Bioeconomic Optimization of Multi-Batch Production Strategies for Sea Bass (Lateolabrax japonicus) Pond Culture Under Regional Temperature Heterogeneity

Sintesi Tecnica: Ottimizzazione Bioeconomica di Strategie di Produzione Multi-Batch per l'Allevamento in Stagni di Branzino (Lateolabrax japonicus) sotto Eterogeneità Termica Regionale

Problematica
Le variazioni regionali della temperatura e l'aumento dei costi di produzione impongono un duplice vincolo al processo decisionale nell'acquacoltura in stagni di branzino (Lateolabrax japonicus). Mentre la letteratura esistente ha ampiamente trattato le risposte alla crescita in singoli cicli o semplici confronti regionali, manca un quadro quantitativo che affronti come la pianificazione della produzione debba essere regolata in condizioni di coltura multi-batch continua. In tali sistemi, la tempistica dell'allevamento, i cicli di crescita e le dimensioni del raccolto sono interdipendenti; le fluttuazioni ambientali influenzano non solo la crescita dei singoli batch, ma anche la sequenza dei batch stessi e l'efficienza nell'utilizzo del tempo. Il problema centrale affrontato è la necessità di ottimizzare le variabili decisionali congiunte della tempistica di stoccaggio delle larve, della dimensione iniziale dello stoccaggio e del peso target del raccolto per massimizzare i rendimenti economici sotto variabili ambienti termici regionali.

Metodologia
Lo studio costruisce un modello bioeconomico guidato dalla temperatura accoppiato a un algoritmo di Particle Swarm Optimization (PSO) per risolvere strategie di produzione ottimali su un orizzonte di pianificazione di cinque anni.

• Modello Bioeconomico:
  • Input Ambientale: La temperatura dell'acqua è modellata come una funzione seno esogena con medie annuali specifiche per regione ($T_r$) e ampiezze ($A_r$), derivate da dati sul campo di Zhuhai (calda/stabile) e Rizhao (fredda/fluttuante).
  • Crescita e Sopravvivenza: La crescita individuale è simulata utilizzando un modello di Coefficiente di Crescita Termica (TGC) corretto per la non linearità della temperatura (utilizzando una funzione concava per l'intervallo ottimale). La sopravvivenza è modellata tramite una funzione di decadimento esponenziale con un tasso di mortalità giornaliero istantaneo costante.
  • Quadro Economico: L'obiettivo è massimizzare il Valore Attuale Netto (VAN/NPV). Il ricavo è calcolato sulla base della biomassa raccolta e dei prezzi di mercato previsti (derivati dai dati 2010–2025). I costi includono input variabili (mangime, larve) e allocazioni fisse (manodopera, manutenzione, ammortamento) scalate in base al ciclo di allevamento.
• Algoritmo di Ottimizzazione:
  • Viene impiegato un algoritmo PSO a causa della natura non lineare e non convessa della funzione obiettivo.
  • Variabili Decisionali: Ogni particella rappresenta un piano di produzione fattibile definito dall'intervallo di tempo tra i batch, dal peso iniziale delle larve e dal peso target del raccolto per ogni batch.
  • Vincoli: Lo spazio di ricerca è limitato da limiti biologici (soglie di crescita), vincoli fisici (area dello stagno, densità di stoccaggio) e limiti temporali (durata del periodo di pianificazione). Le soluzioni non fattibili vengono penalizzate.
• Disegno Sperimentale: Sono stati stabiliti due scenari comparativi utilizzando i dati di Zhuhai e Rizhao. Tutti i parametri bioeconomici e algoritmici sono stati mantenuti costanti tra gli scenari per isolare gli effetti dell'eterogeneità termica regionale.

Risultati Chiave
L'ottimizzazione ha prodotto strategie di produzione distinte per le due regioni, dimostrando che le condizioni di temperatura rimodellano fondamentalmente la struttura dei batch e le prestazioni economiche:

• Zhuhai (Calda/Stabile): La strategia ottimale prevede cinque batch con una sequenza serrata (intervalli di 0–12 giorni). Presenta cicli di allevamento più brevi (319–436 giorni) e pesi di raccolta altamente differenziati (407–830 g) per massimizzare l'utilizzo del tempo.
  • Risultato Economico: Profitto totale di 836.400 yuan e un VAN di 721.100 yuan. Il profitto medio giornaliero per batch variava da 343 a 623 yuan.
• Rizhao (Fredda/Fluttuante): La strategia ottimale prevede quattro batch con intervalli più dispersi (0–8 giorni). Presenta cicli di allevamento più lunghi (439–473 giorni) e pesi di raccolta più bilanciati (505–730 g).
  • Risultato Economico: Profitto totale di 680.400 yuan e un VAN di 592.000 yuan. Il profitto medio giornaliero per batch variava da 258 a 518 yuan.
• Compromessi Strategici: Lo studio ha rilevato che, in condizioni più calde, il sistema beneficia di un'alta frequenza di rotazione e di specifiche flessibili. In condizioni più fredde, la strategia ottimale vira verso meno batch e cicli estesi per mitigare i vincoli di crescita, risultando in una scala di ricavi totali più equilibrata ma inferiore. Notevolmente, la soluzione ottimale per Zhuhai ha mantenuto i batch a minor profitto per garantire la continuità della catena di produzione, confermando che l'ottimizzazione multi-batch è un compromesso intertemporale piuttosto che un problema di massimizzazione del singolo batch.

Significatività e Rivendicazioni
Il documento sostiene di fornire un supporto teorico e uno strumento di decisione quantitativa per l'acquacoltura continua in stagni di branzino. I suoi principali contributi sono:

1. Integrazione del Quadro Analitico: Stabilisce un quadro analitico unificato che collega le variazioni di temperatura regionale, i ritmi di crescita, la pianificazione della produzione e le prestazioni economiche, colmando una lacuna nella letteratura esistente riguardante la coltura continua sotto eterogeneità ambientale.
2. Gestione Differenziata: I risultati confermano che le strategie di produzione "standardizzate" sono subottimali. Lo studio sostiene che l'ottimizzazione scientifica della sequenza multi-batch e delle configurazioni di stoccaggio può mitigare efficacementamente gli effetti economici avversi delle basse temperature e delle fluttuazioni termiche.
3. Applicazione Pratica: Il modello offre indicazioni specifiche per una gestione regionalmente differenziata:
   • Regioni Calde: Gli operatori dovrebbero sfruttare le condizioni favorevoli per una sequenza di batch serrata e specifiche di raccolta differenziate per massimizzare l'output per unità di tempo.
   • Regioni Fredde: Gli operatori dovrebbero adottare meno batch, cicli più lunghi e un'allocazione bilanciata per stabilizzare i rendimenti, potenzialmente integrati da misure di gestione termica.

Gli autori segnalano modestamente alcune limitazioni, tra cui il trattamento della temperatura e dei prezzi come variabili esogene (ignorando volatilità/incertezza) e l'attenzione a scenari specifici di stagni a Zhuhai e Rizhao, suggerendo che i lavori futuri dovrebbero incorporare elementi stocastici e condizioni ambientali più ampie.