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