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
1
In questa presentazione…

1.
2.
3.
4.


“Siccità” e “Desertificazione”
Perché spesso insieme?
Come si definiscono?
Siccità come fenomeno ricorrente “normale”
Siccità possibile causa di desertificazione
Siccità, Vulnerabilità e CC
Climagri 3.1
2
Parliamo di
siccità e desertificazione
La siccità, “Una assenza prolungata o una marcata deficienza di
pioggia”, è un fenomeno “ricorrente”
La siccità è un evento estremo
La siccità può essere accentuata dai CC e
allora può costituire elemento di
desertificazione
La desertificazione è un processo di
trasformazione (degrado) di un’area o di un
territorio.
3
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 all’atteso.
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 nell’ottica
dei cambiamenti climatici.
4
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)
*
5
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)
*
6
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 d’insieme del fenomeno;
Deve essere evidenziata la variabilità del fenomeno ‘siccità’ nella sua
complessità, e ciò è favorito dall’uso 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.
7
Indicatori di siccità:
metodologie usate
Tipo di
Metodo
indicatore
Durata periodi Meteosecchi
climatico
MeteoSPI
climatico
MeteoRiduzione delle
precipitazione
climatico
ClimaticoAW
ambientale
Spazializ
Records Progresso
Anni
zazione
MacroAree Campioni considerati analizzati Analisi
Stazione
Italia
128
meteo (soprattutto Sud) stazioni
40-50
> 300000
50%
Stazione
meteo
Sud Italia
25 stazioni 40-50
> 10000
40%
Stazione
Italia
122
meteo (soprattutto Sud) stazioni
40-50
> 300000
20%
Regione
253 regioni
agraria
Sud Italia
agrarie
20
> 200000
40%
8
Lunghezza dei periodi siccitosi:
metodologia
- Periodi dell’anno 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 l’anagrafica dei periodi siccitosi identificati con il giorno, il
mese, l’anno 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 dell’entità 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.
9
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 dell’anagrafica 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.
10
Stazioni meteo incluse
nell’analisi
11
Siccità: frequenza percentuale dei periodi
siccitosi secondo soglie di precipitazione
definite
Giorni
10 - 14
15 - 19
20 - 24
25 - 29
30 - 34
35 - 39
40 - 44
45 - 49
50 - 54
55 - 59
60 - 64
65 - 69
70 - 74
75 - 79
80 - 84
85 - 89
90 - 94
95 - 99
0 mm
54.703
22.898
10.748
4.843
2.662
1.451
0.863
0.503
0.327
0.254
0.206
0.136
0.076
0.088
0.067
0.039
0.030
0.027
1 mm
48.334
23.658
12.111
5.797
3.613
2.102
1.214
0.788
0.601
0.362
0.281
0.267
0.145
0.140
0.136
0.082
0.075
0.072
3 mm
42.216
23.169
13.027
7.272
4.604
2.806
1.820
1.208
0.968
0.588
0.431
0.397
0.238
0.214
0.193
0.112
0.120
0.108
5 mm
38.034
22.053
13.354
8.397
5.261
3.460
2.408
1.581
1.246
0.810
0.599
0.525
0.374
0.300
0.277
0.198
0.176
0.095
8 mm
32.923
20.446
13.110
9.308
6.255
4.089
3.148
2.219
1.768
1.202
0.999
0.687
0.589
0.459
0.428
0.343
0.308
0.194
10 mm
30.223
19.140
12.683
9.531
6.623
4.488
3.525
2.647
2.188
1.550
1.257
0.860
0.780
0.618
0.588
0.441
0.411
0.307
12
Soglia: 0 mm
Frequenza eventi
60
50
40
30
20
10
13
9
12
9
soglia: 10 mm
35
30
25
20
15
10
5
13
13
9
12
9
11
9
0
Cl
as
si
15
-1
9
25
-2
9
35
-3
9
45
-4
9
55
-5
9
65
-6
9
75
-7
9
85
-8
9
95
-9
9
10
9
Frequenza eventi
Esempio di
distribuzione dei
periodi siccitosi
per numero di
giorni consecutivi
con precipitazioni
inferiori a soglie
definite.
11
9
Cl
as
si
15
-1
9
25
-2
9
35
-3
9
45
-4
9
55
-5
9
65
-6
9
75
-7
9
85
-8
9
95
-9
9
10
9
0
Correlazione con posizione
geografica delle stazioni
Correlazione significativa tra
numero medio di giorni
siccitosi e quota:
r = 0.20
24
22
20
18
16
14
12
10
0
500
1000
1500
Quota (m)
2000
2500
12
10
Correlazione significativa
tra numero medio di eventi
siccitosi per anno e quota:
r = 0.29
Eventi/anno
Giorni di non pioggia (Media)
26
8
6
4
2
0
14
0
500
1000
1500
Quota (m)
2000
2500
Correlazioni con posizione
geografica delle stazioni
Giorni di non pioggia (media)
30
Correlazione molto
significativa tra numero
medio di giorni siccitosi e
latitudine: r = 0.60
25
20
15
10
5
0
35
40
Latitudine
45
50
Correlazione significativa tra
numero medio di eventi siccitosi
per anno e latitudine:
r = 0.19
Eventi per anno (media)
12
10
8
6
4
2
15
0
35
40
45
Latitudine
50
Correlazioni con posizione
geografica delle stazioni
Giorni di non pioggia (media)
30
Assenza di correlazione tra
numero medio di giorni
siccitosi e longitudine:
r = 0.08
25
20
15
10
5
0
5
7
9
11
13
Longitudine
15
17
19
21
Assenza di correlazione tra
numero medio di eventi
siccitosi per anno e
longitudine: r = 0.01
Eventi per anno (media)
12
10
8
6
4
2
0
16
5
7
9
11
13
Longitudine
15
17
19
21
Lunghezza
media dei
periodi siccitosi
in
128 stazioni
meteo
17
Numero medio di giorni consecutivi
con piogge < 5 mm
Lunghezza dei periodi siccitosi:
serie storica
Anno (media mobile)
30
20
10
1950
1960
1970
1980
1990
Il decennio 1991-2000
si caratterizza come anomalo rispetto al
quarantennio 1951-1990.
2000
18
Entità della precipitazione
durante i periodi siccitosi
Anno (media mobile)
Precipitazione media (mm) nei
periodi siccitosi
8
6
4
2
1950
1960
1970
1980
1990
2000
La diminuzione delle precipitazioni durante i periodi siccitosi è costante
nell’ultimo cinquantennio.
Il decennio 1991-2000 si configura come particolarmente anomalo
19
rispetto al periodo precedente.
Frequenza dei periodi siccitosi
per anno
Anno (media mobile)
Periodi siccitosi per anno
16
14
12
10
8
6
1950
1960
1970
1980
1990
2000
Il numero medio di periodi siccitosi (> 10 giorni consecutivi) è
costante nel periodo 1951-2000.
L’ultimo decennio si configura come piuttosto anomalo rispetto
20
al periodo precedente.
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).
*
4
3
2
SPI
1
0
-1
-2
21
stazione A.M. di Palerm o Punta Raisi
-3
1962
1966
1970
1974
1978
1982
anno
1986
1990
1994
1998
Classificazione dei valori di SPI e formazione
di una scala di entità della siccità
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
Moderatamente
secco
a -1.49
Da -1.5 a -1.99
Molto secco
< -2
Estremamente
secco
22
Variazione dell’indice SPI medio
annuo (1960-2000)
SPI medio annuo
0.8
0.4
0
-0.4
-0.8
-1.2
1960
1965
1970
1975
1980
1985
1990
1995
2000
L’ultimo decennio si caratterizza come periodo in media siccitoso;
la riduzione dell’indice SPI medio annuo nelle 25 stazioni considerate
segue un andamento non lineare e fortemente significativo.
23
Variabilità di SPI medio annuo
(1960-2000)
1.2
SPI annuo (dev. st.)
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
1960
1965
1970
1975
1980
1985
1990
1995
2000
La variabilità dell’indice SPI aumenta costantemente e manifesta
i valori massimi nell’ultimo decennio.
24
I periodi più secchi
Periodo
1961-1965
1966-1970
1971-1975
1976-1980
1981-1985
1986-1990
1991-1995
1996-2000
SPI medio
0.037
0.041
0.255
0.324
0.388
-0.155
-0.460
-0.617
25
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.
26
DATI PLUVIOMETRICI
• 122 stazioni meteo
• in Italia Centro-Meridionale
• precipitazioni giornaliere
• periodo 1951-2000
LOCALITA’
AVEZZANO
PESCARA
AVEZZANO
FUCINO (ATT.)
CAMPO IMPERATORE
ALIANO
MATERA
POLICORO
LATRONICO
MATERA
TRECCHINA
POTENZA
FERRANDINA
MONTE SCURO
CALOPEZZATI
CARAFFA CATANZARO
VIBO VALENTIA
LAMEZIA TERME
CAPO SPARTIVENTO
BONIFATI
REGGIO CALABRIA
CROTONE
PAOLA
REGGIO CALABRIA
CATANZARO
SIBARI
COSENZA
TREVICO
NAPOLI CAPODICHINO
CAPRI
PONTECAGNANO
GRAZZANISE
PIANO CAPPELLE
CAPO PALINURO
NAP OLI
ROMA CIAMPINO
ROMA COLLEGIO ROMANO
ROMA CENTOCELLE
LATINA
ROMA URBE
ROMA EUR
BORGO SAN MICHELE
PRATICA DI MARE
ROMA FIUMICINO
VITERBO
MONTE TERMINILLO
FROSINONE
PONZA
GUIDONIA
CAPRAROLA
TORRE OLEVOLA
VIGNA DI VALLE
MONTE GUADAGNOLO
CIVITAVECCHIA
TERMOLI
CAMPOBASSO
CAPRACOTTA
GIOIA DEL COLLE
MONTE SANT'ANGELO
FOGGIA AMENDOLA
CANDELA
REGIONE
Abruzzo
Abruzzo
Abruzzo
Abruzzo
Abruzzo
Basilicata
Basilicata
Basilicata
Basilicata
Basilicata
Basilicata
Basilicata
Basilicata
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Calabria
Campania
Campania
Campania
Campania
Campania
Campania
Campania
Campania
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Lazio
Molise
Molise
Molise
Puglia
Puglia
Puglia
Puglia
PR
AQ
PE
AQ
AQ
AQ
MT
MT
MT
PZ
MT
PZ
PZ
MT
CS
CS
CZ
CZ
CZ
RC
CS
RC
CZ
CS
RC
CZ
CS
CS
AV
NA
NA
SA
CE
BN
SA
NA
RM
RM
RM
LT
RM
RM
LT
RM
RM
VT
RI
FR
LT
RM
VT
LT
RM
RM
RM
CB
CB
IS
BA
FG
FG
FG
LOCALITA’
VIESTE
BARI PALESE
MARINA DI GINOSA
FOGGIA
MARTINA FRANCA
BRINDISI
GROTTAGLIE
S. MARIA DI LEUCA
PALASCIA
LECCE
TARANTO
CAGLIARI
CAPO CARBONARA
CAPO SAN LORENZO
ASINARA
TEMPIO PAUS ANIA
FONNI
MONTE SERPEDDI'
CAPO CACCIA
PERDASDEFOGU
MACOMER
OLBIA
ISILI
CARLOFORTE
CAPO BELLAVISTA
ORIS TANO
OLBIA COS TA SMERALDA
DECIMOMANNU
CAGLIARI ELMAS
GUARDIAVECCHIA
CARLOFORTE ISOLA
CAPO FRASCA
ALGHERO
TRAP ANI BIRGI
PIETRANERA
FINALE
AUGUSTA
PALERMO BOCCADIF.
CATANIA FONTANAROS.
CATANIA SIGONELLA
STROMBOLI
SANTO PIETRO
PRIZZI
SIRACUSA
SALINA (ATT.)
PANTELLERIA
GELA
LAMPEDUSA
MONTE ETNA
PALERMO PUNTA RAISI
GIBILMANNA
USTICA
SALINA
COZZO SPADARO
TRAPANI CHINISIA
LICATA
SCIACCA
LIBERTINIA
MARSALA
ENNA
MESSINA
REGIONE
Puglia
Puglia
Puglia
Puglia
Puglia
Puglia
Puglia
Puglia
Puglia
Puglia
Puglia
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sardegna
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
Sicilia
PR
FG
BA
TA
FG
TA
BR
TA
LE
LE
LE
TA
CA
CA
CA
SS
SS
NU
CA
SS
NU
NU
SS
NU
CA
NU
OR
SS
CA
CA
SS
CA
CA
SS
TP
AG
PA
SR
PA
CT
CT
ME
CT
PA
SR
ME
TP
CL
AG
CT
PA
PA
PA
ME
SR
TP
AG
AG
CT
TP
EN
ME
27
DESTAGIONALIZZAZIONE
(Makridakis & Wheelwright, 1989)
La variabilità di una serie temporale consiste di quattro diverse
componenti:
1) una componente stagionale (St),
2) una componente di trend (Tt),
3) una componente ciclica (Ct),
4) una componente di errore.
- Le componenti ciclica e di trend sono solitamente combinate in
una componente trend-ciclica (TCt).
- La variabilità di una serie temporale si può valutare attraverso un
modello additivo: Xt = TCt + St
che fornisce:
- calcolo di indici mensili di stagionalità (I) della serie originale;
28
- calcolo della serie destagionalizzata, per valutarne il trend.
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).
t  n 1
2
Mt 
x
i t n
2
i
Dove xi = i-esimo valore della serie originale
n = ordine della media mobile
n
La serie delle medie mobili ottenuta non presenta variabilità
stagionale, poiché ogni valore è il risultato della media di un’intera
stagione (nell’es.: se la media mobile è di ordine 12, per ogni valore
mensile si calcola la media annuale dell’anno che lo comprende “al
29
centro”).
Calcolo degli indici di stagionalità (I)
della serie originale Xt
La serie delle medie mobili viene sottratta dalla serie originale
St=Xt - Mt
In questo modo, nella serie risultante (St), 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.
S
n
Ik 
j
n
jk
Dove
Ik = indice di stagionalità del mese k
Sjk = media mobile relativa al mese k dell’anno j
n = numero di valori della serie relativi al mese k30
Calcolo della serie destagionalizzata Dt
Infine, ogni valore della serie originale viene “stagionalmente
corretto” sottraendovi l’indice di stagionalità di pertinenza.
D
 X I
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.
31
RISULTATI DELLA SCOMPOSIZIONE STAGIONALE
Season
Results of SEASON procedure for variable ORIGINAL
Additive Model. Equal weighted MA method. Period = 12.
Period
1 JAN
2 FEB
3 MAR
4 APR
5 MAY
6 JUN
7 JUL
8 AUG
9 SEP
10 OCT
11 NOV
12 DEC
Seasonal
index
.695
.455
.400
-.626
-1.048
-1.261
-1.288
-1.337
-.230
1.467
1.547
1.224
32
RISULTATI DELL’ANALISI 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 l’arco temporale coperto dalle serie, il decremento
complessivo medio è di 135 mm.
• Queste prime evidenze vanno chiaramente confermate solo
dopo l’elaborazione di modelli non lineari e statisticamente
significativi.
33
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 dall’ISTAT e
descrive il territorio italiano in funzione di aree ad agricoltura omogenea.
34
Andamento medio di AW per decade
e regione (1980-2001)
180
Campania
Basilicata
Puglia
140
Calabria
mm
Sicilia
100
Sardegna
60
Decade
34
31
28
25
22
19
16
13
10
7
4
1
20
35
Andamento dell’AW nelle regioni
agrarie del sud Italia (1980-2001)
Un esempio per due
aree campione
Messina (Sicilia)
100
AW (mm)
90
Caratterizzazione delle
regioni agrarie con
trend negativo di AW
80
70
20
00
19
98
19
96
19
94
19
92
19
90
19
88
19
86
19
84
19
82
19
80
60
Montagna del Matese (Campania)
Ripartizione delle 94 regioni agrarie
con trend negativo di AW
120
100
Regioni costiere
Regioni montane
90
80
20
00
19
98
19
96
19
94
19
92
19
90
19
88
19
86
19
84
36
19
82
19
80
AW (mm)
110
Province, e relativo numero dei mesi, in cui si è
verificata una diminuzione dell’AW (1980-2001)
Brindis i
Reggio C.
Lecce
P alermo
Mes s ina
Salerno
Cas erta
Catanzaro
Cos enza
Napoli
0
1
2
3
Numero di mesi
4
5
6
37
Scarto dell’AW (2002) dalla media
climatica (1980-2001) per decade
Campania
60
60
Basilicata
40
Puglia
Calabria
30
mm
mm
20
0
-40
br
e
Se
tte
m
Lu
gl
io
M
ag
gi
o
ar
zo
M
G
en
na
io
br
e
Se
tte
m
Lu
gl
io
ag
gi
o
M
M
io
en
na
G
ar
zo
0
-20
-30
Sicilia
Sardegna
40
60
40
mm
mm
20
20
-20
br
e
38
Se
tte
m
Lu
gl
io
ag
gi
o
M
M
io
en
na
G
br
e
Se
tte
m
Lu
gl
io
ag
gi
o
M
ar
zo
M
G
en
na
io
0
ar
zo
0
Telerilevamento in Climagri 3.1
Studio delle variazioni dell’indice 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 l’indice NDVI viene
monitorato con cadenza decadale.
*
39
L’attività 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
40
GRAZIE PER L’ATTENZIONE!
41