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!