Clear Sky Science · it

Simulazione di diversi scenari della dinamica della vegetazione sotto l'influenza di fattori antropici e climatici basata sull'analisi delle tendenze residue e sull'apprendimento automatico

· Torna all'indice

Perché il destino di un bacino lontano conta

Nel cuore dell'Iran si trova il bacino idrografico del Gavkhuni, una regione arida in cui coltivazioni, pascoli e una palude un tempo vitale dipendono da un delicato equilibrio tra clima e uso del suolo da parte dell'uomo. Questo studio pone una domanda che importa ben oltre l'Iran: quando la vegetazione scompare o diventa più verde, quanto dipende da un clima più caldo e secco e quanto dipende dalle nostre scelte—città, agricoltura e progetti di ripristino? Separando questi fattori, la ricerca offre una finestra su come le persone possano accelerare la degradazione del suolo o favorire il suo recupero in regioni a scarsa disponibilità idrica nel mondo.

Figure 1
Figure 1.

Osservare le piante dallo spazio

I ricercatori hanno monitorato come la vegetazione è cambiata nel bacino del Gavkhuni dal 2001 al 2023 usando dati satellitari. Hanno fatto affidamento sull'Enhanced Vegetation Index (EVI), che fornisce un quadro più chiaro della salute delle piante rispetto ad indici più noti, gestendo meglio i suoli chiari e l'atmosfera fosca comuni nelle zone aride. Per ogni anno si sono concentrati sul mese di maggio, quando le piante sono tipicamente al massimo del loro vigore. Nello stesso periodo hanno calcolato un indicatore di siccità chiamato Standardized Precipitation Evapotranspiration Index (SPEI), che fonde pioggia e temperatura per mostrare quanta acqua è effettivamente disponibile per la vegetazione.

Separare l'impronta del clima dalla nostra

Osservare semplicemente i cambiamenti della vegetazione non basta; la sfida è stabilire se il clima o le attività umane sono i principali responsabili. Per farlo, il gruppo ha usato una tecnica chiamata analisi delle tendenze residue. Prima hanno usato l'indice di siccità per prevedere come sarebbe dovuta apparire la vegetazione se il clima fosse stato l'unico fattore. Poi hanno confrontato questa previsione “solo-clima” con ciò che i satelliti hanno effettivamente registrato. Dove il terreno era più verde di quanto previsto dal solo clima, hanno dedotto un'influenza umana positiva, come l'irrigazione o il ripristino. Dove era più bruno del previsto, hanno attribuito danni aggiuntivi alla pressione umana, come l'espansione urbana o il sovrapascolo.

Dove il territorio si sta rinverdivo e dove sta sfiorendo

Il quadro che è emerso non è stato un semplice declino, ma un mosaico di perdita e recupero. Il clima è stato la causa principale della diminuzione della vegetazione in circa un quinto del bacino, specialmente nelle zone settentrionali, orientali e meridionali più aride con basse precipitazioni e alte temperature. Al contrario, le attività umane sono state il motivo dominante dell'incremento della vegetazione in quasi il 38 percento dell'area. Gran parte di questo rinverdimento si è verificata nelle parti occidentali e centrali del bacino, dove sono aumentati agricoltura, frutteti, recupero dei pascoli e piantumazioni. A volte le influenze umane e climatiche si sono rafforzate a vicenda, contribuendo entrambe a condizioni più verdi in circa il 12 percento della regione.

Un avvertimento nascosto in una palude in asciutta

Non tutti gli aumenti del segnale vegetazionale erano buone notizie. All'estremità a valle del bacino si trova la palude del Gavkhuni, che si è ridotta e inaridita nelle ultime decadi. Nei dati satellitari l'acqua aperta appare con valori di vegetazione molto bassi o negativi. Con l'asciugarsi della palude ed l'esposizione del suolo nudo, l'indice è salito verso lo zero—anche se le piante non stavano ricrescendo. Combinando le mappe con le conoscenze locali, i ricercatori hanno mostrato che sia il cambiamento climatico sia l'uso dell'acqua a monte hanno intensificato questo prosciugamento, trasformando una palude un tempo importante in una fonte di condizioni locali più calde e potenziale polverosità.

Figure 2
Figure 2.

Come l'apprendimento automatico affina il quadro

Per approfondire, il team ha impiegato un metodo di machine learning chiamato random forests per capire quali fattori spiegassero meglio dove la vegetazione è aumentata o diminuita. Hanno alimentato il modello non solo con variabili climatiche e legate alle attività umane come l'uso del suolo, ma anche con informazioni sul terreno e sul suolo, inclusi quota, pendenza e salinità delle acque sotterranee. I risultati hanno confermato che gli estremi climatici erano determinanti per il declino della vegetazione in molti pascoli degradati, mentre le azioni umane—soprattutto agricoltura, giardinaggio e recupero dei pascoli—erano centrali per i guadagni vegetazionali. L'altitudine è emersa come un'influenza particolarmente importante, poiché modella temperatura e precipitazioni locali, aiutando a spiegare perché le zone occidentali di alta quota possono sostenere paesaggi più verdi.

Cosa significa per le persone e le politiche

Per i non specialisti, il messaggio principale è semplice: il cambiamento climatico sta spingendo vaste aree di questo bacino arido verso paesaggi più bruni e fragili, ma le decisioni umane possono peggiorare o contrastare questa tendenza. Nel Gavkhuni, siccità e calore hanno guidato gran parte della perdita di vegetazione, mentre una migliore gestione del territorio e pratiche agricole mirate hanno prodotto gran parte del rinverdimento. Combinando registrazioni satellitari con analisi intelligenti e apprendimento automatico, lo studio offre una cassetta degli attrezzi pratica per altre regioni: identificare dove il clima è il colpevole principale, dove la pressione umana causa i danni e dove interventi mirati—come riduzione del pascolo, irrigazione efficiente o rimboschimento—possono dare alla vegetazione la possibilità di recuperare.

Citazione: Abolhasani, A., Tavili, A. & Khosravi, H. Simulating different scenarios of vegetation dynamics under the influence of human and climatic factors based on the residual trend analysis and machine learning. Sci Rep 16, 6485 (2026). https://doi.org/10.1038/s41598-026-35649-5

Parole chiave: dinamica della vegetazione, cambiamento climatico, attività umane, ecosistemi aridi, telerilevamento