Dataset globali di idoneità delle colture per 17 colture nelle condizioni climatiche attuali (2024) e future (2041–2100)

Perché il futuro delle colture riguarda tutti

Con la crescita della popolazione mondiale e il riscaldamento del clima, diventa urgente una domanda fondamentale: dove sulla Terra riusciremo ancora a coltivare i nostri alimenti di base? Questo studio affronta la questione costruendo mappe globali dettagliate che mostrano quanto siano adatte al coltivo diverse aree per 17 colture principali, oggi e nelle condizioni climatiche future. Queste mappe possono aiutare agricoltori, pianificatori e cittadini a comprendere come la produzione alimentare potrebbe spostarsi nei decenni a venire.

Mappare dove le colture possono prosperare

Gli autori si concentrano sull’«idoneità delle colture», cioè su quanto bene il clima locale e le condizioni naturali possano sostenere il ciclo di crescita completo di una coltura, dalla semina al raccolto. Invece di affidarsi a approcci empirici datati o a medie globali grossolane, assemblano un dataset molto ampio e aggiornato che riflette come le varietà moderne vengono effettivamente coltivate oggi. Combinano tre fonti principali di dati sulla presenza delle colture: osservazioni in campo da un database di biodiversità, mappe colturali dettagliate da satelliti e un recente dataset statistico globale sulle colture. Insieme, queste fonti producono milioni di punti di presenza per 17 colture importanti, tra cui grano, riso, mais, soia, colture da radice, colture oleaginose e colture industriali come cotone e canna da zucchero.

Trasformare i dati della Terra in un atlante di idoneità delle colture

Per capire perché le colture si trovano in certi luoghi, lo studio abbina queste localizzazioni delle colture a 30 fattori ambientali che influenzano fortemente la crescita delle piante. Questi fattori coprono tre aspetti principali del paesaggio. I dati topografici descrivono l’altitudine e la conformazione del terreno, comprese elevazione e pendenza. I dati del suolo caratterizzano texture, profondità, salinità, materia organica e nutrienti. I dati meteorologici catturano precipitazioni, temperatura, radiazione, umidità del suolo e somma termica necessaria allo sviluppo delle colture. Per il periodo attuale (2024), queste variabili provengono da prodotti globali ad alta risoluzione basati su registrazioni meteorologiche, stime idrologiche e osservazioni satellitari. Per il futuro (2041–2100), gli autori utilizzano proiezioni climatiche dell’ultima generazione di modelli climatici globali sotto quattro diversi scenari socioeconomici e di emissioni.

Come i modelli apprendono dal territorio

Con questo dataset combinato, il team allena un modello di apprendimento automatico separato per ciascuna coltura utilizzando l’algoritmo random forest. Per ogni punto di campionamento il modello osserva se la coltura è presente o assente e le condizioni ambientali associate. Impara così a distinguere i luoghi che favoriscono la coltura da quelli che non la favoriscono. Per evitare overfitting e garantire che i modelli si trasferiscano bene tra regioni diverse, gli autori impiegano uno schema di validazione incrociata spaziale che mantiene separati i dati di addestramento e di test a livello geografico. Utilizzano inoltre una procedura di selezione delle caratteristiche per eliminare predittori ridondanti e una ricerca bayesiana per ottimizzare i parametri del modello. I modelli risultanti raggiungono un’alta accuratezza: su dati di test indipendenti, l’accuratezza complessiva media per le 17 colture è di circa il 94%, con entrambe le categorie «idoneo» e «non idoneo» classificate in modo affidabile.

Vedere i campi di oggi e gli spostamenti di domani

Una volta addestrati, i modelli vengono applicati a ogni cella della griglia mondiale da 1 km per 1 km, per il clima attuale e per tre finestre temporali future sotto quattro scenari climatici. Invece di una semplice risposta sì/no, i modelli producono un punteggio continuo di idoneità compreso tra 0 e 1, che può poi essere raggruppato in categorie per la visualizzazione. Gli autori confrontano le loro mappe attuali con dataset globali di idoneità largamente usati come GAEZ e GLUES. Le loro mappe concordano bene su scale ampie ma mostrano dettagli spaziali più fini e una migliore corrispondenza con mappe colturali indipendenti ad alta risoluzione in regioni come il Nordest della Cina e l’Argentina. Le variabili legate alla temperatura e le somme termiche risultano particolarmente importanti per spiegare dove le colture possono crescere, sottolineando la sensibilità dell’agricoltura globale al riscaldamento climatico.

Cosa significa per l’alimentazione e la pianificazione

Lo studio fornisce un atlante globale gratuito e ad alta risoluzione dell’idoneità delle colture per 17 colture principali, coprendo sia il presente sia una gamma di percorsi climatici futuri. Pur sottolineando che le proiezioni future non vanno interpretate come previsioni esatte — in particolare in regioni dove i climi si sposteranno oltre quanto osservato finora — le mappe offrono uno strumento potente per esplorare guadagni e perdite relativi nel potenziale colturale. Per i decisori preoccupati di nutrire una popolazione maggiore su un pianeta che cambia, questi dataset possono indicare dove proteggere le terre agricole migliori, dove potrebbero emergere nuove opportunità e dove i sistemi colturali attuali potrebbero dover adattarsi o spostarsi.

Citazione: Wang, T., Dong, J. Global crop suitability datasets for 17 crops under present (2024) and future climate scenarios (2041–2100). Sci Data 13, 691 (2026). https://doi.org/10.1038/s41597-026-06688-4

Parole chiave: idoneità delle colture, cambiamento climatico, sicurezza alimentare, telerilevamento, apprendimento automatico