Università degli Studi di Perugia

Test finale per verifica conoscenze ed abilità Al termine delle verifiche è previsto un incontro con gli studenti per discutere i risultati

non disponibili

Controllare il sito web della Facoltà http://www.agr.unipg.it/

nessuna

Il corso si occuperà di alcuni dei metodi fondamentali per il reperimento di informazioni scientifiche, cioè l'organizzazione di esperimenti e l'impiego di modelli matematici di simulazione. Nella prima parte, il corso dovrà fornire le basi teoriche e gli strumenti pratici per pianificare, organizzare e condurre esperimenti scientifici nel settore agrario, nonché di procedere alla corretta elaborazione ed interpretazione dei dati e alla presentazione dei relativi risultati tramite tesi e/o report e/o pubblicazione. Nella seconda parte, il corso dovrà fornire le basi scientifiche e gli strumenti pratici per la modellizzazione degli output fondamentali di un sistema colturale, con particolare riferimento agli aspetti legati alla produttività vegetale.

LEZIONI FRONTALI (circa 1.5 ore ciascuna, più 45 min. di discussione collettiva, riepilogo e presentazione di casi-studio)
1 - Procedimento scientifico e misurazione dei fenomeni naturali; variabilità dei dati sperimentali. Popolazione, campione e campionamento. Metodi e criteri di stima. I perché dell'inferenza statistica. Unità sperimentali. Repliche e sottocampionamento. Indipendenza delle unità sperimentali.
2 - Pianificazione degli esperimenti e ANOVA. Generalità sul disegno sperimentale. Disegni a randomizzazione completa. Disegni a blocco randomizzato e a quadrato latino. Disegni fattoriali. Esempi.
3 - Disegni sperimentali complessi. split-plot, split-block e gerarchico. Esperimenti ripetuti nello spazio e nel tempo. Esempi.
4 - Analisi della varianza nei disegni a randomizzazione completa e blocco randomizzato. Inferenze statistiche nell'ANOVA. Esempi
5 - Verifica delle assunzioni di base e analisi preliminare dei dati. Ispezione grafica dei residui. Trasformazioni stabilizzanti. Esempi.
6 - Test di confronto multiplo: pregi e difetti delle metodiche più importanti. Applicazioni relative ad alcuni casi-studio tipici.
7 - Analisi della varianza nelle prove a split-plot, split-block e negli esperimenti ripetuti nello spazio e nel tempo. Esempi
8 - Analisi di regressione e di correlazione. Quando è necessaria. Esempi. La regressione polinomiale. Inferenze statistiche ed ANOVA nell'analisi di regressione. Esempi.
9 - La regressione non-lineare. Il caso del dosaggio biologico. Esempi.
10 - La regressione non lineare. Curve di dissipazione degli erbicidi. Curve di crescita delle colture. Altre funzioni di interesse biologico. Verifica dell'adattamento. Esempi.
11- Introduzione ai modelli matematici. Tipologie dei modelli. Modelli statistici e modelli meccanicistici. Modelli e sistemi. I sistemi di interesse agrario. Studio dei sistemi (system analysis).
12 - Rappresentazione dei sistemi con i diagrammi di flusso. I modelli matematici ad equazioni differenziali e loro rappresentazione con diagrammi di flusso. Esempi.
13 - Aspetti computazionali. Time-step. Integrazione algebrica e numerica. Il metodo di Eulero. Concatenamento dei modelli. Approccio modellistico a processi e ad eventi. Esempi.
14 - Protocollo di lavoro: creazione del modello, parametrizzazione, calibrazione, validazione. Metodi di validazione.
15 - Creazione di un modello colturale. Approcci possibili. Diagramma di flusso. Creazione della logica di base. Implementazione del modello.
16 - Creazione di un modello colturale II. Calibrazione e validazione del modello.
17 - I modelli delle colture e i modelli del sistema colturale. Moduli e sottosistemi. Modelli esistenti.
18 - CROPSYST. Presentazione del modello e dei sottomodelli principali.
19 - Parametrizzazione di CROPSYST
20 - Impiego di CROPSYST. Esempi di calibrazione e validazione.
21 - Dai modelli ai sistemi esperti: alcune scelte possibili

Argomenti delle esercitazioni
Le esercitazioni saranno opportunamente calibrate per consentire allo studente, non solo la comprensione dei concetti esposti a lezione, ma soprattutto di eseguire praticamente ed autonomamente le analisi statistiche presentate. Allo studente verranno presentati casi-studio, tratti dalla realtà operativa della ricerca scientifica applicata al mondo agricolo. Lo studente verrà quindi guidato ed indirizzato alla risoluzione di questi casi-studio, utilizzando il software più adatto.

Il corso fornirà basi teoriche e strumenti pratici per (1) organizzare e condurre esperimenti scientifici nel settore agrario, procedendo alla corretta interpretazione e presentazione dei risultati (2) simulare gli output fondamentali di un sistema colturale, con particolare riferimento alla produttività vegetale.

Lezioni frontali: 42 ore
Esercitazioni in aula (informatica): 18 ore
Verranno utilizzati i seguenti strumenti didattici:
Video proiezioni delle lezioni, materiale didattico distribuito dal docente, dispense consegnate dal docente

Oltre alla frequenza delle lezioni, lo studente si avvarrà di:
lettura e studio personale su testi di riferimento
lettura e studio personale su materiale consegnato dal docente
lettura e studio personale su materiale on-line messo a disposizione dal docente
attività personale pratica di abilità tecniche e di laboratorio

1. A. Camussi, F. Moller, E. Ottaviano e M. Sari Gorla, 1995. Metodi statistici per la sperimentazione biologica. II Edizione. Zanichelli, Bologna.
2. Leffelaar , P. A. (1993). On systems analysis and simulation of ecological processes, with examples in CSMP and FORTRAN. Ed. P.A. Leffelaar,Kluwer Academic Publishers, Dordrecht.
3. Dispense integrative del docente, disponibili on-line (www.unipg.it/~onofri)

Conoscenze (sapere)
1. Aspetti basilari per l'organizzazione degli esperimenti
2. Disegni sperimentali più importanti e quando si usano
3. Cosa è l'ANOVA e quando si usa
4. Analisi grafica dei residui. Metodo di Box e Cox per le trasformazioni stabilizzanti
5. Cosa è la regressione lineare e quando si usa
6. Cosa sono i test di confronto multiplo e quando si usano
7. Cosa è la regressione non-lineare e quando si usa
8. Cosa è un diagramma di flusso di un modello
9. Metodo di Eulero per l'integrazione numerica
10. Organizzazione di CropSyst o altri modelli simili

Abilità (saper fare)
1. Impostare un esperimento scientifico
3. Analizzare i dati provenienti da un esperimento scientifico
4. Valutare se le assunzioni di base per i metodi parametrici sono rispettate
5. Mettere in atto le più importanti strategie correttive
6. Costruire semplici equazioni per la descrizione di fenomeni scientifici
7. Redigere il diagramma di flusso di un modello
8. Utilizzare semplice software statistico
9. Utilizzare Cropsyst o altri modelli matematici

Comportamenti (saper essere)
1. Mostrare spiccato senso critico nella produzione, interpretazione e selezione di dati scientifici
2. Mostrare un sufficiente grado di precisione scientifica nell'impostare esperimenti ed eseguire simulazioni

Controllare il sito web della Facoltà http://www.agr.unipg.it/

Controllare il sito web della Facoltà http://www.agr.unipg.it/

E' prevista tramite incontri individuale con il docente, negli orari di ricevimento o in qualunque altro orario da concordare preventivamente.

facoltativa

Facoltà di Agraria