L’acquacoltura di precisione entra in una fase in cui gli strumenti di simulazione possono contribuire a ridurre l’incertezza attorno a una delle decisioni più delicate nei sistemi intensivi: quanto alimentare, quando modificare la strategia di somministrazione e come anticipare le differenze di crescita all’interno dello stesso lotto.
Uno studio pubblicato su Scientific Reports ha sviluppato un simulatore per la trota iridea (Oncorhynchus mykiss) che combina un modello di comportamento di branco, basato sull’approccio Boids, con un modello di bilancio energetico dinamico. L’obiettivo è prevedere le traiettorie di crescita individuale e valutare come diversi livelli di alimentazione influenzino crescita ed efficienza alimentare.
Il modello è stato validato attraverso una prova reale di allevamento condotta in Giappone con trota iridea, in una vasca circolare da 500 litri, a 10 ºC, per 203 giorni. I risultati mostrano che il simulatore ha riprodotto in modo ragionevole le traiettorie di crescita nelle fasi iniziali dell’allevamento, ma la distanza tra dati simulati e dati sperimentali è aumentata con il passare del tempo. Nel caso del peso corporeo, il modello ha teso a sovrastimare la crescita, con un errore finale del 22,7%, mentre le deviazioni nella lunghezza alla forca sono risultate inferiori, con errori percentuali compresi tra il 4% e il 10%.
Principali risultati e cautele del simulatore di crescita nella trota iridea
| Aspetto valutato | Risultato osservato | Lettura per l’acquacoltura intensiva |
|---|---|---|
| Previsione della crescita | Il modello ha riprodotto meglio le traiettorie di crescita nelle fasi iniziali dell’allevamento. | Può aiutare ad anticipare le tendenze di crescita, ma non sostituisce ancora la validazione in allevamento. |
| Peso corporeo | La simulazione ha teso a sovrastimare il peso nelle fasi più lunghe, con un errore finale del 22,7%. | Lo strumento richiede ulteriori miglioramenti prima di essere usato per decisioni commerciali di lungo periodo. |
| Lunghezza dei pesci | Le deviazioni sono state inferiori rispetto al peso, con errori percentuali compresi tra il 4% e il 10%. | La stima morfometrica appare più robusta rispetto alla previsione della biomassa accumulata. |
| Alimentazione e FCR | La simulazione ha permesso di confrontare diversi livelli di alimentazione e il loro impatto su crescita e conversione. | Rafforza l’interesse dei modelli predittivi per adattare le razioni in base alla fase produttiva. |
| Limiti attuali | Il modello non include ancora gli effetti della densità né le dinamiche dell’ossigeno disciolto. | Sono variabili critiche per RAS, acquacoltura a terra e sistemi intensivi commerciali. |
Gli stessi autori sottolineano che il modello non incorpora ancora gli effetti della densità di allevamento né le dinamiche dell’ossigeno disciolto, due variabili critiche nei sistemi intensivi e particolarmente rilevanti per l’acquacoltura a terra e i sistemi RAS. È stata inoltre osservata una variabilità individuale simulata superiore a quella registrata sperimentalmente, probabilmente perché alcuni pesci virtuali di taglia maggiore raggiungevano prima il mangime e ne consumavano più di quanto accadrebbe in condizioni reali.
La rilevanza del lavoro per il settore non sta nell’offrire una ricetta immediata per l’alimentazione, ma nel mostrare una direzione verso futuri gemelli digitali capaci di integrare comportamento, ingestione di mangime, crescita individuale e condizioni ambientali. Anche se la prova è stata condotta in Giappone sulla trota iridea, l’approccio risulta particolarmente interessante per sistemi intensivi, RAS e acquacoltura a terra, dove densità, ossigeno, alimentazione ed efficienza produttiva sono variabili decisive per la redditività.
Ti potrebbe interessare
