Previsioni sull'uso globale dell'acqua in agricoltura e sul consumo globale totale mediante il modello Bi-GRU

Perché l'uso futuro dell'acqua riguarda tutti

L'acqua pulita sostiene il nostro cibo, le città e l'industria, eppure molte regioni affrontano già carenze. Questo studio pone una domanda semplice ma urgente: quanta acqua richiederà il mondo nei prossimi decenni, in particolare per l'agricoltura, che consuma la maggior parte delle nostre risorse dolci? Combinando registri globali d'uso dell'acqua con uno strumento moderno di intelligenza artificiale, gli autori stimano la domanda futura fino al 2040 e valutano l'efficacia di diversi metodi di previsione. I loro risultati possono aiutare governi e pianificatori a prepararsi per un mondo più secco e più affollato.

Pressione crescente su fiumi e falde

Il lavoro inizia con il contesto: l'acqua ricopre la maggior parte della superficie terrestre, ma la quota che è dolce e facilmente utilizzabile è limitata. La domanda globale è aumentata circa sei volte nell'ultimo secolo, con circa il 70 percento dei prelievi destinato all'agricoltura, il 20 percento all'industria e il resto alle abitazioni. Gran parte della crescita demografica prevista avverrà in Africa e in Asia, regioni già vulnerabili allo stress idrico e ai cambiamenti climatici. Paesi come India, Cina, Indonesia, Arabia Saudita e Turchia stanno registrando rapidi aumenti nell'uso dell'acqua man mano che le città si espandono, le economie crescono e si irrigano più superfici. Al contrario, luoghi come Germania, Giappone e Regno Unito mostrano un uso stabile o leggermente in calo grazie a misure di conservazione ed efficienza.

Trasformare i registri idrici mondiali in un dataset utilizzabile

Per passare dalla preoccupazione alla previsione, gli autori assemblano un Dataset Globale del Consumo Idrico che copre gli anni dal 2000 al 2024 per venti grandi economie distribuite in diversi climi e livelli di reddito. Per ogni paese e anno, il dataset include l'uso idrico totale, l'acqua destinata all'agricoltura, l'uso domestico e industriale per persona, gli effetti delle precipitazioni e il tasso di esaurimento delle acque sotterranee. Il team pulisce accuratamente i dati, controlla valori mancanti o anomali e riscalala tutti i numeri su un intervallo comune in modo che nessun singolo paese o variabile domini il processo di apprendimento. Quindi suddividono le serie temporali di ciascun paese in segmenti di addestramento, validazione e test, assicurando che gli anni più recenti rimangano non visti durante l'addestramento così che le previsioni possano essere giudicate equamente.

Come un modello sequenziale intelligente legge il passato

Il nucleo dello studio è un modello di deep learning chiamato unità ricorrente gated bidirezionale, o Bi-GRU. Diversamente dalle semplici linee di tendenza, questo modello è progettato per leggere sequenze. Elabora la storia dell'uso dell'acqua e dei fattori correlati in entrambe le direzioni, avanti e indietro, permettendogli di cogliere schemi che dipendono da lunghi periodi di precipitazioni favorevoli o avverse, cambiamenti politici graduali o variazioni lente nella popolazione e nell'industria. Gli strati della rete comprimono questi schemi in una rappresentazione interna e poi producono in output due grandezze principali per ogni paese: l'uso idrico totale e l'uso idrico agricolo. Gli autori confrontano il Bi-GRU con diverse alternative avanzate, incluse le reti LSTM, un modello transformer temporale, un modello basato su grafi che collega i paesi e un metodo di previsione probabilistica.

Quanto reggono le previsioni

Testato su dati non visti dal 2021 al 2024, il Bi-GRU fornisce costantemente le previsioni più accurate nel complesso. Misurato con comuni indici di errore, supera tutti i modelli rivali per la maggior parte dei paesi, specialmente quelli con schemi a lungo termine relativamente stabili come India, Germania e Regno Unito. Gli autori eseguono anche test statistici per mostrare che i miglioramenti non sono dovuti al caso. Utilizzando il modello con le migliori prestazioni, proiettano l'uso idrico totale e agricolo dal 2025 al 2040. Alcuni paesi, tra cui India, Turchia e diverse economie in rapida crescita, dovrebbero vedere continui aumenti della domanda, in particolare per l'irrigazione. Altri potrebbero stabilizzarsi o addirittura ridurre i consumi se le attuali tendenze di efficienza proseguono.

Che cosa significano i risultati per la sicurezza alimentare e idrica

Per il lettore non specialista, il messaggio chiave è che previsioni a lungo raggio più accurate possono trasformare preoccupazioni vaghe su «future carenze d'acqua» in numeri concreti su cui i pianificatori possono intervenire. Lo studio mostra che l'intelligenza artificiale moderna basata su sequenze può tracciare come clima, popolazione e sviluppo interagiscono per plasmare l'uso idrico nazionale, e può farlo con maggiore precisione rispetto a metodi precedenti. Queste previsioni non garantiscono ciò che accadrà, ma evidenziano dove la domanda agricola e totale è più probabile che metta sotto pressione le risorse, guidando gli investimenti in tecnologia di irrigazione, stoccaggio, riciclo e riforme politiche. In breve, previsioni più intelligenti sono uno strumento pratico per mantenere i rubinetti aperti e i campi produttivi in un mondo che si riscalda e si affolla.

Citazione: Irfan, M., Rashid, J., Bibi, J. et al. Forecasting of global water usage in agriculture and total global consumption by using the Bi-GRU model. Sci Rep 16, 15071 (2026). https://doi.org/10.1038/s41598-026-44885-8

Parole chiave: uso globale dell'acqua, acqua agricola, previsione con deep learning, modello Bi-GRU, predizione della domanda d'acqua