Le serie agronomiche di lungo termine per la

valutazione della vocazionalità e dei rischi

climatici.

Università di Udine

Dipartimento Produzione Vegetale e Tecnologie Agrarie

A.Peressotti, F.Danuso, G. Delle Vedove, G.Zerbi, M.Zuliani

ClimagriLT Metadatabase delle prove agronomiche di lungo termine•Descrizione prove agronomiche di lungo termine (dove?, quando?, chi?, come?)

•Creazione di uno standard per la conservazione e la distribuzione dei dati

•Strumento utile alla simulazione orientata all’estensione delle scale spaziale e temporale

•Rivalutazione degli esperimenti agronomici di lungo termine in chiave agroecologica

ClimagriLT Metadatabase relazionale di tipo

modulare

•Nucleo centrale ripetuto ed esteso in funzione delle esigenze

•Interfaccia per l’estrazione dei dati

Modulo

ClimagriLT

Contatti con strutture e analisi dei formati

Struttura PopolamentoPolitiche gestione

Feed Back

ClimagriLT

Struttura

Contatti con strutture e analisi dei formati

proprietari

PopolamentoPolitiche gestione

Feed Back

ClimagriLT

Struttura•Confermata la correttezza della scelta progettuale basata su approccio teorico (teoria database relazionali). Il metadatabase si è adattato con facilità ad esperimenti anche molto diversi per organizzazione e conduzione•Introdotto concetto di modularità. Il nucleo centrale della struttura è stata esteso in modo modulare per accogliere dati derivanti da prove su colture arboree

•Richieste da parte delle strutture (es. tenere traccia del nome della tesi, inifluente per l’analisi agrometeo)

ClimagriLT

PopolamentoStruttura

Contatti con strutture e analisi dei formati

proprietari

Politiche gestione

Feed Back

ClimagriLT

PopolamentoStruttura

Contatti con strutture e analisi dei formati

proprietari

Politiche gestione

Feed Back

ClimagriLT

Popolamento•Diversità dei formati

•Comprensione struttura prova e ricostruzione della storia dell’esperimento attraverso “soft data” (colloqui, appunti, ex impiegati, ricercatori che hanno cambiato sede)

Worksheet Excel

Database SPS

Altri formati proprietari

Cartaceo•Validazione dei dati e simulazione dei dati mancanti (dati mancanti nella serie, condizioni iniziali terreno)

ClimagriLT

Popolamento

•Validazione dei dati e simulazione dei dati mancanti (dati mancanti nella serie, condizioni iniziali terreno)

• Validazione• Simulazione dati mancanti• Marcatura dati non originali

Database operazionale

• Conservazione• Strutturazione

Database dati grezzi

Flussodati

Attualmente in fase progettuale

ClimagriLT

PopolamentoStruttura

Contatti con strutture e analisi dei formati

proprietari

Politiche gestione

Feed Back

ClimagriLT

Politiche di gestione•Steso un codice comune per determinare in modo univoco cosa è o non è metadato. Accettazione da parte delle strutture del codice e inizio collaborazione •Struttura e referente

•Formati•Localizzazione•Tipo e numero tesi•Date ed intensità lavorazioni e trattamenti

•Tipo stazione meteo,• Etc

Metadati

• Dati meteo• Dati suolo• Dati produzione

Dati

Il tipo di dati messi a disposizione variano da struttura a struttura.

ClimagriLT

Attuale consistenza

• 12 esperimenti di lungo termine catalogati• Descritta la storia di 730 parcelle.

•6 strutture hanno aderito al database fornendo anche dati meteo e dati suolo ove disponibili

•Inserimento di nuovi dati relativi ad un esperimento su vite condotto a livello nazionale in 13 località

•Inseriti ad oggi circa 600.000 records su un totale di circa 2.000.000

Dati o Variabili Mancanti

• Il database operazionale operera’ sulle variabili meteorologiche rilevate dalle capannine (back-end) in modo da stimare eventuali dati mancanti o aberranti e di calcolare variabili ritenute necessarie per l’ uso di modelli

• I dati aberranti sono stati stimati mediante interpolazione lineare nel caso di ‘buco’ non superiore a 2 giorni

• I dati mancanti (>2gg) potranno essere stimati da stazione meteorologiche adiacenti

• Le variabili mancanti di maggiore interesse sono:– L’ Evapotraspirazione di Riferimento (Penman-Monteith)– Radiazione globale

ETr ed etichette di qualita’q

ual

ita'

Tm

in

UR

min

Tm

ax

UR

max

Rg

ET

(A)

Ta

UR

Ws

ora

rio

gio

rnal

iero

men

sile

Dat

i es

tern

i o

d

i p

erio

di

pre

ced

enti

Met

od

o d

i ca

lco

lo

1 x x x x x P-M oraria2 x x x x x x x P-M giornaliera3 x x x x x x x ET(A) -> Etr4 x x x x x x Ws ET(A) -> Etr5 x x x x Ws,UR ET(A) -> Etr6 x x x x Ws Tmin->UR7 x x Ws Tmin->UR + Lat ->Rg8 Ta,UR,Ws,Rg Interpolazione lineare

Evapotraspirazione di riferimentoLegnaro 1962-2002

Rain

- E

Tr

(mm

)

month

-1000

-500

0

500

1 3 5 7 9 11

Evapotraspirazione di riferimentoPisa 1976-2001

Rain

- E

Tr

(mm

)

month

-1000

-500

0

500

1 3 5 7 9 11

Evapotraspirazione di riferimentoPolicoro 1986-2000

Rain

- E

Tr

(mm

)

month

-1000

-500

0

500

1 3 5 7 9 11

Pisa 1990-2000 W-Wheat M

onth

ly G

DD

(°C

)

Month

0

200

400

600

800

1 3 5 7 12

Variabilità dei growing degree days a Pisa

Policoro 1972-1994 W-Wheat

Month

ly G

DD

(°C

)

Month

0

1000

2000

3000

1 3 5 7 12

Variabilità dei growing degree days a Policoro

Pisa 1990-1997 Soybean M

onth

ly G

DD

(°C

)

Month

0

500

1000

1500

4 5 6 7 8 9 10

Variabilità dei growing degree days a Pisa

Legnaro 1963-2000 MaizeM

onth

ly G

DD

(°C

)

Month

0

500

1000

1500

4 5 6 7 8 9 10

Variabilità dei growing degree days a Legnaro

Conclusioni

• Uniformata la struttura del database in relazione alle esigenze dei partecipanti

• Chiarita la politica di gestione dei dati

• Definite le routines di conversione di dati

• In sviluppo il database operazionale– Gap filling– ETr