università di udine
DESCRIPTION
Università di Udine. Le serie agronomiche di lungo termine per la valutazione della vocazionalità e dei rischi climatici. A.Peressotti, F.Danuso, G. Delle Vedove, G.Zerbi, M.Zuliani. Dipartimento Produzione Vegetale e Tecnologie Agrarie. - PowerPoint PPT PresentationTRANSCRIPT
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