Un modello semplice ma potente per predire il consumo di acqua per l'irrigazione

Un modello semplice ma potente per predire il consumo di acqua per l'irrigazione

EMANUELE BORGONOVO E I SUOI COAUTORI MOSTRANO COME UN MODELLO PER LA DOMANDA DI ACQUA DA PARTE DELL'AGRICOLTURA IRRIGUA BASATO SULLE SOLE AREE IRRIGATE POSSA EGUAGLIARE I RISULTATI DI MODELLI MOLTO PIU' COMPLESSI

L'agricoltura irrigua gioca un ruolo fondamentale nella sicurezza alimentare globale: produce circa il 40% di tutto il cibo consumato nel mondo in appena il 20% delle terre coltivate. La domanda di acqua per l'agricoltura irrigua è aumentata costantemente negli ultimi decenni, e si prevede che aumenterà ancora a causa dei cambiamenti nelle precipitazioni, delle temperature più elevate e dell'espansione delle aree irrigate per soddisfare la crescente domanda di cibo. Stime affidabili dei prelievi d'acqua per l'irrigazione sono quindi cruciali per una gestione sostenibile delle risorse globali d'acqua dolce, volta a garantire la sicurezza alimentare senza depauperare il sistema idrico.
 
Attualmente, sono due i principali approcci alla stima dei prelievi d'acqua per l'irrigazione. L'approccio della Food and Agriculture Organization (FAO) si basa su sondaggi, censimenti, analisi della letteratura e coordinamento tra agenzie nazionali e internazionali. Tuttavia, questi dati sono spesso incompleti, disomogenei e potenzialmente inaffidabili.
 
Un'alternativa è rappresentata da una classe di metodi algoritmici (Global Hydrological Models, Land Surface Models o Land Earth Systems Models) in grado di simulare i processi idrologici prendendo in considerazione molte variabili, come l'evapotraspirazione, i tipi di colture, i calendari agrari, l’efficienza di irrigazione, la fertilizzazione, i dati meteorologici e le aree irrigate. Tale complessità rende questi metodi molto impegnativi dal punto di vista computazionale, impedisce una quantificazione accurata dell’incertezza dei risultati e limita la loro utilità per i decision maker.
 
In un articolo recentemente pubblicato da Nature Communications, Emanuele Borgonovo della Bocconi e i suoi coautori Arnald Puy (Princeton e University of Bergen), Samuele Lo Piano (University of Reading), Simon A. Levin (Princeton) e Andrea Saltelli (Universitat Oberta de Catalunya) mostrano come un modello per i prelievi di acqua destinata all’irrigazione basato sulle sole aree irrigate produca quasi gli stessi risultati dei due metodi precedenti, ma in modo molto più parsimonioso. Questa parsimonia permette una quantificazione più accurata dell'incertezza e una stima più trasparente di uno dei più importanti indicatori della sicurezza idrica globale.
 

 
“Il fatto che un fenomeno così complesso possa essere spiegato efficacemente da un solo fattore”, commenta Borgonovo, “può sembrare sorprendente, soprattutto dato il gran numero di variabili potenzialmente rilevanti. Eppure, capita spesso che dati ad altà dimensionalità nascondano una struttura di dimensionalità molto più bassa”.
 
“Il potere esplicativo delle sole aree irrigate suggerisce chiaramente quale sia il modo più veloce per ottenere stime migliori dei prelievi di acqua per l’irrigazione. Infatti, i dati sulle aree irrigate variano in maniera sostanziale da una fonte di dati all’altra, a causa di metodologie e gradi di affidabilità diversi. Quindi, il modo più veloce per ottenere stime più precise dei prelievi d'acqua per l'irrigazione è attraverso una quantificazione più precisa dell'estensione delle aree irrigate. È inutile sviluppare modelli troppo complessi e accontentarsi poi di dati di bassa qualità”.
 
Puy, A., Borgonovo, E., Lo Piano, S., Levin, S. A., Saltelli, A. (2021). “Irrigated areas drive irrigation water withdrawals.” Nature Communications 12, 4525. DOI: 10.1038/s41467-021-24508-8.

di Sirio Legramanti
Bocconi Knowledge newsletter

News

  • Caselli, Ventoruzzo e Mosca nel Comitato per la riforma dei mercati di capitali

    Al via le attivita' che condurranno al nuovo Testo Unico  

  • Assegnati i Premi di Eccellenza nella Ricerca Bocconi per il 2024

    Il riconoscimento va ai docenti le cui pubblicazioni sono state accettate dalle riviste o dagli editori di maggior prestigio  

Seminari

  Febbraio 2022  
Lun Mar Mer Gio Ven Sab Dom
  1 2 3 4 5 6
7 8 9 10 11 12 13
14 15 16 17 18 19 20
21 22 23 24 25 26 27
28            

Seminari

  • Jacopo Perego: Competitive Markets for Personal Data

    JACOPO PEREGO - Columbia Business School

    Room 3-E4-SR03 (Rontgen)

  • Alessia Caponera - Multiscale CUSUM tests for time-dependent spherical random fields

    ALESSIA CAPONERA - LUISS

    Room 3-E4-SR03 (Roentgen)