Sviluppo di un Prodotto a Griglia della Umidità del Suolo nella Zona delle Radici per l’India, 1981–2024

Perché l’acqua nascosta nel suolo conta

Per milioni di agricoltori in tutta l’India, un buon raccolto dipende da qualcosa che non possono vedere direttamente: l’acqua immagazzinata nel terreno sotto i loro piedi. Questa acqua nascosta alla portata delle radici mantiene le colture in vita tra una pioggia e l’altra, determina come si percepiscono le ondate di calore e influenza se un periodo secco si trasforma in una siccità devastante. Finora in India è mancata una serie lunga e dettagliata di questa umidità sotterranea. Lo studio descritto qui colma quella lacuna creando una mappa giornaliera dell’umidità del suolo nella zona delle radici per tutta l’India dal 1981 al 2024, aprendo nuove possibilità per un’agricoltura più intelligente, avvisi di siccità migliori e visioni più chiarificatrici di come il clima stia modificando il territorio.

Guardare sotto la superficie

La maggior parte delle missioni satellitari può rilevare umidità solo vicino alla superficie del terreno, a pochi centimetri di profondità — troppo poco per mostrare ciò che sperimentano realmente le radici delle piante. Queste serie satellitari inoltre risalgono generalmente a circa un decennio, rendendo difficile comprendere le tendenze a lungo termine. Allo stesso tempo, i modelli numerici che simulano il movimento dell’acqua nel suolo e nei fiumi possono funzionare per molti decenni, ma spesso perdono dettagli locali e possono non catturare pienamente la reale quantità di acqua nel terreno, soprattutto in aree con intensa irrigazione, terreno complesso o vegetazione densa. I ricercatori si sono posti l’obiettivo di combinare i punti di forza di entrambi gli approcci per ricostruire quanto sia stato umido o secco lo strato delle radici (fino a un metro) in tutta l’India per oltre quattro decenni.

Fondere satelliti, modelli e meteo

Il gruppo ha iniziato con un set di dati meteorologici ad alta risoluzione per l’India, comprendente pioggia e temperatura giornaliere, corrette per allinearsi alle osservazioni a terra. Hanno alimentato questi dati in un modello dettagliato di superficie terrestre e deflusso fluviale chiamato H08, che simula come l’acqua scorre, si infiltra nel suolo e ritorna all’atmosfera tramite evaporazione e traspirazione delle piante. Ciò ha prodotto serie giornaliere di lungo periodo di deflusso, evapotranspirazione e umidità del suolo per ogni cella di griglia da 0,05° — approssimativamente alcuni chilometri di lato — attraverso i principali bacini idrografici dell’India. Tuttavia, mentre il modello coglieva bene i modelli temporali, tendeva a sottostimare la quantità effettivamente immagazzinata nel suolo, specialmente nelle regioni più umide. Per correggere questo, i ricercatori hanno integrato l’umidità del suolo nella zona delle radici da un prodotto satellitare della NASA (SMAP Level 4), disponibile a partire dal 2015, e l’hanno usato come riferimento affidabile.

Insegnare a un modello a pensare come un satellite

Per colmare il divario tra le osservazioni satellitari a breve termine e l’output del modello a lungo termine, gli scienziati si sono rivolti al machine learning. Per ogni cella di griglia in tutta l’India, hanno addestrato un modello Random Forest — un tipo di insieme di alberi decisionali — per apprendere la relazione fra quattro ingressi e l’umidità del suolo nella zona delle radici derivata dal satellite: umidità del suolo modellata, evapotranspirazione modellata, la pioggia della settimana precedente e la temperatura dell’aria giornaliera. Concentrandosi su ogni griglia separatamente, il metodo ha preservato le differenze locali di clima, suoli e uso del territorio. Una volta addestrato sul periodo 2016–2024, il sistema di machine learning è stato usato per «retroproiettare» l’umidità del suolo giornaliera fino al 1981, generando una serie continua di 44 anni che è sia fisicamente consistente sia sintonizzata per corrispondere a ciò che il satellite avrebbe osservato.

Confrontare la nuova mappa con la realtà

Qualsiasi ricostruzione di questo tipo è utile solo se rispecchia il comportamento reale, pertanto il team ha testato rigorosamente il proprio prodotto. Innanzitutto hanno verificato quanto bene il modello H08 riproducesse le portate dei fiumi e l’evaporazione misurate dai satelliti, riscontrando in generale un buon accordo su centinaia di stazioni di misura. Poi hanno valutato l’umidità del suolo stimata dal machine learning confrontandola con SMAP: nella maggior parte dell’India il nuovo prodotto segue il satellite molto da vicino, con errori piccoli e forti correlazioni. In un sito di prova con sensori nel terreno a più profondità, l’umidità ricostruita nella zona delle radici ha corrisposto alle osservazioni con elevata accuratezza, nonostante la differenza tra una misura puntuale e una cella di griglia più ampia. Infine, hanno confrontato le anomalie dell’umidità del suolo durante due famigerati anni di siccità, 2002 e 2009, con misure satellitari indipendenti dell’attività vegetale (fluorescenza clorofilliana indotta dal sole). I pattern di siccità nel suolo e nella vegetazione combaciavano bene, mostrando che il nuovo set di dati cattura come colture e piante naturali rispondono allo stress idrico.

Cosa significa per agricoltori e pianificatori

Il risultato finale è una mappa pubblica, giornaliera e a griglia di quanta acqua è stata immagazzinata nel primo metro di suolo in tutta l’India dal 1981 al 2024. Per i non specialisti, ciò significa una nuova base per rispondere a domande pratiche: quanto è insolita la secchezza di quest’anno rispetto ai decenni passati? Quali distretti sono più vulnerabili a perdite di raccolto durante monsuni deboli? In che modo l’irrigazione e i cambiamenti nelle precipitazioni hanno modellato l’acqua sotterranea nel tempo? Pur sottolineando che i dati sono meno affidabili nelle montagne innevate e in alcune aree fortemente irrigate, gli autori evidenziano che questa serie lunga e dettagliata può già supportare un monitoraggio della siccità migliore, modelli di coltivazione e gestione dell’acqua più realistici e politiche più informate per la sicurezza alimentare e idrica in un mondo che si riscalda.

Citazione: Chuphal, D.S., Abhishek, Kushwaha, A.P. et al. Development of Gridded Root-Zone Soil Moisture Product for India, 1981–2024. Sci Data 13, 560 (2026). https://doi.org/10.1038/s41597-026-06940-x

Parole chiave: umidità del suolo, siccità, India, telerilevamento, agricoltura