Previsioni stagionali di incendi estivi nel Mediterraneo

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "Previsioni stagionali di incendi estivi nel Mediterraneo"

Livio Chiari
8 anni fa
Visualizzazioni

1 Previsioni stagionali di incendi estivi nel Mediterraneo Marco Turco (ISAC-CNR Raul Marcos Maria Carmen Llasat Jost von Hardenberg Antonello Provenzale

2 Creazione di proiezioni regionali di precipitazione e a scala giornaliera in Spagna Un sistema nazionale per la raccolta, conservazione, accessibilità e diffusione dei dati ambientali e climatici in aree montane e marine.

3 Outline

4 Outline

5 Cos è un incendio? Reazione ossidativa rapida (o combustione) non controllata che da luogo a calore, fumo, gas e luce.

6 Cause Un incendio può essere provocato da diverse cause sia naturali (fulmini, vulcani) che per mano dell'uomo per motivi casuali, leciti o illeciti. Per avere un incendio è necessario che siano presenti tre elementi: (1) combustibile, (2) comburente (es. Ossigeno), (3) calore: è necessaria la presenza di un'adeguata temperatura affinché avvenga l'innesco

7 Scale Puntale, secondi Ossigeno, combustibile, temperatura di innesco Scala locale (decine di km), giorni Combustibile, tempo meteorologico, attività umane, topografia Scala regionale o globale, mesi o anni Variabilità climatica, attività umane, vegetazione, (retroazioni) Pyne S, Andrews P, Laven R (1996) Introduction to wildland fire, 769 pp. New York Bonan GB (2008) Forests and climate change: forcings, feedbacks, and the climate benefits of forests. Science

8 Fattore umano Innesco: nel Mediterraneo si stima che il 95% degli incendi sia causato dall uomo Spegnimento: grande sforzo nella lotta anti-incendi (prevenzione e soppressione) Ganteaume A, Camia A, Jappiot M, San-Miguel-Ayanz J, Long-Fournel M, Lampin C (2013) A review of the main driving factors of forest fire ignition over Europe. Environ Manag 51(3):651 62

9 Outline

10 Catalonia (NE Spagna) 2 domini: (i) Catalonia ( ); (ii) Catalonia orientale ( ) 2 variabili: BA and NF in estate (JJAS) Fonte: Forest Fire Prevention Service of Generalitat de Catalunya (SPIF)

11 Data di incendi Maggior efficienza nella detezione Nessun records < 0.01 ha

12 Dati Gli incendi estativi (qui definita come JJAS, cioè June-July-August-September) bruciano l 86% del totale annuo di BA

13 Gli incendi estivi diminuiscono 80 BA NF Burned Area (kha) Number of Fires Years

14 Perchè questo trend? Ipotesi: efficacia della lotta anticendio, che è cresciuta molto dopo gli anni ottanta (Turco et al. 2013a) Burned Area (kha) BA NF Number of Fires Years Turco M, Llasat MC, Tudela A, Castro X, Provenzale A (2013a) Brief communication Decreasing fires in a Mediterranean region ( , NE Spain). Nat Hazards Earth Syst Sci 13(3):

15 15 Cosa succede nel Mediterraneo? Turco M, et al. Decreasing fires in Mediterranean Europe. Subitted to International Jpurnal of Wildland Fire

16 Cosa succede nel Mediterraneo? Turco M, et al. (2015). Decreasing fires in Mediterranean Europe. Subitted to International Journal of Wildland Fire

17 Outline

18 Modello concettuale Il modello concettuale che abbiamo seguito propone tre tipi di ecosistemi: (1) ecosistemi raramente secchi in cui l umidità del combustibile limita l attività di incendi (2) ecositemi poveri di biomassa in cui la quantità di combustibile limita l attività di incendi (3) ecosistemi in cui sia la quantità che l umidità del combustibile limita l attività di incendi Meyn, a., P. S. White, C. Buhk, and a. Jentsch (2007), Environmental drivers of large, infrequent wildfires: the emerging conceptual model, Progress in Physical Geography, 31(3),

19 Cambi di lungo termine à attività umane, trend climatici Ipotesi di lavoro Le variazioni anno-anno di NF e BA sono soprattutto legate alla variabilità climatica Il clima agisce soprattutto su due aspetti: (i) Il clima antencedente à struttura del combustibile (ii) Climate coincidenteà infiammabilità del combustibile

20 Sviluppo del modello 1. Rimuoviamo l influenza dei fattori che determinano cambi graduali effettuando il detrend dei dati (sia le serie di incendi che climatiche) 2. Selezioniamo le variabili climatiche chiave attraverso un analisi di cross-correlazione tra le serie climatiche e quelle di incendi 3. Sviluppiamo un modello regressivo lineare (MLR). Maggiori dettagli in in Turco et al. (2013b). Turco M., et al. Impact of climate variability on summer fires in a Mediterranean environment (northeastern Iberian Peninsula). Climatic Change, Volume 116, Issue 3-4, pp , 2013b

21 Identificazione delle variabili chiave Più incendi estivi durante estati calde e secche Questo risultato corrobora l esperienza comune. Gli indici di estremi non mostrano maggior correlazione confrontati con variabili mendie (una eccezione: Dry Day Index).

22 Identificazione delle variabili chiave Basse temperature o gelate in primavera, specialmente quest ultime, possono giocare un ruolo nell aumentare la quantita di combustibile per l estate seguente Piogge abbondanti e temperature fresche (proxy per la quantità di acqua nel suolo) due anni prima presumibilmente permettono di avere combustibile fine e assicurano continuità nel combustibile

23 Modello regressivo log(ba) = P (5-7) Tx (6-6) 0.31 Tn (1-4) Tx (2-11)(2) + Ɛ Detrended log(burned Area) Modelled Observed Years 9-fold cross validation Detrended log(number of fires) R 2 = 77% R 2 = 82% Years log(nf) = P (5-8) Tx (6-8) Tn (2-8)(2) Tn (2-2)(2) + Ɛ

24 Risposta degli incendi ai trend climatici (a) 7 NF trend*= (b) 22 BA log(number of Fires) Years Uncertainty bands: includes 90% of the members of 1000 different bootstrap replicates log(burned Area (ha)) Climate drivers All drivers Observed Years Tutte le forzanti: MLR considera le variazioni interannuali anno-anno + il trend osservato Forzanti climatiche = sia la variabilità interannuale che I trend sono guidati dal clima

25 Incertezza nella scelta dei predittori NF BA Turco M, Llasat M C, von Hardenberg J, Provenzale A (2014) Climate change impacts on wildfires in a Mediterranean environment. Climatic Change 125,

26 Outline

27 Stato dell arte in letteratura

28 Stato dell arte

29 Stato dell arte

30 Stato dell arte

31 Stato dell arte

32 Stato dell arte

33 Stato dell arte

34 Stato dell arte

35 Stato dell arte

36 Torniamo ai modelli clima-incendi log(ba) = P (5-7) Tx (6-6) 0.31 Tn (1-4) Tx (2-11)(2) + Ɛ Detrended log(burned Area) Modelled Observed Detrended log(number of fires) 4 R 2 = 77% 2 R 2 = 82% Years Years 9-fold cross validation log(nf) = P (5-8) Tx (6-8) Tn (2-8)(2) Tn (2-2)(2) + Ɛ

41 Performance delle previsioni di T e P 3 Modelled Observed Tx 4 P standardized variables 0 standardized variables 3 0 Years Years! Confronto di T e P, osservato e previsto da 15 simulazioni ECMWF S4 inizializzate in Aprile

42 Performance di MLR con S4 BA NF (a) detrended (log(ba)) detrended(log(nf)) (c) 5 0 Modelled Observed ECMWF S4 0 Years detrended (log(ba)) detrended(log(nf)) (b) 0 Random (d) 0 Years

43 Performance di MLR con solo variabili antecedenti detrended(log(ba)) (a) Modelled Observed BA Years detrended(log(nf)) (b) NF Years!

44 Verifica operativa

45 Performance di MLR con solo variabili antecedenti (a) 1 BA (b) 1 NF Hit Rate RSA = 0.51 BT = 0.40 H = 0.72 F = 0.33 Hit Rate RSA = 0.41 BT = 0.40 H = 0.75 F = All thresholds Best thresholds (BT) False Alarm Rate False Alarm Rate! R. Marcos, Turco M, J. Bedia, Llasat M C, Provenzale A (2015) Seasonal predictability of summer fires in a Mediterranean environment. Submitted to International Journal of Wildland Fire.

46 Outline

47 Conclusioni 1. Gli incendi nel Mediterraneo stanno diminuendo 2. In aree mediterranee (almeno in Catalonia) l attività di incendi estivi è legata sia al clima della stessa stagione che al clima antecedente 3. In assenza di lotta anti-incendio NF sarebbe aumentata, BA sostanzialmente stazionario 4. Le previsioni stagionali ECMWF S4 (stato dell arte) non mostrano skill in Catalonia 5. Le previsioni stagionali di incendi estivi condizionate al clima antecedente mostrano skill soddisfacente

48 Grazie per l attenzione m.turco@isac.cnr.it

Documenti analoghi

La scienza del clima e la previsione. del nostro futuro

La scienza del clima e la previsione Ieri del nostro futuro Oggi Domani PM Ruti ENEA - Casaccia 0 min 30 min Abbiamo un problema! La concentrazione di anidride carbonica aumenta ad una velocità mai registrata