Logo CNR IBE

Bollettino Maggio 2022

Siccità Estrema

Intensità massima rilevata per alcune regioni

Situazione Generale

La siccità che ormai perdura da diversi mesi sulle regioni settentrionali si sta allargando anche al centro-sud. Le precipitazioni occorse fra fine Aprile e Maggio hanno apportato sollievo al terreno e aumentato i livelli di fiumi e laghi solo per un breve periodo e sono risultate comunque non diffuse e spesso a carattere temporalesco, con grandine e vento forte. Anche le temperature, particolarmente elevate nella seconda metà del mese e nei primi giorni di giugno lungo tutta la penisola (anomalie fra +2 e +3 °C), hanno contribuito a non alleviare la situazione. La primavera, che si sperava potesse ridurre il deficit accumulato, ha invece confermato la previsione negativa risultando anch’essa povera di piogge, con valori che la pongono al terzo posto dietro solo al 2003 e al 2017. Sul medio e lungo periodo il settore agricolo risulta duramente colpito, con le aree irrigue interessate per oltre il 40% da siccità severo-estrema, come si evince dal grafico (le classi di uso del suolo legate alla parte agricola derivano dalla mappa di Land Cover del Copernicus Data Store).  

Clicca sulle immagini per ingrandire

Focus Mensile

Negli ultimi 6 e 12 mesi le regioni più colpite dalla siccità di grado severo-estremo restano quelle del nord Italia, con il Lazio, la Puglia e la Calabria che si aggiungono sul breve periodo e la Toscana e l’Emilia Romagna sul lungo periodo. La popolazione esposta al rischio siccità severa/estrema risulta oscillare fra il 2.3% sul breve periodo (SPI degli ultimi 3 mesi) e il 30.6% sul medio periodo (SPI6).

Clicca sulle immagini per ingrandire

Indice SPI (Standardized Precipitation Index)

Cos'è lo SPI

Clicca sulle immagini per ingrandirle.

L’indice SPI a brevissimo termine mostra come le piogge siano state abbondanti nel centro-sud della Sardegna e in parte della Sicilia, mentre nel resto della penisola la situazione sia per lo più nella norma. Nel breve periodo, ovvero nei tre mesi primaverili Marzo-Maggio, si nota un deficit abbastanza diffuso nelle regioni settentrionali, su Lazio, Abruzzo, Puglia e Calabria. La situazione peggiore risulta essere quella sul medio e lungo periodo, con buona parte del Nord e diverse aree del centro-sud che risultano essere in siccità da moderata a estrema.

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. A Maggio i valori dell’ESI sulle 4 settimane (1-28 Maggio) indicano forti condizioni di stress nella zona occidentale della Val Padana (soprattutto nel novarese) e dal grossetano all’Umbria meridionale all’alto Lazio. Zone con anomalie negative di evapotraspirazione sono poi estese al resto della Pianura Padana, del centro Italia, Sardegna centro-occidentale e regioni meridionali Puglia, Basilicata e Calabria. Tali condizioni si estendono ulteriormente in quasi tutto il centro-nord se si considerano gli ultimi 3 mesi (dal 6 Marzo al 28 Maggio). Tali anomalie negative stanno ad indicare un forte disseccamento del suolo dovuto sia a temperature e vento elevati che ad assenza di piogge che non hanno compensato il tasso evapotraspirativo.
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 per il periodo 23 Aprile – 8 Maggio mostra diverse aree lungo l’Appennino e la Sicilia affette da stress più o meno intenso. Nel successivo periodo, dal 9 al 24 Maggio, le condizioni sono nella norma pressoché ovunque.
Clicca l'immagine per ingrandirla.
Clicca l'immagine per ingrandirla.

Indice VHI (Vegetation Health Index)

Cos'è l'Indice VHI
Anche l’indice complessivo VHI sui boschi della penisola a cavallo fra Aprile e Maggio mostra uno stress da lieve a severo lungo l’Appennino e Sicilia. Nelle settimane centrali di Maggio le aree con stress si ampliano soprattutto nelle valli alpine, Toscana meridionale e costiera, Sardegna e Puglia meridionale (dove l’indice è però influenzato anche dai valori bassi di NDVI dovuti al patogeno Xylella fastidiosa).  
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.