08/02/2017
Credits: CC moertl @Flickr.com

L’agricoltura è uno dei settori forse più colpiti dagli effetti dei cambiamenti climatici, e ancor più rischia di esserlo in futuro.
Valutazioni su scala globale della produttività del settore agricolo sono perciò diventate essenziali per prevedere gli impatti più probabili dei cambiamenti climatici, identificare le maggiori vulnerabilità dei sistemi agricoli e tutte le potenziali strategie di adattamento disponibili.
Negli ultimi anni, i ricercatori hanno messo a punto molti tipi di modelli, fra cui i cosiddetti modelli di processo (GGCMs – global gridded crop models), utili per simulare la produttività delle colture e gli impatti dei cambiamenti climatici a diverse scale spaziali e temporali (globale, continentale, etc); questi modelli si basano su un gran numero di metodologie, parametri e assunti diversi, con la conseguenza che spesso quello che si ottiene è un ampio ventaglio di risultati diversi, spesso in disaccordo con i dati osservati.
I modelli per simulare il comportamento delle diverse varietà agricole sono forse oggi fra i migliori strumenti disponibili per valutare gli impatti dei cambiamenti climatici sull’agricoltura. Nonostante ciò, le proiezioni delle rese agricole dei diversi modelli in risposta agli stessi fattori meteorologici possono differire anche molto fra loro.

In un lavoro recentemente presentato alla rivista Environmental Research Letters, intitolato “Simulated vs. Empirical Weather Responsiveness of Crop Yield: U. S. Evidence and Implications for the Agricultural Impacts of Climate Change”, i ricercatori della Fondazione CMCC Malcolm Mistry e Enrica De Cian della Divisione ECIP, in collaborazione con Ian Sue Wing (Boston University, USA) hanno cercato di chiarire le cause e le implicazioni di questa divergenza nei risultati attraverso un confronto fra i diversi modelli, e tra i modelli e i dati osservativi.

Il lavoro è incentrato in particolare sull’agricoltura americana, ed esamina le rese agricole ottenute con le simulazioni di sei diversi modelli del progetto ISI-MIP Fast Track (Inter-Sectoral Impact Model Intercomparison Project), per colture di mais, grano e soia non irrigate artificialmente. I risultati dei modelli sono confrontati con i dati raccolti dal Dipartimento dell’Agricoltura degli Stati Uniti d’America (USDA) per oltre 1000 distretti amministrativi (contee, di dimensioni paragonabili nella maggior parte dei casi a quelle di una provincia italiana come Verona, ovvero di circa 3000 km2), per il periodo di riferimento 1972-2004.

In particolare, quello che i ricercatori sono andati a rilevare, è stato come varia la produttività agricola al variare di alcuni parametri ambientali chiave, come temperatura e precipitazioni. I risultati hanno evidenziato come i modelli non riescano a riprodurre fedelmente le variazioni delle rese agricole registrate nelle serie storiche; i modelli appaiono più sensibili sia ai fattori avversi, come l’esposizione delle colture a temperature estreme o a piogge poco abbondanti, che in generale a variazioni delle condizioni di umidità e temperatura. Se trasponiamo questi risultati agli impatti previsti in futuro per effetto dei cambiamenti climatici, questo si traduce nel fatto che, in generale, i modelli appaiono abbastanza pessimistici, prospettando impatti per lo più negativi sulle future rese agricole.
Le discrepanze di risultati fra i modelli e i dati osservati sono da attribuire soprattutto alla grande eterogeneità dei modelli presi in esame, responsabile di proiezioni sugli impatti dei cambiamenti climatici molto divergenti fra loro.