GARANTES

Gestione Avanzata e controllo Remoto di Aree verdi: Nuove TEcniche per la Sostenibilità

Battista P.¹, Rapi B.¹, Romani M.^1, Sabatini F. ¹, Cacini S.², Massa D.², Mati F^.3

1 CNR – Istituto per la BioEconomia, Firenze 2 CREA - Unità di Ricerca per il Vivaismo e la Gestione del Verde Ambientale ed Ornamentale, Pescia (PT) 3 Piante Mati, Pistoia

Progettato per dare un supporto operativo a progettisti e gestori di aree verdi in ambito urbano, in questa prima versione, da considerarsi ancora prototipale, GARANTES mantiene una struttura simile a quella dei sistemi geografici, in grado di gestire dati provenienti da diverse fonti informative, a vari livelli spaziali e temporali, integrandoli con modelli sito-specifici, di tipo ambientale, biologico e gestionale (Romani et al., 2012) (Fig. 2.76). Per un uso operativo delle uscite del sistema, i dati impiegati devono essere rappresentativi della condizione esistente all’interno dell’area d’interesse e comunque in grado di soddisfare i requisiti informativi degli indici e dei modelli implementati, secondo i principi e i criteri indicati dagli utenti finali sulla base delle loro esigenze.

I dati arrivano al GeoDataBase centrale con una frequenza oraria o sub-oraria e tutte le componenti del sistema sono mantenute aggiornate rispetto alla condizione dei diversi elementi (stato dei vegetali, interventi, trattamenti, ecc.), direttamente dall’utente o tramite consultazione degli archivi locali, eventualmente collegati al sistema. Per quanto riguarda i modelli e i criteri da utilizzare per ciascun sito, questi sono selezionati nella fase di impostazione del servizio e adattati nel corso della fase di verifica, che può avere una durata variabile da sei mesi a un anno, per la calibrazione e l’eventuale adattamento operativo. Questo periodo di adattamento è particolarmente importante per gli utenti, ai quali viene data la possibilità di valutare l’utilità operativa delle informazioni e delle indicazioni prodotte dal sistema, dando al tempo stesso un contributo al suo potenziamento attraverso la propria esperienza. Utilizzando comuni applicazioni informatiche, infatti, il personale autorizzato può accedere ai moduli di controllo, verificare la condizione delle aree e degli elementi di loro interesse, attivando o disattivando le componenti del sistema di supporto in funzione delle proprie esigenze.

In ogni caso, in presenza di anomalie nel funzionamento o incongruenze nei dati, il sistema può inviare avvisi e allarmi ai responsabili e al personale incaricato della gestione del sistema o del sito. In questo modo, anche in assenza di un controllo diretto, ciascun sito è tenuto sotto continua osservazione attraverso l’analisi dei suoi parametri primari e la visualizzazione delle immagini acquisite dalle telecamere, se presenti. Al fine di limitare la complessità del sistema e migliorare l’utilizzabilità delle informazioni fornite, si possono adottare alcune semplificazioni:

• Limitare il numero di settori controllati, individuando aree omogenee dal punto di vista gestionale e operativo.
• Seguire gli elementi più rappresentativi (es. piante più sensibili a fattori di stress o a malattie, ecc.).
• Contestualizzare l’informazione in riferimento al sito monitorato.

Vediamo, in breve, alcuni esempi di operazioni supportate dal sistema GARANTES nella sua versione attuale (GARANTES V.1.0) e di informazioni usate a livello operativo, a partire sia dall’osservazione diretta dei dati raccolti, sia dall’applicazione di indici e modelli più evoluti, fino ad arrivare alle più complesse analisi geo-spaziali (Romani et al., 2012; Cacini et al., 2016).

Segnalazioni operative

Osservazione diretta dei dati

Grazie ai sensori e alle periferiche installate nei siti sperimentali, è possibile verificare in remoto le condizioni ambientali, osservare l’evoluzione delle stagioni e valutare lo stato delle piante, individuando le condizioni di rischio o stress indotte da eventi meteo-climatici avversi e fornendo, allo stesso tempo, indicazioni utili al personale addetto alla manutenzione, per una corretta programmazione degli interventi e una mirata azione di protezione. I grafici seguenti mostrano alcuni esempi di osservazioni derivanti dall’analisi dei dati rilevati mediante le reti di monitoraggio installate nei giardini sperimentali, al fine di programmare e regolare gli interventi manutentivi.

a) Analisi dei gradienti termici registrati in un giorno di giugno all’interno del giardino dell’azienda “Piante Mati” di Pistoia. Le differenze tra i valori orari di temperatura delle varie zone, comunque significativi dal punto di vista biologico, sono riconducibili a diversi fattori, quali l’azione diretta della vegetazione e della radiazione (periodo giugno-settembre 2015: DTmin = 0.8 °C, DTmedia = 4.1 °C, DTmax = 10.9 °C).

c) Analisi dell’andamento dell’umidità del terreno, legate alle caratteristiche del punto di rilevamento. Il grafico mostra la disomogeneità nella disponibilità idrica in tre zone di un parco, riconducibili a diverse condizioni edafiche, morfologiche e gestionali:

• SM1 – Area sottesa ad un pendio, con problemi di ristagno idrico, coltivata a rosmarino;
• SM2 – Area priva di irrigazione efficace, coperta da bosso;
• SM3 – Area con sistema di gestione automatico, coltivata a ortensie.

Dall’analisi dei dati raccolti, è emersa la necessità di intervenire sull’area SM1, al fine di ripristinare una condizione di drenaggio soddisfacente e sull’area 2, con irrigazione manuali, in attesa di modifiche strutturali.

Nel corso di questi anni, altri episodi hanno messo in luce la possibilità di individuare l’emergere di condizioni critiche tramite l’osservazione diretta dei dati raccolti dalla rete di rilevamento locale, su parametri specifici. Dopo opportune verifiche, questa esperienza viene trasferita nel sistema, tramite l’introduzione di soglie o di criteri operativi. Osservando la temperatura del suolo nei primi 10 centimetri, ad esempio, sono stati introdotti controlli sulla crescita del prato, sul rischio legato alle basse temperature e sulla comparsa di malattie fungine.

Indicazioni modellistiche

I modelli implementati nel sistema GARANTES permettono di seguire in maniera continua alcuni elementi fondamentali, come la fenologia delle piante, i consumi idrici e nutrizionali e alcuni tra i più importanti rischi biotici e abiotici (Bacci et al., 2013). Vediamo alcuni esempi dei vantaggi che possono derivare dal loro impiego in sede operativa.

a) Sfalcio del prato

Il modello di Gelernter e Stowell (Gelernter et al., 2005) implementato nel sistema GARANTES, stima l’accrescimento dell’erba in funzione della temperatura dell’aria, acquisita su base oraria da una stazione di riferimento.

Dove:

CO = tasso di accrescimento potenziale (0-1)
T = Temperatura misurata (°C)
To = Temperatura ottimale (es.  20°C  per le microterme)
C = Coefficiente che regola la variazione di CO quando la temperatura si allontana da To (es. 5.5 - 10 per le microterme)

Il valore ottenuto può essere facilmente trasformato in altezza del prato, moltiplicando il parametro CO per il tasso orario di crescita, espresso in cm, rendendo, in questo modo, più agevole per l’utente l’introduzione delle soglie di intervento. Le indicazioni fornite dal modello circa la necessità o meno di un intervento (sfalcio) sono legate all’andamento stagionale e non tengono conto di eventuali stress idrici o limitazioni nutrizionali. Per allineare le stime del modello con le condizioni reali, l’utente, oltre a inserire i giorni di taglio reale, può modificare i principali parametri, come l’accrescimento giornaliero massimo, il range ottimale di temperatura e i criteri di ripresa vegetativa o pausa invernale. Da osservazioni condotte sul sito sperimentale del CREA di Pescia, risulta una buona capacità del modello di stimare l’accrescimento giornaliero del prato nel corso dell’anno e di “guidare” gli interventi in base all’andamento stagionale

Le indicazioni fornite possono essere valutate dall’utente finale e adattate alle reali condizioni di campo. L’uso di modelli pienamente validati sui siti d’interesse può consentire una programmazione mirata delle attività di sfalcio in funzione delle caratteristiche del prato, dei criteri gestionali e dell’andamento meteo-climatico. Utilizzando il modello in modo previsionale, inoltre, è possibile stimare i fabbisogni idrici e nutrizionali, per una più efficace calendarizzazione degli interventi.

b) Protezione delle piante

L’osservazione diretta da parte degli operatori, spesso, non permette di individuare il momento nel quale si creano le condizioni per la comparsa di un determinato agente o un aumento significativo del rischio, oltre i livelli di sicurezza. Per questo motivo si ricorre a procedure e modelli in grado di tener conto dell’andamento meteo-ambientale, per definire il grado di rischio e la necessità di intervenire, secondo i principi dell’Integrated Pest Management (IPM), resi obbligatori in Italia dal D. L.vo 150/2012 e dal relativo Piano Attuativo Nazionale e che consistono nella “attenta considerazione delle tecniche di lotta disponibili e l’appropriata integrazione con misure per il controllo dei patogeni, mantenendo trattamenti e interventi a livelli economici e ambientali sostenibili”. Queste metodologie nascono, quindi, da esigenze reali e necessitano di un continuo confronto con gli operatori del settore, per essere aggiornate rispetto alle procedure, alle tecniche e alle pratiche di prevenzione e lotta adottate.

I modelli utilizzati per dare indicazioni operative sul rischio di sviluppo di insetti, funghi e batteri, si basano su principi comuni, validati nel tempo in diversi ambiti e confermati da numerose esperienze. Tra questi si ricordano le soglie e le sommatorie termiche, spesso combinate con altri fattori ambientali (umidità, pioggia, ecc.) e criteri gestionali (trattamenti, interventi, ecc.).

L’importanza di strumenti di questo genere è evidente nel momento in cui le informazioni prodotte possono consentire di ridurre il numero di trattamenti rispetto alle operazioni effettuate a calendario. Alcune malattie fungine, come la ticchiolatura ad esempio, possono richiedere trattamenti anche settimanali (o bisettimanali), mentre usando modelli che tengano conto dell’efficacia dei prodotti e dell’andamento stagionale, gli interventi possono essere ridotti in modo significativo, mantenendo un elevato grado di protezione). Nella figura sopra, lettera b, sono mostrate le indicazioni di rischio fornite dal modello semplificato A-SCRAB (Giosuè et al., 2000; Rossi et al., 2001), per il sito pilota di Pescia, che evidenziano la possibilità di evitare alcuni interventi (9 vs 12), soprattutto nel periodo più caldo (luglio-agosto: 1 vs 3). Inoltre, per il protrarsi di condizioni meteorologiche favorevoli allo sviluppo fungino, alcuni trattamenti potrebbero essere richiesti anche in periodi diversi da quelli programmati (aprile: 1 vs 0).

Considerazioni simili possono essere fatte anche per i modelli basati sulle sommatorie termiche, come quelli usati per la maggior parte degli insetti. Per la valutazione del rischio, il sistema utilizza diverse procedure di calcolo delle sommatorie termiche (Wilson et al., 1983; Zalom et al., 1983). Nei sistemi più semplici, come per i tripidi, la previsione del raggiungimento della fase adulta è fatta usando tre soglie (Carpino, 2002):

1. Soglia termica inferiore, TL;
2. Soglia termica superiore, TU;
3. iSoglia termica (sommatoria termica) di comparsa, °Dm.

Il modello implementato si basa sul metodo “single sine”, con valori di TL e TU pari rispettivamente a 10 °C e 30 °C ed effettua il calcolo dei gradi giorno a partire dal 1 gennaio (Fig. 2.83a). Gli utenti finali possono interagire con il modello, modificando i valori di soglia e introducendo la data di trattamenti. Nella figura 2.83b è mostrato lo sviluppo previsto su tre siti sperimentali, con riavvio della crescita degli insetti, dopo un breve periodo di latenza (20 giorni). Nel sito 3, con valori più elevati di temperatura, il modello ha previsto una generazione precoce, suggerendo un trattamento in più rispetto agli altri, verso la fine del mese di maggio.

c) Gestione dell’irrigazione

Nel sito sperimentale posto presso il CREA di Pescia, nel periodo 2011-2016 si sono osservate alcune rilevanti differenze tra le due tipologie di gestione dei giardini, tradizionale e GARANTES. In particolare, la gestione dell’impianto di irrigazione dei diversi settori tramite la Centralina GARANTES ha consentito un risparmio idrico dal 20 al 40 % a seconda dell’andamento meteoclimatico, rispetto al giardino gestito tramite timer, senza che fossero osservati danni o riduzione dello sviluppo delle piante.

Nelle figure sotto sono confrontati i consumi idrici cumulati nel periodo 25/05-03/11/2016 dei Plot “Siepi” e “Prato” dei due giardini, gestiti rispettivamente mediante GARANTES e timer, quest’ultimo controllato in funzione dei valori medi di ETE e piovosità previsti per lo stesso periodo sulla base dei dati meteo storici. Per il Plot Siepi, i valori finali dei consumi irrigui ottenuti con i due sistemi sono risultati quasi uguali, ma con una distribuzione temporale nettamente diversa. Quello gestito da GARANTES (Plot Siepi_G) segue l’andamento del bilancio idroclimatico (BIC = Precipitazione (Pe) - Evapotraspirazione Potenziale (ETP)), tanto che le misure di umidità del suolo, anche se puntuali, riescono a rappresentare in modo ottimale questa area. Nell’ultimo mese, in particolare, a causa delle forti piogge cadute (circa 144 mm) il terreno risulta saturo, per cui la centralina GARANTES riduce drasticamente l’irrigazione. Questo è evidenziato in figura sotto,lettera b, dove si considera il valore, cambiato di segno, del bilancio idroclimatico, ottenuto come differenza tra la pioggia efficace, Pe, calcolata con il metodo Chaptal e l’evapotraspirazione potenziale, ETP, calcolata mediante l’equazione CIMIS.

Per il Plot gestito dal timer (Plot Siepi_T), a causa delle piogge si ha una sovrastima dei consumi idrici nel corso della fase iniziale, seguita da un periodo (20 giugno-20 luglio 2016) in cui questi sono sottostimati. Successivamente la gestione idrica risulta essere ottimale fino al 15 settembre 2016, dopodiché il timer sembra somministrare una quantità eccessiva di acqua.

L’analisi dei consumi relativi ai Plot Prato mette in evidenza un diverso comportamento dei due sistemi di controllo (Figura sopra lettera a): una sovrastima complessiva dei consumi per il Timer (Plot Prato_T) e una sottostima iniziale per la gestione GARANTES (Plot Prato_G). Infatti si può notare che la gestione del Plot Prato_G presenta dei problemi nel primo mese (irrigazione inferiore al BIC), mentre nel successivo periodo sembra seguire in modo quasi ottimale l’andamento del BIC (Figura sopra lettera b). Un comportamento diametralmente opposto si ottiene per il Plot Prato gestito da Timer, nel quale, sebbene si sia tenuto conto dei consumi medi previsti per il periodo, è stato dato un eccesso di acqua nel secondo periodo.

Elementi gestionali delle aree verdi

La gestione efficiente di aree verde e giardini molto estesi o con vegetazione fortemente diversificata rappresenta un compito complesso, che necessita di conoscenze approfondite su una molteplicità di aspetti. Per rispondere a particolari esigenze operative GARANTES utilizza diversi strumenti, integrati su base geografica in fase di analisi. In generale, questo tipo di analisi richiede un accurato lavoro di preparazione, sia per la caratterizzazione delle aree e degli elementi vegetali, sia per la messa a punto delle procedure e dei criteri, che devono rispondere a reali esigenze operative. Soluzioni “ad hoc” sono quindi ricercate e adottate per rispondere a problematiche locali specifiche, anche ricorrendo a sottosistemi e sensori specifici.

Il nuovo paradigma della tecnologia informativa è rappresentato dalla sempre maggiore autonomia dei nodi sensori e dei sottosistemi di controllo, che a livello locale sono messi in condizioni di svolgere molteplici funzioni e comunicare con i sistemi interconnessi (IoT, IoE, M2M, ecc.). In campo ambientale e, nello specifico, per il supporto delle attività gestionali di elementi e risorse del territorio, il potenziale di questi sistemi è enorme e spazia tra le attività più propriamente domotiche, di controllo degli apparati, a quelle tecnico-agronomiche e specialistiche

La continua evoluzione delle componenti sensoristiche e computazionali rappresenta un potenziale applicativo enorme, che apre a soluzioni sempre nuove e dotate di un crescente grado di autonomia. I casi applicativi sono ormai numerosi anche a livello commerciale, con sistemi di controllo basati sulla comunicazione tra macchine e tra macchine e infrastrutture. In questi sistemi, tuttavia, la grande quantità di sensori connessi impone un spostamento del livello di analisi verso il nodo sensore e, al contempo, un aumento della capacità di controllo a livello del sistema di analisi centrale, chiamato a svolgere tipiche funzioni di supervisione o tutoraggio.

Il livello di integrazione dei dispositivi rende possibile un’elevata concentrazione di sensori e l’acquisizione di un numero enorme di informazioni, il cui impiego è in parte ancora da approfondire e valutare. Rimane quindi centrale il compito degli analisti e dei modellisti nella ricerca e nella messa a punto di soluzioni sempre più efficienti e sostenibili da trasferire anche a livello locale, grazie al firmware, su piattaforme sensoristiche altamente integrate e compatte.

In attesa di queste naturali evoluzioni, già nell’ambito del progetto, i dati dei sensori sono acquisiti da una unità locale (un datalogger programmabile), in grado di effettuare alcune elaborazioni preliminari sulla base delle indicazioni modellistiche e dei criteri definiti dagli esperti, e successivamente sono trasferiti al centro di controllo remoto, che effettua analisi complementari e integrative. All’interno del database centrale, dati e informazioni sono organizzati e posti in relazione tra loro, al fine di offrire riferimenti aggiornati per valutazioni di tipo tecnico-specialistico. Ad esempio, relativamente agli aspetti fitosanitari, ciascuna pianta può essere collegata ai propri patogeni e parassiti, anche attraverso informazioni fornite dall’utente e relative alle manifestazioni del danno o dello stress.

Dato che l’area verde deve essere vista nel suo insieme, come un organismo in continua evoluzione e soggetto a cambiamenti, tra le funzioni più importanti proprie del sistema centrale c’è quella previsionale, in grado di valutare quali possano essere le conseguenze di una determinata scelta tecnico-operativa. Una funzione che richiede la combinazione di tutti i dati disponibili, ambientali e gestionali, con le informazioni di base presenti nel database di sistema.

L’originalità del prototipo GARANTES risiede, quindi, principalmente nella scelta delle procedure di messa a punto per l’integrazione delle componenti, nella possibilità di gestire da remote aree con diverso grado di complessità e di trasmettere informazioni di tipo previsionale/programmatico sui rischi fitosanitari o sulle necessità d’intervento da parte degli operatori.

1. Bacci L., Battista P., Rapi. B., R omani M. (2012). Garantes Project - Advanced management and remote control of green areas: new techniques for the sustainability. GREEN WEEK 2012, Brussels (Belgium), 23 May 2012.
2. Bacci L., Battista P., Fiorillo E., Rapi B., Rocchi L., Romani M., Sabatini F., Zantonetti S., Mati F., Moro M., Tredici F., Cacini S., Pacifici S., Burchi G. (2013). GARANTES - Gestione Avanzata e controllo Remoto di Aree verdi: Nuove TEcniche per la Sostenibilità: Relazione tecnico- scientifica Coordinata. Pistoia, 12 dicembre 2013, pag. 40.
3. Barrell J. (2015). According to Barrell … Urban trees let down by policy failures. HorticultureWeek.
4. Bell S., Hamilton V., Montarzino A., Rothnie H., Travlou P., Alves S. (2008). Greenspace and quality of life: A critical literature review (Greenspace Scotland Research Report). Stirling.
5. Britt C., Johnston M. (2008). Trees in Towns II – A new survey of urban trees in England and their condition and management. London: Department for Communities and Local Government.
6. Cacini S., Battista P., Massa D., Rapi B., Romani M., Sabatini F. (2016). GARANTES: un sistema di supporto per una gestione sostenibile degli interventi irrigui e del controllo dei fitoparassiti in aree verdi urbane. Conferenza “Tecnologie e innovazione per una gestione sostenibile dell’agricoltura dell’ambiente e della biodiversità (Ti4AAB), 7-8 luglio 2016, Certosa di Calci (PI), Università di Pisa.
7. Carpino C. (2002). Applicazione sperimentale e contestualizzazione di modelli previsionali per la protezione delle colture dai patogeni, ai fini della riduzione di input chimici. Corso di dottorato di ricerca “Scienze e Tecnologie per la Gestione Forestale e Ambientale - XXI Ciclo”, Università degli Studi della Tuscia di Viterbo, pag. 133.
8. City of Edinburgh (2014). Trees in the city. Trees & woodlands action plan.
9. Collina S., Chiesura A., Brilli S. (2010). Strumenti di pianificazione del verde urbano in Italia. Studio sulle principali città italiane. ISPRA, pag. 238.
10. Cooke B., Coffey B. (2016). To green our cities, we must rethink our relationship with nature.
11. European Commission (2015). Towards an EU research and innovation policy agenda for nature-based solutions and re-naturing cities. Final Report of the Horizon 2020 expert group on “Nature-Based Solutions and Re-Naturing Cities”. European Commission, Brussels, Belgium.
12. FAO (2016). Guidelines on urban and peri-urban forestry, by F. Salbitano, S. Borelli, M. Conigliaro and Y. Chen. FAO Forestry Paper No. 178. Rome, Food and Agriculture Organization of the United Nations, pag.172.
13. Forest Research (2010). Benefits of green infrastructure. Report by Forest Research. Forest Research, Farnham
14. Forestry Commission England (2010). The case for trees in development and the urban environment. Bristol: Forestry Commission.
15. Gelernter, W., Stowell L. (2005). Improved overseeding programs 1. The role of weather. Golf Course Manage. March: 108–113
16. Giosuè S., Rossi V., Ponti I., Bugiani R. (2000). Estimating the dinamic of air-borne ascospores of the apple scab pathogen Venturia inaequalis. OEPP/EPPO Bulletin 30: 137-142.
17. Goddard M. A., Dougill A.J., Benton T.G. (2010). Scaling up from gardens: biodiversity conservation in urban environments. Trends in Ecology & Evolution 25(2): 90-98.
18. Haase D., Larondelle N., Andersson E., Artmann M., Borgström S., Breuste J., Gomez-Baggethun E., Gren Å., Hamstead Z., Hansen R., Kabisch N., Kremer P., Langemeyer J., Rall E.L., McPhearson T., Pauleit S., Qureshi S., Schwarz N., Voigt A., Wurster D., Elmqvist T. (2014). A quantitative review of urban ecosystem service assessments: concepts, models, and implementation. Ambio 43(4): 413-433.
19. Kabisch N., Frantzeskaki N., Pauleit S., Naumann S., Davis M., Artmann M., Haase D., Knapp S., Korn H., Stadler J., Zaunberger K., Bonn A. (2016). Nature-based solutions to climate change mitigation and adaptation in urban areas: perspectives on indicators, knowledge gaps, barriers, and opportunities for action. Ecology and Society 21(2): 39.
20. Knapp S., Kuehn I., Stolle J., Klotz S. (2010). Changes in the functional composition of a Central European urban flora over three centuries. Perspectives in Plant Ecology Evolution and Systematics 12: 235-244. Johnston M., Percival G. (Eds.). (2012). Trees, people and the built environment (Forestry Commission Research Report). Edinburgh: Forestry Commission, pag.258.
21. London Assembly Environment Committee (2007). Chainsaw massacre. A review of London’s street trees. London: Greater London Authority.
22. Moffat A. J. (2016). Communicating the benefits of urban trees: A critical review. Arboricultural Journal. The International Journal of Urban Forestry, Volume 38, Issue 2: 64-82.
23. Romani M., Rapi B., Battista P., Mati F., Bacci L. (2012). Nuove tecnologie per il monitoraggio e la gestione dei giardini storici. SCIRES-IT, Vol 2, Issue 1: 105-120.
24. Rossi V., Ponti I., Marinelli M., Giosuè S., Bugiani R. (2001). Environmental factors influencing the dispersal of Venturia inaequalis ascospores in the orchard air. Journal of Phytopathology 149: 11-19.
25. Seto K.C., Güneralp B., Hutyrac L.R. (2012). Global forecasts of urban expansion to 2030 and direct impacts on biodiversity and carbon pools. Proceedings of the National Academy of Sciences of the United States of America. Edited by B. L. Turner, Arizona State University, Tempe, AZ.
26. Wilson L.T., Barnett W.W. (1983). Degree-Days: An Aid in Crop and Pest Management. California Agriculture. 37: 4-7.
27. Zalom F.G., P.B. Goodell, L.T. Wilson, W.W. Barnett, and W.J. Bentley. 1983. Degree-Days: The Calculation and Use of Heat Units in Pest Management. University of California, Division of Agriculture and Natural Resources Leaflet 21373, pag. 10.