Cambiamento climatico e riserve idriche: una mappa a livello globale

Siccità, alluvioni e altri fenomeni climatici estremi sempre più frequenti modificano la quantità di acqua dolce disponibile sia su scala locale che globale. Ma è possibile tenere traccia di questi cambiamenti e misurare quanta acqua viene "persa" o "guadagnata" a seguito di eventi legati al cambiamento climatico?

La risposta arriva da GRAiCE, un nuovo dataset che, grazie a modelli avanzati di machine learning, permette di ricostruire l’evoluzione dello stoccaggio idrico terrestre a livello globale tra il 1984 e il 2021. Presentato sulla rivista Scientific Data, GRAiCE è nato dal lavoro di due studiose dell'Università di Bologna, Irene Palazzoli, assegnista di ricerca presso il Dipartimento di Ingegneria Civile, Chimica, Industriale e dei Materiali, e Serena Ceola, professoressa dello stesso dipartimento, in collaborazione con Pierre Gentine, professore della Columbia University di New York.

"Questo dataset innovativo fornisce una nuova prospettiva sui cambiamenti nella disponibilità di acqua dolce: è in grado, infatti, di riprodurre con elevata precisione gli impatti dei fenomeni climatici estremi", dice Irene Palazzoli. "In questo modo, GRAiCE contribuisce agli sforzi globali per comprendere e affrontare le sfide che il cambiamento climatico pone ai sistemi idrici".

Lo stoccaggio idrico terrestre è la somma di tutte le riserve di acqua dolce presenti sulla superficie e nel sottosuolo del nostro pianeta. Monitorarne le variazioni è fondamentale per valutare gli impatti del cambiamento climatico e delle attività umane sulla quantità di acqua che abbiamo a disposizione.

Grazie a due missioni satellitari – GRACE, avviata nel 2002, e la successiva GRACE-FO, operativa dal 2018 – oggi abbiamo una serie di stime dettagliate a livello globale dello stoccaggio idrico terrestre. Tuttavia, non disponiamo di misurazioni altrettanto accurate prima del 2002, e anche dopo l’avvio di GRACE ci sono periodi in cui i dati satellitari sono mancanti a causa di problemi tecnici.

Per creare un dataset più esteso e completo, gli studiosi hanno quindi sviluppato modelli avanzati di machine learning, addestrandoli con le osservazioni delle missioni GRACE e GRACE-FO e integrandoli con dati sulle principali variabili climatiche che influenzano il ciclo idrologico e sulla vegetazione.

"Grazie all’utilizzo di reti neurali, siamo riusciti a catturare le complesse interazioni tra clima, vegetazione e risorse idriche, ottenendo una ricostruzione accurata delle anomalie nello stoccaggio idrico terrestre", spiega Irene Palazzoli. "Le variazioni stimate dai nostri modelli consentono di analizzare in dettaglio l’evoluzione nel tempo dei sistemi idrici in risposta ai fattori climatici".

Il dataset GRAiCE non solo ricostruisce con precisione i cambiamenti nello stoccaggio dell'acqua dolce a livello globale e di singoli bacini fluviali, ma consente anche di individuare l’impatto degli eventi climatici estremi, come le fasi di El Niño e La Niña, sulle risorse idriche.

"Durante gli anni di El Niño, il dataset rivela chiaramente le tipiche dinamiche idrologiche associate a questo fenomeno, come l’incremento idrico in seguito all'aumento delle precipitazioni sul Pacifico tropicale e le forti siccità causate dalla riduzione delle precipitazioni nelle regioni continentali tropicali", conferma Irene Palazzoli. "Allo stesso modo, GRAiCE è in grado di catturare in modo efficace gli impatti idrologici delle fasi de La Niña, come il sostanziale aumento delle riserve idriche osservato nell'Australia orientale durante La Niña del 2010-2011".

Comprendere l’impatto degli eventi climatici estremi sulle riserve idriche è essenziale per aiutare le comunità a prepararsi alla scarsità d'acqua o alle inondazioni prima che si verifichino. Identificando i trend a lungo termine nel ciclo globale dell’acqua e rivelando la risposta delle risorse idriche alla variabilità climatica degli ultimi decenni, GRAiCE offre informazioni cruciali per migliorare la gestione della risorsa idrica in un contesto di cambiamenti globali.