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

Slides:



Advertisements
Presentazioni simili
Dati della rilevazione SNV 2009/2010
Advertisements

Training On Line - CONP. 2 Richiesta Da Menu: Conferimenti ad inizio anno termico > Agosto > Pluriennali > Nuova Richiesta Si accede alla pagina di Richiesta.
- le Medie la Moda la Mediana
Dipartimento di Ingegneria Idraulica e Ambientale - Universita di Pavia 1 Caduta non guidata di un corpo rettangolare in un serbatoio Velocità e rotazione.
TAV.1 Foto n.1 Foto n.2 SCALINATA DI ACCESSO ALL’EREMO DI SANTA CATERINA DEL SASSO DALLA CORTE DELLE CASCINE DEL QUIQUIO Foto n.3 Foto n.4.
____________________
1 Pregnana Milanese Assessorato alle Risorse Economiche Bilancio Preventivo P R O P O S T A.
Report Sentiment Questo materiale è di proprietà intellettuale di Ricerche Valdani Vicari S.r.l. Non può essere utilizzato né riprodotto senza autorizzazione.
COORDINATE POLARI Sia P ha coordinate cartesiane
Cambiamenti climatici e desertificazione in Sicilia
Frontespizio Economia Monetaria Anno Accademico
1 la competenza alfabetica della popolazione italiana CEDE distribuzione percentuale per livelli.
1 Tavolo del Patto per la crescita intelligente, sostenibile e inclusiva Il ricorso agli ammortizzatori sociali nei territori colpiti dagli eventi sismici.
Torino, 26 settembre 2005 G.V. Fracastoro, A. Poggio Politecnico di Torino - Dipartimento di Energetica G.V. Fracastoro, A. Poggio Politecnico di Torino.
DISEGNO TECNICO INDUSTRIALE
Training On Line – CONA. 2 Richiesta Da Menu: Conferimenti ad inizio anno termico > Agosto > Annuali > Nuova Richiesta Si accede alla pagina di Richiesta.
Assenze per malattia secondo la certificazione on line: PRIME EVIDENZE Roma, 2 febbraio 2011.
Lez. 3 - Gli Indici di VARIABILITA’
L’elasticità e le sue applicazioni
ANALISI DELLA COVARIANZA
Elementi di STATISTICA DESCRITTIVA
Tendenze della diseguaglianza economica in Italia e nella UE15 Michele Raitano Sapienza Universit à di Roma.
EIE 0607 III / 1 A B P a = 30 P b = 35 t = 2, tc = 1 Questo può essere un equilibrio? No! Politiche di un paese importatore: una tariffa allimportazione.
Valutazione dell’efficacia del provvedimento
Capitolo 9 I numeri indici
La distribuzione normale e normale standardizzata
Obiettivi del corso di Statistica Medica.
LE CLASSI SOCIALI IN ITALIA
EDITORIA ON-LINE INDAGINE FRA I SOCI ANES settembre - dicembre 2006 A cura della Segreteria ANES.
8. Reti di Code Nella maggior parte dei processi produttivi risulta troppo restrittivo considerare una sola risorsa. Esempio: linea tandem arrivi 1 v.
Canale A. Prof.Ciapetti AA2003/04
DEFINIZIONI FONDAMENTALI
Ufficio Studi UNIONCAMERE TOSCANA 1 Presentazione di Riccardo Perugi Ufficio Studi UNIONCAMERE TOSCANA Firenze, 19 dicembre 2000.
Realizzazione e caratterizzazione di una semplice rete neurale per la separazione di due campioni di eventi Vincenzo Izzo.
Test di ipotesi X variabile casuale con funzione di densità (probabilità) f(x; q) q Q parametro incognito. Test Statistico: regola che sulla base di un.
Corso di base sull’uso del software di analisi meteorologica DIGITAL ATMOSPHERE Prodotti meteo A cura di Vittorio Villasmunta Corso Digital Atmosphere.
Dipartimento di Ingegneria Idraulica e Ambientale - Universita di Pavia 1 Scritte scritte scritte scritte scritte scritte scritte Scritte scritte Titolo.
Andamento agrometeorologico 2013: effetti di una primavera piovosa sulle coltivazioni Lorenzo Craveri U.O. Meteoclimatologia Settore Tutela dai Rischi.
II° WORKSHOP Progetto “Cambiamaneti Climatici e Agricoltura - CLIMAGRI” Prima Sessione “L’impatto del clima sulla produzione agricola” Conoscenze attuali.
Il Cambiamento climatico in agricoltura
Progetto finalizzato MiPAF CLIMAGRI Cambiamenti climatici e agricoltura Bologna, 15 maggio 2006 Coordinatore: Dott. Domenico Vento Consiglio per la Ricerca.
Num / 36 Lezione 9 Numerosità del campione.
Lezione 4 Probabilità.
Il clima del Mediterraneo e la sua potenziale previsione Gruppo G3 Dipartimento di Fisica, Università di Roma La Sapienza.
ANALISI CONTRATTAZIONE DI SECONDO LIVELLO SETTORE TESSILE – ABBIGLIAMENTO COMO 2000/2003.
Modelli del colore 2 Daniele Marini.
2 3 4 RISERVATEZZA INTEGRITA DISPONIBILITA 5 6.
1ROL - Richieste On Line Ente pubblico 5ROL - Richieste On Line.
1 Negozi Nuove idee realizzate per. 2 Negozi 3 4.
Ordine degli Ingegneri di Bologna, 26 novembre 2010 Ordine degli Ingegneri di Bologna, 26 novembre /22 Gabriele Tonelli consulente CNR IRPI
POLITICHE URBANE E MOBILITÀ SOSTENIBILE: LE PROSPETTIVE PER ROMA CAPITALE Qualità dei servizi pubblici a Roma: focus sul trasporto locale Roma, 20 settembre.
Scheda Ente Ente Privato Ente Pubblico. 2ROL - Richieste On Line.
1 Guida per linsegnamento nei corsi per il conseguimento del CERTIFICATO DI IDONEITÀ ALLA GUIDA DEL CICLOMOTORE.
Ministero del Lavoro D.G. Osservatorio del Mercato del Lavoro 20/04/ In breve… Con un andamento positivo sono gli indicatori del clima di fiducia.
Bando Arti Sceniche. Per poter procedere è indispensabile aprire il testo del Bando 2ROL - Richieste On Line.
Statistica economica (6 CFU)
LA CIRCONFERENZA.
Capitolo 3 (parte seconda)
Atzeni, Ceri, Paraboschi, Torlone Basi di dati McGraw-Hill,
Un esempio nel settore commerciale
Valutazioni ambientali strategiche (Cap
Un’analisi dei dati del triennio
Dove siamo L’ Italia: una crisi nella crisi Vladimiro Giacché (presidente Centro Europa Ricerche) 20 giugno 2014.
TRASFORMATA DI FOURIER
ISMEA IL MERCATO DEI PRODOTTI FLORICOLI Rilevazione Maggio 2008 Indagine effettuata per ISMEA a cura di: Roberto Spalluto Direttore di Ricerca Milano,
1 DOSSIER STATISTICO Conoscere per Programmare Gli alunni con cittadinanza non italiana Anno Scolastico 2001/2002.
IL GIOCO DEL PORTIERE CASISTICA. Caso n. 1 Il portiere nella seguente azione NON commette infrazioni.
Analisi delle precipitazioni intense sull’Italia negli ultimi cento-centoventi anni nel contesto dello studio statistico delle proprietà dirette e/o derivate.
Study of coincidences due to 40 K photons between adjacent OMs Paolo Fermani & ROMA group Catania Università di Roma «La Sapienza» – INFN Roma.
Transcript della presentazione:

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 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 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 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 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 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 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 Indicatori di siccità: metodologie usate

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 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 records. - Le statistiche che vengono qui presentate, se non diversamente riportato, si riferiscono alla soglia di 5 mm di pioggia.

11 Stazioni meteo incluse nellanalisi

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

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

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 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 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 Lunghezza media dei periodi siccitosi in 128 stazioni meteo

18 Lunghezza dei periodi siccitosi: serie storica Il decennio si caratterizza come anomalo rispetto al quarantennio

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

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

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 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 a 0.99 Nella norma Da -1 a Moderatamente secco Da -1.5 a Molto secco < -2 Estremamente secco

23 Variazione dellindice SPI medio annuo ( ) 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 Variabilità di SPI medio annuo ( ) La variabilità dellindice SPI aumenta costantemente e manifesta i valori massimi nellultimo decennio.

25 I periodi più secchi

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

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 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 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 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 Season Results of SEASON procedure for variable ORIGINAL Additive Model. Equal weighted MA method. Period = 12. Seasonal Period index 1 JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC RISULTATI DELLA SCOMPOSIZIONE STAGIONALE

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 AW come indicatore di siccità: metodologia Periodo di riferimento: 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 Andamento medio di AW per decade e regione ( )

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

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

38 Scarto dellAW (2002) dalla media climatica ( ) per decade

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 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 GRAZIE PER LATTENZIONE!