Sviluppo ed utilizzo di modelli ecologici di rete trofica
Transcript
Sviluppo ed utilizzo di modelli ecologici di rete trofica
Sviluppo ed utilizzo di modelli ecologici di rete trofica (Yanagi. T., 2008. Material cycling in the coastal Sea) Dott. Daniele Brigolin UNIVERSITA’ CA’ FOSCARI VENEZIA DIPARTIMENTO DI SCIENZE AMBIENTALI, INFORMATICA E STATISTICA, CENTRO PER LO STUDIO DEI SISTEMI ESTUARINI E MARINO COSTIERI (CEMAS) 1° parte: gestione degli ecosistemi acquatici di transizione 2° parte: introduzione generale ai modelli matematici in ecologia, e particolare ai modelli di rete trofica; 3° parte: approccio ecosistemico alla gestione della pesca e dell’acquacoltura; 4° parte: esempio di applicazione di un modello semplificato in un'area lagunare in concessione per l'ingrasso della vongola filippina; utilità del modello di rete trofica a supporto della gestione sostenibile della risorsa. PRINCIPALI SERVIZI E BENEFICI (IN PARTE QUANTIFICABILI IN TERMINI ECONOMICI) FORNITI DAGLI ECOSISTEMI ACQUATICI DI TRANSIZIONE: ‐ Ruolo di nursery di specie nectoniche (di interesse commerciale e non); ‐ Azione naturale di filtro nei confronti di fenomeni di inquinamento (soprattutto arricchimento organico) ‐ Aree elettive per attività di pesca ed acquacoltura ‐ Aree elettive di svernamento e di alimentazione di specie di uccelli ‐ Ruolo di “cuscinetto” e protezione nei confronti delle mareggiate ECOSISTEMI ACQUATICI DI TRANSIZIONE ELEVATO VALORE NATURALISTICO (flora e fauna selvatiche) ECOSISTEMI NATURALI AD ELEVATA PRODUTTIVITÀ + ECOSISTEMI MODIFICATI (IN GRADO VARIABILE) DALL’UOMO (es. elevati livelli di arricchimento organico) _ GESTIONE DEGLI ECOSISTEMI ACQUATICI DI TRANSIZIONE Necessità di un adeguato schema concettuale che preveda la COESISTENZA di aspetti/prerogative naturali e delle attività antropiche POLITICHE E “FILOSOFIE” GESTIONALI PIANIFICAZIONE E DESIGNAZIONI PRATICHE GESTIONALI Approccio settoriale: ogni attività che insiste su un dato EAT viene gestita separatamente dalle altre Superato da APPROCCIO INTEGRATO O OLISTICO ECOSISTEMA “IN SALUTE”, IN CUI USI ED UTILIZZATORI SONO PERMESSI E TOLLERATI ( MANTENIMENTO NEL TEMPO DI BENI E SERVIZI ECOSISTEMICI) Tutte le componenti di un ecosistema di transizione (fisico-chimiche e biologiche) sono tra loro interrelate e concatenate e devono essere gestite in modo che il sistema sia sostenibile NECESSITÀ DI UN APPROCCIO ECOSISTEMICO Questa consapevolezza ha portato ad un filosofia complessiva della gestione ambientale che incorpora • SOSTENIBILITÀ • AZIONE PREVENTIVA • INTEGRAZIONE DI TUTTI GLI ASPETTI AMBIENTALI • DEMOCRATIZZAZIONE (CONSULTAZIONE AMPIA, TRASPARENTE E PIENAMENTE RSPONSABILE) GESTIONE DEGLI EAT PASSA ATTRAVERSO LA GESTIONE (E PROTEZIONE) DEL BACINO DRENANTE E DELL’AREA MARINA PROSPICENTE PIANI DI GESTIONE A LIVELLO DI DISTRETTO IDROGRAFICO (DIRETTIVA QUADRO SULLE ACQUE, WFD) NECESSITÀ DI INDICATORI CHE DESCRIVANO LO STATO DEGLI ELEMENTI DELL’ECOSISTEMA MISURE DI MITIGAZIONE per mitigare gli effetti negativi delle attività umane su gli EAT Quando questo non è possibile o sufficiente ( scomparsa di habitat tipici) COMPENSAZIONE creazione o ripristino di habitat , per compensare altrove gli effetti della perdita di habitat all’interno dell’EAT FORZANTI PRESSIONI STATI naturali maree vento pesca e acquacoltura subsidenza, eustatismo industria antropiche commerci marittimi popolazione residente RISPOSTE attività agricoltura, venatoria zootecnia turismo regolamentazione attività di caccia e pesca urbanizzazione moto ondoso erosione carichi inquinanti habitat fitoplancton, macroalghe e fanerogame zoobenthos specie alloctone ricostruzione e restauro ambientale elaborazione ed applicazione di piani di gestione ittiofauna avifauna vegetazione terrestre sensibilizzazione ambientale IMPATTI monitoraggi degrado e frammentazione habitat alterazione rapporti fra specie scomparsa di specie • EFFETTI NEGATIVI DI PESCA E ACQUACOLTURA: Almeno parzialmente REVERSIBILI GESTIONE SOSTENIBILE delle risorse alieutiche Interventi di MITIGAZIONE Modelli: concetti di base. • Modelli matematici -> largamente utilizzati in diverse aree dell’ecologia, delle scienze della terra e della chimica ambientale • Di importanza chiave per le scienze del clima, in quanto rappresentano gli unici strumenti a nostra disposizione per realizzare delle previsioni circa il futuro del nostro clima. Questa lezione intende fornire delle idee di base sui modelli deterministici, portando esempi di sviluppo ed applicazione di modelli metabolici di accrescimento, e di interazione tra individui nello spazio. Un modello matematico può essere definito come un archivio di ipotesi (Beck), o come un “insieme di assunzioni”. Queste ipotesi devono essere espresse in termini quantitativi, mediante il linguaggio matematico. Esiste quindi una differenza tra: Modelli concettuali e modelli matematici Entrambi possono essere derivati da principi generali, ma solo i secondi ci garantiscono la possibilità di confrontare le nostre previsioni con delle osservazioni. In questo modo, la nostra comprensione generale di un determinato sistema (che sia al livello di individuo, popolazione, comunità, ecosistema, paesaggio..) può essere testata (verificata), ed, eventualmente, aggiornata. Se volete fare un modello Stabilite obiettivi chiari, in relazione al problema che state studiando. In ecologia, i sistemi studiati sono spesso molto complessi. Ad esempio, la crescita di un gruppo di individui può essere limitata da limitate disponibilità trofiche, quella di un altro da condizioni ambientali scarsamente favorevoli (ad es. basse concentrazioni di ossigeno disciolto in acqua). In questo caso ci serviranno due modelli diversi, che potremo in un momento successivo combinare assieme, se necessario. • Pensate al livello di “sistema” Identificare il sistema, i suoi confini, e cosa viene scambiato attraverso questi è il primo passo verso la costruzione di un modello. Volendo costruire un modello del funzionamento di un habitat costiero a fondale sabbioso, dove poniamo ad esempio il limite del nostro “sistema”? • Obiettivi + sistema ci aiutano a definire i nostri descrittori, che si usa chiamare “variabili di stato” Costruire un modello può essere difficile Proviamo ad iniziare da un modello concettuale Problema: gestione di uno stagno Afflusso d’acqua Run‐off Pioggia Deflusso d’acqua Sorgenti/uscite dal sistema: Evaporazione Prelievo d’acqua per irrigazione Se non siamo interessati alla qualità delle acque, ed assumiamo che i confini dello stagno rimangano costanti nel tempo, allora possiamo considerare una sola variabile di stato: la profondità dell’acqua, x. Problema: gestione della qualità dell’acqua (trasformo lo stagno in un allevamento) DO: Ossigeno disciolto Sorgenti/uscite dal sistema Entrata DO Uscita DO Ri‐areazione Fotosintesi Concentrazione di DO nelle acque in afflusso Degradazione della materia organica (cibo+feci) Concentrazione di DO nelle acque in deflusso Se, invece, ci interessa la qualità delle acque, siamo costretti a descrivere lo stato del sistema (lo stagno) prendendo in considerazione altre variabili, come ad esempio l’ossigeno disciolto. Terminologia Le funzioni forzanti influenzano la dinamica delle variabili di stato, ma non sono al loro volta influenzate da queste L’evoluzione nel tempo delle funzioni forzanti di solito è conosciuta (misurata). Questa fa parte degli input del modello, e cioè delle informazioni che devono essere fornite in partenza. Quindi Sistema: è la parte delimitata del mondo, che stiamo studiando, in questo caso la cozza; Variabili di stato: l’insieme di grandezze che ci permette di descrivere in ogni momento lo stato del sistema (peso, lunghezza,..); Forzanti: ci permettono di descrivere l’interazione del sistema aperto (scambia materia ed energia) con l’ambiente esterno (ad esempio la temperatura). Parametri: ci permettono di applicare la nostra descrizione del sistema ad una determinata situazione reale (la crescita di una cozza oppure di un salmone..) Cosa possiamo apprendere confrontando un modello con dei dati reali? Calibrazione: cerchiamo i valori di uno o più parametri, che permettono di ottenere il miglior accordo tra modello e dati sperimentali misurati. Validazione: una volta calibrato, il modello viene testato confrontandone le previsioni con insiemi di dati indipendenti (comprensivi sia delle forzanti che dei dati di output). I parametri in questa fase vengono mantenuti ai valori stimati in calibrazione. In definitiva, questi sono i passi principali da compiere per costruire un modello: 1) Identificare la struttura (modello concettuale) 2) Stima dei parametri 3) Validazione (verifica del modello) (la cosa si può però complicare..) Problema: validazione dei modelli • Vogliamo assicurarci che i nostri modelli sia rappresentazioni “soddisfacenti” del mondo reale; • Vogliamo apprendere circa il funzionamento del mondo reale; • Vogliamo catturare gli elementi chiave dell’organizzazione interna del sistema reale; • Vogliamo catturare i meccanismi che generano struttura e dinamiche del mondo reale. Ciclo di costruzione del modello (da Grimm) Modelli ecologici di rete trofica Rete trofica ES 1 Rete trofica ES 2 Rete trofica – più realistica COME PROCEDIAMO PER COSTRUIRE UN MODELLO SEMPLIFICE MA EFFICACE? Food-web model: Processes Respirazione Mortalità da pesca Altra mortalità predazione Consumo Feci ed altri scari metabolici Mass Balance equations Assuming no year-to-year biomass changes: + Consumo - Feci - Respirazione - Predazione - Altra mortalità - Mortalità da pesca - Export =0 Scriviamo il tutto in formule: + Cons. – Eg. – Resp. – Pred. - Other mort. - Fish. Mort. – Exp. = 0 ΦQ – ΦE – ΦR – ΦP – ΦM – ΦF – ΦO = 0 Dove Φ (phi) rappresenta un generico flusso ΦQ – ΦE – ΦR – ΦP – ΦM – ΦF – ΦO = 0 Possiamo pensare che ciascun flusso Φ sia proporzionale alla biomassa del comparto studiato presente in laguna, ad esempio: ΦQ = R x B BIOMASSA R in questo caso rappresenta un tasso di consumo, e ha come unità di misura [1/anno] POSSO APPLICARE LO STESSO RAGIONAMENTO A TUTTI GLI ALTRI TERMINI!! Alla fine la mia equazione di partenza diventa: R1 X B – R2 X B – R3 X B – …= 0 Ricordiamoci che questa equazione di bilancio di massa si riferisce ad un solo comparto della rete trofica (nell’esempio pesci planctivori) Posso scrivere la stessa cosa per ciascuno degli altri comparti: R11 X B1 – R21 X B1 – R31 X B1 – …= 0 R12 X B2 – R22 X B2 – R32 X B2 – …= 0 R13 X B3 – R23 X B3 – R33 X B3 – …= 0 R14 X B4 – R24 X B4 – R34 X B4 – …= 0 Ricordiamoci che: ΦQ – ΦE – ΦR – ΦP – ΦM – ΦF – ΦO = 0 E’ il flusso uscente dal comparto a causa dei predatori di livello trofico superiore E’ il flusso entrante di preda ingerita Quindi tutte le nostre equazioni sono in qualche modo “collegate” R11 X B1 – R21 X B1 – R31 X B1 – …= 0 R12 X B2 – R22 X B2 – R32 X B2 – …= 0 R13 X B3 – R23 X B3 – R33 X B3 – …= 0 R14 X B4 – R24 X B4 – R34 X B4 – …= 0 In matematica si parla di sistema di equazioni lineari: R11 X B1 – R21 X B1 – R31 X B1 – …= 0 R12 X B2 – R22 X B2 – R32 X B2 – …= 0 R13 X B3 – R23 X B3 – R33 X B3 – …= 0 R14 X B4 – R24 X B4 – R34 X B4 – …= 0 Incognite Coefficienti Termini noti Il sistema di equazioni visto sopra può essere anche molto complesso: Ad esempio, per una rete lagunare a 32 comparti è stato necessario stimare più di 300 flussi. In passato ci siamo interessati all’applicazione ed al confronto tra diversi metodi di soluzione del sistema di equazione Risolvere il sistema di equazioni ci permette di trovare il valore di tutti i flussi all’interno dell’ecosistema lagunare (semplificato)!!! Energy flux Dati di partenza Energy stock Energy flux -Biomasse dei maggiori componenti della rete trofica, inclusi i produttori rimari ed i consumatori Raccolta dati, attività in campo: Aggregazione in gruppi trofici E.g. Macrobenthos samples Detritiv orous Herbivo rous Filter feeders List of species Biomass abundance Carnivo rous Mixed feeders pesca ed acquacoltura sostenibili Carpa comune, veniva allevata in Cina già nel 3500 A.C. 2500 A.C. Egitto Anche in laguna Orata Branzino Volpina Otregan Verzeata Bosega Anguilla Vallicoltura Vallicoltura Novellame Entrata in valle (fine invernoprimavera) montata Accrescimento 15-18 mesi Cosa mangia un pesce allevato in valle? Modelli di rete trofica !! Q/B P/B P/B Tipologia dei risultati: flussi di energia Come viene distribuita l’energia all’interno di ciascun gruppo Flussi [kJ m-2 d-1] Prod. Cons. Resp. Escrez. Predaz. Mort. Nat. Catture FIB PHP ZOO MEI MFF MDT MMF MHR MOP NHZ NMI NMA NDT NHP BRD 7.43 2.02 0.96 2.07 0.25 0.49 0.61 1.04 0.06 0.06 0.21 0.17 2.32 0.35 0.01 1.92 4.14 2.16 4.17 1.13 2.07 0.11 0.12 0.42 0.33 4.65 0.71 0.03 0.77 1.15 1.70 3.27 0.45 0.83 0.04 0.02 0.08 0.13 0.93 0.28 0.01 0.19 0.92 0.22 0.42 0.06 0.21 0.01 0.04 0.13 0.03 1.39 0.07 0.00 5.55 1.92 0.91 1.96 0.02 0.08 0.50 0.46 0.05 0.03 0.05 0.03 0.57 0.00 1.88 0.10 0.05 0.10 0.23 0.41 0.11 0.58 0.00 0.00 0.01 0.01 0.12 0.02 0.01 0.03 0.15 0.13 1.64 0.33 flussi di energia tra le diverse specie Chi mangia cosa? DET DET FIB 5.33 PHP 0.14 ZOO 1.06 MEI 2.17 MFF 0.98 MDT 1.93 MMF 0.44 MHR 2.67 MOP 0.04 NHZ 0.04 NMI 0.14 NMA 0.11 NDT 1.68 NHP 0.23 BRD 0.03 Flussi [kJ m-2 d-1] FIB PHP ZOO MEI MFF MDT MMF MHR MOP NHZ NMI NMA NDT NHP BRD 4.09 2.43 2.43 1.85 0.04 0.11 0.87 4.85 0.84 1.02 0.87 0.04 0.82 0.23 0.44 0.94 0.98 0.00 5.42 0.05 0.02 0.04 0.12 0.04 0.09 0.42 0.09 0.23 0.11 0.29 0.09 0.32 0.09 0.23 0.00 0.00 0.00 0.00 3.30 0.92 0.08 0.73 0.73 0.05 0.02 0.04 0.03 0.57 0.02 0.02 0.02 0.02 0.00 0.00 0.00 0.00 0.02 0.01 Livelli trofici dei gruppi Es: Come cambia il livello trofico della Volpina in relazione a diverse disponibilità di cibo? Schema sintetico del funzionamento del sistema “valle da pesca” 1.64 0.18 0.58 0.50 9.45 I 6.97 1.07 II 2477.8 Flux [kJ m-2 d-1] 26.1 2.34 Stock [kJ m-2] 9.80 1.98 production 4.84 Trophic Level recycling Respiration 0.03 0.17 0.43 0.03 0.36 0.15 2.6 0.00 Predation biomass Flux to det (other mortality; metabolic losses) 0.61 IV 38.6 OD 0.1 Consumption 0.46 III 269.8 8.64 catch 0.46 burial, exchange at the inlet (EXPORT) Organic loads from the drainage basin(IMPORT) Export birds Indicatori di funzionamento dell’ecosistema Molto utili da un punto di vista gestionale, per stabilire “come sta” il mio ecosistema – simili ai valori risultanti da un esame del sangue 2000-2005 PP tot [kj m-2 d-1] 9.45 PP tot / Resp tot [-] 0.98 Total System Throughput [kj m-2 d-1] Ascendency (A) [flowbits] Ascendency/Capacity ratio P TL4 (Hp+Pb) [kj m-2 d-1] Finn's CI [%TST] Catches [kj m-2 d-1] Catches/NPP [-] 53.38 90.52 37% 0.46 0.14 2.28 0.24 Altro esempio di applicazione dei modelli di rete trofica in laguna nel contesto della gestione risorse alieutiche Vongola filippina Venice E’ stata introdotta in laguna di Venezia negli anni ‘80 ed è diventata il target di un’attività di pesca molto profiqua durante gli anni ‘90 Adriatic Sea Storia 1983 Introduzione 1990-2000 Pesca 1995-2000 Picco in regime di libero accesso e subitanea caduta delle catture livello delle catture x 103 2000-on nuovo Zentilin et al. (2008) Risposte gestionali Introduzione delle aree in concessione, dando la possibilità di gestire la risorsa dietro pagamento di una tassa annuale. 2010 Manila clam leased areas in the Northern lagoon from http://www.gral.venezia.it/website/ Fino ad oggi questa strategia non ha portato ad un recupero delle catture Le catture non si sono riprese.. Perché? Possibili spiegazioni: Pesca illegale nelle zone in Lento recupero http://www.youtube.com/watch?v=kbuwWGW4zCM cui è vietato delle aree di accrescimento del seme Cambio radicale nell’ecologia lagunare Carenza di cibo Ridotta disponibilità di seme Problema di sostentamento della produzione Utilizzo dei modelli di rete in questo contesto x 103 Ci siamo focalizzati sugli effetti di un cambiamento nella composizione della comunità di produttori primari sulle risorse a diposizione della vongola: Metodi E’ stato realizzato un modello di rete trofica per una delle aree in concessione: Q P ? ? ? ? Q P ? Q P NPP NPP F10 F21 B1 B2 23 F30 F F 31 Risultati del modello F02 F 13 B3 F14 F24 Risultati Respiratory losses 0.57 Fishing mortality 0.1 0.19 (MfB+Phy) 0.15 (Bactpl) Predation 0.19 0.05 (Microzoo) 0.58 (Org.Det.) Tot. Consumption 0.97 Losses to detritus 0.11 All fluxes are in [ kJ L-1 d-1 ] Dieta della vongola ENERGY PHY+MFB MASS PHY+MFB BACT BACT ZOO ZOO ORGANIC DET ORGANIC DET Mediante il modello realizzato i risultati si possono convertire da massa ad energia