Contenuto
Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricercaINIZIO_TESTO_DA_INDICIZZARE
PROGRAMMA DI RICERCA
italiano - english
Unità di Ricerca
Programmi di ricerca simili:
- 1 - Tecniche avanzate per la stima e previsione degli eventi idrologici estremi ed analisi quantitativa dell'incertezza
- 2 - Metodi bayesiani non parametrici per il clustering, l'analisi della sopravvivenza e la previsione del numero di specie
- 3 - Sistemi di monitoraggio e modelli per lo studio dei processi di eco-idrologia a diverse scale spazio-temporali
- 4 - Studio degli effetti termofluidodinamici e strutturali per la prevenzione dei rischi negli incendi in galleria Studio dei fenomeni termofluidodinamici e strutturali negli incendi in galleria, per la prevenzione dei rischi e la gestione delle emergenze
- 5 - Trattamento statistico della complessità e dell'incertezza negli studi ambientali
- 6 - Fenomeni idrologici di trasporto a scala di bacino
- 7 - Sintesi automatica di modelli astratti a partire da dati temporali o spaziali
- 8 - Misura sperimentale dei processi di interazione atmosfera-vegetazione-suolo e modellistica numerica della loro risposta ai cambiamenti climatici.
- 9 - Modellazione e analisi statistica dell'impatto e del rischio per fenomeni ambientali con componenti spaziali e temporali
- 10 - INTEGRAZIONE DI CONOSCENZE APISTICHE ATTRAVERSO LO SVILUPPO E CALIBRAZIONE DI UN MODELLO PER LA SIMULAZIONE DELL'ALVEARE
Classificazione scientifico-disciplinare
- Area scientifico disciplinare: Scienze agrarie e veterinarie
Classificazione geografica
- Regione: Lombardia
Bibliografia
Bobba, A.G., V.P. Singh, and L. Bengtsson. 2000. Application of environmental models to different hydrological systems. Ecol. Model. 125:15-49.Capri, E., Padovani, L., Trevisan, M. (1999) La previsione della contaminazione delle acque sotterranee da prodotti fitosanitari. Pitagora Editrice Bologna, 215 pp.
Carbone, J.P., Havens, P.L., Warren-Hicks, W. (2002) Validation of pesticide root zone models 3.12: employing uncertainty analysis. Environ Contam chem, 21: 1578-1590.
Dean, J.D., P.S. Huyakorn, A.S. Donigian Jr., K.A. Voos, R.W. Schanz, and R.F. Carsel. 1989. Risk of unsaturated/saturated transport and transformation chemical concentrations (RUSTIC), volume I. theory and code verification, volume II. User’s guide, Environmental Research Laboratory and office of research and development of United States Environmental Protection Agency (EPA/600/3-89), Athens, USA.
Dubus, I. G., Brown, C.D., Beulke, S. (2003) Sources of uncertainty in pesticide fate modelling. Sci Tot Environ, 317:53-72
Dubus, I.G., and C.D. Brown. 2002. Sensitivity and first step uncertainty analyses for the preferential flow model MACRO. J. Environ. Qual. 31: 227-240.
ECOFRAM (1999) http://www.epa.gov/oppefed1/ecorisk/
EUPRA (2001) Probabilistic risk assessment for pesticides in Europe. Implementation and research needs. Report from the European Workshop on Probabilistic risk Assessment for the Environmental Impacts of Plant protection products, The Netherlands, June 2001.
FOCUS (2000) FOCUS groundwater scenarios in the EU plant protection product review process. Report of the FOCUS Groundwater Scenarios Workgroup, EC Document Reference Sanco/321/2000, 197 pp.
Fontaine, D.D., P.L. Havens, G.E. Blau, P.M. Tillotson. 1992. The role of sensitivity analysis in groundwater risk modeling for pesticides. Weed Technol. 6:716-724.
Gaunt, J.L., Riley, J., Stein, A., Penning de Vries, F.W.T. (1997) requirements for effective modelling strategies. Agr Syst, 54(2): 153-168.
Hession, W.C. and D.E. Storm. 2000. Watershed-level uncertainties: implication for phosphorus management and eutrophication. J. Environ. Qual. 29: 1172-1179.
Heuvelink, G.B.M. 1998. Uncertainty analysis in environmental modelling under a change of spatial scale. Nutr. Cycling Agroecosyst. 50: 255-264.
Inao, K. and Y. Kitamura. 1999. Pesticide paddy field model (PADDY) for predicting pesticide concentrations in water and soil in paddy fields. Pestic. Sci. 55(1): 38-46.
Janssen, P.H.M., P. Heuberger, and O. Klepper. (1994) UNSCAM: A tool for automating sensitivity and uncertainty of analysis. Environ. Software. 9:1-11.
Jian, H.L, and W. Schilling. 1996. Preliminary uncertainty analysis - a prerequisite for assessing the predictive uncertainty of hydrologic models. Water Sci. Techn. 33: 79-90.
Keller, A., B. von Steiger, S.E.A.T.M. van der Zee, R. Schulin. 2001. A stochastic empirical model for regional heavy-metal balance in agro-ecosystems. J. Environ. Qual. 30: 1976-1989.
Keller, A., K.C. Abbaspour, and R. Schulin. 2002. Assessment of uncertainty and risk in modeling regional heavy-metal accumulation in agricultural soils. J. Environ. Qual. 31: 175-187.
Soutter, M., and A. Musy. 1998. Coupling 1D Monte-Carlo simulations and geostatistics to assess groundwater vulnerability to pesticide contamination on a regional scale. J. Contamin. Hydro. 32: 25-39.
Tiktak, A. (1999) Modeling non-point source pollutants in soils—Applications to the leaching and accumulation of pesticides and cadmium (Ph.D. thesis). University of Amsterdam, Amsterdam, the Netherlands.
Trevisan M., R. Calandra, C. Vischetti, A. Esposito, and L. Padovani. 2001. Pesticide leaching potential in the Trasimeno lake area--assessment of uncertainty associated with the simulation process. In A. Walker (ed.) 2001 BCPC Symposium Proceedings No. 78: Pesticide Behaviour in Soil and Water, The British Crop Protection Council, UK.
Vanclooster M., Armstrong A., Baouroui F., Bidoglio G., Boesten J.J.T.I., Buraeul P., Capri E., De Nie D., Fernandez E., Jarvis N., Jones A., Klein M., Leistra M., Linnemann V., Pineros Garcet J.D., Smelt J.H., Tiktak A., Trevisan M., Van den Berg F., Van der Linden A.M.A., Vereecken H. & Wolters A. (2003). Effective approaches for predicting environmental concentrations of pesticides: The APECOP project. Proceedings of the XII International Symposium Pesticide Chemistry, 4-6 June 2003, Piacenza, Italy, 923-931.
Warren-Hicks, W., J.P., Carbone, and P.L., Havens. (2002) Using Monte Carlo techniques to judge model prediction accuracy: validation of the Pesticide Root Zone Model 3.12. Environ. Toxicol. Chem. 21: 1570-1577.
Wingle, W.L., Poeter, E.P., McKenna, S.A. (1999) UNCERT: geostatistics, uncertainty analysis and visualization software applied to groundwater flow and contaminant transport modeling. Computers & Geosciences, 25:365-376.
Parole Chiave
INCERTEZZA; PESTICIDA; MODELLO; ACQUE DI FALDA; ACQUE SUPERFICIALIL'uso di modelli ambientali sul destino dei pesticidi: definizione di scenari regionali e studio dell'incertezza.
Università Cattolica del Sacro CuoreAbstract
Il programma biennale cerca di fare maggiore chiarezza su alcuni problemi connessi con l'uso dei modelli matematici nella gestione ambientale, in particolare modelli che simulano la possibile contaminazione delle acque sotterranee e superficiali da pesticidi. Il progetto si propone di arrivare alla definizione di criteri per la creazione di scenari regionali ed alla loro realizzazione per alcune delle principali colture italiane, utili per la simulazione del destino di pesticidi nelle acque sotterranee e superficiali; si propone di sviluppare procedure e strumenti informatici che permettano di estendere le simulazioni dalla scala di campo a scale più ampie; si propone, infine, di valutare e definire l'incertezza legata alle previsioni ottenute con i modelli, gli scenari definiti e l'aumento di scala ottenuto. Per far questo verranno utlizzate differenti tecniche statistiche, come le simulazioni Montecarlo, analisi di dissimilarità, regressione multipla, cluster analisi associate a un lavoro capillare di recupero di dati ed informazioni necessarie al funzionamento dei modelli. <<<Coordinatore Scientifico del Programma di Ricerca
Marco TREVISAN Università Cattolica del Sacro CuoreObiettivo del Programma di Ricerca
La previsione della contaminazione delle acque da fitofarmaci per la registrazione a livello europeo viene attualmente effettuata con modelli, di leaching e per le acque superficiali, su scenari rappresentativi delle situazioni pedoclimatiche europee. Tale valutazione prescinde da qualsiasi concetto riguardante la variabilità legata all'estensione delle simulazioni puntiformi a scala 2D, cioè su base superficiale.La ricerca, prevista della durata di due anni, nel primo anno intende individuare specifici scenari italiani, per i quali si dispone di dati spazialmente variabili sulle caratteristiche del suolo (tessitura, densità apparente, contenuto di carbonio organico,pendenza), del clima e della destinazione d'uso colturale. Per gli scenari scelti i dati da utilizzare come input saranno scelti, ordinati, standardizzati e gerarchizzati, cioè saranno messi in ordine di importanza a seconda dei modelli da utilizzare. Per questi scenari saranno effettuate simulazioni probabilistiche con modelli 1D (MACRO, PELMO)opportunamente spazializzati. La spazializzazione dei modelli 1D richiederà la realizzazione di uno specifico strumento informatico. Lo strumento sarà in grado di dividere l'area di studio in una griglia di celle omogenee, preparare i dati spazialmente distribuiti richiesti dal modello e preparare i files di input per ogni cella della griglia. Successivamente si potranno effettuare in automatico più simulazioni per ogni cella ed organizzare gli output a scelta dell'utilizzatore.
Nel secondo anno di attività si procederà all'effettuazione delle simulazioni probabilistiche per gli scenari considerati ed alla valutazione di incertezza associata ad ogni processo di simulazione.
Le simulazioni saranno effettuate in modo stocastico, cioè con approccio probabilistico, utilizzando tecniche di reiterazione delle simulazioni quali Monte Carlo (con opportuni metodi di campionamento numerico quali il Latin Hypercube Sampling). utilizzando diverse tecniche statistiche, approntate ad hoc dal nostro istituto per valutare l'incertezza legata alla definizione degli scenari regionali. In particolare verranno adoperati differenti approcci quali ANOVA, regressione multipla per valutare gli errori dovuti ai parametri di input, allle equazione usate nel modello e alla variabilità naturale. Scopo ultimo sarà quello di avere una idea dell'incertezza associata alla previsioni modellistiche.
Per la valutazione dell'incertezza sarà necessario ricercare opportuni data-set, ottenuti in precedenza, ed adattarli alle necessità del modello prescelto.
I risultati ottenuti permetteranno di ottenere mappe di distribuzione dei fitofarmaci nella falda su scala 2D o 3D previa collegamento con GIS. Alla fine del progetto si avrà un preciso quadro della situazione dal punto di vista del rischio di contaminazione da fitofarmaci di specifici scenari italiani con associata l'incertezza dei dati ottenuti e l'influenza su di essa dei vari parametri di input. <<<
Risultati parziali attesi
Nella prima fase, che aveva come scopo quello di definire scenari regionali, ci si attendono come risultati preliminari:a) lo sviluppo di una procedura per l'individuazione di scenari regionali da utilizzare per le simulazioni con modelli sia per le acque di falda sia per le acque superficiali;
b) la definizione di scenari regionali utili per simulazioni a scala italiana, per alcune delle principali colture italiane, quali riso, mais, vite;
c) lo sviluppo di una procedura per la valutazione della bontà degli scenari individuati e della loro dissimilarità dagli scenari europei pre-esistenti.Da questa fase, per la quale il principale obiettivo è quello di sviluppare una procedura per la spazializzazione dei modleli, ci si attendono i seguenti risultati:
1) acquisizione e catalogazione di tutti i dati di input degli scenari italiani considerati
2) realizzazione e convalida di uno strumento informatico di spazializzazione per i modelli scelti.
3)creazione di mappe di distribuzione dei fitofarmaci nella falda e nelle acque superficiali su scala 2D o 3D.Da questa terza ed ultima fase ci si attende di avere un preciso quadro della situazione dal punto di vista del rischio di contaminazione da fitofarmaci di specifici scenari italiani con associata l'incertezza dei dati ottenuti e l'influenza su di essa dei vari parametri di input. Tale valutazione sarà sia per i modelli di contaminazione delle acque di falda sia per i modelli delle acque superficiali. <<<
Durata
24 mesiBase di partenza scientifica nazionale o internazionale
I modelli sulla lisciviazione dei fitofarmaci sono degli strumenti previsionali ormai largamente utilizzati per la valutazione di qualunque tipa di problema legato all'uso dei fitofarmaci (Capri et al., 1999; Vanclooster et al., 2003). Essi sono strumenti essenziali per la determinazione della concentrazione dei fitofarmaci nell'ambiente e per la gestione dei problemi ambientali legati all'agricoltura. La principale caratteristica di questi modelli e che essi sono modelli 1D, cioè capaci di simulare su scala puntiforme, rappresentazione universalmente accettata per l'ottenimento di risultati a scala di campo (FOCUS, 2000). Negli ultimi anni si sono succeduti molti tentativi per estendere la possibilità di simulare con i modelli 1D a scala superiore (bacino, regione) ma, la loro natura deterministica si scontra con un nuovo approccio probabilistico in grado di fornire una comprensione maggiore del rischio di contaminazione ambientale da fitofarmaci. L'approccio probabilistico ha ricevuto molta attenzione da più parti perché in grado di dar conto dell'incertezza legata alle previsioni (ECOFRAM, 1999; EUPRA, 2001). Questo è un tipo di approccio che integra considerazioni sull'incertezza e distribuzioni probabilistiche ai fini della caratterizzazione del rischio. Al contrario delle simulazioni su scala puntiforme, l'obiettivo globale del metodo è quello di evitare conclusioni sui cosidetti casi peggiori e dare invece una valutazione molto più realistica del rischio. La procedura di registrazione dei fitofarmaci a livello europeo inizia con l'applicazione di un modello ad uno scenario standard che dovrebbe rappresentare una condizione realistica di caso peggiore ma certamente non è possibile trovare un singolo scenario che vada bene per tutte le condizioni pedoclimatiche. L'applicazione di un modello spazializzato, cioè in grado di simulare su scala 2D o 3D, è preferibile poiché può fornire i risultati in termini di distribuzione di frequenza delle concentrazioni dei fitofarmaci, e dare informazioni sulle aree in cui l'uso dei fitofarmaci risulta sicuro. L'importanza di incorporare l'analisi di incertezza all'interno dei modelli sulla lisciviazione dei fitofarmaci è stata evidenziata da molti autori (Dean et al., 1989; Tiktak, 1999; Hession et al., 2000). Se si trascura l'incertezza associata alle previsioni dei modelli si può incorrere in interpretazioni errate dei risultati quando questi si comparano con misure reali e le istituzioni preposte possono prendere decisioni errate legate a singole previsioni (Tiktak, 1999; Bobba et al., 2000; Keller et al., 2001, 2002). Per tener conto dell'incertezza nei modelli sono stati proposti vari protocolli di lavoro (Dubus e Brown, 2002; Warren-Hicks et al., 2002; Carbone et al., 2002) e sono stati pubblicati vari articoli su questo soggetto (Heuvelink, 1998; Gaunt et al., 1997; Dubus et al., 2003). In alcuni casi vengono proposti software per incorporare l'analisi di incertezza all'interno dei modelli (Janssen et al., 1994; Wingle et al., 1999).Un secondo aspetto estremamente importante è sorto in seguito all'approvazione della direttiva dell'Unione Europea 414 del 1991, la commissione ha promosso la nascita di una task force chiamata FOCUS per l'armonizzazione del calcolo della concentrazione prevista nell'ambiente (PEC) di prodotti per la protezione delle piante.
Lo step uno dell'approccio FOCUS, che è stato già realizzato, ha visto l'individuazione di una serie di scenari a scala europea sui quali testare le molecole in fase di registrazione.
Gli scenari, costituiti da una combinazione di clima e di suolo, sono definiti realistici perché necessariamente non devono esistere ma devono essere rappresentativi dell'agricoltura europea.
Successivamente alla definizione delle combinazioni suolo-clima sono state identificate le colture che avrebbero completato gli scenari. L'ultimo passo è stato modellizzare suolo, clima e coltura nei software scelti dal FOCUS per il calcolo delle PEC. Tuttavia il progetto APECOP (Vanclooster et al., 2004) ha dimostrato che gli scenari individuati dal FOCUS non sono ben rappresentativi dell'agricoltura europea a scala regionale.
Lo step due, che è in fase di attivazione, prevede quindi la definizione di scenari regionali.
Alcune regioni hanno anticipato i contenuti dello step 2 realizzando strumenti in grado di simulare il destino degli antiparassitari a scala regionale. Questi tools che sono generalmente utilizzati per realizzare mappe di rischio o di vulnerabilità a scale di dettaglio pittosto definite (1:50000 o 1:250000) potrebbero essere utilizzati all'interno dello step 2 del FOCUS.
Il limite di questi programmi sta nell'elevato numero di simulazioni richieste e quindi dai tempi e dalla potenza computazionale richiesti dalle macchine. Inoltre la grande mole di informazioni generata da questi softwares è difficilmente utilizzabile in ambito registrativo.
L'obiettivo della presente ricerca è quello di valutare, caratterizzare e analizzare l'incertezza legata alla simulazione con modelli sul destino dei fitofarmaci nell'acqua di falda e superficiale. Secondo obiettivo è quello di sviluppare una procedura per la creazione di scenari regionali e per la spazializzazione ad ampia scala dei modelli <<<



