La disponibilità di un adeguato livello di risorse idriche è un aspetto di grande rilevanza e attualità, che coinvolge un ampio spettro di settori, inclusi quello agricolo ed energetico. È quindi fondamentale capire in modo dettagliato come si distribuiscono mediamente gli apporti pluviometrici sul territorio italiano.
“In passato questo problema era stato studiato in modo accurato dal Servizio Idrografico del Ministero dei Lavori Pubblici che aveva prodotto ottime cartografie pluviometriche, ma i risultati prodotti da questo ente risalgono a oltre 50 anni fa e risentono dell’uso di metodologie piuttosto datate, oltre ad essere poco utilizzabili in quanto disponibili solo come mappe su carta”
osserva Maurizio Maugeri, climatologo del dipartimento di Scienze e Politiche ambientali dell’Università Statale di Milano e afferente all’Istituto di scienze dell’atmosfera e del clima del Cnr (Isac‐Cnr).
Questo contesto ha spinto l’Università Statale di Milano e il Consiglio Nazionale delle Ricerche a sviluppare un articolato programma di ricerca per definire quanto piove mediamente su ogni punto del territorio italiano, dove il termine punto si riferisce ad un celletta corrispondente a meno di 30 secondi d’arco sia in longitudine che in latitudine, ovvero ad un’area significativamente inferiore ad un chilometro quadrato.
I risultati della ricerca sono ora stati pubblicati in un articolo su International Journal of Climatology, che ha come primo autore una giovane dottoranda in Scienze Ambientali all’Università Statale, Alice Crespi. Lo studio, oltre a presentare la distribuzione annuale e stagionale della piovosità sul territorio nazionale, fornisce anche un rilevante contributo metodologico in quanto analizza le potenzialità e i limiti degli strumenti modellistici necessari per stimare la piovosità di un numero così elevato di punti (circa 500.000) a partire da un numero di stazioni di osservazione molto minore (circa 5.000).
I campi numerici prodotti, disponibili per ogni mese dell’anno, si riferiscono al trentennio 1961‐ 1990, cioè all’ultimo trentennio per il quale sono disponibili con ragionevole continuità i dati della
rete nazionale delle stazioni meccaniche. Essi possono comunque aggiornati in modo semplice sfruttando un metodo noto come metodo delle anomalie: esso si basa sul fatto che il segnale temporale di una variabile meteorologica ha una struttura spaziale molto più semplice di quello del suo valore medio e può essere quindi catturato a partire da un numero abbastanza ridotto di stazioni. È quindi semplice sovrapporre la distribuzione spaziale delle piogge del trentennio 1961‐1990 con una corrispondente distribuzione spaziale che descrive i cambiamenti relativi rispetto a questo trentennio per ottenere la distribuzione spaziale delle piogge in ogni periodo di interesse.
“1961–1990 high-resolution monthly precipitation climatologies for Italy”
Abstract
High-resolution monthly precipitation climatologies for Italy are presented. They are based on 1961–1990 precipitation normals obtained from a quality-controlled dataset of 6134 stations covering the Italian territory and part of the Northern neighbouring regions.
The climatologies are computed by means of two interpolation methods modelling the precipitation-elevation relationship at a local level, more precisely a local weighted linear regression (LWLR) and a local regression kriging (RK) are performed. For both methods, local optimisations are also applied in order to improve model performance. Model results are compared with those provided by two other widely used interpolation methods which do not consider elevation in modelling precipitation distribution: ordinary kriging and inverse distance weighting. Even though all the four models produce quite reasonable results, LWLR and RK show the best agreement with the observed station normals and leave-one-out-estimated mean absolute errors ranging from 5.1 mm (July) to 11 mm (November) for both models. Their better performances are even clearer when specific clusters of stations (e.g. high-elevation sites) are considered. Even though LWLR and RK provide very similar results both at station and at grid point level, they show some peculiar features. In particular, LWLR is found to have a better extrapolation ability at high-elevation sites when data density is high enough, while RK is more robust in performing extrapolation over areas with complex orography and scarce data coverage, where LWLR may provide unrealistic precipitation values.
However, by means of prediction intervals, LWLR provides a more straightforward approach to quantify the model uncertainty at any point of the study domain, which helps to identify the areas mainly affected by model instability. LWLR and RK high-resolution climatologies exhibit a very heterogeneous and seasonal-dependent precipitation distribution throughout the domain and allow to identify the main climatic zones of Italy.
