Logo CNR IBE

Bollettino Giugno 2022

Siccità Estrema

Intensità massima rilevata per alcune regioni

Situazione Generale

Giugno si chiude con la siccità che si estende al centro-sud Italia, piogge scarse e spesso dannose perchè accompagnate da venti forti e grandine, e temperature record. Così come Maggio, infatti, a livello nazionale questo mese risulta essere il secondo più caldo, superato solo dal 2003. Se si considera il semestre Gennaio-Giugno, poi, il primato spetta proprio a questo 2022, con +0.76°C, che salgono a 1.07°C se si considera il Nord della penisola (Fonte ISAC-CNR). Il settore agricolo continua a soffrire, con il 40% delle superfici irrigate e le risaie che sono soggette a siccità severo-estrema non solo da inizio anno, ma da ben 12 mesi. Altro dato sconcertante è lo stato in cui versano i ghiacciai delle nostre Alpi. Il confronto fra le immagini della Marmolada in diverse estati (2011, 2020, 2021, 2022) è inequivocabile. Inoltre, fra il 2 e il 3 Luglio, in vetta alla “regina” delle Dolomiti è stata registrata una temperatura di 10°C che, sommata alle temperature più elevate del normale che hanno accompagnato questa annata disastrosa dal punto di vista climatico e le scarse precipitazioni nevose invernali (dal 50 al 70 % in meno rispetto alla scorsa stagione), hanno causato il tragico distacco di un seracco che ha portato con se diverse vite.

Clicca sulle immagini per ingrandire

Focus Mensile

Nonostante sia ancora il Nord Italia ad essere il più colpito dalla morsa della siccità da oltre 12 mesi, sul medio periodo (6 mesi) anche diverse regioni del centro-sud vedono i loro territori soggetti ad una scarsità di piogge severo-estrema. La popolazione esposta a siccità severo-estrema negli ultimi 6 mesi è pari al 31% circa, 63% se si include anche la classe moderata. Anche la produzione di energia idroelettrica e termoelettrica sta subendo dei cali a causa della scarsità idrica in fiumi e bacini.

Clicca sulle immagini per ingrandire

Indice SPI (Standardized Precipitation Index)

Cos'è lo SPI

Clicca sulle immagini per ingrandirle.

Dall’analisi dell’indice SPI a diverse scale temporali si evince come le perturbazioni occorse fra Maggio e Giugno non siano comunque sufficienti a risanare il deficit accumulato nel medio e lungo periodo. Deficit che sta ora interessando anche diverse zone del centro-sud, in particolare Toscana, Lazio, parte dell’Umbria e Campania, Puglia, Calabria e Sicilia.

Indice ESI (Evaporative Stress Index)

Cos'è l'indice ESI
L’indice da remote sensing ESI fornisce indicazioni “proxy” circa la rapida evoluzione dell’umidità superficiale del suolo e delle condizioni di stress delle colture. L’indice è calcolato su diversi periodi di aggregazione temporale, nello specifico su 4 e 12 settimane. Anche a Giugno i valori dell’ESI sulle 4 settimane dal 29 Maggio al 25 Giugno continuano ad indicare forti condizioni di stress nella Val Padana, in Veneto e Friuli Venezia Giulia e soprattutto nelle zone fra Toscana, Umbria e Lazio. Le alte temperature hanno influenzato anche le regioni meridionali e parte della Sardegna. Condizioni simili si riscontrano anche rispetto al più lungo periodo (3 Aprile – 25 Giugno), anche se il settore veneto-friulano risulta avere delle anomalie nettamente inferiori, avendo beneficiato forse più delle altre aree settentrionali, di un Aprile più fresco.
Clicca l'immagine per ingrandirla.
Clicca l'immagine per ingrandirla.

Indice VCI (Vegetation Condition Index)

Cos'è l'indice VCI
L’indice di vegetazione VCI sui boschi italiani vede dei valori di stress più marcati nelle zone meridionali e parte del centro durante le settimane a cavallo fra Maggio e Giugno. Valori anomali che nella parte centrale di Giugno sono visibili in diverse aree dell’arco alpino, Appennino settentrionale e Sardegna.
Clicca l'immagine per ingrandirla.
Clicca l'immagine per ingrandirla.

Indice VHI (Vegetation Health Index)

Cos'è l'Indice VHI
L’indice complessivo VHI sui boschi della penisola durante il periodo 25 Maggio – 9 Giugno evidenzia un più forte stress al centro-sud, da imputarsi soprattutto alle più alte temperature fatte registrare in queste aree. Nella seconda parte del mese arre boscate affette da stress sono quelle della costa tirrenica centro-settentrionale e zone pedemontane.
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.