Agent-Based Modeling of Low-Emission Fertilizer Adoption for Dairy Farm Decarbonisation using Empirical Farm Data

Sintesi Tecnica: Modellazione Basata su Agenti per l'Adozione di Fertilizzanti a Basse Emissioni nella Decarbonizzazione degli Allevamenti Latteiferi

Enunciato del Problema
I sistemi agricoli, in particolare l'allevamento latteifero irlandese, sono contributori significativi alle emissioni di gas serra (GHG), guidati principalmente dall'uso di fertilizzanti azotati, dalla gestione del bestiame e dalle pratiche di uso del suolo. Sebbene esistano misure pratiche a basse emissioni — come l'adozione di urea protetta (urea trattata con l'inibitore dell'ureasi NBPT) — l'adozione tra le aziende è disomogenea. Questa eterogeneità deriva da differenze nella capacità gestionale, nei vincoli strutturali e nelle interazioni sociali. I tradizionali modelli di valutazione dall'alto verso il basso spesso non riescono a catturare questa complessità, basandosi su ipotesi di comportamento uniforme e adozione immediata, ignorando al contempo gli effetti tra pari, la dipendenza dal percorso e la presa di decisione stocastica. Di conseguenza, vi è la necessità di un quadro capace di simulare l'evoluzione socio-tecnica della decarbonizzazione, trattando l'adozione non meramente come un calcolo finanziario ma come un processo dinamico influenzato dal contagio sociale e dalle caratteristiche strutturali dell'azienda.

Metodologia
Lo studio sviluppa un quadro di Modellazione Basata su Agenti (ABM) fondato empiricamente per simulare la diffusione delle tecnologie a basse emissioni attraverso 295 aziende latteifere irlandesi in un orizzonte temporale di 15 anni.

• Fondamento dei Dati: Il modello utilizza un dataset completo a livello aziendale fornito da Teagasc (Autorità irlandese per lo Sviluppo Agricolo e Alimentare), aggregato dalla Federazione Irlandese per l'Allevamento Bovino (ICBF) e da Bord Bia. Questo dataset include le prestazioni produttive (resa del latte, solidi, struttura della mandria), l'uso degli input (tipi di fertilizzanti, calce, mangimi) e le variabili economiche.
• Struttura degli Agenti: Ciascuna delle 295 aziende è modellata come un agente autonomo con attributi specifici: superficie agricola, unità di bestiame, produzione di latte e input di azoto. Inizialmente, tutti gli agenti utilizzano il convenzionale Nitrato di Calcio e Ammonio (CAN).
• Architettura della Rete Sociale: Per replicare le dinamiche sociali dei gruppi di discussione agricola, il modello impiega una rete "small-world" di Watts-Strogatz. Questa struttura presenta un elevato raggruppamento locale (rappresentante cerchi stabili di consulenza tra pari) e brevi lunghezze medie dei percorsi (rappresentanti il trasferimento di informazioni tra gruppi tramite consulenti). I parametri di rete ($k=4$ connessioni, probabilità di ricollegamento $p=0.1$) sono stati fissati per rappresentare una struttura di pari sparsa e raggruppata, piuttosto che essere tarati per adattarsi a curve di adozione specifiche.
• Meccanismo di Adozione: L'adozione dell'Urea Protetta è modellata come un processo decisionale stocastico e probabilistico. La probabilità di adozione ($P_{i,t}$) per un'azienda non adottante $i$ al tempo $t$ è una funzione di:
  1. Inclinazione di base: Una propensione fissa all'innovazione ($\beta_0$).
  2. Influenza tra pari: Un segnale in ritardo ($S_{i,t-1}$) che rappresenta il tasso medio di adozione delle aziende vicine, ponderato da un parametro di influenza sociale calibrato ($\omega = 0.85$).
  3. Fattori strutturali: Dimensione aziendale e produzione di latte normalizzate.
  4. Shock politici: Aggiustamenti esogeni per tasse sul carbonio o sussidi.
• Scenari Politici: Il modello simula tre scenari: uno di base (nessuna politica), una tassa sul carbonio (€71/t CO2 applicata alle emissioni incorporate nei fertilizzanti) e un sussidio (€200/tonnellata sull'Urea Protetta).
• Emissioni ed Economia: Il modello calcola le emissioni dirette di protossido di azoto basandosi su fattori di emissione specifici per fertilizzante (CAN: 0,0149; Urea Protetta: 0,0040) e le converte in equivalenti CO2. Calcola inoltre i costi marginali di abbattimento (MAC) confrontando le variazioni dei costi privati degli input con l'abbattimento totale, distinguendo tra costi privati e costi sociali (inclusa la spesa governativa).
• Validazione e Incertezza: Il modello è stato calibrato utilizzando dati storici di adozione (2019–2024) e validato contro dati fuori campione (2023–2024) utilizzando le metriche Errore Quadratico Medio (RMSE), Errore Assoluto Medio (MAE) e $R^2$. La robustezza è stata valutata tramite 250 iterazioni Monte Carlo e analisi di sensibilità sui pesi dell'influenza sociale e sui livelli di sussidio.

Contributi Chiave

1. Calibrazione Empirica: Lo studio collega dati reali a livello aziendale a un ABM calibrato, modellando con successo percorsi di diffusione realistici per l'adozione di fertilizzanti con alta accuratezza predittiva ($R^2 = 0,979$, RMSE = 0,0274).
2. Integrazione di Modellazione Biofisica ed Economica: Combina la valutazione economica con la modellazione biofisica delle emissioni per stimare i costi marginali di abbattimento in un ambiente simulato, distinguendo tra costi di benessere privato e sociale.
3. Quantificazione dell'Incertezza: Utilizzando metodi Monte Carlo, lo studio quantifica l'incertezza nei tempi di adozione e nelle emissioni cumulative, fornendo intuizioni probabilistiche anziché stime deterministiche a punto singolo.
4. Quadro di Laboratorio Politico: Il modello funge da "laboratorio politico" per pre-testare la robustezza e la velocità di diffusione delle strategie climatiche, concettualizzando la decarbonizzazione come un'evoluzione socio-tecnica piuttosto che come un calcolo puramente monetario.

Risultati

• Accuratezza Predittiva: Il modello ha dimostrato un'elevata accuratezza predittiva, con un $R^2$ di 0,9793 e un RMSE di 0,0274. L'inclusione degli effetti della rete sociale è stata cruciale; la loro rimozione ha aumentato il RMSE di cinque volte (da 0,0274 a 0,1476), confermando che l'influenza tra pari è un meccanismo dominante nell'adozione dei fertilizzanti.
• Dinamiche di Adozione: L'adozione ha seguito una curva S logistica. Lo scenario di base ha raggiunto il 50% di adozione in circa 7,2 anni. La tassa sul carbonio ha accelerato questo processo a circa 3,6 anni, mentre lo scenario di sussidio è stato il più rapido, raggiungendo il 50% in circa 3,0 anni.
• Abbattimento Cumulativo: Nell'arco dei 15 anni, lo scenario di sussidio ha raggiunto 121,35 Gg CO2-eq evitati, circa il 24% in più rispetto allo scenario di tassa sul carbonio (97,73 Gg CO2-eq). Questa differenza è attribuita al picco di adozione più precoce sotto il sussidio, che prolunga il periodo di risparmio delle emissioni.
• Spostamenti Distributivi: Un test di Kolmogorov-Smirnov ha confermato che gli interventi politici alterano fondamentalmente la distribuzione dell'intensità carbonica del settore ($D = 0,2407, p < 0,001$), sopprimendo efficacemente la coda ad alta intensità e trascinando le aziende "arretrate" verso la modalità di riferimento.
• Fattibilità Economica: Il costo marginale privato di abbattimento è stato calcolato a €0,80 per tCO2-eq, significativamente inferiore ai prezzi di riferimento attuali del carbonio nell'UE. Tuttavia, includendo le spese governative per i sussidi, il costo sociale di abbattimento è salito a €4,54 per tCO2-eq.
• Eterogeneità: L'analisi strutturale ha rivelato che l'intensità carbonica è guidata dall'efficienza nell'uso dei nutrienti e dall'equilibrio del carico zootecnico piuttosto che dalla sola scala aziendale. Le aziende "arretrate" (top 20% degli emettitori) presentavano alti tassi di carico zootecnico (~4,5 LU/ha) senza corrispondenti guadagni nella resa del latte, indicando rendimenti decrescenti e perdita di azoto.

Significato e Affermazioni
L'articolo afferma che il suo significato principale risiede nel fornire un quadro validato e generalizzabile per indagare la diffusione eterogenea e mediata da reti delle tecnologie nei sistemi agricoli. Integrando dati empirici con la modellazione basata su agenti, lo studio dimostra che:

• Il Contagio Sociale è Critico: L'influenza tra pari non è un fattore secondario ma un motore primario della velocità di adozione. Le politiche che non tengono conto delle dinamiche di rete possono sottostimare la velocità di diffusione o l'impatto dei primi adottanti.
• Sussidi vs Tasse: Sebbene sia le tasse sul carbonio che i sussidi possano guidare l'adozione, gli interventi basati sui sussidi creano una diffusione più rapida e un maggiore abbattimento cumulativo grazie alla loro capacità di innescare punti di svolta sociali auto-rafforzanti nelle fasi iniziali della transizione.
• Dipendenza dal Percorso: Il modello illustra che la tempistica delle politiche interagisce con il contagio di rete per creare percorsi di transizione duraturi. Gli incentivi precoci possono "bloccare" i comportamenti riducendo i rischi percepiti attraverso la validazione tra pari, una dinamica che i meccanismi di prezzo statici (come le tasse) potrebbero faticare a replicare a meno che non siano sufficientemente forti da superare la stessa soglia sociale.
• Interventi Mirati: Il quadro suggerisce che indirizzare le aziende strutturalmente influenti e ad alta emissione produce il maggiore impatto marginale, supportando la progettazione di interventi differenziati e basati su evidenze piuttosto che approcci standardizzati.

Gli autori posizionano il modello come uno strumento per l'esperimentazione di "laboratorio politico", consentendo agli stakeholder di anticipare e ottimizzare le strategie di decarbonizzazione prima dell'implementazione, pur riconoscendo i limiti riguardanti la complessità comportamentale limitata e le variabili economiche statiche.