Migliori previsioni stagionali per gestire al meglio le colture
La previsione stagionale delle ripercussioni del clima sull’agricoltura è ancora agli inizi. La nostra incapacità di prevedere accuratamente le variazioni climatiche stagionali potrebbe avere un’incidenza devastante sulla resa delle colture, poiché siamo impreparati a condizioni meteorologiche estreme. Il progetto CLIM4CROP, finanziato dall’UE, ha indagato il modo migliore per sfruttare le previsioni stagionali su scala globale per prendere decisioni sulla gestione delle colture basate su riscontri empirici, applicando gli ultimi progressi nelle scienze del clima e delle colture. Grazie al supporto del programma di azioni Marie Skłodowska-Curie (MSCA), i ricercatori hanno utilizzato informazioni climatiche che includevano le serie più complete e aggiornate di previsioni stagionali. Gli archivi a lungo termine combinati con dati quasi in tempo reale sono cruciali per il monitoraggio e la previsione del rendimento dei raccolti. CLIM4CROP ha dunque caratterizzato le incertezze nei set di dati globali relativi alle osservazioni climatiche degli ultimi tre decenni. «Abbiamo anche elaborato modelli statistici per capire meglio la relazione tra il clima e il rendimento dei raccolti e per indagare la prevedibilità stagionale delle rese agricole», afferma il borsista MSCA Marco Turco del Barcelona Super Computing Center.
Nuovo strumento di monitoraggio
Gli scienziati hanno prima valutato la qualità dei dati climatici a lungo termine e continui considerando lo Standardised Precipitation Index (SPI) (indice di precipitazione standardizzato). In tutto il mondo, lo SPI è un indicatore comunemente usato per caratterizzare la siccità su una serie di scale temporali. Su scale temporali brevi lo SPI è strettamente legato all’umidità del suolo, mentre su scale temporali più lunghe può essere usato per stimare l’immagazzinamento delle falde freatiche e dei bacini. Questo indice può anche essere confrontato tra regioni con climi molto diversi. I ricercatori hanno inoltre creato il set di dati DROught Probabilistic (DROP) per monitorare la siccità attraverso un approccio probabilistico. Questo strumento di monitoraggio del clima utilizza un insieme di osservazioni per ottenere la migliore stima delle precipitazioni insieme all’incertezza associata. DROP si ispira all’approccio multi-modello nella previsione del tempo atmosferico e del clima, e offre informazioni complementari per migliorare i set di dati climatici esistenti. «Con DROP abbiamo dapprima valutato la qualità dei dati climatici a lungo termine e continui per il monitoraggio tempestivo della siccità meteorologica», spiega Turco. «Poi, applicando un approccio d’insieme, che imita le metodologie delle previsioni meteorologiche e climatiche, abbiamo sviluppato DROP come un nuovo set di dati reticolare globale, in cui un insieme di dati basati sulle osservazioni viene utilizzato per ottenere la migliore stima quasi in tempo reale insieme all’incertezza associata».
Gestione migliore delle colture
Il set di dati DROP, pubblicato sul Bulletin of the American Meteorological Society (BAMS), rappresentava valori presi da una serie di punti del reticolo per il monitoraggio della siccità ed è prezioso sia per la comunità scientifica che per la collettività. «Questo nuovo set di dati migliorerà la comprensione dell’interazione tra il clima e le rese delle colture, permettendo una gestione più efficiente delle colture. In tal modo aiuterà i responsabili delle politiche e le entità commerciali nell’assunzione di decisioni politiche globali tempestive sulle priorità di adattamento, e contribuirà ad alleviare le ripercussioni della siccità, soprattutto nei paesi in cui il monitoraggio meteorologico è ancora impegnativo», fa notare Turco. Si auspica che le informazioni probabilistiche e di alta qualità fornite da DROP siano utili per le applicazioni di monitoraggio e possano servire come riferimento per la calibrazione e la convalida di modelli climatico-colturali. Tali informazioni possono inoltre essere usate per elaborare un modello climatico-colturale integrato che unisca modelli empirici di coltura con previsioni climatiche stagionali, tenendo conto dell’incertezza osservativa. «Quantificare le incertezze nel monitoraggio della siccità per scopi agricoli è fondamentale per tradurre i dati in informazioni utilizzabili. Pertanto, CLIM4CROP può fornire informazioni essenziali, accurate e tempestive sulla siccità, necessarie per passare dalla gestione del rischio siccità post-catastrofe a quella pre-impatto», conclude Turco.
Parole chiave
CLIM4CROP, set di dati, monitoraggio, previsione stagionale, DROught Probabilistic (DROP), Standardised Precipitation Index (SPI), cambiamenti climatici, set di dati reticolare
