Water2Adapt: resilience enhancement and water demand management for climate change adaptation Maria De Salvo, Isola di San Giorgio, Venezia, 26 settembre 2012 Fondazione Eni Enrico Mattei Università degli Studi di Catania
Obiettivi della ricerca 1. Stimare gli impatti delle fluttuazioni climatiche e della siccità sul settore agricolo nel Bacino del Po, in termini di: produzione; reddito netto; superficie aziendale coltivata; livello di occupazione. 2. Analizzare le azioni adottate dagli agricoltori del Bacino (nel breve periodo) per ridurre le perdite causate dal verificarsi di fluttuazioni climatiche ed eventi siccitosi (irrigazione).
Area di indagine Bacino del fiume Po - porzione emiliana -
Dati Dati economici e strutturali: Database RICA (INEA) : dati relativi alla dimensione fisica ed alle caratteristiche strutturali delle aziende (localizzazione, superfici coltivate, numero di capi allevati, livello di meccanizzazione, forza lavoro, ecc.); dati economici e contabili (PLV, costi di produzione fissi e variabili, stock, sussidi e contributi, ecc.). Anno N. di aziende 2003 516 2004 737 2005 607 2006 599 2007 629 Totale osservazioni 3088 Dati climatici: ARPA Emilia Romagna.
Dati climatici Temperatura giornaliera (minima e massima) e livello di precipitazione giornaliera, relativi alle 317 stazioni meteo-climatiche dislocate nell area di indagine per il periodo 1951-2008 (ARPA ER); Calcolo del valore annuale cumulato di gradi giorno (8-32 C) e precipitazioni; Stima di un modello di spazializzazione che tiene conto delle coordinate geografiche, dell altimetria e dell anno di rilevazione; Spazializzazione delle climatiche stimate a livello aziendale utilizzando il valore altimetrico RICA e le coordinate geografiche del comune.
Dati climatici Climatiche spazializzate: gradi giorno (8-32 C) totali per anno di rilevazione (2003-07); precipitazioni totali per anno di rilevazione (2003-07); media di lungo periodo dei gradi giorno (8-32 C) annuali; media di lungo periodo delle precipitazioni annuali.
Analisi dei dati Modelli econometrici di tipo panel: Y it = β i + J β j X jit + P γ j= 2 p Z pi + ε p=1 it 1. analisi della variabilità intra-aziendale (fixed effect models): J Y it Y i = β ( j X jit X ji )+ ε it ε i j= 2 ( ) 2. analisi della variabilità inter-aziendale (between effect models). J j= 2 Y it = β i + β j X jit + ε it
Risultati - Produttività Coltivazioni analizzate: colture maggiormente rilevamenti in termini di SAU e valore delle produzioni (frumento, mais, barbabietola da zucchero) - un modello per ogni coltura; Variabile dipendente: resa (in q/ha); Variabili esplicative: variabili climatiche, variabili strutturali, variabili relative alla tecnologia di produzione, fattori di mercato.
Risultati - Produttività Modelli fixed effect (variabili esplicative time-variant) - la produttività è positivamente correlata con: il numero di ore lavorative per ettaro; il costo dell irrigazione per ettaro; Il costo dei trattamenti antiparassitari per ettaro; la superficie agricola utilizzata (curva a campana); le variabili climatiche (funzione quadratica e termine di interazione significativo). Modelli between effect - la produttività dipende anche dal valore di variabili esplicative time invariant: aumenta nei fondi con giacitura prevalentemente pianeggiante; aumenta se il fondo ha una elevata fertilità; aumenta se la fonte irrigua è un impianto collettivo (valore marginale: 10.16 per il mais; 4.14 per il frumento). Il sistema di irrigazione non è statisticamente significativo.
Resa (in q/ha) e precipitazioni annue (in mm): Barbabietola da zucchero Frumento 600 500 400 300 200 100 0 60 50 40 30 20 10 0 90 80 70 60 50 40 30 20 10 0 300 400 500 600 700 800 900 400 500 600 700 800 900 1000 Resa (in q/ha) e temperatura (in gradi giorno 8-32 C annui): Mais 300 400 500 600 700 800 900 1000 1100 Risultati - Produttività Barbabietola da zucchero Frumento 500 450 400 350 300 250 200 150 100 50 0 60 50 40 30 20 10 0 90 80 70 60 50 40 30 20 10 0 Mais 1800 1900 2000 2100 2200 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 2000 2100 2200 2300 2400 2500 2600 2700 2800 2900 3000 3100 3200 3300 2200 2400 2600 2800 3000 3200
Risultati - Redditività Modello aziendale che stima la relazione media tra il Reddito Netto per ettaro - RN/ha (pari al Reddito Lordo al netto delle spese per le coltivazioni e per gli allevamenti) e variabili esplicative relative ai fattori: climatici; tecnico-strutturali; di mercato.
Risultati - Redditività Modello fixed effect - la redditività aziendale dipende: dall indirizzo produttivo (minore per i seminativi, maggiore per gli allevamenti); dalla superficie (relazione negativa e curva a campana), dalla tecnologia di produzione (è positivamente correlato con la quota di irrigazione, la quantità di lavoro per ettaro ed il livello di meccanizzazione); dal sostegno all azienda con contributi e premi; dalle variabili climatiche (curva a campana e termine di interazione positivo). Modello between effect: coerentemente con i risultati relativi alla produttività anche il valore di RN/ha aumenta nei fondi con giacitura prevalentemente pianeggiante, più fertili e se la fonte irrigua è un impianto collettivo. Anche in questo caso il sistema di irrigazione non è statisticamente significativo.
Risultati: SAU aziendale Modello aziendale fixed effect - la SAU aziendale dipende: dall indirizzo produttivo (diminuisce se l azienda è specializzata in coltivazioni arboree o in attività di allevamenti); dal regime di coltivazione: aumenta (valore marginale: 2.80) se vige un regime irriguo; dalle dimensioni economiche aziendali (relazione lineare positiva); dalla presenza di un sostegno economico (aumenta se l azienda riceve premi e/o contributi economici); dalle variabili climatiche: 80 80 70 70 60 60 50 50 40 30 20 10 0 300 400 500 600 700 800 900 1000 Precipitazioni annue (in mm) 1100 1200 1300 1400 40 30 20 10 0 1500 1600 1700 1800 1900 2000 2100 2200 2300 2400 2500 2600 2700 2800 Gradi giorno (8-32 C) annui 2900 3000 3100 3200
Risultati - Occupazione agricola Modello aziendale con specificazione fixed effect che stima la relazione tra la quantità di lavoro per ettaro (logaritmo delle ore totali lavorative per ettaro) e variabili climatiche, strutturali, e relative alla tecnologia di produzione. Il livello di occupazione dipende da: - variabili climatiche (relazione lineare positiva); - SAU (relazione quadratica a campana con termine lineare negativo); - andamento di mercato (aumenta all aumentare dei pressi dei prodotti agricoli, diminuisce al crescere del costo del lavoro); - quota di irrigazione (relazione lineare positiva; valore marginale: 24 ore/ha anno); - RN/ha (relazione lineare positiva).
Risultati - Superficie irrigata La superficie irrigata: aumenta all'aumentare delle precipitazioni e della temperatura (relazioni quadratiche con termine di interazione significativo e di segno positivo). diminuisce all'aumentare del costo dell'irrigazione e delle ore lavorative per ettaro. Dipende dalla coltivazione in atto: Coltura in atto Valore marginale Mais 10.55 Erba medica 6.22 Mais da foraggio 5.99 Barbabietola 4.58 Pascolo 2.79 Frumento 2.06 12 10 8 6 4 2 0 Barbabietola Frumento Mais Mais da foraggio Medica 300 400 500 600 700 Precipitazioni annue (in mm) 800 900
Simulazioni Deficit di precipitazione Var. quantità di prodotto Var. SAU Barbabietola da aziendale in mm annui in % Frumento Mais zucchero Var. reddito Var. occupazione -50 mm -6% 3% -1% -2% -0.4% -5% -11% -100 mm -13% 3% -5% -7% -1% -11% -20% -150 mm -19% 1% -11% -13% -3% -17% -28% -200 mm -26% -3% -20% -22% -4% -24% -36% -250 mm -32% -9% -32% -33% -7% -31% -43% -300 mm -39% -17% -46% -45% -9% -37% -49% -350 mm -45% -28% -63% -60% -12% -44% -54% Aumento della temperatura in gradi giorno(8-32 C) annui in % Barbabietola da zucchero Var. quantità di prodotto Frumento +50 gg 2% -4% -1% 0.5% 2% -3% 7% +100 gg 4% -9% -2% 0.3% 3% -6% 13% +150 gg 6% -15% -4% -0.7% 4% -9% 21% +200 gg 8% -21% -7% -2% 5% -13% 29% +250 gg 10% -28% -10% -5% 5% -16% 37% +300 gg 14% -35% -15% -8% 5% -20% 46% Mais Var. SAU aziendale Var. reddito Var. occupazione
Siccità nel periodo 2003-07 Anno Var. quantità di prodotto Var. reddito Var. SAU aziendale Var. occupazione Var. SAU irrigata Barbabietola da zucchero Frumento Mais 2003-9.6% -9.6% 4.1% -6% 28% 25% -47% 2004 0.1% -7.6% 6.0% -0.1% 16% 12% -43% 2005 8.0% -7.5% 6.5% 5% 2% -0.3% -34% 2006 11.9% -9.4% 3.5% 9% 4% -10% -34% 2007 10.9% -13.7% -1.2% 13% 18% -21% -32% La siccità del 2003 è stata la più severa tra quelle verificatisi nel periodo 2003-07. Il prolungato periodo siccitoso (2003-07) ha infatti determinato un autoadattamento del sistema agricolo emiliano: a partire dal 2005 si è verificata una progressiva riduzione degli impatti in termini di reddito perché: gli agricoltori hanno affrontato la siccità modificando efficacemente la tecnologia di produzione, aumentando le superfici coltivate e riducendo la quantità di lavoro per ettaro; gli agricoltori hanno irrigato di più, compatibilmente con le risorse idriche disponibili. sono aumenti i prezzi delle produzioni agricole.
Conclusioni Questo studio dimostra che l agricoltura esercitata nel Bacino del Po è estremamente sensibile al verificarsi di eventi siccitosi. Tuttavia gli impatti sono fortemente variabili e dipendono: dallo scenario climatico (deficit di precipitazione e/o aumento della temperatura); dalle azioni intraprese dagli agricoltori per limitare i danni causati dalla siccità (irrigazione); dall andamento dei prezzi di mercato. L anno in corso (2012), a causa della severa siccità estiva, è stato paragonato al 2003. Le perdite di produzione potrebbero aggirarsi intorno al 10% (per mais e frumento) mentre la redditività aziendale dovrebbe diminuire di circa il 6%. Tuttavia i risultati relativi agli eventi siccitosi successivi al 2005 suggeriscono un attenuazione degli impatti a causa dei processi di adattamento promossi dagli agricoltori per fronteggiare la siccità. Rischio permanente: riduzione del livello di occupazione! Quali politiche di intervento? Interventi straordinari? Politiche di settore?
Grazie per la vostra attenzione w2a@feem.it Corso Magenta 63, 20123 Milano - Italia - Tel +39 02.520.36934 - Fax +39 02.520.36946 - www.feem.it