Condividiamo con piacere l’articolo: “Investigating agricultural drought in Northern Italy throguh explainable Machine Learning Insights from the 2022 drought“, pubblicato dal Professor Paolo Tarolli, del Dipartimento Territorio e Sistemi Agro-Forestali dell’Università degli Studi di Padova.
Di seguito un abstract del documento:
La siccità agricola è un rischio naturale complesso che coinvolge molteplici variabili e ha suscitato un’attenzione crescente per la sua grave minaccia alla sicurezza alimentare in tutto il mondo. Nel contesto del cambiamento climatico e dell’aumento degli eventi di siccità, è fondamentale monitorare i fattori che determinano la siccità e la sua progressione per pianificare i successivi sforzi di prevenzione, adattamento e migrazione. Tuttavia, gli studi precedenti sulla siccità agricola si sono spesso concentrati sulle precipitazioni o sull’evapotraspirazione, trascurando altri potenziali fattori di stress da siccità delle colture. Inoltre, le analisi a livello macro dei meccanismi che determinano la siccità faticano a rivelare i contesti sottostanti alle diverse intensità di siccità. Il Nord Italia è una delle regioni agricole più importanti d’Europa ed è anche un hotspot colpito da eventi climatici estremi nel mondo.Nell’estate del 2022, una siccità estrema ha colpito nuovamente l’Europa, causando danni significativi alle regioni agricole del Nord Italia. Tuttavia, finora nessuno studio ha rivelato gli impatti potenziali e l’entità della siccità estrema su quest’area agricola cruciale a scala regionale. Pertanto, una comprensione completa della siccità agricola richiede ancora ulteriori chiarimenti e un’analisi differenziata dei fattori.Questo studio ha proposto una struttura innovativa per monitorare in modo esaustivo la siccità agricola con l’apprendimento automatico di tipo ensemble, costruendo un indice di siccità agricola integrato (IADI) con i dati di telerilevamento, tra cui la meteorologia, il suolo, la geomorfologia e le condizioni della vegetazione.Inoltre, il modello spiegabile Shapley Additive Explanation (SHAP) è stato applicato per rivelare il meccanismo alla base dell’evento di siccità verificatosi nell’Italia settentrionale nell’estate del 2022.I risultati hanno indicato che il modello di apprendimento automatico ensemble spiegabile proposto con prodotti di telerilevamento multi-sorgente può rappresentare efficacemente l’evoluzione della siccità agricola con mappe spazialmente continue su una scala di 8 giorni.L’analisi SHAP ha dimostrato che la siccità agricola estrema e grave dell’estate 2022 era strettamente correlata agli indicatori meteorologici, in particolare alle precipitazioni e alla temperatura della superficie terrestre, che hanno contribuito per il 68,88% alla siccità. Inoltre, i nuovi risultati hanno evidenziato che le proprietà del suolo influiscono sulla siccità agricola con un contributo del 28,3%. In particolare, nel caso di condizioni di moderata e lieve siccità, un contenuto più elevato di argilla e di carbonio organico del suolo (SOC) contribuisce a mitigare gli effetti della siccità, mentre i suoli sabbiosi e limosi hanno un effetto opposto, e i contributi della tessitura del suolo e del SOC sono più significativi delle precipitazioni e della temperatura della superficie del suolo. Il quadro di ricerca proposto potrebbe contribuire efficacemente a migliorare la metodologia della ricerca sulla siccità in agricoltura, portando potenzialmente a maggiori approfondimenti per la prevenzione e la mitigazione della siccità.
Per approfondire la tematica leggere l’articolo completo.
Bibliografia:
Chenli Xue, Aurora Ghirardelli, Jianping Chen, Paolo Tarolli,
Investigating agricultural drought in Northern Italy through explainable Machine Learning: Insights from the 2022 drought,
Computers and Electronics in Agriculture,
Volume 227, Part 1, 2024, 109572,
