Fractional Model and Numerical Algorithms for Predicting Cactus Cochineal (Dactylopius opuntiae) Infestation on Prickly Pear with Quarantine and Treatment Strategies

Nelle aride zone del Nord Africa, il fico d'India è più di una semplice pianta; è una risorsa vitale. Per secoli, questi resistenti alberi hanno fornito cibo, foraggio e reddito alle comunità rurali in tutto il Marocco e nell'ampia regione del Maghreb. Tuttavia, dal 2014, un insetto minuscolo ma devastante noto come cocciniglia del fico d'India minaccia di cancellare questo patrimonio agricolo. Questo parassita, che si nutre della linfa del cactus, è difficile da gestire perché si nasconde sotto uno strato protettivo di cera bianca, simile al cotone, che lo scherma dai trattamenti standard. Quando un'infestazione diventa grave, coprendo più di tre quarti di un pad di fico d'India, la pianta appassisce e muore. Per combattere questo fenomeno, le autorità hanno implementato misure rigorose, tra cui la quarantena di intere zone, il trattamento delle piante infette e la distruzione di quelle ormai troppo compromesse. Eppure, nonostante questi sforzi, il parassita continua a diffondersi e quasi tre quarti dei raccolti in alcune aree rimangono infestati.

Comprendere come questo parassita si muova e come fermarlo richiede molto più del semplice conteggio delle piante morte; richiede la comprensione della storia nascosta dell'infezione. I modelli tradizionali spesso assumono che la reazione di una pianta a un'infestazione avvenga istantaneamente, come l'accensione di un interruttore della luce. Tuttavia, la natura è raramente così immediata. Gli effetti di un attacco di parassiti, il tempo necessario affinché una colonia diventi visibile e l'impatto persistente delle passate condizioni meteorologiche creano una sorta di "memoria" nel sistema. Un nuovo studio condotto da ricercatori in Marocco e Francia esplora se l'uso di una matematica che tenga conto di questa memoria possa prevedere meglio la diffusione della cocciniglia e migliorare le strategie utilizzate per combatterla. Trattando la diffusione del parassita non come una semplice reazione istantanea, ma come un processo influenzato dal suo passato, i ricercatori mirano a perfezionare gli strumenti utilizzati da agricoltori e decisori politici per proteggere il fico d'India.

I ricercatori hanno costruito un modello matematico dettagliato che divide la popolazione di cactus in sei gruppi distinti: piante sane, piante che trasportano segretamente il parassita prima che compaiano i sintomi, piante che mostrano segni visibili di infezione, piante in quarantena, piante in fase di trattamento e piante che sono state distrutte. Hanno poi applicato a questo modello un tipo specifico di matematica avanzata, nota come derivata frazionaria. In termini semplici, questo strumento matematico permette al modello di ricordare gli stati passati del sistema. Invece di chiedere solo cosa stia accadendo in questo momento, il modello considera come la situazione attuale sia stata plasmata da eventi avvenuti giorni o settimane prima. Questo approccio rispecchia la realtà della cocciniglia, la cui cera protettiva ritarda l'effetto dei trattamenti e le cui colonie impiegano del tempo per diventare visibili agli ispettori.

Quando il team ha eseguito le simulazioni, ha scoperto che questo effetto memoria cambia significativamente la cronologia di un'epidemia. Sebbene il numero finale di piante infette rimanesse lo stesso indipendentemente dal fatto che il modello includesse la memoria, il percorso per arrivarci era diverso. Nel modello basato sulla memoria, il picco dell'infestazione arrivava più tardi ed era leggermente meno intenso rispetto ai modelli tradizionali. Questo ritardo è cruciale per la gestione; suggerisce che il sistema reagisce più lentamente ai cambiamenti, offrendo alle autorità una finestra temporale leggermente più lunga per agire prima che la situazione diventi critica. Lo studio ha anche testato come diverse misure di controllo, come la quarantena delle piante sane o il trattamento di quelle infette, si comporterebbero in queste condizioni. Hanno scoperto che la quarantena delle piante sane per evitare che entrassero nel ciclo di infezione era molto più efficace nel ridurre il picco dell'epidemia rispetto al trattamento delle piante già malate. Ciò si allinea alla logica secondo cui fermare la diffusione alla fonte è meglio che cercare di curare il danno dopo che si è verificato.

Per garantire l'affidabilità del loro modello, i ricercatori lo hanno testato contro dati sintetici, ovvero scenari generati al computer che imitano le rilevazioni sul campo del mondo reale. Hanno cercato di vedere se il modello potesse identificare correttamente i tassi specifici con cui il parasso si diffonde e l'efficacia delle misure di quarantena. I risultati sono stati incoraggianti per alcuni fattori, ma hanno rivelato una sfida per altri. Il modello poteva individuare con precisiono l'efficacia degli sforzi di quarantena, un elemento chiave per i decisori politici. Tuttavia, faticava a distinguere tra il tasso di diffusione naturale del parassita e il tasso di efficacia dei trattamenti osservando solo il numero totale di piante infette. Ciò suggerisce che, per ottenere il quadro più accurato, le autorità dovrebbero misurare la diffusione del parasso attraverso l'osservazione diretta degli insetti stessi, piuttosto che affidarsi esclusivamente al conteggio delle piante infette.

Lo studio è andato oltre, chiedendosi quale sarebbe la migliore strategia possibile se le autorità potessero regolare i loro sforzi in modo dinamico nel tempo. Utilizzando un metodo che trova il percorso più efficiente verso un obiettivo, hanno simulato uno scenario in cui i controlli biologici, come il rilascio di coccinelle predatrici, e i controlli amministrativi, come pattugliamenti rinforzati per far rispettare la quarantena, potessero essere aumentati o diminuiti a seconda delle necessità. La simulazione ha mostrato che l'approccio più efficace prevede un impulso rapido e intenso di misure di quarantena proprio all'inizio di un'epidemia, seguito da un graduale riduzione man mano che la minaccia recede. Questa strategia potrebbe ridurre il picco di piante infette di quasi il 72 percento rispetto a non fare nulla. Tuttavia, il modello ha anche svelato un difficile compromesso. Le misure di quarantena aggressive che riescono a fermare la diffusione portano anche alla distruzione di più piante sane. Poiché la zona di quarantena è rigorosa, molte piante che sono in realtà sane, ma che si trovano all'interno dell'area limitata, vengono infine distrutte come precauzione. I ricercatori hanno scoperto che, aggiustando il modello per dare esplicitamente valore alla preservazione delle piante sane, i decisori potevano trovare un equilibrio tra il fermare il parassita e il salvare il raccolto, sebbene una certa perdita di piante sane rimanga inevitabile sotto una stretta quarantena.

Infine, il team ha applicato questa strategia di controllo ottimale direttamente al proprio modello basato sulla memoria. Hanno scoperto che, quando viene presa in considerazione la memoria del sistema, la strategia di controllo diventa leggermente più efficiente. La "memoria" del sistema significa che gli effetti delle interventi passati persistono, permettendo alla strategia ottimale di ottenere un risultato marginalmente migliore con lo stesso sforzo. Ciò suggerisce che la natura stessa della diffusione lenta e cumulativa della cocciniglia del fico d'India può essere trasformata in un vantaggio se la risposta è temporizzata correttamente. Lo studio conclude che, sebbene gli strumenti matematici utilizzati siano complessi, le intuizioni che offrono sono pratiche. Riconoscendo che la diffusione di questo parassita non è un evento istantaneo ma un processo dotato di una storia, le autorità possono calibrare meglio i loro interventi. La ricerca evidenzia che, sebbene nessuna singola strategia possa eliminare interamente la minaccia, una combinazione di quarantena precoce e aggressiva e un trattamento mirato e attento offre la migliore possibilità di proteggere l'industria del fico d'India, a patto che il costo inevitabile della distruzione di alcune piante sane sia accettato come parte della necessaria difesa.