mais, Diabrotica virgifera, è un importante coleottero parassita del mais. Originariamente presente in America, è in grado di attaccare le piantagioni di mais provocando danni economici seri soprattutto nelle aziende a produzione monovarietale.

Il coleottero sverna sotto forma di uova di colore giallo pallido rinvenibili nel terreno ad una profondità che dipende dalla granulometria dello stesso. Più il terreno è sciolto (sabbioso) e più la femmina dell'insetto depone le uova in superficie. La profondità massima è di 15 cm.

Ad inizio primavera, a partire dal mese di maggio, si ha la ripresa metabolica dell’insetto con la schiusura delle larve più precoci che, muovendosi dai siti di ovideposizione e nutrendosi delle radici del mais, causano significativi danni strutturali che risultano evidenti tra giugno e i primi di luglio.

I danni risultano gravi se lo sviluppo dell'insetto non viene trattato e bloccato in tempo e sono causati dalla formazione di gallerie nutritive all'interno delle radici con conseguenze fatali per la pianta a seconda del livello di accrescimento della radice stessa.

La capacità degli adulti di provocare danni anche sulle varietà di mais transgeniche resistenti, l’inefficacia della rotazione colturale sul controllo del patogeno e l’adattamento di certi biotipi larvali dell’insetto a specifiche tossine proteiche emesse dalle varietà resistenti (ibridi) hanno dato il via alla ricerca e allo sviluppo di modelli previsionali per la lotta all'insetto. Tali modelli si basano sulla conta dei gradi giorno, somma termica al di sopra della temperatura di sviluppo dell'insetto, proporzionale al tasso di sviluppo giornaliero dello stesso.

La previsione dello stadio di uova è stato omesso all'interno del modello, per la difficoltà di ottenere dati significativi per tale stadio.

In Figura 1 vengono riportati gli areali di diffusione dell'insetto in Europa.

Figura 1 - Rappresentazione della mappa dei focolai di infezione nel Nord-Ovest Italia (in arancione) e nell'Europa Centro Sud (in giallo) prima (2007) e dopo il contatto (2012). L'area di diffusione dopo il 2007 viene rappresentata in verde. I cerchi tratteggiati rappresentano la presunta zona di contatto tra i due focolai infettivi. (Bermond et al, 2012)

Attraverso la simulazione delle evoluzioni temporali dei diversi stadi di sviluppo, ed in particolare della permanenza delle larve l'agricoltore potrà:

  • Razionalizzare la pratica della semina anticipata-posticipata rispetto alla finestra di presenza delle larve nel terreno individuata dal modello.

  • Impostare i trattamenti larvicidi (geoinsetticidi) nel periodo di maggiore vulnerabilità.

  • Migliorare l’efficacia e diminuire gli interventi adulticidi, particolarmente dannosi per l’ambiente (co-tossicità con gli impollinatori), attraverso la predizione della curva di emergenza cumulata degli adulti.

Finalità del modello della Diabrotrica virgifera è quello di fornire in maniera integrata lo status di sviluppo dell’insetto sulle quali il coltivatore potrà programmare e gestire al meglio le tecniche di controllo e difesa.

Dati di input

  • Temperatura massima e minima giornaliera (dell'aria)

  • Ibrido di Mais coltivato (Classe FAO)

  • Data osservata di emergenza della piantine di mais.

  • Latitudine della località (dato da sistema)

Dati di output

  • Curve di percentuale cumulata degli stadi fenologici pre-immaginali: 3 stadi larvali, stadio di pupa (sottomodello Davis).

  • Curve di percentuale cumulata dello stadio fenologico di adulto (sottomodello Stevenson).

  • Curve di percentuale relativa per tutti gli stadi (Davis + Stevenson), dette anche curve fenologiche.

Riferimenti bibliografici

Il modello è stato sviluppato dal nostro team di sviluppo in merito a caratteristiche di accessibilità e reperibilità dei dati di input e di adattabilità del modello per le aree di interesse.

In particolare, al fine di avere un sistema previsionale completo integrativo di tutti gli stadi sono stati scelti e implementati due modelli complementari: il modello Davis (1996), in grado di prevedere lo sviluppo degli stadi pre-adulto (larva e pupa) ed il modello Stevenson (2008), in grado di descrivere lo stadio dell'adulto.

Il modello Stevenson, basato sul concetto di gradi giorno, è stato scelto per il basso errore dimostrato in fase di validazione nello studio originario (80% delle previsioni con un errore <1,7 giorni). E' stato sviluppato e validato su un periodo di dieci anni e risulta abbastanza flessibile da adattarsi sia alle diverse pratiche agronomiche aziendali (diversa data di piantagione, diversa data di emersione delle piantine, diversi ibridi di mais) sia ai diversi andamenti climatologici annuali.

Il modello Davis, anch'esso basato sui gradi giorno, è stato sviluppato sui dati raccolti durante un periodo di tre anni (1991-1993) all'interno di 11 località campione. Questo modello fornisce una previsione per gli stadi precedenti l'adulto e ha dimostrato, in fase di sviluppo, una buona accuratezza previsionale per tutti e quattro gli stadi (3 stadi larvali + stadio di pupa) (R quadro medio = 0,86).

Coefficiente di determinazione R quadro: Valori uguali a 1 riportano una perfetta correlazione tra punti di simulazione e punti di osservazione. Valori prossimi allo 0 una correlazione nulla.

Figura 2 - Campionamento Diabrotica virgifera attraverso l'applicazione di trappole cromotropiche

Il nostro team di sviluppo modellistico ha validato gli algoritmi di calcolo dei modelli Davis e Stevenson su alcune aziende campione nel territorio del Veneto e del Friuli-Venezia-Giulia. All'interno della campagna di validazione sono state svolte le seguenti attività:

  • Si è verificata l'applicabilità del modello all'interno del sottotipo climatico del Nord-Est Italia e alle diverse cultivar di mais diffuse nel territorio.

  • Si è verificata l'adattabilità del modello ai biotipi di Diabrotica virgifera locali, che condividono lo stesso corredo genetico.

  • Si è eseguita la calibrazione degli algoritmi di calcolo del modello sui diversi ibridi di mais e sulla diversa velocità maturazione (Classi FAO), sensibilizzandolo e migliorandone l'attendibilità previsionale.

I risultati della buona accuratezza del modello dal punto di vista previsionale su alcune zone del Friuli Venezia Giulia sono riportati alla seguente Figura 3:

Figura 3 - Validazione del modello rispetto ai dati di campo su quattro località del FVG (San Vito, 2016; Spilimbergo, 2016; Mortegliano, 2017; Gradisca, 2018). Gli algoritmi calibrati sono stati testati per misurare la predittività del modello della Diabrotica sulle aree e sugli ibridi Italiani. Linee blu = Simulazione modello emergenza cumulata dell'adulto (sfarfallamento). Puntini arancioni = Osservazioni emergenza cumulata adulto (campionamento con trappole a feromoni)

Funzionamento del modello

Il modello WiForAgri per la Diabrotica virgifera utilizza equazioni lineari per il calcolo dei gradi giorno, che rappresentano l'apporto termico giornaliero al di sopra della temperatura di soglia inferiore di sviluppo del fitofago. Il calcolo dei gradi giorno incomincia a partire dalla cosiddetta data di biofix, ossia la data di attivazione metabolica del fitofago. I gradi giorno accumulati nella giornata vengono utilizzati dal modello come variabile di input per la determinazione della tasso di sviluppo giornaliero del fitofago, ossia la percentuale in cui un determinato stadio (larva, pupa, adulto) si è sviluppato, completando la propria maturazione e passando allo stadio successivo.

Nel modello dell'adulto la data di biofix, corrispondente alla data di inizio di accumulo dei gradi giorno, coincide con la data di emergenza osservata delle piantine di mais. Tale informazione deve essere inserita dall'utente come dato di input (vedasi lista dati di input).

Al fine della calibrazione della previsione dell'adulto rispetto al diverso periodo di semina (ed emersione) il modello chiederà all'utente la data di emersione osservata delle piantine di mais. Tale dato è necessario all'avvio della simulazione dello stadio dell'adulto.

Nel modello degli stadi pre-adulto (larva, pupa) la determinazione della data di biofix viene svolta invece da calendario, a seconda delle caratteristiche di fotoperiodo e climatiche legate alla latitudine di applicazione del modello.

Attraverso gli algoritmi di calcolo relativi ai diversi stadi di sviluppo della Diabrotica, il modello è in grado di determinare, giornalmente i seguenti dati di output:

  • % di fuoriuscita (primo stadio larvale) e di sviluppo dei tre stadi larvali.

  • % di sviluppo dello stadio di pupa.

  • Inizio, evoluzione (%) e fine dello sfarfallamento degli adulti.

Il modello utilizza equazioni lineari per il calcolo dei gradi giorno che tengono conto delle due soglie termiche di sviluppo, inferiore e superiore, rispettivamente al di sotto e al di sopra delle quale lo sviluppo del fitofago si ferma. Le soglie termiche sono state determinate per ogni stadio (primo stadio larvale, secondo stadio larvale, terzo stadio larvale) secondo i valori bibliografici e quindi raffinate attraverso una procedura di regressione statistica sui dati del campionamento per lo sviluppo del modello.

Rappresentazione grafica

L'evoluzione degli stadi viene espressa come dato di output in duplice forma:

  • % di emergenza cumulata di stadio (0-100%), ossia la percentuale di individui che sono passati all'interno di un determinato stadio di sviluppo (Figura 4b)

  • % di emergenza relativa di stadio, ossia la percentuali di individui che nella giornata passano all'interno di un determinato stadio di sviluppo (Figura 4a)

  • Esempio: % di emergenza cumulata adulto = 50% --> Significa che alla giornata attuale il 50% degli adulti sono sfarfallati. % di emergenza relativa adulto = 10% --> Significa che nella giornata il 10% degli adulti sono sfarfallati.

% relativa (stadi pre-adulto)
% cumulata (stadi pre-adulto)
% relativa (stadi pre-adulto)
Figura 4a - Test del modello per la stima delle % relative di stadio sulla località di Blessano (Friuli Venezia Giulia, 2018)
% cumulata (stadi pre-adulto)
Figura 4b - Test del modello per la stima delle % cumulate di stadio sulla località di Blessano (Friuli Venezia Giulia, 2018)

Nelle Figure 4a,b soprastanti viene riportata la rappresentazione grafica dell'evoluzione dei diversi stadi del fitofago relativamente al test del modello su una località nel territorio del Nord-Est Italia (Castions del Friuli, FVG) nell'anno 2016.

Attraverso le curve di emergenza % relativa è possibile osservare lo sviluppo evolutivo del modello ossia la data di inizio e di fine di ogni stadio del fitofago, così come lo sviluppo % (tasso di sviluppo).

I dati forniti dal DSS per la Diabrotica virgifera, come inizio, evoluzione, picco e fine, oltre alla finestra temporale di presenza delle larve nel terreno potranno essere utilizzati dal decisore al fine di razionalizzare le pratiche agronomiche di controllo (semina anticipata-posticipata) così come concentrare i trattamenti nei periodi di maggiore vulnerabilità fenologica del fitofago, salvando prodotto e tutelando la propria produzione seminativa.

Modello previsionale: Piralide del Mais

Modello Ostrinia nubilalis WiForAgri

Introduzione

La Piralide del mais, nome latino Ostrinia nubilalis, nome inglese European corn borer (ECB), è una specie estremamente polifaga (oltre 250 specie di ospiti parassitati) che si pone come dannoso fitofago del mais diffusosi soprattutto in Canada, Nord Africa, Nord Europa, Cina e Russia.

Lo sviluppo dell'insetto si suddivide in quattro fasi fenologiche principali, di uovo, di crisalide, di adulto ed in cinque sotto-stadi larvali. Lo svernamento avviene sotto forma di larva matura (quinto stadio larvale) all’interno dei fusti (culmi) rimasti in loco dall’annata precedente. In primavera si osserva lo sfarfallamento dell’adulto ed il danno alle guaine fogliari, alle spighe ed ai cariossidi, oltre che ai culmi avviene ad opera delle larve di seconda generazione

Normalmente, nel Nord-Italia l’insetto è raramente uni-voltino, ed il numero di generazioni possono variare da una a cinque a seconda del clima e dai fattori genetici del biotipo presente (Alma e Lessio, 2005).

La azione deleteria dovuta all’attività minatrice della Piralide non si riassume solamente nella perdita economica di prodotto ma nell'aumento del rischio legato alle micotossine provocate da funghi del genere Fusarium e Aspergillus i quali trovano, nelle cariossidi danneggiate dal fitofago, un ambiente favorevole al loro sviluppo. Le micotossine sono note per la loro tossicità e pericolosità cancerogena sia nel confronto dei consumatori primari (animali) che nei confronti dell’uomo, che si nutre del latte e dei derivati animali alimentati con cereali contaminati. Tale problema legato alla salute pubblica è stato recepito dalla Commissione Europea che, attraverso i Regolamenti comunitari (Reg. UE 1881/2006; Reg. UE 1126/2007), ha stabilito delle soglie di tossicità e dal MIPAAF, il quale ha attivato nelle Regioni e nelle Province autonome progetti di ricerca e le linee guida per il controllo tossicologico.

Attraverso l’utilizzo dello strumento previsionale per la Piralide del Mais della piattaforma WiForAgri il decisore sarà in grado di osservare l’evoluzione degli stadi fenologici e di migliorare la logistica e l’efficacia dei trattamenti. Il trattamento chimico è infatti la strategia ancora prevalentemente utilizzata per il controllo di campo e danni ingenti possono essere prevenuti colpendo l’insetto in un determinato stadio fenologico di prima generazione

Dati di input

  • Temperatura massima e minima giornaliera (dell'aria)

  • Latitudine della località (dato da sistema)

Dati di output

  • Curve fenologiche di percentuale relativa di tutti gli stadi di sviluppo

  • Curve fenologiche di percentuale cumulata di tutti gli stadi di sviluppo

Riferimenti bibliografici

Il modello per la Piralide del mais integrato all'interno della piattaforma WiForAgri è strutturato sull'approccio del sistema compartimentale di G.C. Brown (1982), sistema generalizzato applicabile ad un'ampia gamma di specie di insetti olometaboli. Tramite una attenta attività di ricerca bibliografica riguardante il tasso di sviluppo dell'insetto in base all'andamento termico giornaliero e una fase di validazione con trappole in Veneto e in Friuli Venezia Giulia, il nostro team di sviluppo ha prima implementato ed in seguito calibrato il sistema compartimentale di Brown, adattandolo alle caratteristiche genomiche della popolazione di Piralide presente sul territorio.

Al fine del miglioramento della attendibilità previsionale del modello è stata introdotta una equazione perfezionata non lineare per il calcolo dei gradi giorno, contrapposta a quella classica di Arnold (1960) che li calcolava in maniera lineare come differenza tra la temperatura media della giornata a la temperatura di soglia inferiore di sviluppo.

Trappole coniche per la cattura degli adulti di Piralide del mais

Con l'obiettivo di fornire le migliori indicazioni previsionali per le infezioni di Piralide del mais che colpiscono il nostro territorio, è stata svolta un'attività di calibrazione delle soglie bibliografiche di gradi giorno (Bessin, 2013) di inizio e fine degli stadi di sviluppo dell'insetto, riferite alle tre generazioni annuali (generazione svernante, prima e seconda generazione)

L'introduzione di valori di soglia più realistici, abbinato all'equazione migliorativa di calcolo dei gradi giorno, ha dato risultati notevolmente più accurati rispetto alla formulazione classica del modello (equazione di Arnold) e ha permesso di contenere, nelle aree di applicazione, l'errore previsionale all'interno del range di affidabilità (errore medio previsionale < 2 giorni).

Descrizione del modello

Il modello WiForAgri per la Piralide del mais utilizza una equazione non lineare migliorativa per il calcolo dei gradi giorno che verranno utilizzati come dato di input nel sistema compartimentale per simulare l'andamento evolutivo dell'insetto all'interno dei diversi stadi di sviluppo.

Tale equazione di calcolo dei gradi giorno introduce il concetto delle tre temperature cardinali (inferiore, superiore ed ottimale) specifiche alla specie trattata (Ostrinia nubilalis), ossia calcola i gradi giorno in maniera proporzionale all'approssimarsi della temperatura media dell'aria a quella ottimale di sviluppo (approccio non lineare). All'avvicinarsi della temperatura a quelle di soglia superiore ed inferiore dell'insetto, ed al progressivo allontanamento dalla temperatura di optimum, l'accumulo di gradi giorno dell'insetto rallenta.

I gradi giorno accumulati giornalmente dal modello vengono utilizzati per stimare la situazione evolutiva del fitofago, ossia la percentuale (%) di maturazione dei singoli stadi di sviluppo (di uova, cinque stadi larvali, stadio di crisalide, stadio di adulto). Il sistema compartimentale utilizza le soglie di gradi giorno pre-impostate in cui si ha l'inizio e la fine di ogni stadio evolutivo per costruire le curve di sviluppo dei singoli stadi.

Al fine di determinare la fine della diapausa e la ripresa dell'attività metabolica della Piralide in maniera specifica per il territorio di applicazione, corrispondente alla data di inizio di calcolo dei gradi giorno (data di biofix), il modello utilizza un approccio misto di calcolo che considera sia il raggiungimento di un determinato numero di ore luce (fotoperiodo) sia l'andamento termico della giornata.

Il modello è in grado di determinare, giornalmente i seguenti dati di output:

  • Percentuale (%) cumulata di maturazione/fuoriuscita del fitofago nei diversi stadi: uova, cinque stadi larvali, crisalide, adulto, volo adulto.

  • Percentuale (%) relativa di maturazione/fuoriuscita del fitofago nei diversi stadi: uova, cinque stadi larvali, crisalide, adulto, volo adulto.

Il modello della Piralide del mais distingue due stadi relativi alla fuoriuscita dell'adulto dall'involucro di crisalide (stadio di adulto nel modello) dal successivo sfarfallamento vero e proprio dell'adulto (denominato volo dell'adulto nel modello).

Modello previsionale: Mosca dell’olivo

Dati di input

  • Catture dei maschi/trappola/settimana (dato medio delle diverse trappole). Esempio: Trappola 1=10 adulti. Trappola 2= 4 adulti. Catture maschi / trappola = (10 + 4) = 14/2 = 7 adulti/trappola

  • Catture di femmine/trappola/settimana (dato medio delle diverse trappole).

Dati di output

  • Indice di rischio (relativo alle catture maschili)

  • Indice di rischio (relativo alle catture femminili)

Il tipo di inserimento attuato dall'utente (dati relativi alle catture delle femmine e/o dati relativi alle catture dei maschi) provoca la generazione di due indici di rischio alternativi ugualmente validi.

Introduzione

La mosca dell’olivo (Bactrocera oleae, GMELIN, 1790) è un fitofago appartenente alla sottofamiglia delle Dacinae. E’ una specie carpofaga le cui larve attraverso la loro attività minatrice causano grossi danni alle produzioni olivicole in cui sono presenti.

Le larve scavano gallerie all'interno della polpa (mesocarpo) delle olive ed una volta raggiunta la maturità di sviluppo si impupano direttamente all'interno di queste o, viceversa, si lasciano cadere al suolo interrandosi nel terreno. Tra i fattori climatici predisponenti l’attacco, oltre alla temperature che influenzano lo sviluppo e la mortalità dell'insetto c'è l'umidità ambientale in quanto un microclima sub-umido (come quello del Nord-Italia per esempio) oltre ad assicurare le esigenze vitali dell’insetto rendono le drupe più turgide e quindi maggiormente suscettibili all’attacco delle larve.

Un altro fattore climatico significativo sono le basse temperature invernali che, aumentando la mortalità della popolazione, agiscono da vero meccanismo di controllo indiretto della numerosità durante la stagione colturale. La relazione di dipendenza tra la scala di temperature invernali, in particolare quelle del periodo che va da novembre a febbraio, e la criticità delle infezioni nel periodo estivo è stata recentemente esaminata e dimostrata in un recente studio condotto su un ampio areale nella regione Toscana (Marchi et al., 2015).

Dove l’incidenza delle temperature invernali può arrivare a determinare l’intensità dell’attacco fino al 50% gli altri fattori concorrenti alla gravità dell’infezione sono di tipo biotico (presenza di predatori e parassitoidi degli stadi pre-adulto) oppure fitologico (cultivar utilizzata e densità fogliare delle piante)

Riferimenti bibliografici

Il modello previsionale della mosca dell'ulivo inserito in modalità web-service nella piattaforma WiForAgri è basato su quello inizialmente sviluppato da Pucci et al (1991), che si affidava originariamente sui dati di cattura delle femmine dell'insetto. La scelta di implementare tale modello nella piattaforma di gestione WiforAgri rispetto ad altri modelli concorrenti studiati e sviluppati in Europa è stata determinata basandosi su tre ragioni fondamentali, di seguito elencate:

  1. Il modello ha dato risultati positivi nelle zone del centro e sud Italia e nel sud-est Europa.

  2. Il modello combina una elevata semplicità ad una buona affidabilità previsionale.

  3. Il modello è adattabile a diverse tipologie di territorio

Tramite la combinazione (analisi) di un dato conosciuto come il numero di catture (maschili o femminili) con l'andamento termico dell'aria (raccolto da centralina) il modello è in grado di generare un indice di rischio che valuta oggettivamente la criticità fitosanitaria dell'oliveto, e determina la necessità di trattare piuttosto che no.

Il modello è stato inoltre aggiornato e rivisitato negli anni dal team di Primo Principio, in accordo con le scelte agronomiche e modellistiche necessarie a sviluppare una soluzione ergonomica, adatta e pratica al fine di scongiurare situazioni di perdita di raccolto.

Il modello implementato nella nostra sezione WiForOlive, al contrario dei modelli basati sui gradi giorno (modelli fenologici) cataloga l’infezione direttamente sulla presenza reale dell'adulto sul campo e quindi necessità dell’apposizione di trappole sul campo di tipo cromotropico (per il campionamento delle femmine) e/o a feromoniche (per il campionamento dei maschi).

Funzionalità modellistica

  • Il modello si basa su degli algoritmi che calcolano in maniera separata (a seconda che l’user inserisca in piattaforma il dato di catture di maschi e/o di femmine – due alternative altrettanto valide) un indice di rischio che è in grado di distinguere tra una situazione di criticità e di non criticità.

  • Il servizio web della piattaforma allerta in maniera automatica l’utilizzatore (in formato di sms e/o email a seconda della scelta) sulla base della densità di campo degli adulti e dell’andamento termico monitorato (dati raccolti dalle stazioni WiForAgri) circa la necessità di fare trattamenti.

Il modello ai fini della difesa fitosanitaria considera una soglia di danno economico del 10%, ossia l’allarme si attiva quando l’infezione supera questa soglia di danno. Tale soglia è stata determinata sulla base di considerazioni di costo opportunità (trade-off) medio tra il valore economico del danno e quello dei trattamenti. E' possibile fissare la soglia di allarme per valori superiori/inferiori a tale danno economico su richiesta in fase di attivazione dell'account WiForOlive inviando una email al reparto assistenza di Primo Principio:

[email protected]

Procedura di attivazione del modello

Al fine di attivare il sistema allarmistico del modello è necessario svolgere alcuni step:

  1. Creare un lotto nella sezione in piattaforma “Lotti e modelli” riportato sul menù orizzontale (vedi capitolo “Lotti e modelli” della presente guida), selezionando sul menù a tendina della coltura “Olivo”.

  2. Accedere alla pagina dei dati di campo del lotto appena creato (pulsante “Dati di campo” sulla scheda del lotto) e inserire le catture a frequenza settimanale cliccando sul pulsante “+Nuovo” - “Fitofagi”, selezionando “Mosca Olearia” dal menù a tendina e quindi inserendo il numero di Maschi e/o Femmine catturate nella relativa interfaccia (vedi Figura 1 sotto). Nota bene:Tale operazione dovrà essere svolta a cadenza settimanale per generare l'indice di rischio.

  3. Visualizzare l’andamento dell’indice di rischio sull’interfaccia grafica del modello (il modello in ogni caso avvertirà l’olivicoltore quando sarà necessario fare il trattamento, tramite sistema allarmistico email/sms).

Figura 1 - Interfaccia grafica di inserimento catture settimanali

Il modello calcola l’indice a livello settimanale ogni qualvolta l’user inserisce un dato di rilevamento delle catture. Ossia, calcola l’indice sui 7 giorni che hanno come ultimo giorno la data di campionamento effettivo.

Importante: Selezionare la data di effettivo campionamento dal menù a scorrimento orizzontale quando si va ad inserire il dato di campionamento per non starare il calcolo dell'indice di rischio.

Interfaccia grafica del modello

Nella pagina di interfaccia grafica del modello (a cui si accede attraverso il pulsante riportato nella scheda relativa al lotto creato per la coltivazione dell’olivo – in “Lotti e modelli”) viene visualizzato l’andamento grafico dell’indice di rischio (Figura 2), in correlazione con le catture settimanali.

Figura 2 - Interfaccia grafica del modello: Sull’asse delle x sono riportati i mesi dell’anno a partire dal biofix del modello (data di inizio attività della mosca dell’olivo, segnalate dalle trappole). Sulla asse y di destra è riportato il valore dell’indice di rischio e sull’asse y di sinistra è riportata la percentuale di danno alla produzione olivicola in relazione all’indice di rischio.

Se nella settimana in questione non saranno inserite il numero di catture la linea dell’indice di rischio rimarrà al valore della settimana precedente e la messaggistica dell’allarme indicherà “no data” – “nessun dato”.

Utilizzo del modello: Un esempio di applicazione

Figura 3 - Stazione di osservazione meteo istallata nella stazione di Palazzolo​ ​di​ ​Sona​ ​(VR)

Il risultato del modello è stato comparato con i dati di campo e le relative pratiche agronomiche mantenute nel corso della stagione nell’oliveto oggetto di validazione.

Segue analisi comparativa

Grafico comparativo trattamenti
Tabella comparativa trattamenti
Grafico comparativo trattamenti

In Figura 2 vengono riportati i trattamenti che gli olivicoltori hanno effettuato “a calendario” (triangoli arancioni): il primo è stato effettuato a metà giugno, il secondo ben oltre la soglia di rischio e l’ultimo quando sulla base delle catture delle trappole cromotropiche ormai non c’era più rischio di attacco. Il rombo giallo indica il trattamento adulticida in accordo con le indicazioni modellistiche.

Figura 2 - Comparazione interfaccia grafica modello e date di trattamento.

A differenza di quanto effettuato dagli olivicoltori, il modello aveva individuato una finestra temporale adeguata dove l’agricoltore aveva deciso di svolgere il trattamento. (La settimana precedente era stata omessa del trattamento per considerazioni agronomiche).

Tabella comparativa trattamenti

La seguente tabella riporta i periodo di copertura dei trattamenti (arancioni-effettuati a calendario. giallo - effettuato su indicazione modellistica) in relazione alle fasi fenologiche dell'oliveto.

Risultati

In conclusione, sulla breve indagine sul campo si è osservato come il modello fornito dalla piattaforma WiForOlive ha consentito di razionalizzare i trattamenti di controllo andando ad individuare la finestra temporale di rischio effettivo legato alla presenza del fitofago.

Effetti correttivi introdotti dal modello:

  • Migliorare la tempistica dei trattamenti evidenziando l’inutilità del primo e dell’ultimo trattamento.

  • Migliorare la tempistica del trattamento efficace, anticipandolo e riducendo il periodo di tempo di forte dannosità da parte del fitofago.

  • Ampliare la scelta circa la tempistica fitoiatrica da parte dell’olivicoltore che è costretto a cadenzare su lunghi intervalli di tempo i trattamenti per prevenire l’insorgere di forme di resistenza ai trattamenti da parte del fitofago.

Per ulteriori studi di validazione del modello si rimanda alle pubblicazioni in allegato (dati di correlazione statistica tra l’andamento dell’indice e il livello di infezione drupe).

Bibliografia di riferimento

Castoro V., Pucci C. (1996). Applicazione di un modello statistico di previsione della gravità dell’infestazione di Bactrocera oleae (Gmel.) (Diptera: Tephritidae) nell’ambiente olivicolo materano: esperienze condotte nel biennio 1994-1995 – Atti “Giornate Fitopatologiche”, Numana (AN) 22-24, 1: 505-512.

Crovetti A., Quaglia F., Loi G., Rossi E., Malfatti P., Chesi F., Conti B., Belcari A., Raspi A., Paparatti B. (1982). Influenza di temperatura e umidità sullo sviluppo degli stadi preimmaginali di Dacus oleae (Gmelin). Frustula entomologica, n.s. 5: 133-165.

Di Lena B., De Laurentiis G.,. Di Minco G., Di Giovanni R., Angelucci S., D’Ercole L. (1999). Verifica di un modello statistico di previsione dell’infestazione da Bactrocera Oleae Gmel. nei diversi ambienti olivicoli della regione abruzzo. Atti Giornate di studio su “Metodi numerici, statistici ed informatici nella difesa delle colture agrarie e forestali.” Sassari 19-22 maggio 1999.

Marchi S., Petacchi R., Guidotti S., Ricciolini M. (2015). Mosca delle Olive: Un modello previsionale per salvaguardare la qualità. pp. 66-70. L’Informatore Agrario n. 6/2015.

Matassa P., Antenucci F., Di Lena B. (1993). Verifica dell'applicabilità di un modello climatico per la previsione degli attacchi della mosca dell'olivo nel comprensorio vastese. Atti Convegno Nazionale "Protezione delle colture- osservazioni, previsioni, decisioni" Pescara 7-8 ottobre 1993.

Pucci C., Ballatori E., Forcina A. (1979). Soglia economica d’intervento per trattamenti diretti contro gli stadi preimmaginali del Dacus oleae (Gmel.) – Notiziario sulle Malattie delle Piante, 100 (26): 121-161.

Pucci C., Forcina A., Salmistraro D. (1982). Incidenza della temperatura sulla mortalità degli stadi preimmaginali, sull’impupamento all’interno delle drupe e sull’attività dei parassiti del Dacus oleae (Gmel.) – Frustula Entomologica, 4: 143-155.

Pucci C., Paparatti B. (1994). Prospettive di controllo guidato della Bactrocera Oleae (Gmel) mediante l’applicazione di un modello statistico di previsione della gravità dell’infestazione. Atti del Convegno “Lotta Biologica ed Integrata per la difesa delle colture agrarie e delle piante forestali”, Ferrara 24-25 ottobre 1994: 209-211.

Pucci C., Spanedda A. F., Paparatti B., Speranza S. (2006). Modelli di previsione della gravità dell’infestazione da Bactrocera oleae (Gmel.) (Diptera, Tephritidae), pp. 23-36. In: Medunarodna Manifestacija o Mastini i Maslinovom Ulju “Tekuće zeleno zlato Istre”, Croatia.

Raspi A., Conti B., Crovetti A. (1993). Verifica dell'applicabilità di un modello previsionale dell'andamento delle generazioni daciche in oliveti dei Monti Pisani. Atti Convegno Nazionale "Protezione delle coltureosservazioni, previsioni, decisioni" Pescara 7-8 ottobre 1993.

Spanedda A.F., Pucci C. (2004). Performance comparison between two forecasting models of inftestation caused by olive fruit fly (Bactrocera oleae Rossi). POMOLOGIA CROATICA, 12: 193-202.

Speranza, Stefano & Pucci, Claudio & Iannotta, Nino & Duro, Natasha & Jaupi, Alban & Thomaj, Fadil & Paparatti, Bruno. (2013). Application of a statistical forecast model on the olive fruit fly (Bactrocera oleae) infestation and oil analysis in Albania. Bulletin of Insectology. 66: 309-314.