Fenologia e cambiamenti climatici

“Fenologia e cambiamenti climatici” è il nuovo articolo frutto della collaborazione tra la Sezione Valorizzazione della Ricerca e Public Engagement – Agorà Scienza – e dal Green Office UniToGO dell’Università di Torino con la IdeeGreen S.r.l. Società Benefit.

L’articolo riprende i testi del prof. Enrico Borgagno Mondino e del dott. Tommaso Orusa pubblicati nell’opera “Lessico e Nuvole: le parole del cambiamento climatico”, la seconda edizione della guida linguistica e scientifica per orientarsi nelle più urgenti questioni relative al riscaldamento globale, curata dalla Sezione e dal Green Office.

La versione gratuita di Lessico e Nuvole, sotto forma di file in formato .pdf, è scaricabile dalla piattaforma zenodo.org.

La versione cartacea e quella eBook sono acquistabili online sulle seguenti piattaforme di distribuzione:

– Amazon

– youcanprint.it

– Mondadori (anche con Carta del Docente e 18app)

– IBS

– Libreria Universitaria (anche con Carta del Docente e 18app)

Tutto il ricavato delle versioni a pagamento sarà utilizzato dall’Università di Torino per finanziare progetti di ricerca e di public engagement sui temi dei cambiamenti climatici e della sostenibilità.

Definizione di fenologia

La fenologia definisce le relazioni tra fattori meteo/climatici (tem­peratura, umidità, fotoperiodo, ecc.) e manifestazioni stagionali proprie del processo vegetativo di una pianta: germogliazione, fio­ritura, maturazione dei frutti, comparsa e abscissione (caduta) delle foglie, ecc.

La possibilità di descrivere la distribuzione spazio-tempora­le della fenologia può irrobustire i processi conoscitivi rela­tivi agli effetti dei cambiamenti climatici, soprattutto laddo­ve essa venga espressa da sistemi naturali non gestiti; una certa importanza tuttavia riveste anche in agricoltura, alleva­mento (erbe dei pascoli, epoca di fioritura per le api) e medici­na (epoca di emissione dei pollini che determinano la pollinosi).

La caratterizzazione fenologica richiede il monitoraggio continuato, per anni e nella stessa località, di singole specie di interesse (fenoi­di) o di interi popolamenti (sistemi complessi, generalmente misti e in equilibrio, detti cenosi).

La fenologia dei fenoidi non può che essere condotta a terra a livello di singolo individuo vegetale.

La fe­nologia delle cenosi, invece, riferisce di un comportamento medio espresso da gruppi vegetati aggregati. In tale situazione, evidenze fenologiche “medie”, come ad esempio la comparsa e la caduta delle foglie, il massimo vigore vegetativo, la fioritura prevalente, la durata della stagione vegetativa ecc., possono essere descritte da remoto avvalendosi di tecniche di telerilevamento.

L’analisi è in questo caso condotta avvalendosi dei cosiddetti indici spettrali, cioè formulazioni matematiche, più o meno complesse, costruite attorno ai valori di riflettività espressa dalle superfici e registrate dai sensori ottici passivi. Tra questi, il più noto per la vegetazione e spesso efficace (al netto di alcune situazioni limite) è il Normalized Differencing Vegetation Index – NDVI, considerato un predittore di vigore vegetativo e di biomassa in grado, se misu­rato nella stessa posizione nel tempo, di caratterizzare la (macro)fenologia locale.

Nell’ambito del telerilevamento ottico passivo la descrizione della (macro)fenologia di cenosi passa attraverso la preventiva struttu­razione di serie multi-temporali di mappe di indice (per esempio l’NDVI), generate a partire da acquisizioni ripetute nel tempo. La continuità temporale dell’acquisizione e la garanza di omogeneità dei dati confrontati sono requisiti irrinunciabili laddove l’interesse sia la mappatura dei processi fenologici che interessano una certa area.

Se la finalità è quella di confrontare anni diversi (possibilmente alla scala tem­porale climatica) una sintesi informativa ef­ficace è necessaria, visto che la variabilità espressa dai dati satellitari si esprime sia nel tempo (alla stessa posizione) che nello spa­zio (nello stesso istante in posizione diverse).

Le metriche fenologiche per una sintesi informativa efficace

Una sintesi informativa efficace è spesso ottenuta computando delle “metriche fenologiche”, cioè dei parametri numerici desumibili dal profilo temporale di indice (del singolo pixel) in corrispondenza di momenti significativi dell’anno. Qui di seguito un grafico di esempio.

Tra questi i più utilizzati sono:

• L’inizio della stagione (SOS = Start of the Season) indicato con riferimento alla data (spesso espressa sotto forma di DOY, Day of Year) a cui si ammette che inizi l’attività vegetativa in quella posi­zione.
• La fine della stagione (EOS = End of the Season) indicato con riferimento alla data a cui si ammette che termini l’atti­vità vegetativa in quella posizione.
• La durata della stagione (LOS = Length of the Season) definita come la differenza in gironi che separa EOS da SOS.
• Il massimo valore di indice (MAX_VI) espresso tra SOS e EOS.
• La data a cui MAX_VI si manifesta (MAX_DOY);
• L’ampiezza della stagione (SA = Season Amplitude) che definisce la differenza tra il valore massimo e minimo di indice nel­la stagione considerata.
• La produttività totale (TP = Total Producti­vity) che definisce l’integrale del profilo interpolato sull’intero anno.
• La produttività stagionale (SP = Seasonal Productivity o SMI = Small Integral) che definisce l’integrale del profilo interpo­lato di VI tra SOS e EOS.
• La velocità di crescita all’inizio della sta­gione (Rate of Increase) definita, in ri­ferimento alla parte crescente della campana fenologica (sinistra), come la differenza tra i valori di indice corrispon­denti rispettivamente all’80% e al 20% di SA, divisa per l’intervallo temporale corrispondente.
• La velocità di decrescita alla fine della stagione (Rate of Decrease) definita, in riferimento alla parte decrescente della campana fenologica (destra), come il va­lore assoluto della differenza tra i valori di indice corrispondenti rispettivamente all’80% e al 20% di SA, divisa per l’inter­vallo temporale corrispondente.

L’estrazione delle metriche fenologiche avvie­ne in modo automatico a livello di singolo pixel per singolo anno secondo le seguenti fasi pro­cedurali: composizione della serie multitempo­rale, filtratura, interpolazione, estrazione delle metriche e loro codifica spaziale in forma di mappa (annuale).

Il confronto dei valori della stessa metrica espressa nella stessa posizione in anni diversi, consente di verificare l’effetto indotto da eventuali variazioni climatiche sul­la fenologia. In tal modo è possibile individuare trend potenzialmente relazionabili ai cambia­menti climatici evidenziando resistenza, resi­lienza e fragilità dei sistemi vegetali rispetto ai cambiamenti in essere, come si può vedere qui di seguito:

MOD13Q1. Il valore riportato corrisponde alla media espressa dai sistemi naturali (foreste e pascoli alpini) in Valle d’Aosta nel periodo 2000-2019. Fonte: immagine degli autori.

La loro rappresentazione sotto forma di map­pa consente, inoltre, di collocare spazialmente le deduzioni, arrivando a identificare le aree di maggior o minor impatto. Tale approccio con­sente, in estrema sintesi, di misurare in forza e posizione l’effetto dei cambiamenti climatici sulla componente vegetale del territorio.

 

prof. Enrico Borgogno Mondino, Dipartimento di Scienze Agrarie, Forestali e Alimentari – Università di Torino; Coordinamento Cambiamenti Climatici UniTo Green Office UniToGO

dott. Tommaso Orusa, Gruppo Energia e Coordinamento Cambiamenti Climatici UniTo Green Office UniToGO; Dipartimento di Scienze Agrarie, Forestali e Alimentari – Università di Torino

 

Bibliografia

– Latini Gianni, Bagliani Marco, & Orusa Tommaso. (2020). Lessico e nuvole: le parole del cambiamento climatico – II ed., Università di Torino. Zenodo. http://doi.org/10.5281/zenodo.4276945

– Jönsson, P., & Eklundh, L. (2004). “TIMESAT—a program for analyzing time-series of satellite sensor data”. Computers & geosciences, 30(8), 833-845.

– Hmimina, G., et al. (2013). “Evaluation of the potential of MODIS satellite data to predict vegetation phenology in different biomes: An investigation using ground-based NDVI measurements”. Remote Sensing of Environment, 132, 145-158.

– Migliavacca, M., et al. (2008). “European larch phenology in the Alps: can we grasp the role of ecological factors by combining field observations and inverse modelling?”. International journal of biometeorology, 52(7), 587-605.

– Testa, S., Soudani, K., Boschetti, L., & Mondino, E. B. (2018). “MODIS-derived EVI, NDVI and WDRVI time series to estimate phenological metrics in French deciduous forests”. International journal of applied earth observation and geoinformation, 64, 132-144.

– White, M. A. et al. (2009). “Intercomparison, interpretation, and assessment of spring phenology in North America estimated from remote sensing for 1982–2006”. Global Change Biology, 15(10), 2335-2359.