Bollettino Gennaio 2025

Siccità Estrema

Intensità massima rilevata per alcune regioni

Situazione Generale

Secondo i dati Copernicus, a livello globale questo è stato il Gennaio più caldo registrato dal 1979, rispetto al periodo di riferimento 1991-2020. A livello europeo, questo mese si attesta al secondo posto, dopo Gennaio 2020 (vedi grafico). Le temperature superficiali del Mediterraneo si sono mantenute al di sopra della media, così come in buona parte dell’Atlantico centrale e nord-orientale. Le piogge sono state inferiori alla media su buona parte dell’Europa centro-occidentale, Gran Bretagna centro-meridionale, Scandinavia e Italia settentrionale e meridionale. Sul lungo periodo (12 mesi) la siccità severo-estrema interessa i Paesi centro-orientali con una percentuale che aumenta spostandosi verso est (vedi mappa interattiva).
  • Gli apporti nevosi, in termini di Equivalente Idrico Nivale (SWE), hanno un andamento diverso a seconda dell’area geografica, con una ripresa sulle Alpi, rispetto alla scorsa stagione, e ancora precipitazioni nevose scarse sugli Appennini. In generale, tuttavia, persiste un deficit di circa 58% rispetto alla mediana 2011-2023 (CIMA Foundation).
  • Gli invasi di Sardegna, Sicilia e Puglia (Capitanata) contengono da 3% al 15% di acqua in meno rispetto all’omologo periodo del 2023, mentre la Basilicata presenta un lieve incremento dell’1% (vedi grafico).
  • In merito ai grandi laghi del nord Italia, al 10 Febbraio 2025, presentano tutti valori di riempimento ben al di sopra della media grazie soprattutto agli apporti pluviometrici fra fine Gennaio e inizio Febbraio.
  • La produzione di energia idroelettrica in Sicilia nella settimana fra il 27 Gennaio e il 2 Febbraio chiude in netta risalita rispetto allo scorso anno e anche ad altri anni quali il 2023, 2021 e 2018.
Previsioni per i prossimi mesi
Per quanto riguarda le temperature dell’aria del trimestre Marzo-Maggio 2025, i dati d’insieme dei maggiori centri europei per le previsioni a medio termine indicano valori sopra la media su tutta Europa con una probabilità dal 60 al 100%. Anche le temperature superficiali del Mar Mediterraneo dovrebbero restare al di sopra della media per tutto il trimestre con una probabilità del 70-100%. Per quanto riguarda le piogge, la previsione indica valori superiori alla media su parte della Scandinavia. Sul resto del continente i valori dovrebbero mantenersi in media o, con una probabilità fra 40% e 50%, al di sotto.

Clicca sulle immagini per ingrandire

Focus Mensile

Il VPD – Vapor Pressure Deficit è una misura di quanto è secca (alto VPD) o umida (basso VPD) l’aria. Il protrarsi nel tempo di alti valori di VPD o anomalie positive rispetto ai valori medi, soprattutto nei mesi più caldi, possono essere un indice di siccità e possono influire sull’evapotraspirazione e sulla richiesta idrica delle piante e quindi sulla produzione agricola, nonchè sulla evaporazione dalle acque libere come laghi, bacini e fiumi. Le mappe di anomalia di Gennaio mostrano valori per lo più intorno alla media o positivi, tranne nel periodo 11-15 del mese, dove i valori sono risultati inferiori su buona parte delle regioni centrali e settentrionali della penisola.
Indici di esposizione alla siccità
  • Percentuale di territorio regionale affetto da siccità severo-estrema: sul trimestre Novembre-Gennaio diverse regioni, da nord a sud, presentano percentuali variabili fra l’1% e il 12% di territorio interessato da siccità severo-estrema. Sul medio-lungo periodo, invece, sono ancora le zone meridionali le più esposte, con percentuali fino al 18% in Calabria rispetto ai valori cumulati sui 24 mesi.
  • Percentuale di aree agricole interessate da siccità severo-estrema: a parte le colture irrigue e le risaie, le altre maggiori tipologie colturali di interesse presentano una superficie esposta a siccità severo-estrema limitata (massimo 3.5%) sul breve (3 mesi) e lungo periodo (24 mesi).
  • Percentuale di popolazione esposta a siccità: nonostante una riduzione dell’esposizione a siccità rispetto al mese, rimane una fetta di popolazione che si trova sotto la pressione di un deficit lieve o moderato, soprattutto rispetto al trimestre.

Clicca sulle immagini per ingrandire

Indice SPI (Standardized Precipitation Index)

Cos'è lo SPI

Clicca sulle immagini per ingrandirle.

A Gennaio le piogge sono state superiori alla media su buona parte delle regioni settentrionali e meridionali della penisola; più in media soprattutto il centro. Rispetto al trimestre, invece, la penisola è interessata per lo più da deficit da lieve a severo, con i valori più bassi concentrati sui settori occidentali. Tale situazione è influenzata in particolare da un Novembre particolarmente secco, non compensato sufficientemente dalle piogge di Gennaio. Dal medio al lungo periodo (6-24 mesi) le zone che presentano deficit di vario livello sono concentrate soprattutto al sud, mentre il nord ha surplus anche estremi sul lunghissimo periodo (24 mesi).

Anomalie di Temperatura della Superficie Terrestre

La Land Surface Temperature – LST o temperatura superficiale è una Variabile Climatica Essenziale derivata da osservazioni satellitari e descrive processi quali gli scambi di energia e acqua fra l’atmosfera le superfici, sia che si tratti di terreni nudi, parte sommitale delle chiome di un bosco o di una coltura, strade o tetti di edifici, specchi d’acqua o fiumi, superfici innevate, ecc. Le temperature superficiali di Gennaio sono state superiori alla media ovunque, eccetto l’arco alpino (in particolare fra Lombardia e Veneto). Le anomalie maggiori si sono verificate fra le Alpi Apuane e le zone interne del Lazio e in due zone isolate su Alpi Marittime e valli Trentine.
Clicca l'immagine per ingrandirla.

Indice ESI (Evaporative Stress Index)

Cos'è l'indice ESI
L’ESI indica qual è il tasso di evapotraspirazione rispetto alle condizioni normali, ed evidenzia tassi di utilizzo dell’acqua insolitamente alti o bassi. Nelle settimane fra il 9 Gennaio e 5 Febbraio buona parte delle regioni meridionali e della zona padana occidentale hanno fatto registrare anomalie positive, mentre il resti d’Italia presenta valori negativi, soprattutto Toscana e Umbria. Rispetto alle 12 settimane da metà Novembre ai primi di Febbraio, invece, le aree con anomalie negative sono molto più ampie e tale estensione è da imputarsi alle temperature superiori alla media di Novembre e Gennaio.
Clicca l'immagine per ingrandirla.
Clicca l'immagine per ingrandirla.

Rassegna Stampa

Articoli della stampa locale e nazionale per il periodo considerato.

Profili X (Twitter)

Altre Fonti di Dati

Archivio bollettini

Bollettini Drought Central
Archivio Lamma (2012-2018)

WebGis Siccità

Visualizza i grafici dell’andamento degli indici in uno specifico punto. Esporta mappe e grafici (png).

Accedi al WebGis

Rassegna Stampa

La rassegna stampa dell'Osservatorio Siccità: interviste, contributi, interventi e articoli pubblicati sui media nazionali.

Vai alla rassegna stampa

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 x; c 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.