Università di Udine
A.Peressotti, F.Danuso, G. Delle Vedove, G.Zerbi, M.Zuliani
Le serie agronomiche di lungo
termine per la valutazione della
vocazionalità e dei rischi climatici.
Dipartimento Produzione Vegetale e Tecnologie Agrarie
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
Modulo
• Interfaccia per
l’estrazione dei dati
ClimagriLT
Struttura
Popolamento
Politiche
gestione
Feed Back
Contatti con strutture e analisi dei
formati
ClimagriLT
Struttura
Popolamento
Politiche
gestione
Feed Back
Contatti con strutture e analisi dei
formati proprietari
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
Struttura
Popolamento
Politiche
gestione
Feed Back
Contatti con strutture e analisi dei
formati proprietari
ClimagriLT
Struttura
Popolamento
Politiche
gestione
Feed Back
Contatti con strutture e analisi dei
formati proprietari
ClimagriLT
Popolamento
•Diversità dei formati
Worksheet Excel
Database SPS
• Comprensione struttura prova e ricostruzione
della storia
dell’esperimento attraverso “soft data” (colloqui, appunti,
Altri formati
proprietari
ex impiegati, ricercatori che hanno cambiato
sede)
• Validazione dei dati e simulazione
dei dati mancanti
Cartaceo
(dati mancanti nella serie, condizioni iniziali terreno)
ClimagriLT
Popolamento
• Validazione dei dati e simulazione dei dati mancanti
(dati mancanti nella serie, condizioni iniziali terreno)
Database dati
grezzi
• Conservazione
• Strutturazione
Flusso
dati
Database operazionale
• Validazione
• Simulazione dati mancanti
• Marcatura dati non originali
Attualmente in fase progettuale
ClimagriLT
Struttura
Popolamento
Politiche
gestione
Feed Back
Contatti con strutture e analisi dei
formati proprietari
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
Dati
• Dati meteo
• Dati suolo
• Dati produzione
Il tipo di dati messi a
disposizione variano da
struttura a struttura.
Metadati
• Struttura e referente
• Formati
• Localizzazione
• Tipo e numero tesi
• Date ed intensità lavorazioni e
trattamenti
• Tipo stazione meteo,
• Etc
ClimagriLT
Attuale consistenza
• 12 esperimenti di lungo termine catalogati
• Descritta la storia di 730 parcelle.
• Inseriti ad oggi circa 600.000 records su un totale di circa
2.000.000
• 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
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
x
x
x
x
x
x
x
x
x
x
Metodo di
calcolo
Dati esterni o
di periodi
precedenti
x
x
x
mensile
x
giornaliero
x
orario
ET(A)
Rg
x
x
x
Ws
x
x
x
x
x
x
UR max
Tmax
UR min
x
x
x
UR
x
x
x
x
x
x
x
x
Ta
1
2
3
4
5
6
7
8
Tmin
qualita'
ETr ed etichette di qualita’
P-M oraria
P-M giornaliera
ET(A) -> Etr
Ws
ET(A) -> Etr
Ws,UR
ET(A) -> Etr
Ws
Tmin->UR
Ws
Tmin->UR + Lat ->Rg
Ta,UR,Ws,Rg Interpolazione lineare
Evapotraspirazione di riferimento
Legnaro 1962-2002
Rain - ETr (mm)
500
0
-500
-1000
1
3
5
7
month
9
11
Evapotraspirazione di riferimento
Pisa 1976-2001
Rain - ETr (mm)
500
0
-500
-1000
1
3
5
7
month
9
11
Evapotraspirazione di riferimento
Policoro 1986-2000
Rain - ETr (mm)
500
0
-500
-1000
1
3
5
7
month
9
11
Monthly GDD (°C)
Pisa 1990-2000 W-Wheat
800
600
400
200
0
1
3
5
Month
7
12
Variabilità dei growing degree days a Pisa
Monthly GDD (°C)
Policoro 1972-1994 W-Wheat
3000
2000
1000
0
1
3
5
Month
7
12
Variabilità dei growing degree days a Policoro
Monthly GDD (°C)
Pisa 1990-1997 Soybean
1500
1000
500
0
4
5
6
7
8
Month
9
Variabilità dei growing degree days a Pisa
10
Monthly GDD (°C)
Legnaro 1963-2000 Maize
1500
1000
500
0
4
5
6
7
8
Month
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
