Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D Le Miniguide all'orientamento Gli eBook di Federica La Corte in Rete
 
I corsi di Agraria
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Francesco Giannino » 22.Modellizzazione quali-quantitativa a supporto della gestione del Parco Nazionale del Sagarmatha (Nepal)


Indice della lezione

Dare un esempio applicativo di un modello ecosistemico della gestione del parco Parco Nazionale del Sagarmatha (Nepal), e dei passaggi logici/metodologici/modellistici di un progetto di ricerca integrato.

Obiettivi del progetto HKKH (Hindu Kush-Karakoram-Himalaya) Partnership

Lo sviluppo di una metodologia e di strumenti a supporto della gestione di aree protette d’alta quota nella regione asiatica, utilizzando come caso di studio i seguenti t re parchi: il Sagarmatha National Park and Buffer Zone (SNPBZ) – Nepal, il Central Karakorum National Park (CKNP) – Pakistan e il Quomolongma Nature Preserve (QNP) – Cina.

PARTECIPANTI AL PROGETTO:

  • EV-K2-CNR, Responsabile fase modellistica e ricerche;
  • IRSA-CNR, il referente scientifico per la gestione del processo modellistico;
  • ICIMOD, sviluppo dei supporti web e di GIS;
  • CESVI, responsabile dello studio delle dinamiche sociali;
  • UNINA, responsabile sviluppo modello quantitativo;
  • IUCN, Coordinamento

Caso studio

Le tre aree interessate dal progetto (Pakistan, Tibet, Nepal)

Le tre aree interessate dal progetto (Pakistan, Tibet, Nepal)


Parco Nazionale del Sagarmatha (Nepal)


Obiettivi specifici

  1. Sviluppo di una metodologia per la gestione dei socio-ecosistemi nei paesi in via di sviluppo, mediante l’utilizzo di modelli matematici.
  2. Per il caso di studio analizzato (SNPBZ, Nepal):
    1. Identificazione dei “driver” e dei relativi “impatti” generati sull’ambiente.
    2. Sviluppo di modelli qualitativi in grado di descrivere in modo chiaro e completo le dinamiche ambientali e sociali presenti nel Parco.
    3. Sviluppo dei modelli quantitativi relativi ai principali sistemi dinamici individuati.
    4. Identificazione, in collaborazione con i ricercatori locali, dei dati necessari all’implementazione dei modelli e dei loro piani di acquisizione.
    5. Sviluppo di scenari modellistici preliminari, simulando gli effetti di differenti politiche di gestione.
  3. Identificazione di eventuali problematiche metodologiche nell’approccio seguito.

Approccio metodologico adottato

Rispetto a un sempre più diffuso utilizzo della modellistica socio-ecosistemica, in letteratura poca attenzione è stata data al processo comunicativo tra modellisti, ricercatori e stakeholder locali: processo necessario per assicurare che gli sforzi di ricerca diventino uno strumento utile per la gestione delle aree protette.

Pertanto si è cercato di accoppiare la modellistica socio-ecosistemica (hard-system) e il processo partecipativo (soft-system).

Schema delle metodologie hard e soft del progetto

Schema delle metodologie hard e soft del progetto


Approccio metodologico adottato

Ognuno delle metodologie ha adottato gli specifici elementi implementativi, scegliendo quelli che meglio si adattavano per gli obiettivi di “knowledge transfer” del progetto.

Schema dei sistemi software utilizzati

Schema dei sistemi software utilizzati


Cmap e Simile

Il software CMap permette di costruire in maniera molto semplice ed intuitiva delle mappe concettuali dei modelli (figura1).

Il software Simile permette la traduzione delle mappe concettuali in modelli quantitativi capaci quindi di generare degli scenari di simulazioni (figura 2 ).

Figura 1: sistemi qualitativi

Figura 1: sistemi qualitativi

Figura 2: sistemi quantitativi

Figura 2: sistemi quantitativi


Wiki e Google docs

Il sistema WIKI permette di gestire la comunicazione di diversi utenti, in cui tutti possono modificare/aggiungere/costruire le informazioni, il piu grande esempi di sistema wiki e’ l’enciclopedia Wikipedia (figura 1).

Il sistema Google docs permette di condividere file di testo, banche dati, fogli elettronici in maniera efficiente e centralizzata (figura 2).

Figura 1: sistemi di comunicazione – WIKI

Figura 1: sistemi di comunicazione - WIKI

Figura 2: sistemi di condivisione dati – Google Docs

Figura 2: sistemi di condivisione dati – Google Docs


Scenario Planning 1

1) Analisi dei cambiamenti socio-ecologici avvenuti nel passato

Mappa concettuale dei cambiamenti socio-ecologici

Mappa concettuale dei cambiamenti socio-ecologici


Scenario Planning 2

2) Identificazione di possibili scenari futuri basati:

  • sull’ipotesi di un continuo aumento dei flussi turistici;
  • sulle recenti vicende politiche nazionali. Ossia che la rivoluzione nepalese del 2006 possa determinare un cambiamento del livello di centralizzazione governativa della gestione delle aree protette e possa variare la capacità di investimento esterna del paese per la costruzione di infrastrutture e il miglioramento dei servizi locali.
Mappa concettuale dei possibili scenari futuri

Mappa concettuale dei possibili scenari futuri


Definizione dei sottomodelli

  • Modello dei flussi turistici (Tourism sub-model)
  • Modello sulle dinamiche di popolazione (Population dynamic sub-model)
  • Modello per la gestione energetica (Energy management sub-model)
  • Modello della gestione dei rifiuti solidi (Solid waste dub-model)
  • Modello per la gestione forestale (Forestry sub-model)
  • Modello per la gestione dell’inquinamento delle acque superficiali (Water pollution sub-model)
  • Modello per la gestione dell’inquinamento dell’aria nelle abitazioni (Indoor air pollution sub-model)
  • Modello per la gestione della fauna selvatica (Wildlife sub-model)
Definizione e interazioni tra i sottomodelli

Definizione e interazioni tra i sottomodelli


Il processo modellistico

Il processo di “knowledge transfer”, in rosso i passaggi del processo modellistico

Il processo di “knowledge transfer”, in rosso i passaggi del processo modellistico


Modellizzazione qualitativa

La fase di modellizzazione qualitativa raccoglie la conoscenza dei ricercatori e degli stakeholder locali delle dinamiche socio-ecologiche del Parco, cercando di riassumerle in modo schematico attraverso un’identificazione grafica del processo e delle differenti politiche in grado di modificarne gli impatti. La figura mostra il livello di interazione e complessità di informazioni delle mappe concettuali per i diversi sottomodelli considerati.

Le diverse mappe concettuali

Le diverse mappe concettuali


Modellizzazione quantitativa

La fase di modellizzazione quantitativa, definisce per ogni Cmap un modello in Simile, capace di simulare il processo analizzato.

I diversi sottomodelli implementati in Simile

I diversi sottomodelli implementati in Simile


Il processo modellistico: 1-Cmap

La mappa concettuale del modello per la gestione dei rifiuti solidi (software Cmap)

La mappa concettuale del modello per la gestione dei rifiuti solidi (software Cmap)


Il processo modellistico: 2-Simile quantitativo

Il modello qualitativo (ancora rosso) con solo gli elementi e le relazioni tra questi

Il modello qualitativo (ancora rosso) con solo gli elementi e le relazioni tra questi


Il processo modellistico: 3-Simile quantitativo

Il modello quantitativo (nero, pronto per essere compilato) con gli elementi e relazioni funzionali matematiche definite

Il modello quantitativo (nero, pronto per essere compilato) con gli elementi e relazioni funzionali matematiche definite


Il processo modellistico: 4-Simile simulazioni

Esempi di simulazioni del modello, fase necessaria per capire e testare il comportamento del modello

Esempi di simulazioni del modello, fase necessaria per capire e testare il comportamento del modello


Data gap analysis

Una volta ottenuto il modello di Simile “nero” (cioe’ capace di essere compilato e fare le simulazioni), la fase successiva e’ stata quella di cercare i dati per inizializzare e parametrizzare il modello. La tabella riporta alcuni dei tipi di dati necessari per ogni elemento di Simile e alcune informazioni aggiuntive su dove sono stati reperiti i dati.

Dati per SIMILE

  • Variable name
  • Variable
  • Description Spatial
  • Disaggregation Temporal
  • Disaggregation
  • Other disaggregations
  • Units

Informazione sui dati

  • Status for Semester
  • Source
  • Collecting Plan
  • Comment

Esempio di scenari modellistici

MODELLO PER GESTIONE DEI RIFIUTI SOLIDI

Scenario: differente ripartizione dei rifiuti per tipologia di trattamento

Condizioni iniziali:
Rifiuti gestiti:

  • Riutilizzati = 5%
  • Trasportati fuori dal Parco = 20%
  • Gestiti nel Parco = 75% (efficienza di gestione 60% di quella potenziale)
    • Rifiuti riversati in discariche = 60%
    • Rifiuti bruciati = 40%
    • Rifiuti inceneriti = 0%
Simulazioni modello per gestione dei rifiuti solidi

Simulazioni modello per gestione dei rifiuti solidi


Esempio di scenari modellistici II

MODELLO PER LA GESTIONE ENERGETICA

Scenario: Incremento dell’efficienza della rete di distribuzione elettrica

Condizioni iniziali:

  • Distribuzione stagionale della popolazione e dei turisti
  • Efficienza della rete di distribuzione = 0.4
Simulazioni modello per gestione energetica

Simulazioni modello per gestione energetica


Esempio di scenari modellistici III

MODELLO PER LA GESTIONE DELL’INQUINAMENTO DELL’ARIA NELLE ABITAZIONI

Scenario: Incremento dell’efficienza dei sistemi di ventilazione

Condizioni iniziali:

  • Distribuzione stagionale della popolazione e dei turisti
  • Efficienza di ventilazione negli edifici: 0.3
Simulazioni modello per gestione dell’inquinamento dell’aria nelle abitazioni

Simulazioni modello per gestione dell'inquinamento dell'aria nelle abitazioni


Esempio di scenari modellistici IV

MODELLO PER LA GESTIONE DEI FLUSSI TURISTICI

Scenario: Differente distribuzione temporale degli ingressi turistici nel Parco

Condizioni iniziali:

  • Distribuzione stagionale della popolazione e dei turisti
  • Numero totale di turisti entranti nel Parco costante
  • Distribuzione spaziale dei turisti nel Parco costante
  • Numero di posti letto costante
Simulazioni modello per gestione dei flussi turistici – ingressi

Simulazioni modello per gestione dei flussi turistici - ingressi

Simulazioni modello per gestione dei flussi turistici – sovraffollamento

Simulazioni modello per gestione dei flussi turistici – sovraffollamento


Sviluppi futuri

Prossimamente sarà necessario:

  • un’analisi di plausibilità degli scenari a livello locale;
  • un’analisi dei costi delle diverse politiche gestionali al fine di definirne una graduatoria di fattibilità;
  • un’analisi di sensitività dei parametri modellistici per indirizzare ulteriormente gli sforzi di ricerca;
  • l’Integrazione dei vari sotto-modelli.
  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion