Non tutti i dati meteo sono uguali. A livello globale, regionale, nazionale, cittadino o di un settore specifico, la portata e l'accuratezza delle fonti di dati meteorologici variano tanto quanto i progetti che le utilizzano. Le fonti disponibili comprendono stazioni meteorologiche di ricerca, stazioni meteorologiche di tipo consumer, dati virtuali, dati satellitari e altro ancora. Per la validità dei dati e la conservazione del tempo è importante comprendere le diverse opzioni a disposizione dei coltivatori e sapere come scegliere la fonte di dati migliore per determinare i gradi giorno di crescita, l'evapotraspirazione e altro ancora.
Il tipo di dati di cui avete bisogno dipende dall'uso che intendete farne. La gestione integrata dei parassiti, i modelli colturali, l'irrigazione, il gelo, la deriva dei pesticidi e la gestione della manodopera in base allo stress termico dei dipendenti hanno tutti requisiti di dati specifici. Allo stesso modo, il tipo di coltura con cui si lavora può cambiare drasticamente i dati necessari. In questo articolo, confrontiamo i vari tipi di fonti di dati meteorologici e ciò che possono offrire ai coltivatori.
Modelli globali
I modelli globali integrano dati satellitari, alcune misurazioni al suolo e palloni meteorologici per prevedere ciò che accade a tutti gli strati dell'atmosfera. Molti dei servizi meteorologici disponibili per i coltivatori si basano su modelli globali. Spesso chiamati "stazioni meteorologiche virtuali", questi modelli non sono basati su un sito o un altro, ma piuttosto su una griglia stabilita in tutto il mondo. I modelli assumono che il momento attuale sia T-0 e forniscono previsioni per il futuro. Poiché richiedono molte risorse per l'installazione e il funzionamento, le stazioni meteorologiche virtuali sono spesso gestite da agenzie governative. I servizi meteo disponibili sul telefono si basano solitamente sulla combinazione di diversi modelli globali con un'interpolazione statistica dei dati recuperati da questi modelli per fornire una previsione "locale".
Reti di stazioni meteorologiche
Le reti regionali di stazioni meteorologiche, note anche come mesonetti, sono spesso gestite a livello statale. Sono costituite da un'ampia varietà di strumentazioni, tra cui ATMOS 41 e ATMOS 41W di METER o MetPRO e MesoPRO di Campbell Scientific. Queste stazioni meteorologiche sono collocate in aree aperte, pianeggianti e prive di ostacoli, con copertura erbosa, per fornire una rappresentazione regionale neutrale. Le mesonete mirano a stabilire un record a lungo termine di misurazioni di alta qualità implementando una configurazione standard e provvedendo a una regolare manutenzione della strumentazione. Pur essendo eccellenti nel fornire una comprensione dei modelli atmosferici a livello statale o regionale, queste reti non sono destinate a monitorare i microclimi.
Stazioni specifiche per il sito
Per questo motivo, molti coltivatori scelgono di installare stazioni meteorologiche nei loro frutteti e campi per comprendere il microclima specifico delle loro colture ed essere in grado di gestire le risorse e prendere decisioni. In passato, le stazioni specifiche per il sito erano difficili da mantenere e richiedevano più tempo e competenze di quelle di cui disponevano molti coltivatori. Tuttavia, i progressi tecnologici hanno reso le stazioni meteorologiche di ricerca più economiche e facili da usare, rendendo accessibili alla maggior parte dei coltivatori misurazioni di alta qualità.
Le stazioni meteorologiche specifiche per il sito possono essere installate in due posizioni. Possono essere collocate all'esterno della chioma per rilevare il microclima in cui cresce la coltura. Oppure possono essere installate all'interno della chioma per rilevare sia il microclima sia gli effetti della gestione, tra cui l'evaporazione, il raffreddamento e le correnti di vento all'interno della coltura.
Figura 1. Disegni lineari di un ATMOS 41 con punte di uccelli e un data logger ZL6 mostrato all'interno e all'esterno della chioma.
Esiste una grande differenza tra le misurazioni effettuate all'esterno della chioma e quelle effettuate al suo interno, soprattutto per le colture come gli alberi da frutto. In uno studio sui meli finanziato dalla Washington Tree Fruit Research Commission, i ricercatori hanno posizionato delle stazioni meteorologiche sia all'interno che all'esterno della chioma per confrontare le differenze di misurazione. Come mostra la Fig. X, nella stagione in cui sono presenti le foglie sugli alberi, è molto più fresco all'interno della chioma rispetto all'esterno. Questo risultato ha senso perché l'evapotraspirazione e l'irrigazione provocano un raffreddamento per evaporazione. L'aria fredda è rimasta intrappolata nel frutteto durante la notte, quindi le condizioni sono diventate ancora più fredde durante le ore serali, quando le inversioni sono state più forti.
Figura 2. 3 grafici che mostrano le variazioni di temperatura, umidità relativa e velocità del vento all'interno di una chioma di un meleto, evidenziando il cambiamento nelle misurazioni tra la presenza e l'assenza di copertura fogliare.
La Figura 2 mostra i dati dell'estate 2020, quando la temperatura si è spostata in media di 2°F. Il 2021 si è rivelata un'estate più calda, con un effetto netto di 4°F. Anche le misurazioni dell'umidità riflettono questa grande differenza, mostrando che all'interno della chioma era più umido che all'esterno. Anche il vento all'interno della chioma è stato drasticamente inferiore a quello all'esterno, con un'unica eccezione degna di nota, dovuta alle macchine del vento utilizzate per proteggersi dal gelo. Queste differenze influenzano notevolmente i modelli di coltura, fioritura, parassiti e malattie. Se potete misurare solo all'esterno della chioma, dovete tenere conto di queste potenziali differenze, ma vi consigliamo vivamente di effettuare ulteriori misurazioni all'interno della chioma, se possibile.
Detto questo, METER consiglia di collocare la stazione meteorologica principale all'esterno della chioma per le norme sulla deriva, che richiedono misurazioni del vento all'esterno della chioma, e per il calcolo dell'evapotraspirazione, per cogliere l'effetto totale dell'ambiente sulla chioma. Una stazione meteorologica esterna alla chioma sarà anche meno soggetta a usura perché non corre il rischio di interagire con la chioma. Ai fini della gestione, è necessario poter confrontare le misurazioni effettuate all'interno della chioma con un valore di riferimento. Le misurazioni all'esterno della chioma forniscono un riferimento per questi confronti. Infine, è possibile costruire previsioni specifiche per il sito, ma per ottenerle è necessario disporre di misure non contaminate dalla gestione.
Confronto dei gradi giorno di crescita
Il modo migliore per capire la differenza tra le fonti di dati è quello di confrontare simultaneamente tutte le possibili fonti da un'unica posizione e valutare i risultati. Il grafico della Fig. 3 mostra questo scenario per un frutteto. In questo sito, siamo stati in grado di confrontare i gradi giorno di crescita (GDD) calcolati con i dati provenienti da cinque fonti: una stazione meteorologica all'interno della chioma, una stazione meteorologica all'esterno della chioma, il meteo virtuale di un'applicazione meteorologica che nel frattempo è stata chiusa, chiamata DarkSky, e due stazioni di dati mesonet AgWeatherNetwork a sud (Pasco) e a nord-ovest (Ringold) del sito.
Figura 3. Un grafico che mostra i gradi giorno di crescita per un sito misurati con metodi diversi, insieme a una mappa satellitare che mostra la vicinanza di ciascun sito di misurazione.
La linea ottimale in questa analisi è quella verde che rappresenta la stazione meteorologica all'interno della chioma. Il sito AgWeatherNetwork (AWN) di Ringold corrisponde molto bene alle misurazioni all'interno della chioma, perché quell'area è solitamente più fresca di quella in cui si trova il sito di Fir Road, ma come già detto, le condizioni all'interno della chioma sono solitamente più fredde di quelle dell'area circostante la coltura. Sebbene queste informazioni coincidano, non si può ritenere che la posizione di Ringold sia un'approssimazione affidabile per le misurazioni all'interno della chioma. La GDD calcolata con i dati AWN di Pasco era di 15 giorni inferiore rispetto alle misurazioni all'interno della chioma, i dati meteorologici virtuali erano di otto giorni inferiori e la stazione meteorologica esterna alla chioma era di cinque giorni inferiore. La stazione meteorologica all'esterno della chioma può produrre dati più caldi o più freddi di quelli all'interno della chioma, ma di solito differiscono sistematicamente, mentre le stazioni mesonet hanno una correlazione meno accurata e il meteo virtuale non ha una correlazione prevedibile nel tempo.
Stazioni virtuali e stazioni reali
Nel 2012-2020 AgWeatherNet ha avviato uno studio per confrontare DarkSky con i dati misurati dalle proprie stazioni meteorologiche. È stato scelto DarkSky perché all'epoca era una delle migliori fonti di dati virtuali. Le temperature alte e basse giornaliere sono state raccolte da 156 stazioni meteorologiche con sensori di temperatura dell'aria duplicati, ottenendo poco meno di mezzo milione di confronti giornalieri.
Figura 4. Due grafici che mostrano la differenza delle temperature minime e massime misurate da DarkSky e dalle osservazioni in situ.
La Fig. 4 mostra la distribuzione degli errori per le temperature minime e massime dei dati virtuali rispetto alla verità a terra delle stazioni meteorologiche. Le temperature massime sono per lo più comprese nella deviazione standard di 1,1°C (2°F), equivalente a una stazione meteorologica di basso livello. A titolo di confronto, la deviazione standard della temperatura dell'aria di ATMOS 41 è di 0,45°F (0,25°C). Anche se la maggior parte delle misurazioni rientra nella deviazione standard, c'è ancora un numero significativo di letture oltre tale soglia. La variazione di precisione diventa ancora maggiore quando si misurano le basse temperature.
I modelli meteorologici virtuali storicamente hanno scarse prestazioni notturne perché non cercano di catturare i flussi di aria fredda o la topografia locale. Essendo modelli globali, non possono includere i dettagli del vostro sito specifico. Per questi motivi, i modelli meteorologici virtuali non dovrebbero mai essere utilizzati per prendere decisioni sul gelo o altre decisioni di gestione che si basano su accumuli di dati a breve termine, come ad esempio un modello di crescita del tubo pollinico. Il meteo virtuale è utile per i parametri che si basano su accumuli a lungo termine, poiché gli errori si compensano, ma qualsiasi decisione che si basa su dati a breve termine sarà altamente distorta quando si utilizza questa fonte di dati.
Lo studio ha incluso anche un'analisi della distorsione sistematica dei siti, in cui i dati sono stati confrontati per tutti gli 8 anni dello studio nei siti che mostravano una distorsione. Come mostrato nella Fig. 5, la distorsione dei dati virtuali rispetto alle misurazioni al suolo non era abbastanza consistente tra le varie località per poter effettuare aggiustamenti affidabili, soprattutto quando si lavora con le temperature minime.
Figura 5. Due grafici che mostrano il bias sistematico del sito nelle temperature massime e minime tra i calcoli di DarkSky e le osservazioni in situ.
Se si confronta la stabilità del bias del sito con i dati della sua stessa località, lo studio ha anche mostrato che il bias di ogni stazione varia notevolmente da un anno all'altro, come mostrato nella Fig. 6.
Figura 6. Grafico che mostra la stabilità del bias del sito anno per anno, confrontando i calcoli di DarkSky con le misure in situ.
Anche se i modelli globali vengono aggiornati nel tempo, non è garantito che i calcoli per il vostro sito specifico migliorino. La loro accuratezza non potrà mai replicare la precisione ottenuta con le misurazioni effettuate sul vostro sito. Se si dovessero utilizzare queste misurazioni per un modello o un calcolo come il GDD, i risultati potrebbero essere radicalmente errati senza poterli calibrare in modo affidabile.
I modelli fenologici sono un esempio di quando un calcolo errato della GDD può avere un enorme impatto negativo. Le specie infestanti che non sono in grado di regolare internamente la propria temperatura dipendono dalla temperatura ambientale per ottenere l'energia necessaria alla crescita. Pertanto, i giorni di crescita vengono utilizzati per prevedere quando gli organismi raggiungeranno determinate tappe del loro sviluppo e capire quando un coltivatore deve essere pronto a combatterne gli effetti.
Figura 7. Due grafici che mostrano i giorni di crescita con una base di 50 gradi Fahrenheit, mostrando che il 74% dei siti ha avuto una mancanza di 5+ giorni almeno una volta in 8 anni.
La Fig. 7 qui sopra è un ottimo esempio di errori meteorologici che si amplificano nel tempo. Questi grafici mostrano i modelli di tignola a 375 giorni di crescita, cioè all'inizio della stagione, e a 1375 giorni di crescita, cioè a metà stagione. Questi dati sono un aggregato dei dati meteorologici virtuali di tutte le stazioni dell'intero studio di 8 anni, con il risultato di 1248 anni-stazione rappresentati nei dati. A 375 GDD, il 74% di tutti i siti ha avuto quello che noi consideriamo un anno negativo, con uno scarto di 5 o più giorni almeno una volta negli 8 anni. Poiché ogni anno si verificano errori in siti diversi, non è possibile fare previsioni né aggiustamenti per questi errori. A metà stagione, gli errori sono diventati così grandi e diffusi che il meteo virtuale è inutilizzabile per questa modellazione.
Le stazioni meteorologiche in pratica
La maggior parte dei coltivatori sa che non deve affidarsi al meteo virtuale per le proprie esigenze di calcolo. Quando si utilizzano le stazioni meteorologiche di una mesonet vicina, i coltivatori imparano con l'esperienza quanto sia necessario far slittare la scala per la loro posizione precisa, comprendendo che la topografia e il microclima specifici di solito si discostano di un certo numero di giorni in qualsiasi direzione. Il meteo virtuale non fornisce una correlazione sufficiente per effettuare aggiustamenti affidabili. Come nel gioco di Marco Polo, potreste avere gli occhi chiusi e viaggiare in direzione del vostro amico che grida "Polo!", avvicinandovi sempre di più, quando improvvisamente nuota sott'acqua e il suono proviene da un'altra direzione.
In definitiva, i modelli globali hanno un grande valore se usati in combinazione con le stazioni meteorologiche e possono essere uno strumento molto utile. Le reti regionali sono utili per i modelli a lungo termine che non possono essere ottenuti con la stazione di un coltivatore, che non è in funzione da altrettanto tempo. Nessuna di queste tre fonti meteorologiche deve essere scartata. Piuttosto, è importante comprenderne i punti di forza e di debolezza per poter scegliere la fonte di dati giusta per ogni applicazione.
Domande?
I nostri scienziati hanno decenni di esperienza nell'aiutare ricercatori e coltivatori a misurare il continuum suolo-pianta-atmosfera.
Scoprite come si confrontano le diverse fonti di dati meteorologici e come questi dati influenzano l'accuratezza dei comuni modelli ambientali utilizzati dai coltivatori.
Informazioni meteorologiche accurate sono fondamentali per comprendere i risultati degli esperimenti o della modellazione, e se si tirano solo delle ipotesi, ci si troverà nei guai quando sarà il momento di pubblicarle. Avete bisogno di dati di cui potete fidarvi.
Casi di studio, webinar e articoli che vi piaceranno
Ricevere regolarmente i contenuti più recenti.
Webinar: Piante e chiome 101: tracciare il flusso dell'acqua dal suolo all'atmosfera
Come misurare il movimento dell'acqua attraverso la pianta e la chioma
Quando si cerca di capire il movimento dell'acqua attraverso il continuum suolo-pianta-atmosfera, non è necessario affidarsi alle inferenze per sapere cosa sta accadendo all'interno della pianta. In questo webinar, Jeff Ritter, Product Manager di METER per la strumentazione di monitoraggio delle piante, delle chiome e dell'atmosfera, spiegherà le misure necessarie per seguire il percorso dell'umidità attraverso le piante. Parlerà di:
Misurazioni chiave per tracciare l'umidità attraverso la pianta e la chioma, tra cui l'leaf area index (LAI) e la conduttanza stomatica (SC)
Metodi sperimentati per ottenere una visione completa del movimento dell'acqua attraverso il continuum suolo-pianta-atmosfera.
Esempi di utilizzo di sensori di umidità del suolo per misurare il contenuto idrico del fusto negli alberi
Come collegare le misure di LAI, SC e contenuto idrico del fusto
