Modelli matematici per l'analisi della variabilità spazio-temporale della fenologia della vite

Present-day viticulture is facing difficulties of increasing complexity under both the technical and the socio-economic standpoint. Farmers are already required to comply with several restrictions such as production costs, upper limits to production, environmental regulations, EU directives, and to keep up with a demanding and rapidly evolving market. Climate change perspectives add further complexity to this scenario. Given the intimate relationships between viticulture and local climates, often established after centuries of trial and error cultivation experiences, even small changes can affect the quality of the final product, the wine, hence raising expectations of short-term impacts on viticulture. The need of developing adaptation strategies appears to be an inevitable perspective for viticulture, which will have to base itself on appropriate vineyard design techniques according to system approaches, since these take into account simultaneously all the factors involved in the decision process and the set of their interrelations. It is likely that this will increase the interest around simulation modelling, the fundamental tool for agro-ecosystems analysis and for developing management decision support systems. The objective of this work was to set up mathematical models of grapevine annual development cycle, including berry ripening, with the main focus on applications dealing with territorial-level and climate change scenario analysis, topical research themes nowadays. These applications typically run across many environmental situations, eventually very different from those which models were calibrated upon, thus making their robustness a key feature for estimates reliability. After a brief introductory section, (Chapter 1), the study undertook budburst modelling by means of the chilling and forcing approach, which, unlike the traditional one based on thermal time only, includes the description of winter dormancy (Chapter 2). Using growth-room experiments it was shown that the variability of the calibration dataset is fundamental for a consistent model parameterization, which is highly desirable for applications demanding high extrapolation degrees. Given the grapevine low chilling requirement, the exact assessment of dormancy break is not critical if models are optimized and validated against long and cold winters, like those found in Northern and Central Italy. In this case they tend to take inconsistent parameters with respect to current physiological knowledge, although this does not affect accuracy under present climatic conditions. The same approach was adopted for developing a general phenology model, to estimate the timing of budburst, flowering and veraison. The study confirmed the existence of risks of calibration artefacts due to “drift effects”, if the dataset used has a low variability (Chapter 3). After the set up phase, chilling/forcing and Thermal Time models were compared in the evaluation of climate change impacts at the Prosecco di Conegliano-Valdobbiadene DOCG wine district. No differences were found among the models, except for the last projected time period, 2080-2099 (Chapter 4). The same area was the object of a more detailed study, where the climate variability during the past 60 years was investigated also at the spatial scale. The main result was that the temperature rise, recorded mostly after the 80’s of last century, affected the phenology of four grapevine cultivars uniformly across the area. On the contrary, the interannual variability showed unequal variations from site to site (Chapter 5). The last part of the work was the modelling of berry ripening (Chapter 6). This is still considered a difficult task, mainly because of the complexity related to the concept of quality, which is strictly linked to ripening. The harvest target quality is not easy to define, since it depends on many technical-oenological aspects, still subjected to evolution. Given the limited advancements on ripening modelling, the research evaluated the dependency of berries sugar content on the variations of remotely-sensed Vegetation Index by an empirical approach. Vegetation indices are affected by a number of factors, such as leaf area density, chlorophyll content, photosynthetic capacity and water stress, which happen to have an action also on the ripening process. It was therefore elaborated a simple model based on the correlation between the MODIS-EVI, the Enhanced Vegetation Index from the NASA-MODIS platform, and the variation of berry sugar content. The idea was to evaluate the approach operatively to individuate the harvest time. Compared to a couple of other models based on chronological and thermal time, the EVI-based model provided the most accurate estimates, with a more than 80% performance score on a good/bad evaluation scale.

Gli scenari che la viticoltura dovrà affrontare nei prossimi anni saranno caratterizzati da una crescente complessità  dal punto di vista tecnico e socio-economico. Già  adesso gli operatori del settore devono rispettare numerosi vincoli, come costi di produzione, limiti alla produzione, normative ambientali, regolamenti comunitari, e soprattutto le richieste di un mercato esigente e mutevole. A questo già  complesso quadro si aggiungono le prospettive rappresentate dai cambiamento climatici. Dato il delicato equilibrio che la viticoltura mantiene con il clima del proprio territorio, spesso risultato di secoli di adattamento, anche piccoli mutamenti sono in grado di incidere sulla qualità  del prodotto finale, il vino. La necessità  di sviluppare strategie di adattamento appare quindi una prospettiva inevitabile per la viticoltura, che dovrà  puntare su un'oculata pianificazione del vigneto privilegiando l'approccio di 'sistema', vale a dire considerando ad un tempo tutti i fattori coinvolti nel processo decisionale e l'insieme delle loro interrelazioni. E' pertanto prevedibile un crescente interesse verso i modelli di simulazione, lo strumento fondamentale per l'analisi degli agroecosistemi e per lo sviluppo di strumenti di supporto alle decisioni gestionali. L'obiettivo di questo lavoro è stato la messa a punto di modelli matematici della dinamica dello sviluppo della vite fino alla maturazione. L'ambito applicativo di riferimento è stato quello delle analisi territoriali e degli scenari di cambiamento climatico, diventate di grande attualità  negli ultimi anni. In questo tipo di applicazioni i modelli sono utilizzati in una grande varietà  di situazioni ambientali, anche molto diverse da quelle in cui sono stati sviluppati, rendendo così la robustezza la loro caratteristica più critica per l'affidabilità  delle stime. Dopo una sezione introduttiva (Capitolo 1), il lavoro ha affrontato la modellazione del germogliamento attraverso i modelli di chilling e forcing, che diversamente da quelli tradizionali basati solo sul tempo termico, includono la descrizione della dormienza invernale (Capitolo 2). Attraverso l'impiego di esperimenti in condizioni controllate, è stato evidenziato che la variabilità  del dataset di calibrazione è un fattore chiave per una corretta parametrizzazione dei modelli, in vista di un loro utilizzo in applicazioni che richiedono alti gradi di estrapolazione. Il basso fabbisogno in freddo della vite infatti, rende la corretta determinazione della data di fine dormienza un elemento non critico se i modelli vengono calibrati e validati su dataset che comprendono unicamente inverni lunghi e freddi, come nella maggior parte delle condizioni di campo nelle regioni centro-settentrionali italiane. Essi tendono quindi ad assumere parametri inconsistenti dal punto di vista fisiologico, sebbene questo non ne pregiudichi l'accuratezza nelle condizioni climatiche attuali. Lo stesso approccio è stato successivamente impiegato per lo sviluppo di un modello generale di fenologia, per stimare le date di germogliamento, fioritura e invaiatura. Anche qui è stata rilevata l'esistenza del rischio di artefatti dovuti a effetti di 'deriva' della procedura di ottimizzazione se il dataset utilizzato presenta una scarsa variabilità  (Capitolo 3). Dopo la fase di messa a punto, modelli basati sia sull'approccio chilling e forcing che sul tempo termico, sono stati applicati all'analisi degli effetti dei cambiamenti climatici, con riferimento al distretto del Prosecco di Valdobbiadene-Conegliano DOCG. Non sono state evidenziate differenze di rilievo tra i vari tipi di modelli, eccetto che per la proiezione più lontana nel tempo, corrispondente al periodo 2080-2099 (Capitolo 4). Sempre per la stessa zona è stata poi condotta un'analisi delle variazioni indotte dai mutamenti climatici verificatisi negli ultimi 60 anni, su scala sia spaziale che temporale. Ne è emerso che l'aumento delle temperature, registrato soprattutto a partire dagli anni '80 del secolo scorso, ha influito in maniera spazialmente uniforme sulla fenologia media di quattro varietà  di vite. Una certa eterogeneità  su base spaziale delle variazioni è stata invece osservata sulla variabilità  interannuale, che è risultata maggiore in alcune zone e non in altre (Capitolo 5). Nel Capitolo 6 è stata infine affrontata la tematica della maturazione. Si tratta della parte del ciclo di sviluppo più difficile da modellizzare, a causa soprattutto della complessità  del concetto di qualità, a cui quello di maturazione è strettamente legato. La qualità  che l'uva deve presentare alla raccolta non è facile da definire, in quanto dipendente dal grado di conoscenza degli aspetti tecnici-enologici, tuttora in evoluzione. Essendo più limitate le conoscenze della maturazione dal punto di vista modellistico, lo studio ha adottato un approccio più empirico rispetto a quanto fatto in precedenza, e ha esplorato la dipendenza dell'accumulo degli zuccheri negli acini dalle variazioni degli indici di vegetazione rilevati da satellite. Gli indici di vegetazione sono influenzati da un insieme di fattori che influiscono anche sul processo di maturazione, quali la densità  di area fogliare, il contenuto in clorofilla, la capacità  fotosintetica e lo stress idrico. E' stato quindi elaborato un semplice modello basato sulla correlazione tra l'indice di vegetazione EVI (Enhanced Vegetation Index) rilevato via satellite dal NASA-MODIS, e la variazione del contenuto in zuccheri, finalizzato a determinare il momento ottimale per la raccolta. Il modello, messo a confronto con altri due basati sul tempo cronologico e sul tempo termico, ha dato le stime migliori, con una percentuale di successi sopra l'80%.