Un modello per valutare lo sviluppo delle colture energetiche e i relativi fabbisogni idrici

Un modello per valutare lo sviluppo delle colture energetiche e i relativi fabbisogni idrici

Questo articolo è la riduzione in italiano dell'articolo "An integrated Pmp model to assess the development of agro-energy crops and the effect on water requirements" pubblicato sull'ultimo numero di Bio-based and Applied Economics (Bae)
 

Istituto Nazionale di Economia Agraria

Introduzione1

La strategia europea sulla mitigazione degli effetti delle attività umane sul clima indica l’agricoltura come uno dei principali settori dove è possibile intervenire per raggiungere gli obiettivi previsti per il 2020 (Commissione Europea, 2010). Secondo questi obiettivi, l’agricoltore è chiamato ad adottare una nuova visione imprenditoriale orientata a dare una risposta alle problematiche ambientali di carattere locale e globale trasformando potenziali vincoli in opportunità economiche. La produzione di energia da fonti rinnovabili è cresciuta in Italia in modo sostenuto nell’ultimo decennio soprattutto per il contributo delle fonti non tradizionali quali l’eolico, il fotovoltaico, i rifiuti e le biomasse (legna, biocombustibili, biogas), passate dal 15% del 2000 al 61% del 2012 sul totale delle rinnovabili. La crescita delle fonti rinnovabili è stata favorita da numerosi meccanismi d’incentivazione, valutati tra i più vantaggiosi in ambito europeo. Particolarmente dinamica è stata la produzione di energia elettrica e calore da biogas dove la quota prodotta da biomassa di origine agricola e forestale ha raggiunto i due terzi del totale. Secondo un’indagine effettuata dal Crpa sul 60% degli impianti, il 62,2% di essi utilizza la classica codigestione fra effluenti zootecnici, sottoprodotti agroindustriali e colture dedicate, il 17,7% utilizza solo effluenti e il 20,1% colture energetiche e/o sottoprodotti agroindustriali. Di questi ultimi l’85% risulta utilizzare esclusivamente colture energetiche (Fabbri et al., 2013).
Accanto ad indubbi vantaggi di natura economica e ambientale, legati anche alle possibilità di smaltimento delle deiezioni, la produzione di biogas da colture dedicate può avere ripercussioni ambientali negative legate allo sfruttamento delle risorse naturali (suolo e acqua), alla forte riduzione della biodiversità agraria, all’intensificazione dell’uso dei mezzi tecnici, i cui effetti sono scarsamente considerati nelle valutazioni scientifiche (Petersen, 2008; Zezza, 2008).
I servizi ecosistemici forniti dalle agroenergie non sono tutti positivi e necessitano pertanto di una valutazione, nella prospettiva di una migliore programmazione degli interventi sul territorio per un uso efficiente delle risorse scarse.
Il presente lavoro si propone di analizzare gli effetti dello sviluppo della produzione di sorgo da biomassa sull’allocazione della superficie agricola e sulla domanda d’acqua per uso irriguo. La valutazione è stata svolta attraverso l’applicazione di un modello di programmazione matematica positiva (Pmp) (Paris e Howitt, 1998) integrato da un modulo di valutazione degli impatti sulle risorse idriche, sviluppato con l’ausilio del modello AquaCrop (Raes et al., 2009; Steduto et al., 2009). L’ambito di applicazione del modello integrato riguarda l’area di pianura della provincia di Parma.

La struttura e le ipotesi del modello

Il modello è articolato in tre parti o moduli (Figura 1). Il primo modulo si prefigge l’obiettivo di incorporare l’informazione tecnico-economica necessaria al funzionamento del modello in un unico database. Le informazioni sulla superficie agricola è di fonte Agea Emilia-Romagna (Agrea) mentre l’informazione complementare sulle rese produttive e sui parametri economici (prezzi e costi) è di fonte Rica. A questa informazione di base è stata aggiunta quella sulla risposta delle rese produttive al cambiamento del livello di acqua impiegata per l’irrigazione ricavata dal modello AquaCrop. AquaCrop è un modello sviluppato dalla Fao [link] per prevedere le risposte produttive delle colture ad un diverso impiego dell’acqua per uso irriguo (Seduto et al., 2009). L’equazione fondamentale al centro del modello della Fao è la seguente:

dove B rappresenta la biomassa finale che è funzione del prodotto tra un parametro di produttività dell’acqua (kg di massa per m2 e mm di acqua traspirata nel periodo di produzione della biomassa), WP, e il totale di acqua evapotraspirata della coltura (in mm), Tr. La possibilità di variare i parametri relativi alla tipologia di suolo, al sistema colturale e alle condizioni meteorologiche rendono AquaCrop uno strumento adattabile al contesto territoriale analizzato.

Figura 1 - Schema del modello di valutazione integrata

Figura 2 - Simulazione della risposta produttiva della barbabietola da zucchero a diversi livelli di impiego dell’acqua per uso irriguo*


*Aiw: Applied Irrigation Water; Poli: funzione polinomiale stimata a partire dalle simulazioni di AquaCrop

Le simulazioni operate con AquaCrop hanno permesso di stimare le funzioni di risposta delle rese in funzione dei diversi livelli di irrigazione applicati (García-Villa e Fereres, 2012). A titolo esemplificativo, la figura 2 rappresenta le curve di risposta produttiva della barbabietola da zucchero. I risultati delle simulazioni sviluppate su un orizzonte temporale di otto anni (2002-2009) sono serviti per ricostruire le funzioni di risposta delle rese produttive all’impiego d’acqua per tre situazioni agro-climatiche differenti: elevato rapporto resa-acqua distribuita (80° percentile), rapporto medio resa-acqua distribuita (50° percentile) e basso rapporto resa-acqua distribuita (20° percentile).
Il secondo modulo del modello integrato è costituito da un modello di Pmp, attraverso cui è stato possibile stimare le variabili determinanti del comportamento del produttore agricolo e tener conto dei vincoli sulle risorse produttive e sui meccanismi di politica agricola (Pac). A differenza dei modelli di Pmp solitamente utilizzati per valutare il comportamento dell’agricoltore, questo modello assume che nel processo decisionale degli agricoltori sia presente un numero di colture maggiore di quello effettivamente osservato nei piani produttivi. Perché un agricoltore decide di produrre frumento tenero e non pomodoro da industria? Il pomodoro rappresenta per l’analista un processo latente, cioè un processo che potenzialmente potrebbe essere attivato tenendo conto delle convenienze economiche (Arfini e Donati, 2013; Blanco et al., 2008; Röhm e Dabbert, 2003). Nella valutazione degli effetti delle colture agroenergetiche, il sorgo da biomassa è stato considerato come una coltura latente.
Il terzo modulo, infine, gestisce i risultati ottenuti dalle simulazioni svolte. Tutte le informazioni rilevanti (calibrazione, allocazione della superficie, consumo d’acqua, risultati economici) sono organizzate attraverso l’impiego di apposite routine sviluppate attraverso il linguaggio di programmazione matematica Gams (Brooke et al., 2011).

Scenari e risultati

Le simulazioni svolte hanno cercato di individuare le relazioni esistenti tra il prezzo del sorgo da biomassa e la risposta produttiva e tra la quantità prodotta di sorgo e il relativo impiego di acqua per uso irriguo. I risultati ottenuti consentono così di ottenere la curva di offerta del sorgo da biomassa per l’area territoriale analizzata e il relativo impiego d’acqua tenendo conto del cambiamento dell’ordinamento produttivo. Gli scenari prevedono un progressivo aumento del prezzo del sorgo da biomassa di 1 €/t, a partire da un livello nullo.
La figura 3 mostra l’area totale interessata dalla coltivazione del sorgo in corrispondenza dei diversi livelli di prezzo.

Figura 3 - Curva di offerta del sorgo da biomassa (provincia di Parma)

Secondo quanto previsto dal modello, il prezzo soglia, ovvero il prezzo a partire dal quale il sorgo compare all’interno dei piani produttivi, è pari a 58 €/t. La curva di offerta così ricostruita permette di avere indicazioni sul livello di prezzo che l’utilizzatore agroenergetico (ad es. produttore di bioetanolo di seconda generazione) dovrebbe pagare per garantirsi una quantità sufficiente di materia prima. In base ai risultati ottenuti, l’aumento dell’incidenza del sorgo comporta una riduzione significativa della superficie destinata a foraggere e frumento.
La relazione stimata tra resa e uso dell’acqua per scopi irrigui è stata utilizzata per valutare l’impatto dell’introduzione del sorgo da biomassa sulla domanda d’acqua. Il processo di sostituzione tra il sorgo e, in particolare, il frumento produce un effetto negativo sui consumi d’acqua. La sostituzione infatti di un processo non irriguo come il frumento con uno irriguo come il sorgo genera un aumento dell’acqua complessivamente utilizzata per l’irrigazione. Un prezzo del sorgo pari a 70 €/t, ad esempio, si tradurrebbe in un calo del 30% della superficie destinata inizialmente a frumento e un aumento dell’acqua per l’irrigazione del 2,5% corrispondente ad una crescita di 1,5 milioni di m3 a livello provinciale (Figura 4).

Figura 4 - Quantità d’acqua ad uso irriguo

Conclusioni

I risultati delle simulazioni permettono di valutare il potenziale produttivo del sorgo da biomassa nell’area investigata in corrispondenza di diversi livelli di prezzo. Queste informazioni potrebbero servire ai possibili utilizzatori della biomassa per individuare i bacini di approvvigionamento della materia prima e, quindi, il luogo più adatto di insediamento degli impianti di trasformazione. Le soglie di prezzo possono essere pertanto adottate come indicatori dei limiti della sostenibilità economica di una filiera agroenergetica basata sul sorgo.
L’introduzione del nuovo processo agroenergetica ha un impatto sui piani produttivi degli agricoltori dell’area considerata, soprattutto in relazione alla superficie destinata a frumento e foraggere. La sostituzione di una coltura non irrigua, come il frumento, ha come conseguenza un aumento del fabbisogno d’acqua per l’irrigazione. Sulla base di questa informazione, il modello integrato di Pmp può costituire un utile strumento per prevedere gli effetti di una politica di incentivazione delle colture energetiche sulle risorse idriche e permettere, così, una migliore gestione delle acque sul territorio.
Il modello tuttavia presenta alcuni limiti. Innanzitutto, le funzioni di risposta delle rese in relazione ai diversi livelli di irrigazione sono state stimate solo per le colture presenti nel database di AquaCrop. Alcune delle colture considerate nell’analisi, come l’erba medica, sono assenti nel modello della Fao, per cui è stato necessario utilizzare per queste dei coefficienti tecnici fissi forniti da esperti e dalla letteratura. Il modello di Pmp non prevede inoltre alcun vincolo specifico sulla quantità massima di acqua per uso irriguo. Questa mancanza impedisce la valutazione di scenari di riduzione della disponibilità d’acqua e l’individuazione di un valore (duale) della scarsità della risorsa idrica. Tali vincoli permetterebbero anche di valutare gli effetti degli strumenti economici di governo delle acque per uso irriguo, come i sistemi tariffari e il meccanismo di scambio dei diritti ad irrigare.

Riferimenti bibliografici

  • Arfini F., Donati M. (2013), Organic Production and the Capacity to Respond to Market Signals and Policies: An Empirical Analysis of a Sample of Fadn Farms. Agroecology and Sustainable Food Systems 37, pp. 149-171

  • Blanco M., Cortignani R., Severini S. (2008), Evaluating Changes in Cropping Patterns due to the 2003 Cap Reform. An Ex-post Analysis of Different Pmp Approaches Considering New Activities. Paper prepared for presentation at the 107th Eaae Seminar "Modelling of Agricultural and Rural Development Policies", Seville

  • Brooke A., Kendrick D., Meeraus A., Raman R., and Rosenthal R. E. (2011), Gams: A User’s Guide. Washington, DC: Gams Development Corporation

  • European Commission (2010), Europe 2020. A strategy for smart, sustainable and inclusive growth, Brussels

  • Fabbri C., Labartino N., Manfredi S., Piccinini S. (2013), Biogas, il settore è strutturato e continua a crescere, Supplemento Energia Rinnovabile, L’Informatore Agrario, n. 11, pp. 11-16

  • García-Vila M., Fereres E. (2012), Combining the simulation crop model AquaCrop with an economic model for the optimization of irrigation management at farm level. European Journal of Agronomy 36, pp. 21-31

  • Heckelei T., Wolff H. (2003), Estimation of constrained optimisation models for agricultural supply analysis based on generalised maximum entropy, European Review of Agricultural Economics, 30(1), pp. 27-50

  • Howitt R. E. (1995), Positive mathematical programming. American Journal of Agriculture Economics 77, pp. 329–342

  • Paris Q., Howitt R.E. (1998), An analysis of ill-posed production problems using maximum entropy. American Journal of Agricultural Economics 80, pp. 124-138

  • Petersen J-E (2008), Energy production with agricultural biomass: environmental implications and analytical challenges. European Review of Agricultural Economics 35, pp. 385-408

  • Raes D., Steduto P., Hsiao T.C., and Fereres E. (2009), AquaCrop – The Fao crop model for predicting yield response to water: II. Main algorithms and software description. Agronomy Journal 101, pp. 438-447

  • Röhm O., Dabbert S. (2003), Integrating Agri-environmental programs into regional production models: An extension of positive mathematical programming. American Journal of Agricultural Economics 85(1), pp. 254–265

  • Steduto P., Hsiao T.c., Raes D., Fereres E. (2009), AquaCrop – the Fao crop model to simulate yield response to water: I. Concepts and underlying principles, Agronomy Journal 101, pp. 426-437

  • Zezza A. (2008), Bioenergie: quali opportunità per l’agricoltura italiana, Collana Studi e Ricerche Inea, Edizioni Scientifiche Italiane, Napoli

  • 1. Il presente lavoro è stato svolto nell’ambito del progetto Biosea “Optimization for bioenergy supply chains for an economic and an environmental sustainability” finanziato dal Mipaaf [link].
Tematiche: 
Rubrica: 
Non cliccare su questo link in quanto e accentata per gli spammers e verresti messo nelle blacklist