Bollettino Aprile 2022

Siccità Estrema

Intensità massima rilevata per alcune regioni

Situazione Generale

La siccità che sta interessando diverse regioni italiane, soprattutto al Nord, risulta avere una origine di lungo periodo, come dimostrano i valori sotto la media di grandi fiumi e laghi e i livelli in discesa di diverse falde più superficiali. In particolare regioni quali Piemonte, Emilia Romagna e Veneto presentano oltre il 25% del loro territorio affetto da siccità severo-estrema dovuta ad una scarsità di piogge che risale ad almeno un anno (vedi mappa). Ad aggravare la situazione si sono aggiunte le temperature miti di questo inverno e i venti di föhn che hanno aumentato l’evapotraspirazione e ridotto drasticamente l’umidità del suolo, e le scarse nevicate, paragonabili quasi a quelle del tristemente noto 2007. Le piogge della parte iniziale e finale del mese hanno sicuramente permesso di effettuare le operazioni colturali di preparazione del terreno, semina e concimazione necessarie a far partire la stagione agricola, ma certamente non sono state sufficienti a compensare i quantitativi di acqua che non sono arrivati nei mesi precedenti. E’ possibile che nemmeno un maggio fortemente piovoso possa far recuperare il deficit nelle zone più colpite.

Indice SPI (Standardized Precipitation Index)

Clicca sulle immagini per ingrandirle.

L’indice di precipitazione SPI a brevissimo termine mostra come le piogge di inizio e fine Aprile siano state nella media quasi ovunque, a parte alcune aree delle regioni meridionali (eccetto la Campania) dove i valori indicano una siccità da moderata ad estrema (nella punta occidentale siciliana) e sulla Val Padana fra Piemonte e Lombardia, con una siccità moderata. Tali piogge, però, non sono state sufficienti a lenire la siccità che interessa il nord della penisola, né sul breve periodo (3 mesi), né tanto meno sul medio e lungo periodo, con il Piemonte e la bassa Padana che versano in condizioni severo-critiche.

Indice ESI (Evaporative Stress Index)

L’indice da remote sensing ESI fornisce indicazioni “proxy” circa la rapida evoluzione dell’umidità superficiale del suolo e delle condizioni di stress delle colture. L’indice è calcolato su diversi periodi di aggregazione temporale, nello specifico su 4 e 12 settimane. Ad Aprile i valori dell’ESI sulle 4 settimane (dal 27 Marzo al 23 Aprile) indicano chiaramente forti condizioni di stress su buona parte del centro-nord ed in particolare il Piemonte. Tali condizioni si estendono ed intensificano ulteriormente se si considerano gli ultimi 3 mesi (dal 30 Gennaio al 23 Aprile). Tali anomalie negative stanno ad indicare un forte disseccamento del suolo dovuto sia a temperature e vento elevati che ad assenza di piogge che non hanno compensato il tasso evapotraspirativo.    
Clicca l'immagine per ingrandirla.
Clicca l'immagine per ingrandirla.

Indice TCI (Temperature Condition Index)

L’indice da satellite TCI della parte centrale del mese mostra dei valori superiori rispetto al periodo storico di riferimento soprattutto in Piemonte. Anche Lombardia, Sardegna, Lazio, Abruzzo e Puglia mostrano ampie zone con valori di stress termico elevati, ma concentrati nel periodo fra il 15 e il 22 Aprile.
Clicca l'immagine per ingrandirla.
Clicca l'immagine per ingrandirla.

Indice VCI (Vegetation Condition Index)

L’indice di vegetazione VCI sui boschi italiani per il periodo 7-22 Aprile mostra diverse aree dell’Appennino centro-meridionale e del Piemonte affette da stress più o meno intenso.
Clicca l'immagine per ingrandirla.

Indice VHI (Vegetation Health Index)

Come conseguenza delle condizioni termiche e idriche anche l’indice complessivo VHI sui boschi della penisola mostra uno stress da lieve a severo in Piemonte e su vaste aree dell’Appennino e Sicilia nord-orientale.
Clicca l'immagine per ingrandirla.

Indice Pluviometrico SPI

Indice scelto a livello internazionale, attraverso la “Dichiarazione di Lincoln”, per l’identificazione di siccità meteorologiche (SPI 3 mesi). Basato sulla sola precipitazione cumulata mensile (McKee et al., 1993), quantifica un deficit o surplus di pioggia rispetto ai valori medi, a diverse scale temporali (usualmente 1, 3, 6, 12, 24 e 48 mesi), consentendo la determinazione delle diverse tipologie di siccità, dalla meteorologica, all’agricola all’idrologica. Le serie di pioggia (almeno 30 anni) vengono adattate in una distribuzione gamma, successivamente trasformata in un distribuzione normale, con media zero e deviazione standard pari a 1. Tale standardizzazione permette il confronto fra diverse aree geografiche e climatiche. Le equazioni da cui deriva lo SPI sono di seguito rappresentate: dove H(x) è la probabilità cumulativa della pioggia xc e d sono delle costanti.
La tabella seguente indica le classi di siccità o surplus in base ai valori dell’indice:

Riferimenti bibliografici

McKee T.B., Doesken N. J., Kliest J. (1993). The relationship of drought frequency and duration to time scales. In Proceedings of the 8th Conference of Applied Climatology, 17-22 January, Anaheim, CA. American Meterological Society, Boston, MA. 179-184.

Guttman, N. B. (1999). Accepting the Standandardized Precipitation Index: a calculation algorithm. J. Amer. Water Resour. Assoc., 35 (2), 311-322.

Indice ESI
Evaporative Stress Index

L’indice ESI (Evaporative Stress Index) quantifica anomalie temporali standardizzate del rapporto fra evapotraspirazione reale e potenziale e fornisce indicazioni “proxy” circa la rapida evoluzione dell’umidità superficiale del suolo e delle condizioni di stress delle colture. I valori dell’indice, calcolato con aggregazioni di brevi periodi (es. 4 settimane), forniscono indicazioni circa cambiamenti rapidi, mentre aggregazioni più lunghe, che integrano dati su periodi di tempo maggiori (es. 12 settimane), sono rappresentative di cambiamenti più lenti.


Riferimenti bibliografici

Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. P. Otkin, and W. P. Kustas, 2007a: A climatological study of evapotranspiration and moisture stress across the continental U.S. based on thermal remote sensing: I. Model formulation. J. Geophys. Res., 112, D10117, doi:10110.11029/12006JD007506.

Anderson, M. C., J. M. Norman, J. R. Mecikalski, J. P. Otkin, and W. P. Kustas, 2007b: A climatological study of evapotranspiration and moisture stress across the continental U.S. based on thermal remote sensing: II. Surface moisture climatology. J. Geophys. Res., 112, D11112, doi:11110.11029/12006JD007507.

TCI
Temperature Condition Index

Temperature Condition Index



dove LSTi, LSTmin, e LSTmax sono rispettivamente l’ultima immagine LST disponibile e i valori minimo e massimo assoluti lungo la serie temporale, relativi allo stesso periodo. In accordo con lo studio di Sun and Kafatos, per il calcolo del TCI invece della temperatura di brillanza viene utilizzata la LST. Nonostante l’LST sia calcolato per tutto l’anno, durante il periodo autunno-invernale le immagini satellitari sono più influenzate dalla maggiore copertura nuvolosa che contraddistingue questi mesi più freddi. Il dataset di LST (DOI: 10.5067/MODIS/MOD11A2.006) utilizzato per il calcolo dei TCI proviene dall’elaborazione delle immagini dello strumento MODIS (Moderate Resolution Imaging Spectroradiometer) del satellite Terra (EOS AM-1).


Riferimenti Bibliografici

Kogan, F. N. (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research. 15, 91-100.

Sun D., Kafatos M. (2007). Note on the NDVI-LST relationship and the use of temperature-related drought indices over North America. Geophysical Research Letters, 34.

VCI
Vegetation Condition Index




dove NDVIi, NDVImin, e NDVImax sono rispettivamente l’ultima immagine NDVI disponibile ed i valori minimo e massimo assoluti lungo la serie temporale, riferiti allo stesso periodo. Nonostante l’NDVI sia calcolato per tutto l’anno, durante il periodo autunno-invernale le immagini satellitari sono più influenzate dalla maggiore copertura nuvolosa che contraddistingue questi mesi più freddi. Il dataset degli indici di vegetazione (DOI: 10.5067/MODIS/MOD13Q1.006) utilizzato per il calcolo del VCI e dell’E-VCI proviene dall’elaborazione delle immagini dello strumento MODIS (Moderate Resolution Imaging Spectroradiometer) del satellite Terra (EOS AM-1).
 

Riferimenti Bibliografici

Kogan, F. N. (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research. 15, 91-100.

VHI
Vegetation Health Index



dove a, e b sono coefficienti che quantificano rispettivamente il contributo del VCI e del TCI nella risposta della vegetazione. Data la complessità del nostro ambiente e visto quanto esso sia caratterizzato da diversi tipi di vegetazione (dalle conifere e latifoglie sempreverdi Mediterranee alle conifere e latifoglie decidue temperate) che rispondono in maniera differente alla temperatura ed alla disponibilità idrica, ai coefficienti è stato assegnato lo stesso peso (0.5) per semplificare il calcolo dell’indice.


Riferimenti bibliografici

Kogan, F. N. (1995). Application of vegetation index and brightness temperature for drought detection. Advances in Space Research. 15, 91-100.

Kogan F.N. (2001). Operational space technology for global vegetation assessment. Bulletin of the American Meteorological Society. 82 (9), 1949-1964.