Prima previsione dell’andamento stagionale di Zanzara Tigre per il 2024 in Emilia-Romagna

Prima previsione dell’andamento stagionale di Zanzara Tigre per il 2024 in Emilia-Romagna

Grazie all’applicazione del modello matematico sviluppato dal Gruppo Tecnico regionale (Carrieri et al 2023 ), è possibile effettuare una previsione sui livelli di densità media regionale di Zanzara Tigre (Ae. albopictus ) per la stagione 2024, utilizzando i dati meteoclimatici ERG5 di Arpae Simc e i dati validati di monitoraggio tramite ovitrappole della Rete Regionale raccolti dal 2010 al 2023 (14 anni).

L’andamento climatico registrato nel 2024 è stato caratterizzato da elevate temperature nel mese di febbraio che hanno provocato un anticipo della schiusa delle uova invernali di Zanzara Tigre. Nei mesi successivi, marzo e aprile, si è registrata una elevata piovosità soprattutto in Emilia che hanno probabilmente sfavorito lo sviluppo delle zanzare.

Il modello previsionale, indica un andamento della popolazione di Zanzara Tigre nel mese di giugno 2024 tendenzialmente inferiore alla media registrata fino ad ora in Emilia (province di Piacenza, Parma, Reggio-Emilia, Modena, Bologna e Ferrara) con un Indice Standardizzato di Incremento della popolazione di Ae. albopictus (ISP) minore di 1, mentre in Romagna (province di Ravenna, Forlì-Cesena e Rimini) è probabile una popolazione leggermente superiore alla media (ISP > 1).

 

In base ai dati climatici registrati in autunno e nella prima parte dell’anno (gennaio-maggio) è possibile ipotizzare una densità di popolazione media stagionale di Zanzara Tigre nel 2024 superiore alla media 2010-2023 soprattutto in Romagna.

L’andamento stagionale di Zanzara Tigre è influenzato dal clima invernale-primaverile, ma andamenti meteorologici anomali in estate (in particolare la piovosità nel mese di luglio e la temperatura media di settembre) e le attività di lotta messe in atto possono determinare variazioni anche significative dell’andamento della popolazione della specie.

Oltre ai risultati di questo modello predittivo, si stanno completando anche le prime previsioni del nuovo modello spazio-temporale (basato su metodologia stacked machine learning), sviluppato in collaborazione con l’Università di Trento, che fornirà le densità della specie settimanale con una risoluzione spaziale di  5 km.