Calibrazione del modello di supporto decisionale DSSAT tramite prove di lungo periodo per lo studio della resilienza di diverse pratiche agricole al cambiamento climatico.

In a global context of increasing climate instability, the agricultural sector faces critical challenges to ensure sustainability and productivity. This thesis explores the calibration of the Decision Support System for Agrotechnology Transfer (DSSAT) using experimental data collected from long-term trials on various agricultural practices in Italy. The main goal is to assess the resilience of these practices to climate change, providing decision support tools that can guide farmers toward more sustainable and efficient strategies. The study is based on data collected from four Italian locations (Padova, Piacenza, Perugia, and Foggia), each representing different climatic conditions and agronomic protocols. The agricultural techniques examined include crop rotation, crop residue management and conservation agriculture. The DSSAT model was calibrated and validated using field yield data and site-specific meteorological parameters. The results show that long-term data calibration significantly enhances the model's ability to predict the effects of climate change on agricultural yields. Notably, practices such as crop rotation and conservation agriculture demonstrated high resilience, reducing crop vulnerability to extreme weather events and improving soil fertility. The conclusions of this study suggest that adopting decision support models like DSSAT, integrated with local data and sustainable practices, can be an effective strategy to mitigate the impacts of climate change on agriculture. Moreover, it provides a promising starting point for future research and practical applications in the fields of agroecology and land management.

In un contesto globale di crescente instabilità climatica, il settore agricolo si trova ad affrontare sfide critiche per garantire la sostenibilità e la produttività. Questa tesi esplora la calibrazione del modello Decision Support System for Agrotechnology Transfer (DSSAT) attraverso dati sperimentali raccolti, in Italia, da prove di lungo periodo su diverse pratiche agricole. L'obiettivo principale è valutare la resilienza di queste pratiche al cambiamento climatico, fornendo strumenti di supporto decisionale che possano guidare gli agricoltori verso strategie più sostenibili ed efficienti. Lo studio si basa su dati raccolti in quattro località italiane (Padova, Piacenza, Perugia e Foggia), ciascuna rappresentativa di diverse condizioni climatiche e diversi protocolli agronomici. Le tecniche agricole esaminate includono la rotazione colturale, la gestione dei residui colturali e l'agricoltura conservativa. Il modello DSSAT è stato calibrato e validato con dati di resa raccolti in campo e parametri meteorologici specifici per ogni sito. I risultati mostrano che la calibrazione del modello con dati di lungo periodo migliora significativamente la capacità di DSSAT di prevedere gli effetti del cambiamento climatico sulle rese agricole. In particolare, pratiche come la rotazione colturale e l'agricoltura conservativa hanno dimostrato un'alta resilienza, riducendo la vulnerabilità delle colture agli eventi climatici estremi e migliorando la fertilità del suolo. Le conclusioni di questo studio suggeriscono che l'adozione di modelli di supporto decisionale come DSSAT, integrati con dati locali e pratiche sostenibili, può essere una strategia efficace per mitigare gli impatti del cambiamento climatico sull'agricoltura, inoltre, fornisce una base solida per future ricerche e applicazioni pratiche nel campo dell'agroecologia e della gestione del territorio.