Gli indici

Il sistema di monitoraggio è sviluppato integrando lo stato dell’arte scientifico e l’innovazione tecnologica, e selezionando un set combinato di indici basati sulla pioggia e sulla vegetazione derivati da satellite.

Gli indici selezionati prendono in considerazione le seguenti problematiche

tipo di siccità

disponibilità dei dati

consistenza dei dati

caratteristiche geografiche

variabilità spaziale e temporale

utenti finali

Indici basati su dati climatici

La precipitazione, come primo e principale parametro che indica il verificarsi di una siccità, è usata in molti indici, fra cui il più diffuso  Standardized Precipitation Index (SPI) ed il meno noto Effective Drought Index (EDI). Questi indici sono considerati migliori di altri in quanto forniscono informazioni sull’occorrenza di episodi siccitosi a più livelli temporali, rilevando la loro variazione e durata.

Indici basati sullo stato della vegetazione

Questi indici sono incentrati sul monitoraggio dello stato di salute della vegetazione legato a stress termici e idrici stimati attraverso la combinazione di indici/parametri quali NDVI o EVI LST. Tali indici rappresentano un’indiretta ma efficace via per analizzare il fenomeno e  sono largamente utilizzati per le loro caratteristiche spazio-temporali di copertura globale e osservazioni quasi in continuo.

Il set di indici selezionato

Informazioni sugli indici

Lo Standardized Precipitation Index (SPI), considerato a livello globale un indice solido ed affidabile, permette di tracciare periodi secchi/umidi a diverse scale temporali (generalmente 3, 6, 12, 24 mesi), individuare variazioni e durata di episodi siccitosi e garantisce la possibilità di confrontare zone climatologicamente e geograficamente differenti grazie alla sua standardizzazione.

Per tali motivi, e per avere la possibilità di espandere l’area geografica di analisi a seconda delle varie esigenze, il dataset CHIRPS (Climate Hazards Group InfraRed Precipitation with Station data) è stato attualmente scelto come il più idoneo.

Infatti, lavorare su ampi territori o zone climatiche diverse dove la distribuzione spaziale delle stazioni meteorologiche è spesso insufficiente, spinge l’utilizzo di un dataset che unisca precipitazioni misurate da satellite e da stazioni a terra.

Per validare il dataset CHIRPS sulla Toscana, sono state confrontate le serie di pioggia mensile di 10 stazioni meteo ed i valori delle corrispondenti celle del grigliato CHIRPS per il periodo 1981-2010. Dall’analisi è emersa una complessiva sottostima delle precipitazioni mensili CHIRPS (coefficiente di correlazione R = 0.69; Errore medio = -8mm; RMSE = 10.4mm), che è accettabile per dei dataset grigliati e per le nostre finalità.

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 Meteorological Society, Boston, MA. 179-184.
Guttman, N. B. (1999). Accepting the Standardized Precipitation Index: a calculation algorithm. J. Amer. Water Resour. Assoc., 35 (2), 311-322.
Svoboda M., Hayes M., & Wood D. (2012). Standardized precipitation index user guide. World Meteorological Organization Geneva, Switzerland.
Funk C., Peterson P., Landsfeld M., Pedreros D., Verdin J., Shukla S., Husak G., Rowland J., Harrison L., Hoell A. & Michaelsen J. (2015). The climate hazards infrared precipitation with stations – A new environmental record for monitoring extremes. Scientific Data 2, 150066. doi:10.1038/sdata.2015.66.

L’indice EDI, calcolato con uno step temporale giornaliero, è più sensibile alle singole piogge e mostra un’influenza  maggiore delle precipitazioni nel recupero di un deficit accumulato nel tempo.

  • EP è la pioggia efficace;
  • Pm è la pioggia degli m giorni precedenti;
  • i è il numero di giorni (generalmente uguale a 365) durante i quali la pioggia è sommata per calcolare l’intensità della siccità;
  • MEP è la media climatologica della pioggia efficace (calcolata su un periodo di 30 anni);
  • DEP è la deviazione della pioggia efficace dalla MEP, indicante un deficit/surplus idrico per uno specifico giorno.

EDI è il valore standardizzato della DEP, dove ST(DEP) è la deviazione standard di ogni DEP giornaliero.

Inoltre, essendo l’EDI efficace nel riconoscere a livello spaziale l’inizio di un evento siccitoso, può essere usato a livello puntuale per fornire ulteriori informazioni specifiche.

 Morid, S.; Smakhtin, V.; Moghaddasi, M. Comparison of seven meteorological indices for drought monitoring in Iran. International journal of climatology 2006, 26, 971–985.
Byun, H.R.; Wilhite, D.A. (1999). Objective quantification of drought severity and duration. Journal of Climate. 12, 2747–2756.

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.

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

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.

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.

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.

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.

Effective-Vegetation Condition Index

L’E-VCI è calcolato come il VCI, ma invece del NDVI viene utilizzato l’EVI (Enhanced Vegetation Index).

Rispetto al NDVI, l’EVI è influenzato in maniera minore dallo scattering dovuto agli aerosol [Huete et al., 2002] ed è meno suscettibile alla saturazione [Xiao et al., 2003] in foreste con elevato grado di copertura.

Nonostante l’EVI 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.

Huete, A.; Didan, K.; Miura, T.; Rodriguez, E.P.; Gao, X.; Ferreira, L.G. (2002). Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sens. Environ. 83, 195–213.
Xiao, X.; Braswell, B.; Zhang, Q.; Boles, S.; Frolking, S.; Moore, B. (2003). Sensitivity of vegetation indices to atmospheric aerosols: continental-scale observations in Northern Asia. Remote Sens. Environ. 84, 385–392.

Enhanced-Vegetation Health Index

L’E-VHI è calcolato come il VHI, ma invece del VCI viene usato l’E-VCI (Enhanced-Vegetation Condition Index).