LINEA DI RICERCA N. 6/A APPLICAZIONE E VERIFICA DI MODELLI DI VALUTAZIONE TERRITORIALE DELLA DESERTIFICAZIONE IN ITALIA ATTIVITÀ SVOLTE

LINEA DI RICERCA N. 6/A APPLICAZIONE E VERIFICA DI MODELLI DI VALUTAZIONE TERRITORIALE DELLA DESERTIFICAZIONE IN ITALIA ATTIVITÀ SVOLTE Responsabile scientifico: Luigi Perini CMA www.cra-cma.it Roma, via del Caravita, 7a luigi.perini@entecra.it 1

Agroscenari - Linea di ricerca n. 6/a (Luigi Perini - CRA_CMA) 2

spazio Scala nazionale Scala regionale Scala locale 1990 2010 2020 2050 tempo Agroscenari - Linea di ricerca n. 6/a (Luigi Perini - CRA_CMA) 3

ESAI Scala Nazionale

Change in the ESAI 1960 2010 ESAI Scala Nazionale

Change in the ESAI 2010 2020 ESAI Scala Nazionale

Emilia Romagna ESAI Scala Regionale CQI ESAI = (SQI * CQI * VQI * MQI) 1/4 SQI VQI 2006 MQI + validation field surveys

ESAI Scala Locale Sopralluoghi in campo: messa a punto di una metodologia oggettiva di campionamento dei punti da osservare in campo; messa a punto di un protocollo di osservazione in campo;

Approccio a differenti scale territoriali: 1.Scala nazionale: controllo dei dati meteo-climatici giornalieri ricostruiti ai nodi della griglia di dimensioni unitaria 0.1 (GR10) (3193 celle) 2.Scala regionale e locale: analisi geostatistica dei dati meteo-climatici rilevati da stazioni di osservazioni ( 6200 stazioni) installazione di stazioni in campo (n. 2)

Ulteriori analisi: Ricerca documentale storica: analisi bibliografica e documentale c/o biblioteca CRA-CMA e CRA-RPS alla ricerca di evidenze di fenomeni di siccità e desertificazione nella storia; analisi bibliografica e documentale c/o biblioteca CRA-CMA sulla evoluzione storica della modellistica previsionale.

Approccio a scala Regionale 1.Analisi storica dei trend: lettura delle traiettorie di land cover/use rispetto alle singole sindromi di degrado considerate tramite utilizzazione di cartografia tematica esistente; elaborazione ex-novo di dati di remote sensing; 2.Scenari futuri (in fase di predisposizione) : Land use modelling.

Approccio a scala regionale/locale 1.Analisi storica dei trend: Analisi della relazione tra land degradation e fattori economici e demografici: analisi statica; analisi dinamica; Analisi dell'evoluzione storica delle disuguaglianze economiche e ambientali; 2.Story-lines: Lettura storica della pressione antropica sul territorio e caratterizzazione socio-economica delle aree test/regione.

Approccio a scala regionale/locale 3. Misure di contrasto alla land degradation: Elaborazione di un Piano di Azione Locale (PAL) quale strumento di mitigazione dei processi di degrado (Area Fortore).

PUBBLICAZIONI

Grazie dell attenzione Agroscenari - Linea di ricerca n. 6/a (Luigi Perini - CRA_CMA) 15

SIAN 1. Scala nazionale Modelli stocastici per la stima degli eventi giornalieri Ordinary Kriging per le precipitazioni Co-Kriging per le temperature (integrazione con dati previsionali Dalam 3 delle 24h) Stazioni di osservazioni: circa 200 stazioni appartenenti alle seguenti reti: RAN (Rete Agrometeorologica Nazionale) AM (Aereonautica Militare) ENAV (Ente Nazionale al Volo) Enti Regionali Proprietà della griglia 3193 celle di dimensione unitaria 0,1 (circa 10 km) Disponibilità dati Dal 1961 ad OGGI

CRA-CMA 1. Scala nazionale Attività: controlli di qualità interna (CQ) analisi di incosistenza spaziale e temporale (individuazione degli outliers) individuazione dei missing data cross-validation esterna : spatial join tra lo shape dei nodi Gr10 e lo shape delle stazioni meteo (fonte Istat) considerando una distanza di buffer di 2500 m Il grado di precisione è stato stimato attraverso il calcolo degli indicatori statistici MAE (errore assoluto medio), RMSE (errore quadratico medio) e CRM (coefficiente di massa residua) tra i dati osservati alle stazioni (O i ) e gli stessi stimati dal modello (P i ) calcolo delle normali climatiche 1961 1990 (30/30) 1971 2000 (10/30) 1981 2010 (10/30) Calcolo delle medie del periodo 2000 2010 per fattore di correzione degli scenari climatici 2030 2050

ISTAT 2. Scala regionale e locale Nell ambito del progetto Rilevazione dati meteo-climatici e idrologici (cod. PSN IST 02190), Predisposizione di specifica banca dati relazionale-geografica in Oracle con dati meteo-climatici ed idrologici rilevati da TUTTE le reti di monitoraggio presenti sul territorio nazionale, che rispettano gli standard dell Organizzazione Meteorologica Mondiale (WMO) Organizzazione e standardizzazione dei dati (assegnazione di un codice identificativo univoco, unità di misura, ) Controllo e correzione dei metadati (latitudine, longitudine, quota) Validazione dei dati: Controlli di consistenza interna, identificazione degli outlier e coerenza temporale tra le singole serie storiche (Controllo Qualità - QC) Controlli di coerenza spaziale tra stazioni vicine Omogeneità delle serie storiche Stazioni censite: Disponibilità dati: 6196 (termo-pluviometriche, pluviometriche, termometriche e idrometriche) Dal 1951 ad oggi

CRA-CMA 2. Scala regionale e locale Stima spaziale delle variabili meteo-climatiche attraverso metodi geostatistici (stocastici) di interpolazione in grado di fornire sia una stima che la varianza di stima analisi preliminari all elaborazione geostatistica aggregazione mensile dei dati test di clustering test di gaussianeità (Kolmogorv-Smirnov e Lilliefors) test di effetto proporzionale (per le precipitazioni) analisi variografica: Calcolo dei semivariogrammi sperimentali mensili e direzionali (N0, N45, N90 e N135) ed individuazione degli stimatori (range, sill, nugget) Adattamento di un modello teorico metematico (lineare, spefico, esponenziale, ) al variogramma sperimentale (modelling) cross validation attraverso modalità di best-fitting automatico, volte a minimizzare l errore sperimentale o residuo, inteso come la differenza fra la stima e il valore sperimentale Utilizzo di software statistici dedicati R (Gstat) e Isatis (Geovariances)

CRA-CMA 2. Scala regionale: esempio Emilia Romagna Tmin - Gen 1. Check di normalità 2. Semivariogramma sperimentale 3. Fitting modello matematico 4. Cross validazione Cross validation statistics based on 149 robust data Mean Variance Error 0.11666 2.42291 Std. Error 0.06963 0.94602 Media dei residui: accuratezza RMSE: precisione MSDR: deviazione standard del kriging

CRA-CMA 3. Scala locale Stazione MTX WST 8008 Temperatura aria Umidità relativa Precipitazioni Temperatura suolo Umidità suolo Comune: San Giorgio La Molara Coordinate: 41 16 16.38N 14 55 49.38 Altitudine : 580 m Comune: Arborea Coordinate: 39 41 05.66N 8 52 23.90 Altitudine : 29 m 23

Analisi diacronica: cartografia esistente serie storiche già disponibili e confrontabili, es. cartografia regionale Emilia-Romagna:

Analisi diacronica: telerilevamento (ex-novo) Utilizzo del software di image analysis ecognition per la realizzazione semi-automatica di cartografia dell uso-copertura del suolo a partire da dati satellitari Landsat d archivio (gratuiti) Aggiornamento della cartografia esistente per i tre anni di riferimento (1990, 2000, 2010) Sviluppo di una procedura integrata (pixel e object-oriented) per la classificazione 26

Analisi diacronica: telerilevamento (ex-novo) Cartografia per l intera Regione Campania 1990-2000-2010, da Landsat 5 e 7 Esempio relativo all anno 2000 Risultati (accuratezza): 1.o livello Corine = 87.7% 2.o livello Corine = 82.1%

Traiettorie di land use Cartografia delle traiettorie di land use Emilia Romagna 1954-2008

Traiettorie e sindromi di land degradation specifici processi di degrado (on-site, off-site) Consumo fisico di suolo, frammentazione, sigillamento, run-off, isole di calore, etc. Erosione idrica, instabilità idrogeologica, incendi, perdita di biodiversità agricola e di paesaggi culturali, etc. Ma alcuni aspetti controversi? es. aumento biodiversità s.l.?

Relazione tra consumo e qualità del suolo agricolo Emilia Romagna, solo pianura Traiettoria urbanizzazione Land capability Nel periodo 1954-2008, l urbanizzazione, avvenuta in prevalenza a spese del territorio agricolo, ha consumato circa il 41% dei suoli di qualità agricola migliore (land capability: classi1, 2 e 3)

Relazione tra land degradation e fattori economici e demografici: analisi statica La relazione statica tra land degradation e valore aggiunto pro-capite è negativa: le aree geografiche più ricche da un punto di vista economico sono anche le aree con maggior qualità ambientale. Negli ultimi anni la significatività del coefficiente quadrico indica una forte convessità di tale relazione che quindi si attenua fino ad invertirsi quando si considerano aree particolarmente ricche; un effetto dovuto alle aree urbane (e quindi fortemente degradate) che con il processo di terziarizzazione hanno visto aumentare fortemente il valore aggiunto pro-capite. La distribuzione spaziale della popolazione e della qualità del suolo non sembrano avere una relazione significativa.

Relazione tra land degradation e fattori economici e demografici: analisi dinamica Al contrario delle evidenze ottenute dall analisi statica, l analisi delle relazioni causali temporali mostra un forte impatto negativo (e lineare) del processo di crescita economica sulla qualità ambientale. Un rilevante driver economico risulta essere la vocazione produttiva settoriale: le aree a maggiore vocazione industriale sperimentano fenomeni di degrado ambientale minore di quelle con maggiore presenza di servizi. Il processo di terziarizzazione ha quindi avuto un impatto negativo sulla qualità ambientale. Nel quadro di quest analisi causale, anche le pressioni demografiche risultano svolgere un ruolo importante nei processi di land degradation. La conferma dei test sull uso degli effetti fissi conferma tuttavia un forte ruolo delle specificità territoriali nei nessi tra fenomeni economici e ambientali e processi di consumo del suolo.

Analisi dell'evoluzione storica delle disuguaglianze economiche e ambientali Mettendo insieme le evidenze statiche e dinamiche è possibile spiegare il trade-off osservato in Italia tra convergenza (o divergenza) ambientale ed economica. Durante il processo di convergenza economica dal dopoguerra agli anni 80, caratterizzato dal processo di industrializzazione del ANDAMENTO DEGLI INDICI DI CONCENTRAZIONE DI GINI TRA PROVINCE ITALIANE DEL PIL PRO-CAPITE E DELL ESAI (sfasato di 5 anni per la causalità) Sud, le regioni più povere (e quindi con minor qualità ambientale) sono cresciute a tassi più alti (consumando maggiormente il suolo). Ciò ha causato una divergenza ambientale trai territori italiani. Questa tendenza si è invertita negli anni 90 quando le disuguaglianze economiche territoriale hanno ricominciato a crescere e i territori più dinamici sono stati investiti dal processo di terziarizzazione. La recente crisi sembra aver investito con più forza le aree più ricche. Ciò suggerisce un possibile ritorno ad una dinamica di divergenza ambientale.

1,46 North-west North-east 1,42 1,38 Centre South Islands Average ESAI 1,34 1,30 1960 1970 1980 1990 2000 2005 2010 ESAI CV 7,5 7,0 6,5 6,0 North-west North-east Centre South Islands 5,5 5,0 1960 1970 1980 1990 2000 2005 2010

7,5 North Centre S outh ESAI CV 7,0 6,5 6,0 5,5 5,0 4,5 4,0 1,30 1,32 1,34 1,36 1,38 1,40 1,42 Average ESAI Salvati (2013) Ecological Economics

Selected steps in the evolution of 'desertification' concept special focus on Mediterranean Europe Dust bowl in the USA Increase in desertified lands in Africa and America Start debating on the concept of desertification in the Mediterranean UN handbook (1977) on desertification and land degradation Bruntland report (1989) Stern report (2005) on climatic change and drought IPCC report (2007) climatic change and agriculture Global financial crisis 1930 1950 1970 1990 2010 1920 1940 1960 1980 2000 2020 UN Convention against Desertification World Economic crisis Demographic boom and diffused economic development Rio Conference (1992) World War II Stockholm conference (1972) UNEP (1992) World Atlas of Desertification