Elaborazione dei Dati

I dati raccolti durante l’intera sperimentazione, come pure quelli derivati da analisi, sono stati archiviati in fogli elettronici mediante il programma Microsoft Office Excel 2007 e convertiti in formati adatti alla lettura da parte di alcuni pacchetti di elaborazione statistica (SigmaStat®_{, Version 2.0, Systat Software, San José, CA, USA; Statistica}®_{, Release 7,}

StatSoft Inc., Tulsa, OK, USA; MATLAB, MathWorks Inc, Natick, MA, USA).

Ogni singola fonte di esemplari di spigola è stata caratterizzata in relazione a ciascuna variabile morfometrica e compositiva nei Allegati n. 6, 7, 8, 9, e 10, i cui contenuti, in termini di variabili prese in considerazione, sono elencati a seguire:

Allegato n. 6 parametri morfometrici;

Allegato n. 7 tenore in umidità e in lipidi totali della polpa degli esemplari esaminati, insieme con la composizione percentuale in acidi grassi dei lipidi totali stessi;

Allegato n. 8 composizione percentuale in acidi grassi dei lipidi neutri della polpa;

Allegato n. 10 componente elementale ed abbondanze isotopiche relative della polpa degli

esemplari esaminati.

In relazione alle anzidette variabili e distintamente per le 18 fonti di spigola prese in esame, si è computata anzitutto la statistica di base, rappresentata da media, minimo, massimo, deviazione standard e coefficiente di variazione (dato dall’incidenza percentuale della deviazione standard sulla media). Poiché le informazioni in questione facevano parte dei dati utili ai fini della relazione finale del Progetto MIPAAF, ho preferito in questa sede non riportarle in toto, bensì riportare solo tre tabelle esemplificative, una per esemplari allevati, una per esemplari selvatici, la terza per l’unica fonte estensiva oggetto di indagine (Tabelle

MN_4, MN_14, MN_3). In ogni caso, la totalità delle informazioni ci ha permesso di

comparare i “connotati” di ogni singola fonte con i dati derivanti dalla pertinente letteratura nazionale ed internazionale per la specie Dicentrarchus labrax, come raccolti nella tabella “Database Letteratura”.

Per la classificazione automatica dei campioni sono state eseguite analisi mono e multiparametriche con la finalità di:

• individuare il metodo di produzione (selvaggio, allevato);

• individuare la zona di cattura FAO per gli esemplari selvaggi (4 le zone FAO prese in esame);

• individuare il Paese di origine per gli esemplari allevati (4 i Paesi presi in esame);

• verificare la possibilità di predire il fattore “Intensità” (4 i gradini in cui lo si è articolato).

È necessario specificare che con il fattore “Intensità” ci si riferisce alla densità di allevamento, ovvero la quantità di esemplari presenti nelle vasche o gabbie, normalmente espressa in kg/m3_{. In questa sede, per poter procedere ad elaborazioni che tenessero conto}

anche di questo fattore, si sono codificati con Intensità 0 gli esemplari selvaggi, con 1 gli allevati estensivi, con 2 gli allevati semi-intensivi, con 3 gli esemplari allevati intensivi, nazionali ed esteri.

Le analisi di singolo parametro sono state svolte per ciascun obiettivo di classificazione. Nel caso in cui i gruppi fossero solo due (tipicamente il confronto allevato vs selvaggio), è stato utilizzato il test T di Student per valutare la capacità discriminatoria; in caso di un maggior numero di gruppi (come per le zone FAO di cattura dei selvaggi o il Paese d'origine degli allevati), si è proceduto con l'analisi mediante analisi della varianza (ANOVA) a una via. Pur nella consapevolezza del fatto che con un singolo parametro non si può fare classificazione di sorta, l’esito di queste analisi viene fornito egualmente (Allegati n. 11÷16).

Le analisi multiparametriche (PCA e classificazione) sono state effettuate separatamente sui vari insiemi di misure effettuate sui campioni:

• parametri morfometrici;

• tenore in umidità e in lipidi totali della polpa di spigola, insieme con la composizione percentuale in acidi grassi dei lipidi totali stessi;

• composizione percentuale in acidi grassi dei lipidi neutri della polpa di spigola;

• composizione percentuale in acidi grassi dei lipidi polari della polpa di spigola;

• composizione elementale (tenore in macro- e microelementi) della polpa di spigola;

• abbondanze isotopiche relative della polpa di spigola.

E’ stata assunta la decisione di utilizzare in ciascuna delle sei analisi sopra citate l’intero set di misure che la tecnica (o lo strumento, o, ancora, l’accoppiata strumento- tecnica) di volta in volta in esame poteva fornire, perseguendo il raggiungimento di una “firma” completa. Come esempio, l’intero quadro acidico dei lipidi totali della polpa degli esemplari analizzati, completo di indici e rapporti fra acidi grassi, nonché del tenore in lipidi totali e del tenore in umidità della polpa è stato utilizzato come pacchetto di variabili. Dietro questo approccio, nell’esempio specifico, stavano due considerazioni, cioè che: a) di una matrice di cui si voglia determinare il quadro acidico dei lipidi totali, non si può non conoscere il tenore in acqua e quello in lipidi totali; b) nel momento in cui si effettua un’analisi gascromatografica esaustiva, quale quella richiesta dalle matrici ittiche, non ha alcun senso limitare l’uso dei risultati ottenuti solo ad alcuni acidi grassi.

Il metodo di analisi delle componenti principali (PCA) è stato utilizzato per fornire un quadro generale della capacità dei parametri utilizzati a discriminare i campioni in funzione dell’etichetta di classificazione tramite un’ispezione visuale dello spazio dei parametri, nello specifico, in base al metodo di produzione, alla zona di cattura FAO per gli esemplari selvaggi, al Paese di origine per quelli allevati, o, ancora, alla etichetta qui proposta col nome di “Intensità” per tutti gli esemplari presi in esame) (vedi Allegati n. 25÷48).

Lo scopo dell’analisi statistica multiparametrica è stato quello di valutare la

performance classificatoria di ciascun insieme di parametri. A tale scopo i campioni sono stati

classificati con il metodo del discriminante quadratico. La procedura di validazione, detta “Leave-One-Out Crossvalidation”, ha permesso di valutare la robustezza del metodo nella classificazione. Questo metodo consiste nel sottrarre volta per volta dal novero dei campioni ogni singolo esemplare, per classificarlo poi sulla base delle informazioni relative agli altri campioni presenti. Si tratta di un metodo comunemente utilizzato ed accettato per analisi

statistiche discriminatorie di questo tipo (Scotlandi et al., 2009).