7.5 Schema a strip-plot

ei a e rti e e ra e e di o o i, i, si li eaù oa a o ilo N 57 SCHEMI SPERIMENTALI di vista dell elaborazione statistica, i due fattori devono essere trattati separatamente, in quanto ai parcelloni compete un errore diverso da quello delle parcelle e dell interazione. I parcelloni hanno un errore sperimentale calcolato come se non esistessero le parcelle, ottenuto come interazione tra il trattamento stesso e i blocchi (e ciò comporta un decremento della potenza per il trattamento nei parcelloni rispetto allo schema a randomizzazione completa). Per le parcelle è possibile escludere dall errore sperimentale tutta la variabilità tra i parcelloni e la quota di errore utilizzata per saggiare la significatività dell effetto studiato nei parcelloni, ottenendo così un incremento di potenza rispetto allo schema fattoriale a blocchi randomizzati. Di seguito è proposto un esempio di schema distributivo a split-plot dove sono previste 3 repliche, un fattore A nei parcelloni con 3 livelli e un fattore B nelle parcelle con 4 livelli: Blocco 1 Blocco 2 Blocco 3 A2B2 A1B1 A3B3 A1B1 A3B1 A2B3 A2B3 A3B3 A1B2 A2B1 A1B2 A3B2 A1B3 A3B3 A2B2 A2B4 A3B1 A1B1 A2B4 A1B4 A3B4 A1B4 A3B2 A2B4 A2B2 A3B4 A1B4 A2B3 A1B3 A3B1 A1B2 A3B4 A2B1 A2B1 A3B2 A1B3 Eventualmente, le sub-parcelle possono essere ulteriormente suddivise, ottenendo schemi detti a split-split-plot. La tabella dell ANOVA è la seguente: Fonti di variazione Fattore A Blocchi Gradi di libertà Varianze F test p21 QM1 QM1/QM3 QM2/QM3 r21 QM2 (r 2 1) ? (p 2 1) QM3 q21 QM4 QM4/QM6 Interazione A*B (p 2 1) ? (q 2 1) QM5 QM5/QM6 Errore parcelle (r 2 1) ? p ? (q 2 1) QM6 Errore parcelloni Fattore B 7.5 Schema a strip-plot. Lo schema a strip-plot (noto anche come split-block) si applica quando: a. l esperimento considera almeno due fattori; si intende quindi privilegiare la potenza del test relativo all interazione dei due fattori rispetto a quella del test sugli effetti semplici; b. le condizioni operative impediscono di eseguire distintamente i due trattamenti su ciascuna unità sperimentale (es. per prove di lavorazioni del suolo e irrigazione, a scala di campo dove per entrambi i fattori non è possibile trattare correttamente pochi metri quadrati di terreno). Lo schema potrebbe avere particolare valore nell ambito di prove dimostrative, in quanto è possibile vedere i livelli dei fattori muovendosi in campo lungo linee rette. Lo schema a strip-plot deve prevedere innanzitutto dei blocchi, disposti analogamente a quanto indicato per la prova a blocchi randomizzati, in numero uguale a quello delle ripetizioni. Nell ambito di ciascun blocco, si attuano dapprima i trattamenti a livello del N03_1_Sperimentazione.indd 57 N 5/31/18 11:39 AM

SEZIONE N
SEZIONE N
MATEMATICA, STATISTICA, SPERIMENTAZIONE, MODELLISTICA, MISURAZIONI
La razionalizzazione degli interventi agronomici richiede conoscenze su suolo, clima, colture e sistema biologico (microrganismi, parassiti, malattie, malerbe...), sulle loro interazioni ed evoluzione a seguito degli interventi agronomici. Per quanto possibile, all’approccio descrittivo (qualitativo) dovrebbe seguire quello quantitativo che, coinvolgendo dati numerici, richiede misurazioni o esperimenti che trovano la loro naturale elaborazione con l’ausilio di strumenti matematici, statistici e modellistici, al fine di ottenere conoscenze utili a scopo decisionale.L’aspetto quantitativo può determinare anche differenze qualitative: in base all’andamento economico (aspetto quantitativo), si può avere il fallimento dell’azienda (aspetto qualitativo).Le oscillazioni continue di contenuto idrico del suolo possono comportare sia variazioni quantitative (diminuzione di resa colturale per siccità) sia qualitative (la coltura muore per carenza idrica e la resa si annulla).Per trattare gli aspetti quantitativi, abbiamo bisogno di strumenti matematici che permettano di descrivere le relazioni tra variabili e di prevedere fenomeni e comportamenti semplici. Quando la complessità dei fenomeni da trattare aumenta, cresce anche l’incertezza, cui è legato il rischio. A questo punto possiamo scegliere la strada della descrizione statistica o quella dell’approccio di sistema, con l’applicazione dei modelli di simulazione. L’approccio statistico risulta inoltre fondamentale per trattare errori e variabilità nelle informazioni (compresi i rischi che ne derivano), sia nella sperimentazione di campo sia con i modelli.Nella presente Sezione N del Manuale dell’Agronomo vengono illustrati sinteticamente gli Strumenti matematico-statistici, nonché gli elementi per una corretta applicazione della Sperimentazione e della Modellistica in agricoltura. Completano la trattazione gli elementi relativi ai Sistemi di misura. Spetta all’Agronomo la scelta dello strumento di volta in volta più idoneo allo scopo, per qualità e utilità delle informazioni, ma anche per semplicità e rapidità con le quali si ottengono le informazioni richieste.Nell’attività professionale, l’uso di strumenti di supporto decisionale (modelli, GIS) o di procedure di elaborazione numerica è, oltre che utile, sempre più spesso richiesto dalle normative o dagli enti pubblici con cui il professionista si deve rapportare. Rimane all’Agronomo la responsabilità di verifica normativa e di un uso corretto e consapevole di questi strumenti.Coordinamento di SezioneFrancesco DanusoRealizzazione e collaborazioniMarco Acutis, Pierluigi Bonfanti, Gian Carlo Calamelli, Francesco Danuso, Massimo Lazzari, Tiziano Tempesta