Risultati finali

E’ stata approfondita l’interazione tra i principali funghi micotossigeni del mais (Aspergillus flavus e Fusarium verticillioides) in termini di crescita e produzione di tossine al fine di sviluppare un modello congiunto per fumonisine e aflatossine che consideri la co-presenza delle due specie.

La validazione del modello Maize-tox ha mostrato un’efficienza, riferita a tutte le previsioni corrette, che nel caso della previsione di AFB1 è uguale al 68%, mentre nel caso della previsione di FBs è uguale a 72%.

Durante il monitoraggio della contaminazione in Regione Emilia-Romagna sono stati raccolti 101 campioni, 53 nel 2020 e 48 nel 2021. Il 4% dei campioni è risultato positivo per AFB1 e il 14% per FB nel 2020, entrambi al di sopra del limite legale, mentre nel 2021 tali percentuali sono state rispettivamente dell'8% e del 20%. 

E’ stata sviluppata una piattaforma che consente di eseguire in automatico le previsioni di rischio di contaminazione da micotossine alla raccolta per mais e frumento, utilizzando i dati meteorologici come input, della località prescelta. Gli output (indici di rischio) vengono forniti dal sistema sia in forma grafica (semaforo e curva di probabilità) che tabellare. Il sistema è in grado di fornire anche un’elaborazione tramite una mappa territoriale di rischio estesa all’intera Regione Emilia-Romagna.

Si è proceduto infine all’elaborazione dei dati colturali storici tramite un approccio innovativo, con l’impiego di tecniche di machine learning (ML), per ottimizzare la modellizzazione statistica dell’interazione tra impatto meteorologico e tecniche colturali sulla presenza di micotossine in mais, da utilizzare poi a scopo previsionale. 

I Principali benefici per gli utilizzatori che possono derivare dai risultati del progetto sono: 

• Realizzazione di una piattaforma informatica GIS-based ad accesso controllato che permetta alla struttura tecnica e/o di stoccaggio o al produttore agricolo la consultazione di mappe territoriali di rischio di contaminazione da micotossine relativamente alle aziende/aree di propria competenza.

• Automatizzazione delle previsioni di rischio con l’importazione quotidiana dei dati meteorologici dalla rete ARPAE e da eventuale sensoristica meteo aziendale. 

• Miglioramento dell’organizzazione della raccolta in base alla previsione di rischio, razionalizzando anche la logistica post-raccolta e la scelta della destinazione d’uso dei prodotti ottenuti e concentrando campionamenti della granella e analisi nelle zone nelle zone potenzialmente ad alto rischio.