P. Coccimiglio, M. Baldi, M.G. Lanini, M. Gaetani, G. Dalu

Abstract

The importance for encompassing the effects of critical climatic conditions over ecosystem, animals and human being, have increased rapidly in the last few years, due to enhanced frequency and intensity of summer heat waves on Italy. Focusing on agricultural and food field, it is well known that environmental conditions, such as high temperature and humidity, lasting for several days, can cause stress to animals and have a negative impact on their production, reproduction, and health. Therefore, it is necessary to distinguish and describe homogeneous bioclimatic zones in order to evaluate areas in which risk for losses in production and reproduction are more elevated, and to assess the economic impact of intense and long lasting heat waves.

We collected meteorological data covering the period 1971-2006 from 100 stations in Italy, applied a quality control procedure on humidity and temperature series, then we computed the daily maximum an minimum temperature-humidity index (THI). Using a hierarchical cluster analysis and applying the Ward’s method to the summer maximum THI, we grouped the stations in six different clusters, individuated in the Country regions with homogeneous bioclimatic characteristics. For each cluster we analyzed the average bioclimatic features. Moreover, using the Multiple Discriminant Analysis we mapped the national territory in mesoscale homogeneous climatic regions. Finally we also investigated the occurrence of heat stress events in the period 2001-2006 from the THI point of view.

Riassunto

L’intensificarsi della frequenza con cui le ondate di calore colpiscono le nostre latitudini ed in particolare l’Italia ha portato ad un sempre maggiore interesse verso lo studio degli effetti che queste provocano sulla salute dell’uomo e degli animali. In particolare, nel campo dell’agricoltura e della zootecnia è noto che le condizioni ambientali, come la concomitanza di alte temperature ed umidità per più giorni consecutivi, possono causare condizioni di stress per gli animali e avere un impatto negativo sulla loro riproduzione, produzione e salute.

Questo studio, mirato all’individuazione di zone bioclimatiche in cui le condizioni di rischio siano omogenee, è stato sviluppato prendendo in considerazione l’indice temperatura-umidità (THI, temperature-humidity index), che sintetizza l’azione combinata di alte temperature ed umidità. Per 100 stazioni meteorologiche distribuite sul territorio nazionale sono state calcolate le serie dei valori giornalieri massimi e minimi di THI per i mesi estivi, nel periodo 1971-2006. Una analisi a cluster di tipo gerarchico, combinata con la scelta del Ward’s method, ha mostrato l’esistenza di 6 distinte classi di stazioni. Ciascuna di esse è stata analizzata per determinarne le caratteristiche bioclimatiche medie. Successivamente, attraverso la metodologia della Multiple Discriminant Analysis, il calcolo delle funzioni discriminanti ottenute sulla base di un insieme di parametri del terreno propri di ogni singola stazione, ha permesso di delineare zone bioclimatiche alla mesoscala per il territorio italiano. Sono state infine messe in luce le ondate di calore sotto il punto di vista del THI avvenute nel periodo 2001-2006.

1. Introduzione

Lo scopo di questo lavoro è quello di fornire una caratterizzazione delle aree italiane che sono maggiormente interessate da condizioni termo-igrometriche rischiose per gli esseri viventi, durante la stagione estiva.

La forte ondata di calore dell’estate 2003, inusuale dal punto di vista statistico (Luterbacher et al., 2004; Schär et al., 2004) ha provocato la morte di migliaia di persone in tutta l’Europa occidentale. L’intensificarsi di questi eventi e la maggior frequenza con cui questi accadono (Beniston e Stephenson, 2004) ha reso necessario valutare il loro impatto sulla salute umana ed è ormai evidente come, almeno in questo settore, una prevenzione dei danni passi attraverso una costante, corretta e diffusa informazione (World Health Organization, 2003). Proprio per questo, la necessità di risalire alle perdite economiche che esse provocano è divenuto nel corso dell’ultimo decennio di estrema importanza. Nel campo alimentare e zootecnico, in particolare, il disagio fisico generato dalle opprimenti condizioni atmosferiche nel periodo estivo si ripercuote sulla produzione e riproduzione delle specie animali (Bouraoui et al., 2002; Jordan 2003; Nardone et al., 2006) con danni economici che possono essere significativi (St-Pierre et al., 2003).

Gli effetti di tali anomalie sulla salute umana, così come colture e sugli animali, derivano dall’azione combinata di variabili meteorologiche quali umidità, temperatura, velocità del vento e numero di giorni consecutivi di caldo. Periodi di caldo umido particolarmente disagevoli, che comunque rappresentano una caratteristica abbastanza nota e frequente delle estati del Mediterraneo (Conte e Colacino, 1995; Baldi et al., 2006), possono essere individuati tramite l’analisi delle sequenze di più giorni consecutivi che presentano un indice temperatura-umidità (Temperature-Humidity Index: THI; Kelly e Bond, 1971) particolarmente elevato. Molto esiste in letteratura sulla definizione di THI e sulle soglie oltre le quali si ha una situazione di disagio per gli animali (Hanh et al.,1999; Kliber, 1964).

La caratterizzazione del territorio in regioni climaticamente omogenee, o regionalizzazione climatica, basata sulla analisi di lunghe serie di osservazioni meteorologiche è un passo essenziale per caratterizzare la variabilità climatica nel tempo e nello spazio (Comrie e Glenn, 1998) e, soprattutto, per determinare aree in cui le condizioni climatiche siano omogenee. Altri studi hanno permesso di delineare zone con simili caratteristiche climatiche (Thornthwaite, 1931) e spesso queste classificazioni si sono basate sulla distribuzione della vegetazione quale indicatore del clima di una regione. I metodi di regionalizzazione oggi in uso si basano sulla analisi di dati climatici oggettivi, quindi su una metodologia più diretta. I metodi maggiormente utilizzati per analizzare i dati climatici sono la tecnica delle componenti principali (Brunetti et al., 2006; Pineta Martinez et al., 2007) e l’analisi a cluster (De Gaetano, 1995, Unal et al., 2003).

In questo studio sono state individuate le zone climaticamente omogenee nel territorio italiano utilizzando una analisi a cluster con procedura gerarchica effettuata su dati giornalieri di THI suddivisi per classi di rischio. Successivamente, la variabile di tipo fattore che identifica il cluster di appartenenza per ogni stazione, è stata usata come grouping variable in una Multiple Discriminant Analysis. Ciò ha permesso di individuare le zone italiane con THI omogeneo nel periodo estivo Giugno-Luglio-Agosto (JJA, June-July-August).

2. Dati e Metodi

La necessità di monitorare il clima e le anomalie degli ultimi anni in Italia, soprattutto nel periodo estivo, con particolare riferimento all’indice THI di disagio, ha richiesto che ci si riferisse ad una climatologia, il Climate Normals (CLINO), più recente rispetto a quello usualmente più utilizzato, 1961-1990. Per questo motivo, per l’identificazione e l’analisi delle ondate di calore degli ultimi anni (JJA, 2001-2006), si è scelto come trentennio di riferimento il periodo 1971-2000. I dati di temperatura ed umidità giornalieri, massimi e minimi, provenienti da 100 stazioni di rilevamento distribuite uniformemente sull’Italia (Fig. 1), sono stati estratti dalle banche dati del Laboratorio di Meteorologia e Modellistica Ambientale (LaMMA, http://www.lamma.rete.toscana.it) e dall’US National Climatic Data Center (NCDC, http://cdo.ncdc.noaa.gov/) ed in parte sono stati messi a disposizione dall’Ufficio Centrale di Ecologia Agraria (UCEA, http://www.ucea.it/).

Figura 1: Copertura dei dati di temperatura, umidità relativa e THI per il periodo 1971-2006.

Una prima analisi dei dati mostra che le serie temporali a nostra disposizione sono affette da errori. Si tratta di errori di misura o di digitazione che il più delle volte si palesano con la ripetizione consecutiva di uno stesso valore oppure con misurazioni che, considerata l’intera distribuzione della variabile in questione, risultano al di fuori della finestra di accettazione statistica e rendono il dato inattendibile. Per questo motivo, una volta individuati i dati di scarsa validità le serie vengono conseguentemente corrette. Molto esiste in letteratura sui metodi di omogeneizzazione e correzione delle serie (Brunetti et al., 2006; Peterson et al., 1998; Wijngaard et al., 2003; Moberg e Alexandersson, 1997). La metodologia impiegata in questo lavoro richiede l’utilizzo di tecniche statistiche basate sul confronto tra ognuna delle serie da correggere (serie candidata) e la sua serie di riferimento. E’ possibile, per ogni serie candidata, costruire una serie di riferimento tramite la media pesata tra le serie delle stazioni vicine, utilizzando come pesi i quadrati dei coefficienti di correlazione (Brunetti et al., 2001). Dall’analisi della distribuzione della serie degli scarti tra le serie di riferimento e la serie candidata, siamo in grado di definire una finestra di accettazione al di fuori della quale i valori possano essere classificati come molto improbabili. Un valore viene ritenuto qualitativamente accettabile se la sua distanza rispetto al valore di riferimento rientra tra le soglie lower outer fence e upper outer fence, definite come:

Lower outer fence = Q_0.25-3(Q_0.75 - Q_0.25)

Upper outer fence = Q_0.75 + 3(Q_0.75 - Q_0.25)

dove Q_0.25 e Q_0.75 sono il primo ed il terzo quartile della distribuzione mensile della serie delle differenze. Quindi le 100 serie, private delle misurazioni più dubbie al di fuori di questo range, sono state sottoposte a un procedimento di ricostruzione dei dati mancanti (Fill Missing). Ciò viene fatto con un modello di regressione lineare multipla (MLR, Multilinear regression) in cui i predittori sono le serie delle anomalie delle stazioni vicine meglio correlate con la serie candidata, che nel modello rappresenta il predittando.

Dalle serie giornaliere di temperatura ed umidità relativa, minima e massima, si procede con il calcolo delle serie di THI, minimo e massimo giornaliero. Il THI è un indice che ben rappresenta il disagio animale in condizioni climatiche estreme prodotte dalla concomitanza di alte temperature ed umidità elevata. La definizione di Kelly e Bond (1971) per quest’indice con la relativa definizione di rischio (Tab. 1) è la seguente:

THI = (1.8Tdb +32)-(0.55-0.55*RH/100)*[(1.8Tdb + 32)-58]

dove Tdb ed RH sono, rispettivamente, la temperatura di bulbo secco (°C) e l’umidità relativa (%) dell’aria.

Tabella 1: Livelli di rischio.

I valori massimo e minimo giornaliero del THI sono stati calcolati ipotizzando che la temperatura massima (minima) giornaliera e l’umidità relativa minima (massima) giornaliera siano approssimativamente simultanei. Tale assunzione è verificata in assenza di variazioni del contenuto di umidità specifica dell’aria.

Per individuare le aree bioclimaticamente omogenee è stato utilizzato un metodo statistico di raggruppamento delle serie del THI massimo giornaliero, ovvero, mediante una analisi a cluster di tipo gerarchico che impiega il metodo di Ward (Wilks, 2006). L’applicazione di questa tecnica al numero di giorni con THI massimo giornaliero che ricadono nelle 4 classi di rischio definite in Tab. 1, per i mesi di Giugno, Luglio e Agosto, mostra come nel periodo estivo in Italia si possano individuare 6 aree (cluster) ben definite (Tabella 2). Il numero dei cluster appropriati è stato selezionato analizzando l’andamento della distanza minima tra i cluster combinati rispetto al numero di cluster stessi (Unal et al., 2003; Wilks 2006).

Tabella 2: Anagrafico stazioni e gruppo di appartenenza

Codice stazione	Nome Stazione	Latitudine	Longitudine	Altitudine	Gruppo
16033	DOBBIACO	46.73	12.22	1222	1
16072	MONTE_BISBINO	45.87	9.07	1318	1
16124	PASSO_DELLA_CISA	44.47	9.93	1039	1
16136	PASSO_PORRETTA	44.03	11.00	1313	1
16263	TREVICO	41.05	15.23	1085	1
16344	MONTE_SCURO	39.33	16.40	1669	1
16021	PASSO_ROLLE	46.30	11.78	2004	1
16022	PAGANELLA	46.15	11.03	2125	1
16052	PIAN_ROSA	45.93	7.70	3480	1
16134	MONTE_CIMONE	44.20	10.70	2165	1
16219	MONTE_TERMINILLO	42.47	12.98	1874	1
16040	TARVISIO	46.50	13.58	777	2
16061	BRIC_DELLA_CROCE	45.03	7.73	709	2
16179	FRONTONE	43.52	12.73	570	2
16164	VOLTERRA	43.40	10.87	555	2
16204	RADICOFANI	42.90	11.77	816	2
16168	MONTE_ARGENTARIO	42.38	11.17	630	2
16258	MONTE_S._ANGELO	41.70	15.95	838	2
16252	CAMPOBASSO	41.57	14.65	793	2
16300	POTENZA	40.63	15.80	820	2
16538	FONNI	40.12	9.25	985	2
16316	LATRONICO	40.08	16.02	888	2
16434	PRIZZI	37.72	13.43	1034	2
16020	BOLZANO	46.47	11.33	239	3
16114	MONDOVI	44.38	7.82	559	3
16197	MONTE_CALAMITA	42.73	10.40	396	3
16224	VIGNA_DI_VALLE	42.08	12.22	260	3
16506	GUARDIAVECCHIA	41.22	9.40	158	3
16522	CAPO_CACCIA	40.57	8.17	200	3
16541	PERDASDEFOGU	39.67	9.43	608	3
16450	ENNA	37.57	14.28	998	3
16045	UDINE_RIVOLTO	45.98	13.03	52	4
16110	TRIESTE	45.82	13.75	3	4
16076	BERGAMO_ORIO_AL_SERIO	45.67	9.70	236	4
16105	VENEZIA_TESSERA	45.50	12.33	2	4
16059	TORINO_CASELLE	45.22	7.65	285	4
16084	PIACENZA_S._DAMIANO	44.92	9.73	134	4
16120	GENOVA_SESTRI	44.42	8.85	2	4
16149	RIMINI	44.03	12.62	7	4
16153	CAPO_MELE	43.95	8.17	220	4
16191	FALCONARA	43.62	13.37	9	4
16172	AREZZO	43.47	11.85	248	4
16216	VITERBO	42.43	12.08	307	4
16214	CIVITAVECCHIA	42.03	11.83	3	4
16232	TERMOLI	42.00	15.00	16	4
16280	PONZA	40.92	12.95	184	4
16312	GIOIA_DEL_COLLE	40.77	16.93	347	4
16550	CAPO_BELLAVISTA	39.93	9.72	138	4
16360	S._MARIA_DI_LEUCA	39.82	18.35	104	4
16337	BONIFATI	39.58	15.88	484	4
16453	GELA	37.08	14.22	58	4
16470	PANTELLERIA	36.82	11.97	190	4
16108	RONCHI_DEI_LEGIONARI	45.82	13.48	10	5
16098	TREVISO_ISTRANA	45.68	12.10	41	5
16099	TREVISO_S._ANGELO	45.65	12.18	18	5
16066	MILANO_MALPENSA	45.62	8.73	211	5
16094	VICENZA	45.57	11.52	39	5
16064	NOVARA_CAMERI	45.52	8.67	168	5
16080	MILANO_LINATE	45.43	9.28	102	5
16088	BRESCIA_GHEDI	45.42	10.28	95	5
16090	VERONA_VILLAFRANCA	45.38	10.87	67	5
16140	BOLOGNA_BORGO_PANIGALE	44.53	11.30	36	5
16146	PUNTA_MARINA	44.47	12.28	2	5
16148	CERVIA	44.22	12.30	6	5
16170	FIRENZE_PERETOLA	43.80	11.20	37	5
16158	PISA_S._GIUSTO	43.67	10.38	2	5
16206	GROSSETO	42.75	11.07	6	5
16230	PESCARA	42.43	14.20	10	5
16245	PRATICA_DI_MARE	41.65	12.45	6	5
16244	FROSINONE	41.63	13.30	184	5
16270	BARI_PALESE	41.13	16.78	34	5
16520	ALGHERO	40.63	8.28	23	5
16310	CAPO_PALINURO	40.02	15.28	184	5
16539	CAPO_FRASCA	39.75	8.47	89	5
16350	CROTONE	39.00	17.07	155	5
16400	USTICA	38.70	13.18	242	5
16410	PALERMO_BOCCADIFALCO	38.12	13.32	106	5
16234	GUIDONIA	42.00	12.73	88	6
16235	ROMA_URBE	41.95	12.50	18	6
16239	ROMA_CIAMPINO	41.80	12.58	101	6
16242	ROMA_FIUMICINO	41.80	12.23	2	6
16243	LATINA	41.55	12.90	25	6
16261	AMENDOLA	41.53	15.72	56	6
16253	GRAZZANISE	41.05	14.07	6	6
16531	OLBIA_COSTA_SMERALDA	40.90	9.52	11	6
16289	NAPOLI_CAPODICHINO	40.85	14.30	68	6
16320	BRINDISI	40.65	17.95	6	6
16294	CAPRI	40.55	14.25	160	6
16325	MARINA_DI_GINOSA	40.43	16.88	11	6
16542	CAPO_S._LORENZO	39.50	9.62	4	6
16546	DECIMOMANNU	39.35	8.97	23	6
16560	CAGLIARI_ELMAS	39.25	9.05	1	6
16564	CAPO_CARBONARA	39.10	9.52	116	6
16362	LAMEZIA_TERME	38.90	16.25	15	6
16420	MESSINA	38.20	15.55	51	6
16405	PALERMO_PUNTA_RAISI	38.18	13.10	29	6
16429	TRAPANI_BIRGI	37.92	12.50	4	6
16460	CATANIA_FONTANAROSSA	37.47	15.05	11	6
16459	CATANIA_SIGONELLA	37.40	14.92	24	6
16480	COZZO_SPADARO	36.68	15.13	46	6

3. Risultati

Una prima analisi mostra che i gruppi sono suddivisi principalmente in fasce di altitudine: 11 stazioni, localizzate ad una quota compresa tra 1000 m e 3000 m, fanno parte del gruppo 1; 12 stazioni, appartenenti ad una fascia compresa tra i 500 e 1000 m circa di altitudine, sono raggruppate nel secondo. Scendendo di quota è, invece, evidente come l’altitudine non risulti l’unico parametro caratterizzante il valore giornaliero di THI, poiché troviamo all’interno dei gruppi 3-6 stazioni poste ad una quota molto variabile e collocate in maniera omogenea lungo la direzione meridiana. E’ evidente quindi che per poter rappresentare le aree omogenee per THI sul territorio Italiano, dovremo utilizzare altri parametri caratteristici del terreno, come ad esempio latitudine, longitudine, distanza dal mare, pendenza del terreno e orientamento.

Prima di questa operazione, è necessario analizzare come si distribuiscono mediamente i giorni della stagione estiva (mesi di Giugno, Luglio e Agosto) per ciascun gruppo. La totalità dei gruppi ha, all’interno delle proprie distribuzioni, degli estremi inferiori da ritenersi inusuali (Figura 2). Il gruppo 4, pur non essendo tra quelli con maggior THI medio, è quello dove si possono registrare valori massimi confrontabili con i gruppi più caldi (5 e 6) e valori minimi confrontabili con quelli del gruppo 3 mediamente più freddo. Confrontando con la Tab. 2, possiamo localizzare approssimativamente questa zona tra la bassa Pianura Padana e la costa Adriatica settentrionale. Questa zona è influenzata da alti valori di temperatura massima, stante la bassa quota media, e da alti valori di umidità, proveniente dal mare Adriatico e che permane per molto tempo in loco grazie all’azione bloccante degli Appennini a sud-sud-ovest e delle Alpi a nord. Occorre rimarcare anche come questa zona, in estate, sia sovente interessata dalla convezione a sviluppo diurno, che spesso interessa le Alpi e tutta la Pianura Padana, dove è possibile, specie in questa stagione, registrare una precipitazione maggiore che nelle altre zone italiane, grazie all’avvezione di umidità di origine Atlantica caratteristica del centro Europa. Il gruppo 6 è quello con valore mediano di THI più elevato ed è caratterizzato da più di 30 giorni con rischio medio (Figure 3, 4 e 5). I gruppi 1 e 2 invece fanno parte di una climatologia in cui è scarso o nullo il numero di giorni estivi rientranti nelle classi di maggior rischio. Questo può essere spiegato soprattutto dalla posizione delle stazioni in alta quota, caratteristica fra l’altro che li rende meno interessanti dal punto di vista della zootecnia.

Figura 2: Distribuzione dei valori di THI massimo giornaliero per gruppo (1971-2000).

Le Figure 3-5 mostrano il numero di giorni nelle quattro classi di rischio per ogni gruppo e le differenze tra il periodo di riferimento 1971-2000 e quello più recente 2001-2006.

Figura 3: Climatologia 1971-2000 e periodo recente del numero di giorni in THI max di Giugno, per gruppo nelle diverse classi di rischio. Si nota un incremento di giorni classificati a rischio medio rispetto ai giorni a rischio nullo.

Figura 4: Climatologia 1971-2000 e periodo recente del numero di giorni THI max in Luglio, per gruppo nelle diverse classi di rischio. Si nota un incremento di giorni appartenenti alla seconda ed alla terza classe di rischio.

Figura 5: Climatologia 1971-2000 e periodo recente del numero di giorni di THI max in Agosto, per gruppo nelle diverse classi di rischio. Le variazioni sono meno pronunciate rispetto ai mesi di Giugno e Luglio tanto da risultare non significative.

L’andamento riportato nei grafici mostra un sostanziale incremento del numero di giorni appartenenti alle classi di rischio “Minimo” e “Medio”, senza distinzione di gruppo, specialmente per i mesi di Giugno e Luglio, ed una contemporanea diminuzione di quelli appartenenti a quella con THI < 72. Si nota anche come il numero di giorni appartenenti alla classe di rischio massimo (> 84) e di rischio medio (72-78) siano maggiori in Agosto. Una analisi sulle significatività delle variazioni del periodo recente rispetto a quello climatologico, eseguita con il metodo esatto di Fisher per ognuno dei gruppi delineati mostra come è possibile affermare con un livello di significatività del 95% che: nel mese di Giugno le frequenze in giorni del gruppo 1 e 6 non hanno avuto variazioni significative al contrario di tutte le altre classi. Per il mese di Luglio, nessun gruppo ha variato significativamente il numero di giorni nella classe di rischio “Massimo” mentre i gruppi 2 e 3 , 2 e 6 e 4 e 6 hanno variato il numero di giorni nelle classi di rischio “Nullo”,“Minimo” e “Medio” rispettivamente. Il mese di Agosto invece presenta caratteristiche stabili.

Poiché variabili climatiche come temperatura e umidità dipendono fortemente dalle caratteristiche topografiche del terreno, per poter ottenere una rappresentazione della distribuzione delle aree omogenee di THI estivo in Italia è necessario procedere con il riconoscimento dei fattori territoriali che meglio discriminano una classe dall’altra. Il modello è stato elaborato attraverso il metodo statistico Multiple Discriminant Analysis (MDA; Wilks, 2006), con procedimento forward stepwise sulla classificazione in cluster (DeGaetano, 1996) e mediante le informazioni geografiche disponibili per ciascuna stazione di rilevamento ricavate da un Digital Elevation Model (DEM). Tale modello è in grado di assegnare, per ogni punto di una griglia con risoluzione di 1 km × 1 km di cui siano noti i valori medi di altitudine, latitudine, longitudine, distanza dal mare, orientamento del pendio nella direzione nord-sud, (orientamento nord-sud) × (pendenza), orientamento del pendio nella direzione est-ovest e pendenza, il gruppo di appartenenza tra i 6 precedentemente discussi. Una validazione, eseguita sulle 100 stazioni di cui si conosce il gruppo di appartenenza, mostra che il modello restituisce un successo per il 78% dei casi. Il rimanente 22% è frutto dell’incertezza, soprattutto per le stazioni che si trovano al confine tra due o addirittura tre classi ed è dovuto anche alla risoluzione (1 km²) alla quale si ha l’informazione sui parametri. Considerato l’ottimo risultato ottenuto in sede di validazione, è stata prodotta, utilizzando elaborazioni GIS (IDRISI32), la mappa rappresentante le zone climaticamente omogenee per THI (Figura 7). Le stazioni di rilevamento prima classificate rimangono in larghissima parte nella loro classe di appartenenza originaria.

Figura 6: Distribuzione delle zone omogenee per THI in estate.

5. Le ondate di calore in Italia (2001-2006)

L’ IPCC 2001 e, successivamente, l’IPCC 2007(a e b) definiscono gli eventi estremi come segue: “Un evento atmosferico estremo è un evento raro all'interno della relativa distribuzione statistica di riferimento ad un particolare luogo. Le definizioni di “raro” variano, ma un evento atmosferico estremo dovrebbe normalmente essere raro o più raro rispetto il 10° o 90° percentile”. Seguendo questa definizione si è quindi proceduto all’individuazione dei periodi estivi tra il 2001 ed il 2006 in cui si è verificata una ondata di calore dal punto di vista del THI. Data la notevole estensione e le differenze climatiche della nostra penisola abbiamo ritenuto utile procedere preventivamente con una ulteriore classificazione in aree le cui stazioni fossero correlate il più possibile. Questo per evitare che mediando i valori di più serie, per ottenere una serie rappresentativa di ciascuna area, si perdesse informazione relativa all’ondata di calore. Immaginiamo infatti di mediare per lo stesso giorno tra due serie in cui nella prima si verifica un evento caldo e nella seconda un evento freddo. Ciò che ne risulterebbe sarebbe un giorno in media con il periodo di riferimento. La metodologia impiegata per questa operazione è ancora una volta una classificazione che utilizza il metodo di Ward, ma in questo caso la metrica che misura le distanze tra i gruppi non è la differenza, come nel caso precedente, bensì il coefficiente di correlazione r di Pearson tra le serie sottratto all’unità. Ne consegue che le aree trovate reagiscono alla variabilità diurna in maniera differente le une dalle altre. E quindi le stazioni appartenenti ad una stessa area reagiscono alle fluttuazioni di THI giornaliero verso l’alto o verso il basso in fase l’una con le altre.

L’applicazione di questa tecnica ha portato alla definizione di 8 aree (A-H) diverse tra loro, la cui distribuzione è riportata nella Figura 7.

Figura 7: Raggruppamento in aree delle serie di THI Massimo in base al coefficiente di correlazione r di Pearson.

Si può identificare con l’area “A” il nordest Italiano mentre con l’area “B” la pianura

Padana e le Alpi occidentali. La lettera “C” identifica il medio e alto versante adriatico mentre con “D” raggruppiamo le stazioni del medio-alto versante tirrenico. Le stazioni sarde fanno parte del gruppo “E” , quelle del medio versante adriatico di quello “F”. Medio-basso versante tirrenico-ionico e Sicilia sono contraddistinte rispettivamente da “G” ed “H”.

Per ognuna di queste aree è stata calcolata la climatologia media giornaliera di THI massimo nel periodo 1971-2000 prendendo in considerazione per ogni giorno giuliano una finestra di ± 5 giorni in maniera da avere una statistica per ogni giorno estivo di 30*11 = 330 giorni e quindi in maniera coerente con Klein Tank e Konnen (2003) e Baldi et al. (2006). Considerando ondata di calore sotto il punto di vista del THI come quell’evento in cui per almeno 5 giorni consecutivi il THI massimo giornaliero supera il 90esimo percentile sono prodotti i grafici di cui qui sotto presentiamo un esempio per l’area “D”.

Figura 8: Andamento dei valori massimi giornalieri di THI (punti verdi) durante le estati del periodo 2001-2006 per l'area D. In blu e viola il decimo e il novantesimo percentile rispettivamente.

E’ così possibile determinare, per ogni estate, i periodi (giorno giuliano compreso tra 151 e 242) in cui il THI massimo giornaliero ha superato il novantesimo percentile (curva viola nella figura) per almeno 5 giorni consecutivi.

Schematicamente la tabella 3 mostra gli eventi estremi di THI massimo degli ultimi 6 anni per area.

Tabella 3: Ondate di calore dal punto di vista del THI massimo giornaliero per area. Sono riportati gli intervalli (giorni giuliani) in cui si è verificato il superamento del novantesimo percentile per almeno 5 giorni consecutivi.

Anno	A	B	C	D	E	F	G	H
2001	232-237	236-240	237-241
2002	164-174	164-174	161-174	165-178	166-176	170-175	170-175	172-178
2003	154-167 170-176 214-225	155-166 170-176 220-225	155-168 170-176 220-229	154-181 192-197 214 229 231-235	151-176 194-198 201-205 224-229	156-168 171-181 222-236	154-169 171-181 225-236	159-169 171-184 193-198 220-224
2004						199-204
2005	171-179	167-179	173-179	167-180	170-175	173-180 205-212	174-180	176-181
2006	169-178 190-194 200-208	171-180	167-179	173-182 206-215	172-181 202-208	167-180	169-180

Durante l’estate del 2001 l’unica ondata di calore della durata di 5 giorni è avvenuta nei settori A, B e C. L’estate del 2002 è stata contraddistinta da una unica ondata di calore cominciata al Nord (durata 11/14 giorni) e propagatasi gradualmente al centro (durata 11/14 giorni) ed al sud (durata 5 giorni).

E’ possibile anche notare come durante l’estate del 2003 in tutte le aree si siano avuti costantemente valori sopra il novantesimo percentile ad eccezione di pochi e brevi periodi interposti.

L’estate del 2004 non ha fatto segnare estremi degni di nota se si eccettua il periodo durato circa 6 giorni localizzato nel medio-basso versante adriatico (area F).

Il periodo estivo del 2005 ha visto nuovamente l’occorrenza di un periodo estremamente disagevole e lungo. Infatti si segnala una sola ondata di calore per la maggior parte delle aree, con durata media di 8/13 giorni al nord, 6/14 giorni al centro, e 8 giorni al sud e sulle Isole.

Durante il periodo estivo del 2006 ad inizio giugno una duratura ondata di calore (mediamente 11 giorni) ha colpito tutto il territorio italiano ad eccezione della Sicilia.

6. Conclusioni

Questo studio, mirato all’individuazione di zone bioclimatiche in cui le condizioni di rischio siano omogenee, è stato sviluppato prendendo in considerazione l’indice termoigrometrico (THI, temperature-humidity index), che sintetizza l’azione combinata di alte temperature ed umidità. I risultati di questo lavoro mostrano come, durante il periodo estivo in Italia possano localizzarsi 6 distinte zone omogenee. In ognuna di queste aree il numero di giorni ricadenti nelle quattro classi di rischio ha una propria distribuzione climatologia caratteristica. Una analisi sulle significatività delle variazioni del periodo recente (2001-2006) rispetto a quello climatologico (1971-2000), eseguita con il metodo esatto di Fisher, per ognuno dei gruppi delineati, mostra come è possibile affermare con un livello di significatività del 95% che: nel mese di Giugno le frequenze in giorni del gruppo 1 e 6 non hanno avuto variazioni significative al contrario di tutte le altre classi. Per il mese di Luglio, nessun gruppo ha variato significativamente il numero di giorni nella classe di rischio “Massimo” mentre i gruppi 2 e 3 , 2 e 6 e 4 e 6 hanno variato le classi di rischio “Nullo”, “Minimo” e “Medio” rispettivamente. Il mese di Agosto invece presenta caratteristiche stabili visto che nessun gruppo ha avuto variazioni significative in alcuna delle classi considerate. La definizione territoriale delle aree sui confini nazionali è stata valutata attraverso la disponibilità di informazioni territoriali tramite GIS con l’utilizzo della tecnica dell’analisi dei discriminanti. Temperatura ed umidità sono infatti parametri che dipendono fortemente dalle informazioni geografiche e in prima approssimazione dall’altitudine. Le aree 1, 2 (Figura 6) sono localizzate ad altitudini elevate e prevalentemente appartenenti ai rilievi alpini ed appenninici e poche volte nel corso dell’estate raggiungono valori massimi di THI delle più alte classi di rischio.

Le restanti aree sono tutte di interesse zootecnico in quanto delimitano zone del territorio nazionale in cui sono presenti un numero rilevante di allevamenti di bestiame.

Lo studio degli episodi estivi del periodo recente (2001-2006) in cui il THI massimo giornaliero ha superato per almeno 5 giorni consecutivi il valore soglia del novantesimo percentile è stato fatto dopo aver suddiviso l’Italia in aree con variabilità diurna omogenea. Questo per evitare che mediando i valori di più serie, per ottenere una serie rappresentativa di ciascuna area, si avesse una perdita del segnale dell’ondata di calore. L’applicazione di questa tecnica ha portato alla definizione di 8 aree (A-H) diverse tra loro, la cui distribuzione è riportata nella Figura 7.

Per ognuna di queste aree è stata calcolata la climatologia media giornaliera di THI massimo nel periodo 1971-2000 prendendo in considerazione per ogni giorno giuliano una finestra di ± 5 giorni in maniera da avere una statistica più significativa. E’ così possibile determinare i periodi in cui il THI massimo giornaliero ha superato il novantesimo percentile per almeno 5 giorni consecutivi per ognuna delle estati del periodo recente. Durante l’estate del 2001 l’unica ondata di calore della durata di 5 giorni è avvenuta nei settori “A”, “B” e “C” localizzati al Nord e settore Adriatico settentrionale della penisola.

L’estate del 2002 è stata contraddistinta da una unica ondata di calore cominciata al Nord (durata 11/14 giorni) e propagatasi gradualmente prima al Centro (durata 11/14 giorni) e poi al Sud (durata 5 giorni) della penisola italiana.

E’ possibile anche notare come durante l’estate del 2003 in tutte le aree si siano avuti costantemente valori sopra il novantesimo percentile ad eccezione di pochi e brevi periodi interposti.

L’estate del 2004 non ha fatto segnare estremi degni di nota se si eccettua il periodo durato circa 6 giorni localizzato nel medio-basso versante Adriatico (area F).

Il periodo estivo del 2005 ha visto nuovamente l’occorrenza di un periodo estremamente disagevole e lungo. Infatti si segnala una sola ondata di calore per la maggior parte delle aree, con durata media che va dai 8/13 giorni al nord, 6/14 giorni al centro, e 8 giorni al sud e sulle Isole.

Durante il periodo estivo del 2006 ad inizio giugno una duratura ondata di calore (mediamente 11 giorni) ha colpito tutto il territorio italiano ad eccezione della Sicilia.

Ringraziamenti

Questo studio è stato finanziato dal progetto CLIMANIMAL: “Analisi degli effetti di condizioni climatiche critiche sugli animali di allevamento: caratterizzazione del territorio nazionale in funzione di indici bioclimatici e sviluppo di modelli gestionali sensibili alle variazioni meteoclimatiche”.

Si ringraziano il Laboratorio di Meteorologia e Modellistica Ambientale (LaMMA, http://www.lamma.rete.toscana.it) l’Ufficio Centrale di Ecologia Agraria (UCEA, http://www.ucea.it/) ed US National Climatic Data Center (NCDC, http://cdo.ncdc.noaa.gov/) per i dati forniti per questa ricerca.