Modelli dei fitofagi

Guida informativa ed operativa sui modelli previsionali ed annessi software DSS relativi allo sviluppo di diversi fitofagi.

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, (generalmente a partire dal mese di maggio), si ha la ripresa metabolica dell’insetto con la schiusura delle uova più precoci. Le larve muovendosi dai siti di ovodeposizione e nutrendosi delle radici del mais causano significativi danni strutturali che risultano evidenti successivamente (generalmente tra giugno e 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 alcuni 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.

Il modello WiForAgri è ingrado di prevedere lo sviluppo dell'insetto nei suoi diversi stadi fenologici. Tuttavia la previsione dello stadio di uova è stato omesso all'interno del modello, per la difficoltà di ottenere dati di campo significativi per la validazione della previsoone di tale stadio.

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 (geo-insetticidi) 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 è quello di fornire in maniera integrata lo status di sviluppo dell’insetto permettendo di prevedere e monitorare le finestre temporali delle diverse fasi fenologiche dell'insetto. Sulla base di queste informazioni il coltivatore potrà programmare e gestire al meglio le tecniche di controllo ed i tempi di difesa fitosanitaria.

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 distribuzione percentuale degli stadi fenologici pre-adulto: 3 stadi larvali, stadio di pupa (sottomodello Davis).

  • Curva di distribuzione percentuale dello stadio fenologico di adulto (sottomodello Stevenson).

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)

Descrizione 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 corretta calibrazione necessaria nel modello di previsione dell'adulto, il modello chiederà all'utente la data di emersione osservata delle piantine di mais. Tale dato è necessario all'avvio della simulazione per la previsione 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 il 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 diverse specie vegetiali potenzialmente ospiti dell'insetto) 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 l'agricoltore 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 di distribuzione percentuale di tutti gli stadi di sviluppo delle prime 3 generazioni (stadi larvali, pupa, adulto, sfarfallamento, uova)

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 ingresso/uscita del fitofago nei diversi stadi di sviluppo: uova, cinque stadi larvali, pupa, adulto, volo adulto.

Il modello della Piralide del mais distingue due stadi relativi alla fase fenologica dell'insetto adulto: il primo stadio (denominato adulto) è relativo alla fuoriuscita dell'adulto dall'involucro di crisalide; il secondo stadio dal successivo sfarfallamento vero e proprio dell'adulto (denominato volo dell'adulto nel modello).

Modello previsionale: Mosca dell’olivo

La mosca dell’olivo (Bactrocera oleae)

Introduzione

La mosca dell’olivo (Bactrocera oleae, GMELIN, 1790) è un fitofago appartenente alla sottofamiglia delle Dacinae. E’ una specie carpofaga (si nutre solo di frutti, in questo caso di olive) 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 delle olive (mesocarpo) ed una volta raggiunta la maturità di sviluppo si impupano direttamente all'interno di queste o, viceversa, si lasciano cadere al suolo interrandosi.

In caso di infestazione i danni economici sono ingenti sia per cause dirette (distruzione della polpa, cascola delle olive, marciumi) che indirette con difetti sul prodotto finale (ad es. aumento dell'acidità dell'olio e sviluppo di cattivi odori).

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) oltre ad assicurare le esigenze vitali dell’insetto rendono le olive 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. Infatti l'insetto sverna come pupa nel terreno; nelle zone con inverno mite può trascorrere la stagione invernale come adulto o come larva nelle olive non raccolte. Un inverno rigido può diminuire l’entità della popolazione svernante influenzando la sopravvivenza delle pupe nel terreno. L'insetto si riproduce più volte in un anno: nelle zone litoranee (più calde) 3-4 generazioni mentre nelle zone più interne (più fredde) 1-2 generazioni. Le temperature in autunno e fino al completamento della raccolta, se miti, possono consentire a volte un’ulteriore generazione.

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). Risulta che le basse temperature nel periodo invernale agiscono da fattore limitante per il fitofago più delle alte temperature del periodo estivo.

L'incidenza delle temperature invernali può arrivare a determinare fino al 50% l’intensità dell’attacco che si verifica durante la stagione produttiva successiva all'inverno. Oltre alle temperature invernali, gli altri fattori concorrenti alla gravità dell’infezione sono principalmente di due tipologie:

  • di tipo biotico ossia la presenza di predatori e parassiti degli stadi pre-adulto della mosca;

  • di tipo oppure fitologico vegetale ossia la varietà di pianta utilizzata e densità fogliare delle piante.

Pratiche agronomiche generali che costituiscono una protezione di fondo ed a lungo termine dell'oliveto
  • In generale le varietà precoci o con frutto piccolo sono le meno colpite. Infatti, le varietà precoci maturano prima del picco di infestazione autunnale mentre drupe di piccole dimensioni, oltre ad essere meno attrattive nei confronti degli adulti, aumentano il tasso di mortalità delle uova nel periodo estivo perché la loro polpa tende a riscaldarsi molto. Varietà con frutti sferici, di grandi dimensioni e ricchi di polpa, come per esempio quelle da tavola risultano maggiormente attrattive per le femmina di mosca e per questo potrebbero essere utilizzate come piante spia.

  • Un'altra recente osservazione, ancora da confermare con ulteriori studi, riporta che anche le tecniche agronomiche che determinao un ritardo nella maturazione delle olive possono genera una asincronia tra il picco di volo delle mosche adulte e la presenza di frutti maturi attrattivi per l'ovodeposizione. Uno studio portoghese ha osservato ad esempio che un’abbondante apporto di azoto può ritardare la maturazione dei frutti generando come conseguenza la riduzione della suscettibilità dei frutti agli attacchi di mosca.

Dati di input

  • Temperatura aria

  • Umidità aria

  • Precipitazioni piovose

  • 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.

Gli indici di rischio generati in output dal modello sono utili per la programmazione puntale ed efficace dei trattamenti adulticidi (lotta preventiva) possibile anche in biologico con appositi prodotti.

I trattamenti curativi, che hanno come bersaglio le larve, sono più complessi da gestire e possono risultare quindi meno efficaci. Inoltre per le aziende biologiche non ci sono prodotti sistemici ammessi in grado di penetrare il tessuto delle olive ed uccidere le larve.

Per quanto riguarda la visualizzazione degli indici di rischio la data di start è fissata a calendario (1 luglio di default) o attivata dall'utente all'inserimento della fase fenologica di "indurimento nocciolo" (BBCH=75 o successivi).

Riferimenti bibliografici

Il modello previsionale WiForAgri sulla mosca dell'olivo è basato sugli studi iniziati da Pucci et al (1991) basati in prima battuta sui dati di cattura delle femmine dell'insetto. La scelta di implementare un software DSS basato principalmente su questa serie di studi, rispetto ad altri modelli concorrenti europei valutati, è stata determinata da diversi punti di forza di seguito elencate:

  1. Il modello ha dato risultati positivi in diverse aree di test 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/calibrabile a diverse tipologie di territorio e micro-clima.

Tramite la combinazione del numero di catture settimanali (maschili o femminili) con l'andamento igro-termico dell'aria (monitorato da stazioni meteo sul campo) il modello è in grado di generare un indice di rischio che valuta oggettivamente la criticità fitosanitaria dell'oliveto e determina la necessità di effettuare un trattamento.

Il modello è stato inoltre aggiornato e rivisitato negli anni dal team di Primo Principio al fine di ottimizzare l'adattabilità del modello (soluzione ergonomica) e la sua affidabilità, accuratezza e capacità previsionale. Il modello WiForAgri, a differenza di numerosi altri modelli basati esclusivamente sui gradi giorno (modelli fenologici), stima il livello rischio combinando l'approccio micro-climatico e fenologico con il monitoraggio di campo. E' quindi richiesto/suggerito l'utilizzo di trappole di tipo cromotropico (per il campionamento delle femmine) e/o feromoniche (per il campionamento dei maschi) le cui catture vanno caricate settimanalmente sul modello previsionale.

Descrizione del modello

  • Il modello si basa su degli algoritmi che, basandosi su micro-clima e catture settimanali in oliveto, calcolano un indice di rischio che è in grado di distinguere tra una situazione di criticità e di non criticità.

  • L'indice di rischio (maschile o femminile) è direttamente proporzionale al livello di infestazione delle olive e, al superamento di determinati valori soglia (-1 per l'indice di rischio maschile; 0.1 per l'indice di rischio femminile), il trattamento è economicamente giustificabile (i stimati alla danni alla produzione sono maggiori del costo presunto di trattamento).

  • Il servizio web della piattaforma allerta in maniera automatica l’utilizzatore (sms e/o email) sulla base della densità di campo degli adulti e dell’andamento climatico monitorato circa la necessità di fare trattamenti.

Il DSS (software di supporto decisionale), ai fini di suggerire o meno un trattamento, considera una soglia di danno standard del 10% determinata sulla base di una valutazione costi-benefici.

Se in una determinata settimana non vengono comunicate al modello le catture delle trappole (ad es.per dimenticanza) il livello di rischio stimato risulterà più basso rispetto a quello reale. In ogni caso anche in settimane con nessuna cattura sulle trappole è possibile osservare un valore dell'indice di rischio superiore alla soglia di trattamento per via dell'andamento micro-climatico favorevole allo sviluppo degli stadi successivi all'adulo (uova, larve, pupe).

Figura 2 - Interfaccia grafica esemplificativa 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 stimato alla produzione olivicola in relazione all’indice di rischio.

La soglia standard sul'indice di rischio è pari a -1 per quanto riguarda l'indice di rischio basato sulle catture maschili, ed a 0.1 per quanto riguarda l'indice di rischio basato sulle catture femminili. Al superamento di tali soglie un allarme sms/email informerà l'utente sulla convenienza economica di effettuare un trattamento al più presto.

Un esempio di applicazione con AIPO Verona

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 (cattura delle trappole) e con le pratiche di trattamento tradizionali a calendario utilizzate storicamente dagli olivicoltori.

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 (quindi in ritardo) e l’ultimo quando sulla base delle catture delle trappole ormai non c’era più rischio di attacco. Il rombo giallo indica il trattamento adulticida in accordo con le indicazioni modellistiche.

Figura 2 - Comparazione tra utilizzo del modello e trattamenti a calendario

A differenza di quanto effettuato dagli olivicoltori a calendario il modello ha individuato una finestra temporale adeguata dove l’agricoltore avrebbe dovuto eseguire il trattamento. (settimane 4-5).

Tabella comparativa trattamenti

La seguente tabella riporta i periodo di copertura dei trattamenti in relazione alle fasi fenologiche dell'oliveto (in verde). In arancio sono evidenziati i trattamenti effettuati a calendario; in giallo quelli effettuati su indicazione del modello.

In conclusione, si è osservato come il modello ha consentito di razionalizzare i trattamenti di controllo andando ad individuare la finestra temporale ottimale basata sul rischio effettivo legato alla presenza del fitofago ed alla sua capacità e velocità di riproduzione.

Effetti correttivi introdotti dal modello:

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

  • Migliorare l'efficacia del trattamento colpendo l'insetto nel suo momento di massima vulnerabilità, riducendo la sua potenzialità riproduttiva e la sua permanenza numerosa in oliveto.

  • 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.

Modello previsionale: Tignoletta della vite

Modello Lobesia Botrana WiForWine

Introduzione

La Lobesia Botrana o Tignoletta della vite, è un insetto diffuso in tutta l’Italia la cui presenza stagionale varia a seconda condizioni microclimatiche locali, ed in particolare dalle condizioni igrotermiche che ne regolano i rapporti interspecifici con la sorella maggiore, E.ambiguella (Tignola della vite), sui diversi areali viticoli.

L'insetto vede una presenza accentuata nei vigneti dell'Italia meridionale (e isole), dove le maggiori temperature provocano un accorciamento del ciclo generazionale: laddove nei vigneti del nord-centro italia la Lobesia tende a svolgere due generazioni, nei vigneti del sud-italia le generazioni vanno solitamente dalle tre alle quattro e i danni e di conseguenza gli accorgimenti di carattere fitosanitario risultano maggiori. Con la tendenza all'aumento delle temperature causato dal global warming l'insetto trova andamenti termici più favorevoli al proprio sviluppo, e non si può escludere che la sua presenza si farà più grave anche negli areali viticoli meno colpiti.

Svernante allo stadio di crisalide sotto il ritidoma, gli adulti dell'insetto di prima generazione sfarfallano in primavera (aprile-maggio) e depongono le uova sui grappoli fiorali (generazione antofaga). Le larve che ne fuoriescono provocano danni modesti ai bottoni fiorali che si fanno cospicui durante l'attività larvale di seconda generazione, con l'avvizzimento e l'imbrunimento degli acini in via di sviluppo e perdita della produzione. La terza generazione si comporta coma la precedente, attaccando gli acini. In questi casi la generazione compare a fine estate, quando gli acini sono in fase di maturazione, e si presenta ancor più pericolosa per le complicanze di natura fungina (Botrite e Marciume acido) che si possono instaurare sulle ferite provocate dalle larve.

Gli interventi di carattere fitosanitario si basano sui principi di difesa integrata e la predisposizione di determinate soglie di intervento: sulla base dei disciplinari di difesa integrata della Regione Emilia-Romagna le soglie sono la presenza di uova o fori di penetrazione in vigneti solitamente infestati o 5% di grappoli infestati in vigneti non solitamente infestati (seconda generazione); infine 5% di grappoli infestati (terza generazione). I prodotti utilizzati in agricoltura biologica sono preparati a base di Bacillus Thuringiensis (varietà kurstaki) che agisce per ingestione sulle larve dei lepidotteri nei primi stadi di vita.

Riferimenti bibliografici

I bollettini tecnici provinciali, utili nella individuazione delle finestre temporale di azione del fitofarmaco, sono solitamente basati sui modelli previsionali che presentano tutta una serie di vantaggi rispetto all'utilizzo delle trappole sul campo. Lo staff di Primo Principio ha sviluppato il modello per la Lobesia botrana per gli agricoltori che, in possesso di una stazione agrometeo quido-wiforagri, vogliono ottenere un sistema di previsione aggiuntivo sul proprio vigneto, che possa integrare e perfezionare le indicazioni date dai bollettini tecnici provinciali per la difesa integrata. Quest'ultimi hanno lo svantaggio strutturale di basarsi su dati meteo di tipo radar, meno precisi rispetto ad informazioni capillari.

Basandosi sulle più recenti modellizzazioni dell'originario modello a ritardi distribuiti ((Manetsch nel 1976; Vansickle, 1977), nella sua versione definitiva a temperatura variabile (Time Varying Delay - TVD), il modello è stato sviluppato ed integrato all'interno dell'azienda andando ad aggiungere alla struttura matematica di base aspetti modellistici irrisolti per le nuove località di applicazione, quali il processo di ovodeposizione, l'influenza dell'umidità sulla schiusa delle uova, la velocità di sviluppo degli stadi ed infine l'effetto della dieta larvale sull'accelerazione dello sviluppo delle larve e degli adulti. Alcuni parametri sono inoltre stati resi editabili dai nostri responsabili agro-matematici (rispetto alla concezione statica del modello) al fine di rendere il nuovo modello rapidamente adattabile alle nuove realtà di campo rappresentate dai vigneti oggetto di monitoraggio.

L'integrazione delle osservazioni di laboratorio, svolte sulla base di allevamenti a temperatura controllata, di origine bibliografica, con le osservazioni di campo, basate sul volo dell'adulto, ha permesso al modello di migliorare la propria sensibilità previsionale, a partire dagli areali del Nord-Est Italia, territorio nel quale è stato sviluppato, col progetto Agri-CS finanziato tramite la Sotto Misura 1.2 del Programma di Sviluppo Rurale 2014-2020 della Regione Friuli Venezia Giulia.

Infine, data la difficoltà di determinare il momento di start del modello, corrispondente alla data di emergenza degli adulti dalle crisalidi svernanti, con buona precisione per la località considera, si è aggiungo un sottomodello in grado di simulare il processo metabolico di diapausa della popolazione della Tignoletta, in grado di dare l'offset temporale di partenza ottimale del modello ad inizio stagione, sulla base dell'andamento di temperatura e di fotoperiodo a cui sono sottoposte le crisalidi svernanti del vigneto. La presenza di stazioni agroclimatiche ad alimentazione autonoma permettono di campionare i dati anche durante la stagione invernale e di implementare il sottomodello della diapausa durante tale stagione.

Dati di input

  • Temperature medie giornaliere (raccolte da stazione quido-wiforagri)

  • Umidità relative medie giornaliere (raccolte da stazione quido-wiforagri)

  • Coordinate località (individuate da sistema durante istallazione stazione)

Dati di output

  • Numero generazione di riferimento (esempio: 2)

  • Curve fenologiche di tutti gli stadi

    • Numero di uova ovodeposte nella giornata

    • Numero di larve maturate nella giornata

    • Numero di crisalidi maturate nella giornata

    • Numero di adulti sfarfallati nella giornata

Il numero di uova, larve, crisalidi e adulti visualizza l'andamento fenologico della popolazione di Lobesia. Tuttavia il numero rappresentato è normalizzato e non rappresenta il reale numero di insetti riscontrabili (per esempio in un ettaro). I trattamenti si basano su determinati momenti di inizio (o picco) di stadio fenologico

Descrizione del modello

Il modello a Ritardo Distribuito (DDMs) (Manetsch, 1976; Vansickle, 1977) simula, attraverso una serie di equazioni matematiche con stessa struttura ma diversa parametrizzazione, e poste in cascata tra di loro, il passaggio degli individui della popolazione di Lobesia all'interno di una serie di compartimenti "k", che rappresentano a loro volta gli stadi fenologici di sviluppo dell'insetto (uova, larva, crisalide, adulto).

Figura 1- Sistema compartimentale del modello a ritardo distribuito

Attraverso le funzioni matematiche del sottomodello della diapausa, basate sull'andamento della temperatura e del fotoperiodo durante la stagione invernale, il modello è in grado di stimare la curva di sfarfallamento degli adulti ad inizio del ciclo vitale annuale dell'insetto, e di simulare perciò il numero di individui che incominciano il loro sviluppo sulla base delle condizioni ambientali. Dalla curva di sfarfallamento degli adulti il modello indica all'utente il numero di adulti con la stessa età che sfarfallano in una determinata giornata e ne calcola il tasso di invecchiamento, basandosi sull'andamento delle temperature giornaliere. L'algoritmo di Bieri (1983), parametrizzato sulla base della temperatura e della dieta larvale simula il processo di ovodeposizione della femmina sui bottoni fiorali (prima generazione) o sugli acini (da seconda generazione in poi) delle piante di vite, indicando perciò all'utente la curva di presenza delle uova sulle piante. A questo punto gli individui ovodeposti nelle varie giornate rappresenteranno i vari gruppi coetanei (o coorti) che si svilupperanno e che saranno posti all'interno del sistema compartimentale visualizzato in Figura 1. Tale sistema riporta una serie di scatole "h" che rappresentano i vari sottostadi in cui le varie coorti (o individui con la stessa età) devono maturare per poter emergere allo stadio fenologico successivo. Il macroblocco k=1 rappresenta così il processo di maturazione delle uova, il macroblocco k=2 rappresenta quello delle larve, il macroblocco k=3 quello delle crisalidi e così via. Tornato allo stadio di adulto il modello ricalcola il processo di ovodeposizione della femmina e così via per tutte le diverse generazioni, sincronizzandosi con la maturazione degli individui in vigneto.

Il tempo di permanenza degli individui all'interno dei sottostadi "h" di sviluppo è stato modellizzato attraverso una serie di equazioni "tasso di sviluppo" che sulla base della temperatura e della dieta larvale stimano la velocità di maturazione degli individui. Il tasso di mortalità giornaliero (o attrito) degli individui è stato anch'esso integrato all'interno del modello e si basa sul valori di temperatura giornalieri, laddove agli "estremi" di temperatura di vivibilità della specie si ha una maggiore mortalità degli individui. Attraverso la quantificazione dei tempi di sviluppo e della mortalità degli individui della stessa età (coorti), il modello è in grado di determinare il numero di larve, crisalidi e adulti che fuoriescono in una determinata giornata dai macroblocchi "k", costruendo così le curve fenologiche sui quali si potranno applicare i trattamenti.

Rappresentazione grafica

Qui di seguito si fa una rappresentazione dell'interfaccia grafica del modello:

Figura 2 - Graphic User Interface (GUI) del modello della Tignoletta (anche Tignola) della vite

Tale interfaccia riporta il numero (normalizzato) di individui presenti negli stadi di uova, larva, crisalide ed adulto nelle varie giornate. Le varie curve fenologiche daranno indicazioni fondamentali all'utente circa la somministrazione dei fitofarmaci. Sulla base di queste si potrà agire sulla finestra temporale di presenza larvale andando a colpire l'insetto con preparati a base di Bacillus Thuringiensis oppure con altri tipi di prodotti.

L'utilizzo di allarmi SMS / Email / Telegram indicherà direttamente all'utente del raggiungimento di una determinata soglia di presenza della popolazione in un determinato stadio, andando ad automatizzare il sistema di accorgimento

Il numero di individui di determinato stadio fenologico rappresenta un numero fittizio ossia non realistico della densità reale della popolazione di Lobesia sul vigneto. Attraverso l'utilizzo di trappole feromoniche l'utente potrà valutare autonomamente l'entità e la gravità dell'infestazione dell'insetto. L'utilità del modello rimane nella predizione degli istanti di inizio, picco e fine dei diversi stadi fenologici.

Grafico delle indicazioni fitosanitarie

Schematizzazione (idealizzata) dell’andamento delle curve fenologiche fornite dal DSS per le Tignole della Vite, e sincronizzazione dei prodotti e tecniche fitosanitarie utilizzate. Glossario termini: Moths: Tignole della vite (Lobesia botrana, Clysia ambiguella); Start of flight: Inizio del volo; First eggs-larvae: Prime uova-larve; Last eggs-larve: Ultime uova-larve.

Bibliografia di riferimento

Alilla R., Severini M., Pesolillo S., 2005. Modello a ritardo distribuito a temperatura variabile per la simulazione dello sviluppo ontogenetico in stadi giovanili di popolazioni peciloterme. Rivista Italiana di Agrometeorologia 3: 30-33.

Alilla R., Severini M., Pesolillo S., Johan Baumgärtner., 2004. Fenologia della vite, e della Lobesia botrana (Lep. Tortricidae) nella zona dei castelli romani. Rivista Italiana di Agrometeorologia 3: 34-39.

Baumgärtner, J., Baronio, P., 1988. Modello fenologico di volo di Lobesia botrana Den & Schiff. (Lep. Tortricidae) relativo alla situazione ambientale della Emilia Romagna. Boll. Ist. Ent. “G. Grandi”, Università Bologna, 43: 157-170.

Baumgärtner, J., Gilioli G., Gutierrez, A, Ponti L., 2017. Climate warming effects on grape and grapevine moth (Lobesia botrana) in the Palearctic region. Agricultural and Forest Entomology,20 (2) :255-271. (https://onlinelibrary.wiley.com/doi/full/10.1111/afe.12256)

Baumgärtner, J., Gutierrez, A. P., Pesolillo, S., & Severini, M., 2012. A model for the overwintering process of European grapevine moth Lobesia botrana (Denis & Schiffermüller) (Lepidoptera, Tortricidae) populations. Journal of Entomological and Acarological Research, 44(1), e2.

D’Ercole L., Di Lena B., Giuliani D., Mazzocchetti A., Zinni A., 2012. Analisi di un decennio di voli di Lobesia Botrana nella Regione Abruzzo: Relazioni tra sommatorie termiche e dinamica dei voli. ATTI Giornate Fitopatologiche, 1: 413-420.

Logan J. A., Wollkind D. J., Hoyt S. C., Tanigoshi L. K., 1976. An analytical model for description of temperature dependent rate phenomena in arthropods. EnvEntomol5: 1133-1140.

Lozzia, G.C., Vita G., 1987. Preliminary notes on application of a predictive model for Eupoecilia ambiguella (Hbn.) and Lobesia botrana (Den. & Schiff.) flight in Lombardia (Italy) in relation to temperature. In Cavalloro R., 1989 (ed) - Influence of the environmental factors on the control of grape pests, diseases and weeds.

Riedl, H., 1983. Analysis of codling moth phenology in relation to latitude, climate and food availability, pp.: 233-252.

Roditakis E., Karandinos M., 2001. Effects of photoperiod and temperature on pupal diapause induction of grape berry moth Lobesia botrana. Physiol. Entomol. 26: 239-340.

Zinni A., Giuliani D., Di Lena B., D’Ercole L., Mazzocchetti A. 2012. Analisi di un decennio di voli di Lobesia Botrana nella Regione Abruzzo: Relazioni tra sommatorie termiche e dinamica dei voli

Fonti Web:

Alilla R., Severini M., Pesolillo S. 2005. Time varying distributed delay model for simulating the ontogenetic development in juvenile stages of Poikilothermic popolations. Fonte Web: http://www.agrometeorologia.it/documenti/rivista10_3/Alilla.pdf

ARPA Sardegna. Scheda informativa: Tignoletta della vite. Fonte Web: http://www.sar.sardegna.it/documentazione/agro/tignoletta.asp

Baumgartner J., Baronio P. 1988. Modello fenologico di volo di Lobesia Botrana Den.&Schiff. (Lep.Tortricidae) relativo alla situazione ambientale della Emilia-Romagna. Fonte Web: http://www.bulletinofinsectology.org/pdfarticles/vol43-1989-157-170baumgartner.pdf

Bevione D., Morando A., Morino G., 1990. Prove di controllo delle Tignole della vite con prodotti tradizionali e regolatori di crescita. Informatore Agrario 16/90: 141-145. Fonte Web: http://www.viten.net/files/b0e/b0ead0c9495be49c02ebf8a66a6619bc.pdf

Bodini A., Pasquali S. (Servizio Fitosanitario Regione Veneto). 2016. Modelli previsionali: la tignoletta della vite. Fonte Web: https://www.regione.veneto.it/c/document_library/get_file?uuid=fca329c3-e7bb-4763-b9ad-9751229fbc&groupId=10701

CRATI. Modello di sviluppo di popolazione di “Tignoletta della vite”. Fonte Web: http://www.crati.it/lobesia2.htm

CRATI. Modello per la Lobesia Botrana. Fonte Web: http://www.crati.it/relazione_modello.htm

Regione Emilia - Romagna. I MODELLI PREVISIONALI PER GLI INSETTI. Fonte Web: https://agricoltura.regione.emilia-romagna.it/fitosanitario/doc/prodotti-fitosanitari/Manuale-basso-impatto/documenti/parte-2-la-giustificazione-degli-interventi/6-i-sistemi-di-previsione-e-avvertimento/6-1-1-modelli-previsionali-per-gli-insetti/at_download/file/6.1.1%20Modelli%20previsionali%20per%20gli%20insetti.pdf

Regione Emilia - Romagna. Il modello MRV-Lobesia. Ultima modifica: 2018. Fonte Web: http://agricoltura.regione.emilia-romagna.it/fitosanitario/doc/previsione/insetti/il-modello-mrv-lobesia

Severini M., Alilla R., Pesolillo S., Baumgärtner J. 2005. Fenologia della vite, e della Lobesia Botrana (Lep.Tortricidae) nella zona dei castelli romani. Fonte Web: http://agrometeorologia.it/documenti/rivista10_3/severini.pdf

Modello previsionale: Tignola della vite

Modello Clysia ambiguella WiForWine

Introduzione

La Eupoecilia ambiguella (o Clysia ambiguella) è la Tignola della vite, è la maggiore (per dimensioni e sviluppo) delle due Tignole della vite. Rispetto alla Lobesia botrana, che ha un areale di diffusione presente su tutta la penisola, amando il clima caldo e secco, la C.ambiguella è diffusa negli areali più freschi dell'Italia Settentrionale, ossia nelle zone temperate ed umide.

Anch'essa svernante sotto forma di crisalide sotto il ritidoma e negli anfratti del vigneto (pali in legno, vecchi ceppi, ecc.), vede lo sfarfallamento della generazione svernante ad aprile-maggio e, come per la Lobesia botrana, la femmina ovodepone sui bottoni fiorali delle piante di vite. Il ciclo vitale dell'Insetto è poi del tutto simile alla Lobesia botrana con la differenza che, essendo il suo sviluppo più lento (l'insetto raggiunge maggiori dimensioni) e amando le zone a temperature più fresche, la Tignola svolge esclusivamente due generazioni all'anno (contro le tre-quattro della Tignoletta). Molto raramente, nei paesi più caldi, si può avere una terza generazione a fine estate che spesso però è parziale ed incompleta.

Nei vigneti in cui si ha la copresenza delle due specie, si osserva generalmente la sovrapposizione delle curve di volo delle prime due generazioni, anche se a volte si può notare che la seconda generazione di Clysia ambiguella è più lenta ed in ritardo rispetto a quella della Lobesia, e tende a coincidere con la terza di quest'ultima.

Infine, le condizioni di umidità relativa a cui sono sottoposte le uova delle due specie, deposte sui bottoni fiorali o sugli acini delle piante parassitate, influenzano direttamente la capacità di schiusura delle uova, e ciò trova riscontro anche nelle osservazioni di campo. In ambienti con umidità relativa dell’aria tra il 40% e il 70% è stato osservato che si ha una maggior numero percentuale di uova schiuse di Lobesia botrana. Viceversa, in ambienti con umidità dell’aria maggiore, tra il 70 e il 100%, si hanno una maggiori percentuali di uova schiuse di Eupoecilia ambiguella. E questo spiegherebbe in parte le diverse condizioni di optimum ambientale richieste dalle due specie.

Infine, i metodi di lotta contro la C.ambiguella ricalcano le stesse metodologie già riportate per la lotta contro la Lobesia botrana, specialmente per il fatto che in buona parte dei vigneti le fasi fenologiche, e quindi le finestre temporali di effettuazione degli interventi, tendono a coincidere. Le tecniche di difesa integrata, tra tutte l'uso di trappole feromoniche e preparati a base di Bacillus Thuringiensis, seguono anche in questo caso il superamento di valori di soglia di intervento già visti per la Lobesia botrana, quello che cambia sono solamente il tipo di feromoni, le trappole utilizzate ed il numero di catture per determinare la soglia di intervento. Tramite il campionamento degli acini le soglie di intervento consigliate sono il 35-50% di grappoli infestati (su 100 campionati) per la prima generazione (bottoni fiorali), 5% di grappoli infestati da larve oppure la presenza di uova o fori di penetrazione per la seconda generazione. Infine, per l'ultima generazione, se presente, intervento con una soglia del 5% dei grappoli infestati.

Riferimenti bibliografici

Il modello previsionale per la Tignola della vite, di seguito fornito, viene sviluppato adattando il modello a ritardi distribuiti ((Manetsch nel 1976; Vansickle, 1977), nella sua versione definitiva a temperatura variabile (Time Varying Delay - TVD), già precedentemente sviluppato per la Tignoletta, alle caratteristiche biologiche e fenologiche proprie della Tignola, ossia alla diversa risposta in termini biometabolici dell'insetto. Partendo da fonti bibliografiche e sulla base delle osservazioni di campo svolte all'interno del progetto AgriCS (di sviluppo di modelli fitosanitari all'interno della Regione Friuli Venezia Giulia) il nostro staff è stato in grado di costruire un modello previsionale per la C.ambiguella, che potesse adattarsi anche a nuove realtà territoriali , seguendo sempre il principio di massima elasticità calibrazionale del modello stesso. Gli aspetti che si sono andati a calibrare, modellizzandoli, sono i seguenti: 1) Diverso optimum igrometrico della C.ambiguella rispetto alla L.botrana si è rappresentato andando ad introdurre la funzione di Weibull, in grado di applicare un coefficiente alla natalità delle uova sulla base dell'optimum di specie in termini di umidità; 2) Allungamento del tasso di invecchiamento dell'adulto, sulla base del quale la funzione di ovodeposizione della femmina veniva allungata; 3) Introduzione di un coefficiente correttivo alla funzione di ovodeposizione della femmina, secondo cui le uova deposte pro-capite per femmina risultano inferiori nella Tignola rispetto alla Tignoletta; 4) Utilizzo di un diverso set di funzioni tasso di sviluppo (rispetto alla Tignoletta) per meglio rappresentare la velocità di sviluppo in base alla temperatura giornaliera; 5) Infine, correzione dell'effetto della dieta larvale su quella osservato per la Tignola della vite.

Modificando i suddetti algoritmi alla risposta in termini di sviluppo osservati per la Tignola della vite, si fornisce all'utente un modello adattato a rappresentare l'evoluzione di tale specie sul campo. Come per la Tignoletta, alcuni parametri sono inoltre stati resi editabili dai nostri responsabili agro-matematici (rispetto alla concezione statica del modello) al fine di rendere il modello rapidamente adattabile a nuove realtà di campo rappresentate dalle tipologie di vigneti distanti tra di loro, o in cui siano presenti diversi biotipi di popolazioni di Tignola.

Dati di input

  • Temperature medie giornaliere (raccolte da stazione quido-wiforagri)

  • Umidità relative medie giornaliere (raccolte da stazione quido-wiforagri)

  • Coordinate località (individuate da sistema durante istallazione stazione)

Dati di output

  • Numero generazione di riferimento (esempio: 2)

  • Curve fenologiche di tutti gli stadi

    • Numero di uova ovodeposte nella giornata

    • Numero di larve maturate nella giornata

    • Numero di crisalidi maturate nella giornata

    • Numero di adulti sfarfallati nella giornata

Il numero di uova, larve, crisalidi e adulti visualizza l'andamento fenologico della popolazione di C.ambiguella. Tuttavia il numero rappresentato è normalizzato e non rappresenta il reale numero di insetti riscontrabili (per esempio in un ettaro). I trattamenti si basano su determinati momenti di inizio (o picco) di stadio fenologico

Descrizione del modello

I modelli a Ritardo Distribuito (DDMs) (Manetsch, 1976; Vansickle, 1977) simulano la dinamica di sviluppo di una coorte di popolazione peciloterma negli stadi (per gli animali) o fenofasi (per le piante) giovanili del ciclo vitale. Questi modelli appartengono alla categoria dei Cohort – based Models (CbM), cioè modelli che simulano la dinamica di sviluppo di un gruppo di individui di una popolazione in uno stesso stadio del ciclo vitale (coorte): più semplicemente studiano gruppi di individui che sono nati contemporaneamente.

Figura 1- Sistema compartimentale del modello a ritardo distribuito

Come si può vedere dalla struttura sopra rappresentata, una serie di scatole (h=1, h=2, h=H) rappresentano i diversi sottostadi di sviluppo attraverso si può suddividere lo stadio di sviluppo macroscopico "k" dell'insetto: uova, larva, crisalide ed adulto.

Ogni scatola è rappresentata da un'equazione matematica che pone in relazione il flusso di individui in uscita da tale scatola (y), con il flusso di individui in entrata a tale scatola (x) e con i parametri che determinano il numero e la velocità con cui gli individui supereranno tale scatola. Come già specificato nel capitolo "Descrizione del modello" del modello previsionale della Tignoletta tali parametri che determineranno il passaggio degli individui all'interno di una determinata scatola, o sottostadio di sviluppo, sono la temperatura dell'aria, la dieta larvale e la mortalità di stadio k (su base della temperatura).

Generando una popolazione multi-coorte in ingresso al sistema, in questo caso il numero di uova ovodeposte dalla femmina della Tignola, suddivisa in "gruppi" di individui con la stessa età (ovodeposti nella stessa giornata), e ponendo la serie di equazioni in cascata, in cui ognuna pone in relazione il flusso in ingresso con quello in uscita al sottostadio successivo, verrà simulato come una determinata popolazione si propaga nei diversi stadi evolutivi.

Le condizioni al contorno del modello saranno un sottomodello della diapausa, che stima la curva di sfarfallamento della generazione svernante, ed un sottomodello dell'ovoposizione della femmina, che dal numero di adulti sfarfallanti determina il numero di uova ovodeposte nella giornata, ed in ingresso al sistema di Figura 1 come coorte di individui in ingresso.

Una descrizione alternativa alla struttura di tale modello è presente al capitolo "Descrizione del modello" sotto "Modello previsionale: Tignoletta della vite", presente al seguente link: https://wiki.wiforagri.com/wiki/modelli-dei-fitofagi#descrizione-del-modello-3

Grafico delle indicazioni fitosanitarie

Schematizzazione (idealizzata) dell’andamento delle curve fenologiche fornite dal DSS per le Tignole della Vite, e sincronizzazione dei prodotti e tecniche fitosanitarie utilizzate. Glossario termini: Moths: Tignole della vite (Lobesia botrana, Clysia ambiguella); Start of flight: Inizio del volo; First eggs-larvae: Prime uova-larve; Last eggs-larve: Ultime uova-larve.

Bibliografia di riferimento

Agroatlas. Eupoecilia ambiguella (Hubner) - European Grape Berry Moth, Grape Berry Moth, Grape Bud Moth. Fonte web: http://www.agroatlas.ru/en/content/pests/Eupoecilia_ambiguella/

Gilligan, T. M. and M. E. Epstein. 2011. The European grape vine moth not found in California: Eupoecilia ambiguella (Hubner)., pp. 32-34. In Plant Pest Diagnostics Center Annual Report 2010. California Department of Agriculture, Sacaramento, CA.

Ibrahim, R. 2004. Biological control of grape berry moths Eupoecilia ambiguella Hb. and Lobesia botrana Schiff. (Lepidoptera: Tortricidae) by using egg parasitoids of the genus Trichogramma. Giessen: Köhler 2004.

Schmidt K., Hoppmann D., Holst H., Berkelmann-Löhnertz B. 2003. Identifying weather‐related covariates controlling grape berry moth dynamics*. EPPO Bulletin. 33: 517 - 524.

Schmidt K., Hoppmann D., Holst H., Berkelmann-Löhnertz B. 2003. Modelling the population dynamics of the grape moths L. botrana and E. ambiguella stages using age-structured models - the analysis of climate chamber experiments. n.d.

Scholten-Thoma, F. 1995. Optimierung eines Prognosemodells für Traubenwickler, Spezielle Untersuchung zur Flugaktivität und Eiablage bei Lobesia botrana (Schiff.) und Eupoecila ambiguella (Hübn.). PhD-Thesis, Mainz, 121 pp.

Modello previsionale: Scafoideo della vite

Modello Scaphoideus titanus WiForAgri

Introduzione

S.titanus fa una generazione all'anno svernando come uova sotto il ritidoma delle piante di vite , preferibilmente sul legno di due anni o anche più vecchio, singolarmente o a gruppi di 3 – 6 elementi (Vidano, 1964). Tale insetto rappresenta una specie strettamente ampelofaga: il ciclo biologico si compie esclusivamente su specie del genere Vitis, prevalentemente la vite europea (Vitis vinifera L.). Le uova sono di forma fusiforme, di color bianco - crema, lunghe circa 1,5 mm. Gli stadi giovanili sono 5: le neanidi (N1 e N2) sono prive di abbozzi alari mentre le ninfe (N3, N4 e N5) sono dotate di abbozzi alari; l’adulto maschio è lungo circa 4,5-5 mm, mentre la femmina è lunga circa 5,5-6 mm (dimorfismo sessuale).

La temperatura è il fattore ambientale che maggiormente condiziona la dinamica della schiusa e lo sviluppo post - embrionale. In vigneto le prime neanidi N1 appaiono tra la prima e la seconda decade di maggio, mentre gli adulti sono presenti dall’inizio di luglio con picco tra la fine di luglio e la metà di agosto.

Il danno diretto è determinato da tutti gli stadi che succhiano la linfa delle piante con le punture trofiche: la reazione a questo danno è molto blanda, con necrosi marginali e lievi alterazioni cromatiche simili all’attacco di altre cicaline (per es. Empoasca vitis). Il danno più rilevante e grave dal punto di vista economico è il danno indiretto dovuto alla trasmissione del fitoplasma della flavescenza dorata che compromette in maniera definitiva la vite infetta. Il processo di trasmissione comprende le seguenti fasi:

  • Acquisizione: il vettore si alimenta dal floema di una pianta infetta dal fitoplasma della flavescenza dorata, il quale entra nel canale alimentare dell’insetto; questa fase dura da alcune ore a pochi giorni (4 – 5 giorni);

  • Latenza: i fitoplasmi presenti all’interno del vettore si propagano e si moltiplicano per circa 4 – 5 settimane;

  • Inoculazione: i fitoplasmi sono arrivati nelle ghiandole salivari dell’insetto e durante le punture di suzione vengono trasmessi a nuove piante all’interno del flusso floematico.

In Italia, così come in diversi paesi europei, il fitoflasma della Flavescenza Dorata ed il suo insetto vettore Scafoideo Titanus sono state annoverate tra le fitopatologie soggette alla lotta obbligatoria, attraverso decreto ministeriale n° 32442 del 31.05.2000. Tramite le Prescrizioni fitosanitarie Regionali vengono individuate le aree a forte rischio di diffusione (principalmente vigneti abbandonati) le quale verranno sottoposte obbligatoriamente a trattamenti contenitivi.

Al fine della buona riuscita del trattamenti ed in accordo con quanto previsto dalla Direttiva 2009/128/CE sull’uso sostenibile dei fitofarmaci, è necessario che la tempistica del trattamento debba coincidere con determinate fasi fenologiche dell’insetto. A questo scopo, attraverso l’utilizzo di modelli previsionali, sarà possibile controllare a distanza l’evoluzione fenologica dell’insetto, dipendente essenzialmente dall’andamento della temperatura, e programmare a priori l’intervento sul campo.

Riferimenti bibliografici

Lo staff agronomico-matematico di Primo Principio ha sviluppato il modello dello Scafoideo titanus utilizzando la struttura già utilizzata per i modelli previsionali delle Tignole della vite, ossia il modello a Ritardo Distribuito (DDMs) (Manetsch, 1976; Vansickle, 1977). A questo è stata introdotta l’equazione non-lineare di Brière et al. (1999) per la simulazione delle velocità di sviluppo degli stadi pre-immaginali e del adulto. Tali equazioni sono particolarmente significative in quanto simulano la non linearità della velocità di sviluppo dell'insetto che si osserva all'avvicinarsi - allontanarsi della temperatura ambientali alle temperature cosiddette di soglia inferiore e superiore. In particolare:

  • Lo sviluppo dell’insetto accelera-rallenta all’avvicinarsi-allontanarsi alle tre temperature cardinali (inferiore, superiore e ottimale), specifiche per ogni stadio.

  • I diversi stadi fenologici di neanide (N1,N2), di ninfa (N3,N4,N5) e di adulto (A) sono caratterizzate da una diversa risposta bio-metabolica alla temperatura. Da questo punto di vista ci si aspetta una evoluzione fenologica sensibilmente eterogenea tra gli stadi stessi.

Il modello è stato validato tramite la raccolta di campioni in zone viticole della Regione Piemonte (area delimitata in rosso nella Figura 1) ed è consistito in due step progettuali. Il primo step ha visto la sperimentazione dello sviluppo dell’insetto in condizioni di temperatura controllata, la raccolta dei relativi dati e la parametrizzazione dell’equazione di Brière. Il secondo step, successivo, ha utilizzato i dati di campo in vigneti testimone, al fine della calibrazione e della validazione sul campo.

Figura 1 - Area di sviluppo e validazione del modello fenologico dello S.titanus

Dati di input

  • Temperature medie giornaliere (raccolte da stazione quido-wiforagri)

Dati di output

  • Curva fenologica di Inizio ed evoluzione schiusura delle uova (equazione di Weibull)

  • Curve fenologiche di inizio ed evoluzione degli stadi giovanili

    • Numerosità delle neanidi (N1 e N2) e delle ninfe (N3, N4, N5)

  • Curva fenologica di comparsa ed evoluzione degli adulti

Descrizione del modello

Il modello a Ritardo Distribuito (DDMs) (Manetsch, 1976; Vansickle, 1977) simula, attraverso una serie di equazioni matematiche con stessa struttura ma diversa parametrizzazione, e poste in cascata tra di loro, il passaggio degli individui della popolazione di Scaphoideus titanus all'interno di una serie di compartimenti "k", che rappresentano a loro volta gli stadi fenologici di sviluppo dell'insetto (uova, neanidi, ninfe, adulti).

Figura 2 - Struttura modello a ritardo distribuito (DDMs)

Nel modello ogni scatola "h" rappresenta un sottostadio di sviluppo in cui si possono suddividere gli stadi fenologici principali di sviluppo dell'insetto, in questo caso per lo Scafoideo titanus le uova, gli stadi giovanili N1,N2 (neanidi) e ninfe (N3, N4, N5) e gli adulti.

Ogni scatola (sottostadio) è rappresentata da una equazione matematica che pone in relazione il flusso di individui in ingresso dal sotto-stadio precedente al numero di individui in uscita dal sotto-stadio attuale, che poi a loro volta saranno gli individui in ingresso al sotto-stadio successivo (sistema di equazioni a cascata). La relazione matematica che pone in correlazione i flussi di individui in ingresso col flusso di individui in uscita all'interno di un determinato sotto-stadio si basa sul tasso di sviluppo temperatura-dipendente, che determina il tempo (o ritardo) con il quale gli individui della popolazione si trattengono all'interno del sotto-stadio, e la mortalità anch'essa temperatura-dipendente, che rappresenta il numero di individui che moriranno all'interno di un determinato sotto-stadio.

Ponendo il sistema di sotto-stadi in cascata il modello simulerà la velocità e la mortalità con cui gli individui si propagheranno nelle diverse fasi evolutive. I macroblocchi k=1,2,3,K rappresentano i vari stadi fenologici dell'insetto ed isolando i flussi in uscita da tali macroblocchi si è in grado di determinare il numero di individui che fuoriescono maturi da un determinato stadio fenologico. In questo caso il primo macroblocco k=1 calcolerà lo sviluppo del primo stadio giovanile (neanide N1), il secondo macroblocco k=2 quello del secondo stadio giovanile (neanide N2), il terzo macroblocco k=3 quello del terzo stadio giovanile (ninfa N3) e così via fino allo stadio di adulto.

Per simulare il numero di individui in ingresso al sistema (r0(t), Figura 2), ossia in ingresso al macroblocco k=1, di sviluppo dello stadio fenologico di prima neanide, il modello utilizza l'equazione di Weibull che è in grado di stimare, sulla base dell'accumulo di gradi giorno, ossia dei gradi di temperatura al di sopra della temperatura di sviluppo delle uova, la percentuale di uova che si schiudono in una determinata giornata.

Il numero di uova che si schiudono in una determinata giornata è il flusso di individui r0(t) che entrano nel sistema compartimentale rappresentato in Figura 2. A questo punto la velocità di propagazione degli individui nei diversi sottostadi del sistema viene stimata attraverso le equazioni tasso di sviluppo di Brière et al. (1999), che, sulla base della temperatura giornaliera, stima il tempo che ci mettono gli individui per passare da un sottostadio al successivo.

Risultati di calibrazione del modello

Il modello è stato sviluppato, calibrato e validato all'interno del progetto Agri-CS, finanziato tramite la Sotto Misura 1.2 del Programma di Sviluppo Rurale 2014-2020 della Regione Friuli Venezia Giulia.

All'interno del progetto, il team di sviluppo agronomico matematico di Primo Principio è andato a svolgere una procedura comparativa tra le curve fenologiche simulate dal modello e le osservazioni di campo, fornite dai tecnici dell'Ente Regionale di Sviluppo Rurale del FVG (ERSA). La calibrazione è stata svolta andando a: 1) settare un determinato giorno di inizio conta dei gradi giorno della funzione di Weibull, che andasse a minimizzare le differenze tra il numero di uova schiuse osservate e quelle simulate. 2) applicare un coefficiente correttivo alle equazioni tasso di sviluppo di Brière et al. (1999), che andasse a scalare lo sviluppo simulato sulla base di quello osservato.

Di seguito si riporta in veste grafica i risultati ottimali di calibrazione della funzione di Weibull

Di seguito si riporta invece la validazione, in veste grafica, delle curve fenologiche di tutti gli stadi dello scafoideo, per una località di validazione (Moruzzo, Regione FVG).

Figura 3 - Validazione delle curve fenologiche per tutti gli stadi giovanili (N1-N5) e per lo stadio di adulto

Bibliografia di riferimento

Allen J. (1976). A modified sine wave method for calculating degree – days. Env. Entomol.

Alma A., Lessio F., Gonella E., Picciau L. (2014). Attuali conoscenze su Scaphoideus titanus.

Brière J.F., Pracros P., Le Ruox A.Y., Pierre J. S. (1999). A novel rate model of Temperature – dependent for Arthropods.

Falzoi S., Lessio F., Spanna F., Alma A. (2014). Influence of temperature on the embryonic and post – embryonic development of Scaphoideus titanus (Hemiptera: Cicadellidae), vector of grapevine Flavescence dorée. International Journal of Pest Management.

Falzoi S., Lessio F., Spanna F., Alma A. (2016). Real time forecast of the presence of Scaphoideus titanus Ball. In Piedmont.

Ferrari M. (2006). Fitopatologia, entomologia agraria e biologia applicata. Edagricole scolastico

Lessio F., Tedeschi R., Pajoro M., Alma A. (2009). Seasonal progression of sex ratio and phytoplasma infection in Scaphoideus titanus Ball. (Hemiptera: Cicadellidae). Bulletin of Entomological Research.

Jermini M., Morisoli R., Rigamonti I. E., Girgenti P., Mazzoni V. (2015). Fertility, longevity, oviposition dynamic and sex ratio of Scaphoideus titanus Ball.

Mazio P. (2014). PMScaTiLife: modello fenologico per Scaphoideus titanus come scaturito da quindici anni di osservazioni di campo in provincia di Reggio Emilia.

Rigamonti I. E., Jermini M., Fuog D., Baumgärtner J. (2011). Towards an improbe under standing of the dynamics of Vineyard – infesting Scaphoideus titanus leafhopper populations for better timing of management activities. Pest management science. 67. 1222-9. 10.1002/ps.2171.

Rigamonti I. E., Trivellone V., Jermini M., Fuog D., Baumgärtner J. (2014). Multiannual ainfestation patterns of grapevine plant inhabiting Scaphoideus titanus (Hemiptera: Cicadellidae) leafhoppers. Canadian Entomologist 146: 67-79.

Modello previsionale: Carpocapsa del melo

Modello Cydia pomonella WiForAgri

Introduzione

La carpocapsa del melo (Cydia pomonella), la cui scoperta risale già in epoca romana, è un fitofago originario del Centro-Europa la cui presenza è corrisposta originariamente con quella della sua pianta ospite iniziale, il Melo selvatico (Malus silvestris). Successivamente la presenza del fitofago si è estesa in seguito alla diffusione delle piante da frutto ospiti su nuovi continenti, in Asia, in America del Nord e, sporadicamente, nelle regioni dell’emisfero australe. La Carpocapsa del melo è ad oggi in grado di parassitare innumerevoli piante da frutto nella categorie delle pomacee, come il pero, il melo e il noce ma in maniera minore anche alcune drupacee, tra cui il susino e l’albicocco, causando danni economici importanti legati alla valenza produttiva delle piante da frutto parassitate. Dal punto di vista biologica, la Cydia pomonella è un lepidottero carpofago che tendenzialmente completa da una a tre generazioni all’anno a seconda del territorio di diffusione (in Europa centro-settentrionale anche solo una generazione, nell’Europa mediterranea generalmente tre). Essa sverna sotto forma di larva matura (5° stadio) negli anfratti delle cortecce delle piante ospiti oppure a livello del colletto delle stesse nel terreno. Arrivata la primavera si ha il passaggio allo stadio fenologico successivo, della crisalide e quindi successivamente, tra aprile e maggio, si verifica lo sfarfallamento degli adulti che vede il suo punto di massimo generalmente nella seconda metà di maggio. Una volta terminato l’accoppiamento le uova vengono deposte sulle foglie. Da queste nascono le larve che, penetrando attraverso l’epicarpo dei frutti, formano una serie di gallerie spiralate estese fino al centro del frutto che portano alla abscissione e alla caduta di quest’ultimo. Danni economici aggiuntivi sono legati alla perdita della qualità estetica del prodotto. Completata la prima generazione, se le condizioni ambientali lo permettono, le larve di seconda generazione formano le crisalidi di seconda generazione sui rami che a loro volta daranno origine ad un secondo volo tra giugno e luglio culminante nella prima metà di luglio. La deposizione delle uova ad opera della femmina avviene ora direttamente sui frutti. Le larve di seconda generazione, a seconda delle condizioni climatiche possono entrare in diapausa e terminare il ciclo, oppure dare origine ad una terza generazione, il cui sfarfallamento avviene generalmente da agosto a settembre.

Riferimenti bibliografici

Al fine di poter modellizzare e prevedere gli stadi fenologici della Carpocapsa, lo staff agronomico-matematico di WiForAgri ha sviluppato un modello a ritardo variabile MRV (già implementato per le Tignole della vite) che, tramite parametrizzazione specifica sull'insetto di interesse fornisce un robusto strumento decisionale in grado di dare indicazioni di trattamento e monitoraggio ottimali. La scelta di adottare un modello MRV anche per la Carpocapsa del melo è stata legata alla solidità e alla comprovata adattabilità di questa famiglia di modelli nel simulare lo sviluppo e la maturazione di diversi insetti fitofagi. Tutte le funzioni di risposta bio-metabolica e i parametri di setting utilizzati nel modello WiForAgri della Carpocapsa sono stati recepiti e riadattati dalla letteratura di riferimento. In particolare il modello è basato sullo studio di allevamento delle popolazioni del fitofago svolte presso l’Osservatorio Regionale per le malattie della piante di Bologna (Regione Emilia-Romagna) ad inizio e a fine degli anni 90 (Butturini et al, 1991) (Butturini e Tiso, 1999).

Le funzioni tasso/velocità di sviluppo dei diversi stadi fenologici, quelle di ovodeposizione e di mortalità, e infine il numero di stadi non osservabili del modello sono state parametrizzate e validate a partire dalle osservazioni di risposta demografica di gruppi di individui allevati e stimolati a temperature variabili (fotoperiodo e umidità costanti). Una ulteriore calibrazione è stata svolta all'interno di uno studio di sviluppo modellistico del progetto "AgriCS", finanziato tramite la Sotto Misura 1.2 del Programma di Sviluppo Rurale 2014-2020 della Regione Friuli Venezia Giulia, in cui si sono andate a comparare le curve fenologiche simulate dal modello con quelle osservate tramite indagine di campo, e si è svolta una procedura di calibrazione delle funzioni del modello, al fine di fornire la massima rappresentatività rispetto ai diversi scenari pedoclimatici di applicazione.

Esempi di validazione del modello tramite analisi comparativa rispetto ai dati di campo reali raccolti su diverse località. Test per misurare la predittività del modello su diverse aree Italiane.

Dati di input

  • Temperature medie giornaliere

Dati di output

  • Numero generazione di riferimento

  • Curve fenologiche di tutti gli stadi

    • Numero di uova ovodeposte nella giornata

    • Numero di larve maturate nella giornata

    • Numero di crisalidi maturate nella giornata

    • Numero di adulti sfarfallati nella giornata

Attraverso le curve di emergenza % relativa è possibile osservare lo sviluppo evolutivo dell’insetto ossia la data di inizio e di fine di ogni stadio del fitofago
Attraverso le curve di % cumulativa di sviluppo è possibile osservare il tasso di sviluppo ossia la percentuale di presenza e permanenza dell’insetto in una specifica fase fenologica.

Descrizione del modello

Il modello a Ritardo Distribuito (DDMs) (Manetsch, 1976; Vansickle, 1977) simula, attraverso una serie di equazioni matematiche con stessa struttura ma diversa parametrizzazione, e poste in cascata tra di loro, il passaggio degli individui della popolazione di Carpocapsa all'interno di una serie di compartimenti "k", che rappresentano a loro volta gli stadi fenologici di sviluppo dell'insetto (uova, larva, crisalide, adulto).

Figura 1- Sistema compartimentale del modello a ritardo distribuito

Attraverso le funzioni matematiche del sottomodello della diapausa, basate sull'andamento della temperatura e del fotoperiodo durante la stagione invernale, il modello è in grado di stimare la curva di sfarfallamento degli adulti ad inizio del ciclo vitale annuale dell'insetto, e di simulare perciò il numero di individui che incominciano il loro sviluppo sulla base delle condizioni ambientali. Dalla curva di sfarfallamento degli adulti il modello indica all'utente il numero di adulti con la stessa età che sfarfallano in una determinata giornata e ne calcola il tasso di invecchiamento, basandosi sull'andamento delle temperature giornaliere. L'algoritmo di Bieri (1983), parametrizzato sulla base della temperatura e della dieta larvale simula il processo di ovodeposizione della femmina sui bottoni fiorali (prima generazione) o sugli acini (da seconda generazione in poi) delle piante di vite, indicando perciò all'utente la curva di presenza delle uova sulle piante. A questo punto gli individui ovodeposti nelle varie giornate rappresenteranno i vari gruppi coetanei (o coorti) che si svilupperanno e che saranno posti all'interno del sistema compartimentale visualizzato in Figura 1. Tale sistema riporta una serie di scatole "h" che rappresentano i vari sottostadi in cui le varie coorti (o individui con la stessa età) devono maturare per poter emergere allo stadio fenologico successivo. Il macroblocco k=1 rappresenta così il processo di maturazione delle uova, il macroblocco k=2 rappresenta quello delle larve, il macroblocco k=3 quello delle crisalidi e così via. Tornato allo stadio di adulto il modello ricalcola il processo di ovodeposizione della femmina e così via per tutte le diverse generazioni, sincronizzandosi con la maturazione degli individui in vigneto.

Il tempo di permanenza degli individui all'interno dei sottostadi "h" di sviluppo è stato modellizzato attraverso una serie di equazioni "tasso di sviluppo" che sulla base della temperatura e della dieta larvale stimano la velocità di maturazione degli individui. Il tasso di mortalità giornaliero (o attrito) degli individui è stato anch'esso integrato all'interno del modello e si basa sul valori di temperatura giornalieri, laddove agli "estremi" di temperatura di vivibilità della specie si ha una maggiore mortalità degli individui. Attraverso la quantificazione dei tempi di sviluppo e della mortalità degli individui della stessa età (coorti), il modello è in grado di determinare il numero di larve, crisalidi e adulti che fuoriescono in una determinata giornata dai macroblocchi "k", costruendo così le curve fenologiche sui quali si potranno applicare i trattamenti.

Bibliografia di riferimento

ARPA Veneto. VALUTAZIONE DELL’APPLICABILITÀ IN VENETO DEL MODELLO PREVISIONALE MRV-CARPOCAPSA PER CYDIA POMONELLA. Fonte Web: http://www.arpa.veneto.it/temi-ambientali/agrometeo/file-e-allegati/documenti/lotta-antiparassitaria/poster_Carpocapsa_Sassari.pdf

Butturini A., Checchetto F., Delillo I., Marchesini E., Tiso R., Zecchin G. (2009). Valutazione dell’applicabilità in Veneto del modello previsionale MRV-Carpocapsa per Cydia Pomonella. Atti del 12^ Convegno nazionale AIAM, “CLIMA E AGRICOLTURA: Strategie di adattamento e mitigazione”. in Rivista Italiana di Agrometeorologia, anno 14, n.2: 122-123.

Butturini A., Tiso R. (1999). Un modello fenologico per Cydia pomonella (L.) (Lepidoptera: Tortricidae) nella difesa delle pomacee in Emilia – Romagna. Frustula Entomologica 22: 113-120

Butturini A., Tiso R., De Berardinis E. (1992). Influenza della temperatura sullo sviluppo di Cydia pomonella (L.) (Lepidoptera: Tortricidae). Bolletino istituto di Entomologia G. Grandi Università di Bologna , 47: 123 – 134.

Damos, P. & Kouloussis, N. (2018). A degree-day phenological model for Cydia pomonella and its validation in a Mediterranean climate. Bulletin of Insectology. 71.

Tiso R., Boselli M., Butturini A., Bellettini L. (2001). Andamento dell’ovideposizione in campo di Cydia pomonella L. Informatore Fitopatologico , 51 (6): 33-39.