All’avvio del modello di Ecowheataly, migliaia di aziende agricole italiane vengono “sistemate” dentro una grande mappa digitale: dalle colline marchigiane alle pianure pugliesi, fino alle aziende in montagna, ogni pezzo d’Italia entra in scena con la sua voce.
È il punto di partenza del modello presentato al 4° Meeting CREA: una simulazione che unisce dati reali, aziende artificiali e dinamiche di mercato globali, per capire come le politiche agricole possano influenzare il futuro del nostro grano duro.
Da dove partiamo: una fotografia completa del territorio
Per costruire un’Italia agricola credibile, il modello parte dagli stessi dati usati nella ricerca nazionale:
• 1846 aziende reali RICA
• 121 combinazioni provincia–fascia altimetrica ISTAT
• 242 aziende artificiali create apposta per completare le aree in cui RICA non ha osservazioni
Questo passaggio permette di avere una copertura uniforme di tutte le province e delle loro caratteristiche altimetriche.
Il processo viene distribuito in parallelo su più “ranks”, ognuno dei quali riceve un numero bilanciato di aziende (ad esempio, 522 aziende gestite dal rank 0 e 522 dal rank 1).
Il risultato: nessuna zona d’Italia resta vuota nel modello.
Come nascono le aziende artificiali
Quando mancano dati reali per una certa provincia, il modello ricostruisce aziende coerenti con il territorio usando:
- parametri agricoli provinciali (resa, SAU, altezza, distribuzioni statistiche)
- stime derivate da RICA e dal Censimento dell’Agricoltura
- valori mancanti completati tramite estrazione da distribuzioni stimate
È un po’ come generare “gemelle digitali” delle aziende reali: non inventate a caso, ma costruite usando la matematica che governa il settore agricolo italiano.
Una struttura multilivello: il modello pensa come un sistema reale
L’Italia agricola non vive in una bolla: i prezzi mondiali del grano, le politiche internazionali e gli shock globali influenzano le decisioni degli agricoltori.
Per questo il modello è organizzato su due livelli:
Livello internazionale (Rank 0)
• simula 12 aree di produzione mondiale
• simula 24 aree di domanda
• gestisce prezzi, shock, politiche globali
Livello nazionale (Rank 1–N)
• contiene tutte le aziende agricole italiane
• riceve ogni mese i prezzi internazionali
• ricalcola strategie produttive tenendo conto anche delle analisi LCA
È un dialogo continuo: dall’alto arrivano prezzi e politiche; dal basso salgono produzione e impatti reali.
Il ciclo mensile: come prendono decisioni le aziende
Ogni mese, il modello attraversa tre fasi:
- Mercato internazionale
domanda e offerta globali si incontrano: emergono i nuovi prezzi. - Decisioni nazionali
ogni azienda italiana decide quanto seminare, come gestire i terreni e quali tecniche adottare, combinando economia e ambiente. - Feedback
la produzione italiana aggiorna l’offerta globale e modifica i prezzi del mese successivo.
Un sistema che “respira”, ciclo dopo ciclo.
Perché questo modello è robusto
Le slide mostrano una serie di verifiche già superate:
- distribuzione corretta delle aziende nei ranks
- coerenza geografica completa
- tempi di inizializzazione ridotti
- bilanciamento computazionale ottimale
I prossimi passi includono test di sensitività, shock climatici e confronto con serie storiche RICA per validare ulteriormente il comportamento del modello.
Per cosa lo useremo
Il framework è stato pensato per rispondere a domande reali:
- cosa succede se cambia un ecoschema?
- come reagiscono le aziende a nuovi incentivi o vincoli?
- quanto è resiliente il sistema grano italiano a shock globali o climatici?
- quali tecniche riducono davvero l’impatto ambientale?
È un laboratorio digitale dove le politiche agricole possono essere testate senza mettere a rischio la produzione reale.
In sintesi
Il modello Ecowheataly è uno strumento unico in Italia: unisce dati reali, aziende artificiali, prezzi globali e analisi LCA in un sistema dinamico che simula, mese per mese, come il nostro grano risponde al mondo che cambia.
Una mappa viva e complessa, costruita per capire come sostenere davvero la cerealicoltura italiana.
Fonti:
- Modello Multi-Rank per la Simulazione del Mercato Agricolo – di Gianfranco Giulioni e Alessandro Ceccarelli