Studio e modellizzazione ecologica del Golfo Interno di Olbia per la realizzazione delle attività di maricoltura

modelli matematici

Alcuni sottosistemi significativi dell'ecosistema in esame verranno rappresentati sotto forma di modelli numerici di tipo deterministico. Questi forniscono informazioni sul comportamento dell'ecosistema reale sulla base di relazioni note o ipotizzate fra le componenti dello stesso. Lo sviluppo contempla la definizione dei limiti del sistema, delle forze motrici e delle variabili di stato. Queste ultime possono essere aggregate in funzione del grado di risoluzione desiderato nello spazio e nel tempo. Le relazioni fra variabili di stato e forze motrici vengono espresse sotto forma di equazioni nella maniera più semplice possibile. I risultati vengono sottoposti ad una procedura di validazione che consiste nella definizione dell' intervallo entro cui i valori simulati sono in accordo con quelli osservati. L'analisi di sensibilità si effettua modificando i valori delle forze motrici o apportando piccole variazioni alle relazioni fra variabili. Ciò consente di definire l' importanza relativa delle singole componenti del modello. Dette simulazioni vengono condotte sul sistema allo stato attuale e con l' opera in costruzione ed in esercizio.

I modelli a cui si prevede di far riferimento sono ovviamente quelli messi a punto per ambienti confrontabili, quali, ad esempio, quelli di Cole & Cloern (1984) o di Keller (1988). L'uso di modelli empirici, più in generale, potrà offrire interessanti elementi di valutazione in merito alla produttività dell'ecosistema in esame (Scardi et al., 1995). Sarà valuta, inoltre, la possibilità di utilizzare modelli innovativi, come quelli basati sull 'uso di reti neuronali artificiali (Scardi, 1996; Scardi e Harding, 1999).

Ai fini della loro validazione teorica, le stime di produzione primaria ottenute saranno confrontate con quelle fornite da altri modelli empirici sulla base dei dati di irradianza e biomassa fitoplanctonica rilevati in situ .

Infine, le stime di produzione secondaria saranno effettuate anch' esse su base modellistica e saranno basate su relazioni empiriche derivate dalla letteratura. In particolare, si farà ricorso alle relazioni fra biomassa individuale media e produzione descritte da Sprung (1993) e Brey (1990).

BREY T., 1990. Estimating productivity of macrobenthic invertebrates from biomass and mean individual weight. Meeresforsch. 32: 329-343.
COLE B.E. & CLOERN J.E., 1984. Significance of biomass and light availability to phytoplankton productivity in San Francisco Bay . Mar. Ecol. Prog. Ser., 17: 15-24.
KELLER A.A., 1988. Estimating phytoplankton productivity from light availability and biomass in the MERL mesocosms and Narragansett Bay . Mar. Ecol. Prog. Ser., 45: 159-168.
SCARDI M., 1996. Artificial neural networks as empirical models of phytoplankton production. Marine Ecology Progress Series, 139: 289-299.
SCARDI M., CASOLA E., LANERA P., PLASTINA N., SARNO D., VALIANTE L.M. e VINCI D, 1995. Un approccio modellistico alla valutazione della produttività dello stagno di Cirdus (Sardegna). Biologia Marina Mediterranea, vol. 2 (2): 57-62.
SCARDI M., HARDING L.W., Jr., 1999. Developing an empirical model of phytoplankton primary production: a neural network case study. Ecological modelling, 120: 213-223.
SPRUNG M., 1993. Estimating macrobenthic secondary production from body weight and biomass: a field test in a non-boreal intertidal habitat. Mar. Ecol. Prog. Ser., 100: 103-109.