1 Progetto Finalizzato CLIMAGRI II° Workshop Cambiamenti climatici e agricoltura Roma, 3-4 Aprile 2003 Monitoraggio della siccità e dei processi di desertificazione.

Presentazione sul tema: "1 Progetto Finalizzato CLIMAGRI II° Workshop Cambiamenti climatici e agricoltura Roma, 3-4 Aprile 2003 Monitoraggio della siccità e dei processi di desertificazione."— Transcript della presentazione:

1 1 Progetto Finalizzato CLIMAGRI II° Workshop Cambiamenti climatici e agricoltura Roma, 3-4 Aprile 2003 Monitoraggio della siccità e dei processi di desertificazione Antonio Brunetti, Luca Salvati Ufficio Centrale di Ecologia Agraria Ministero delle Politiche Agricole e Forestali Roma

2 2 In questa presentazione… n Siccità e Desertificazione 1. Perché spesso insieme? 2. Come si definiscono? 3. Siccità come fenomeno ricorrente normale 4. Siccità possibile causa di desertificazione n Siccità, Vulnerabilità e CC n Climagri 3.1

3 3 Parliamo di siccità e desertificazione La siccità, Una assenza prolungata o una marcata deficienza di pioggia, è un fenomeno ricorrente La siccità, Una assenza prolungata o una marcata deficienza di pioggia, è un fenomeno ricorrente La siccità è un evento estremo La siccità è un evento estremo La siccità può essere accentuata dai CC e allora può costituire elemento di desertificazione La siccità può essere accentuata dai CC e allora può costituire elemento di desertificazione La desertificazione è un processo di trasformazione (degrado) di unarea o di un territorio. La desertificazione è un processo di trasformazione (degrado) di unarea o di un territorio.

4 4 Siccità normale e anomala I periodi siccitosi appaiono come un fenomeno meteorologico ricorrente dei nostri climi. Tuttavia, i cambiamenti climatici portano ad una alterazione dei regimi pluviometrici e pertanto determinano periodi siccitosi più lunghi e intensi rispetto allatteso. La siccità, se così modificata, può dunque innescare fenomeni di desertificazione. Il nostro interesse è lo studio del regime normale della siccità e la quantificazione della sua variabilità nellottica dei cambiamenti climatici.

5 5 Ancora sulla siccità I principali aspetti della siccità: Frequenza (numero dei periodi siccitosi per anno Durata (numero di giorni per ogni periodo di siccità) Entità (bilancio tra precipitazioni ed evapotraspirazione durante il periodo siccitoso) *

6 6 Monitoraggio della siccità in Climagri 3.1 Indicatori meteo-climatici: SPI, periodi consecutivi di non pioggia Indicatori climatico-ambientali: Acqua disponibile nel terreno (AW) Il contributo del telerilevamento (NDVI e PRS) *

7 7 Perché differenti indicatori? La siccità è un fenomeno complesso e non può essere descritta da una sola grandezza; Ogni grandezza può descrivere soddisfacentemente situazioni locali, ma è necessario ottenere una descrizione dinsieme del fenomeno; Deve essere evidenziata la variabilità del fenomeno siccità nella sua complessità, e ciò è favorito dalluso di differenti indicatori che portano un aumento del contributo informativo; Attraverso il confronto dei risultati possono essere scelti gli indicatori che meglio si prestano come strumenti operativi.

8 8 Indicatori di siccità: metodologie usate

9 9 Lunghezza dei periodi siccitosi: metodologia - Periodi dellanno superiori o uguali a 10 giorni consecutivi con piogge inferiori o uguali a 6 soglie di precipitazione: 0, 1, 3, 5, 8, 10 mm. - Dati provenienti da 128 stazioni delle reti AM, UCEA e SIMN. - Serie storiche disponibili con variabile, da 24 anni a 50 anni consecutivi. - Tracciato record: contiene lanagrafica dei periodi siccitosi identificati con il giorno, il mese, lanno di inizio e di fine, nonché le caratteristiche della stazione in cui il periodo stesso è stato rilevato. -Calcolo della durata dei periodi siccitosi intesa come numero di giorni consecutivi con ammontare di precipitazione giornaliera inferiore o uguale ad una data soglia. - Calcolo dellentità della siccità inteso come ammontare di pioggia caduta (tale ammontare è nullo, ovviamente, quando la soglia di precipitazioni considerata è 0 mm). - Calcolo della frequenza intesa come numero di eventi siccitosi avvenuti per stazione e per anno di studio.

10 10 Periodi siccitosi: metodologia - I periodi siccitosi secondo le varie soglie descritte sono determinati solo se tutti i giorni che vi appartengono presentano il dato di precipitazione valido. - Verifica manuale dellanagrafica di tutti i periodi siccitosi per le varie soglie computate. Sono stati individuati valori chiaramente anomali dal dataset. - Il dataset disponibile è rappresentato da circa 300.000 records. - Le statistiche che vengono qui presentate, se non diversamente riportato, si riferiscono alla soglia di 5 mm di pioggia.

11 11 Stazioni meteo incluse nellanalisi

12 12 Siccità: frequenza percentuale dei periodi siccitosi secondo soglie di precipitazione definite

13 13 Esempio di distribuzione dei periodi siccitosi per numero di giorni consecutivi con precipitazioni inferiori a soglie definite.

14 14 Correlazione con posizione geografica delle stazioni Correlazione significativa tra numero medio di giorni siccitosi e quota: r = 0.20 Correlazione significativa tra numero medio di eventi siccitosi per anno e quota: r = 0.29

15 15 Correlazioni con posizione geografica delle stazioni Correlazione significativa tra numero medio di eventi siccitosi per anno e latitudine: r = 0.19 Correlazione molto significativa tra numero medio di giorni siccitosi e latitudine: r = 0.60

16 16 Correlazioni con posizione geografica delle stazioni Assenza di correlazione tra numero medio di giorni siccitosi e longitudine: r = 0.08 Assenza di correlazione tra numero medio di eventi siccitosi per anno e longitudine: r = 0.01

17 17 Lunghezza media dei periodi siccitosi in 128 stazioni meteo

18 18 Lunghezza dei periodi siccitosi: serie storica Il decennio 1991-2000 si caratterizza come anomalo rispetto al quarantennio 1951-1990.

19 19 Entità della precipitazione durante i periodi siccitosi La diminuzione delle precipitazioni durante i periodi siccitosi è costante nellultimo cinquantennio. Il decennio 1991-2000 si configura come particolarmente anomalo rispetto al periodo precedente.

20 20 Frequenza dei periodi siccitosi per anno Il numero medio di periodi siccitosi (> 10 giorni consecutivi) è costante nel periodo 1951-2000. Lultimo decennio si configura come piuttosto anomalo rispetto al periodo precedente.

21 21 Standardized Precipitation Index (SPI) - viene utilizzato per monitorare un deficit di precipitazione; - è un indice standardizzato e può confrontare stazioni climatologicamente differenti; - necessita di serie storiche lunghe (almeno 30 anni) e prive di dati mancanti (almeno 95% dei dati validi). *

22 22 Classificazione dei valori di SPI e formazione di una scala di entità della siccità SPI values classification. Valore di SPI Entità della siccità > 2 Estremamente umido Da 1.5 a 1.99 Molto umido Da 1.0 a 1.49 Moderatamente umido Da -0.99 a 0.99 Nella norma Da -1 a -1.49 Moderatamente secco Da -1.5 a -1.99 Molto secco < -2 Estremamente secco

23 23 Variazione dellindice SPI medio annuo (1960-2000) Lultimo decennio si caratterizza come periodo in media siccitoso; la riduzione dellindice SPI medio annuo nelle 25 stazioni considerate segue un andamento non lineare e fortemente significativo.

24 24 Variabilità di SPI medio annuo (1960-2000) La variabilità dellindice SPI aumenta costantemente e manifesta i valori massimi nellultimo decennio.

25 25 I periodi più secchi

26 26 3° Indicatore: ANALISI DELLE SERIE TEMPORALI di dati pluviometrici Presupposto - ogni serie storica consiste di: 1) un pattern sistematico (trend, stagionalità, ciclicità) 2) fattori di disturbo (errori, noise) Scopo: a) identificare la natura del fenomeno b) Valutare la tendenza della variabile descritta nella serie temporale.

27 27 DATI PLUVIOMETRICI 122 stazioni meteo in Italia Centro-Meridionale precipitazioni giornaliere periodo 1951-2000

28 28 DESTAGIONALIZZAZIONE (Makridakis & Wheelwright, 1989) La variabilità di una serie temporale consiste di quattro diverse componenti: 1) una componente stagionale (S t ), 2) una componente di trend (T t ), 3) una componente ciclica (C t ), 4) una componente di errore. - Le componenti ciclica e di trend sono solitamente combinate in una componente trend-ciclica (TC t ). - La variabilità di una serie temporale si può valutare attraverso un modello additivo: X t = TC t + S t che fornisce: - calcolo di indici mensili di stagionalità (I) della serie originale; - calcolo della serie destagionalizzata, per valutarne il trend.

29 29 Procedure di calcolo: serie delle medie mobili - calcolo della serie delle medie mobili, di ordine pari al periodo in cui si valuta la stagionalità (serie originale a cadenza mensile, stagionalità da stimare su base annua: media mobile di ordine 12). Dove x i = i-esimo valore della serie originale n = ordine della media mobile La serie delle medie mobili ottenuta non presenta variabilità stagionale, poiché ogni valore è il risultato della media di unintera stagione (nelles.: se la media mobile è di ordine 12, per ogni valore mensile si calcola la media annuale dellanno che lo comprende al centro).

30 30 Calcolo degli indici di stagionalità (I) della serie originale X t La serie delle medie mobili viene sottratta dalla serie originale S t =X t - M t In questo modo, nella serie risultante (S t ), viene massimizzata la variabilità stagionale. Questa serie viene successivamente utilizzata per il calcolo di fattori mensili, calcolati come media dei valori appartenenti al medesimo mese. Dove Ik = indice di stagionalità del mese k Sjk = media mobile relativa al mese k dellanno j n = numero di valori della serie relativi al mese k

31 31 Calcolo della serie destagionalizzata Dt Infine, ogni valore della serie originale viene stagionalmente corretto sottraendovi lindice di stagionalità di pertinenza. Dove Dt = valore della serie destagionalizzata al tempo t Xt = valore della serie destagionalizzata al tempo t Ik = indice di stagionalità relativo al mese k La serie risultante è una serie destagionalizzata, che si ottiene per rimozione della componente stagionale dalla serie originale.

32 32 Season Results of SEASON procedure for variable ORIGINAL Additive Model. Equal weighted MA method. Period = 12. Seasonal Period index 1 JAN.695 2 FEB.455 3 MAR.400 4 APR -.626 5 MAY -1.048 6 JUN -1.261 7 JUL -1.288 8 AUG -1.337 9 SEP -.230 10 OCT 1.467 11 NOV 1.547 12 DEC 1.224 RISULTATI DELLA SCOMPOSIZIONE STAGIONALE

33 33 RISULTATI DELLANALISI DEL TREND Regressione annuale Il 79% delle 122 serie pluviometriche destagionalizzate mostra un coefficiente di regressione annuale negativo. Il decremento pluviometrico annuo medio è di 3,6 mm. Visto larco temporale coperto dalle serie, il decremento complessivo medio è di 135 mm. Queste prime evidenze vanno chiaramente confermate solo dopo lelaborazione di modelli non lineari e statisticamente significativi.

34 34 AW come indicatore di siccità: metodologia Periodo di riferimento: 1980-2002. Area di studio: Campania, Puglia, Basilicata, Calabria, Sicilia e Sardegna. AW è indicatore delle condizioni di umidità dei terreni in relazione alle loro caratteristiche pedologiche. E adatto ad una valutazione delle condizioni di carenza idrica, soprattutto per colture agrarie non irrigue. E disponibile per decade e per regione agraria. La regione agraria è una rappresentazione del territorio proposta dallISTAT e descrive il territorio italiano in funzione di aree ad agricoltura omogenea.

35 35 Andamento medio di AW per decade e regione (1980-2001)

36 36 Andamento dellAW nelle regioni agrarie del sud Italia (1980-2001) Un esempio per due aree campione Caratterizzazione delle regioni agrarie con trend negativo di AW

37 37 Province, e relativo numero dei mesi, in cui si è verificata una diminuzione dellAW (1980-2001)

38 38 Scarto dellAW (2002) dalla media climatica (1980-2001) per decade

39 39 Telerilevamento in Climagri 3.1 Studio delle variazioni dellindice telerilevato di verde (NDVI) in aree test in risposta a stress idrici. Le aree test sono aree a vegetazione omogenea (siti permanenti - PRS) in cui lindice NDVI viene monitorato con cadenza decadale. *

40 40 Lattività di ricerca in Climagri linea 3.1 Il gruppo di lavoro - UCEA, Roma Dr. Antonio Brunetti - Dipartimento di Biologia, Trieste Prof. Enrico Feoli - Consorzio ITA Dr. Aldo Giovacchini *

41 41 GRAZIE PER LATTENZIONE!