Ascolta l’articolo
Copertura nevosa in Grecia: un declino quarantennale
Le catene montuose del Mediterraneo svolgono un ruolo di primo ordine nel rifornire d’acqua le vallate, specialmente durante la stagione estiva. In Grecia, le nevicate si concentrano prevalentemente tra novembre e maggio, ritardando naturalmente il picco di deflusso idrico. Negli ultimi decenni, la progressiva riduzione di questo fondamentale “serbatoio” climatico di copertura nevosa in Grecia, ha richiamato l’attenzione della comunità scientifica internazionale.
Indice
Un'analisi quarantennale (1984-2025) condotta con il modello snowMapper su dieci massicci greci evidenzia un crollo del 58% della copertura nevosa, pari a una perdita media di 8,64 km² all'anno. Il declino, particolarmente marcato a dicembre e marzo, è guidato principalmente dall'aumento delle temperature che riducono accumulo e conservazione della neve, mentre le precipitazioni hanno un impatto minore.
Nonostante la stabilità della variabilità statistica, la perdita di questo cruciale serbatoio naturale aggrava il rischio di siccità estiva. Lo studio conferma il predominio della forzante antropogenica sulla variabilità naturale, sottolineando l'urgenza di aggiornare i modelli di gestione idrica per agricoltura ed ecosistemi.
Strumento di ricostruzione: snowMapper v1.0
Il modello snowMapper integra algoritmi di machine learning con vincoli fisici rigorosi. La procedura inizia con la selezione di immagini satellitari ad alta risoluzione, arricchite da dati meteorologici derivati da rianalisi, informazioni topografiche e osservazioni in situ per l’addestramento. Il flusso di lavoro si articola in tre fasi: (1) preparazione dei dati, (2) ricostruzione quotidiana della copertura nevosa e (3) validazione e correzione dei risultati.
Area di studio e dati utilizzati
Lo studio ha delimitato dieci massicci montuosi greci con altitudini superiori ai 2000 m, basandosi sull’inventario globale delle montagne (GMBA). Sono state escluse le superfici acquatiche, le foreste dense (con copertura ≥ 50%) e le zone sotto i 700 m di quota.
Le immagini dei satelliti Landsat (dalla serie 4 alla 9) e Sentinel-2 sono state corrette per la copertura nuvolosa, ricampionate a 100 m e fuse utilizzando il valore mediano dei pixel. Per identificare la neve, è stato applicato un indice di differenza nevosa (NDSI) con soglia binaria NDSI > 0,4 e riflettanza nel rosso < 0,1.
Il prodotto MODIS (FSC > 50%) è stato ricampionato a 100 m per colmare le lacune temporali. I dati climatici (temperatura media dell’aria e precipitazioni giornaliere) provengono dalla rianalisi ERA5-Land, scalati a livello locale tramite il metodo MicroMet e modelli digitali di elevazione SRTM. I dati in situ su profondità della neve, temperatura e precipitazioni sono stati estratti dal progetto ECA&D, che copre 49 stazioni nel Mediterraneo.
Addestramento e valutazione del classificatore
Un modello di Random Forest (foreste casuali) composto da 30 alberi è stato addestrato su oltre 10.000 record giornalieri, selezionati per rappresentare l’intera gamma altimetrica, topografica e di probabilità nevosa.
L’analisi dell’importanza delle variabili ha evidenziato che temperatura, grado di riscaldamento e indice di copertura pluriennale sono i fattori più influenti. La ricostruzione ha raggiunto una precisione media del 93% su tutti i massicci, con una sottostima delle aree nevose del 4,7% e una sovrastima del 2,3%.
Tendenze della copertura nevosa (1984–2025)
L’analisi della superficie coperta da neve (SCA) rivela una riduzione totale del 58% rispetto alla media del periodo 1984–2025. La perdita media annua ammonta a 8,64 km² per l’intera stagione, con valori più marcati a dicembre (-18,9 km²/anno) e a marzo (-13,7 km²/anno).
Normalizzando i dati per l’area media mensile, le diminuzioni percentuali più significative si registrano a novembre (-3,0%/anno), dicembre (-1,9%/anno) e aprile (-1,1%/anno). Si distinguono tre schemi temporali: un calo lineare costante a novembre; un picco medio seguito da declino a dicembre e marzo; e un picco precoce con successiva rapida diminuzione tra gennaio e maggio. Le anomalie di copertura nevosa estremamente elevate sono diminuite in frequenza e intensità, mentre quelle molto basse non mostrano trend significativi.
Relazioni con le variabili climatiche
La temperatura dell’aria mostra una forte e significativa anticorrelazione con la SCA in tutti i mesi, confermando che il riscaldamento riduce sia la frazione di precipitazioni nevose sia i processi di accumulo e conservazione. Le precipitazioni presentano correlazioni positive, da moderate a forti, nei periodi novembre-dicembre e febbraio-marzo.
L’indice di oscillazione nord-atlantica (NAO) risulta anticorrelato solo a febbraio, mentre l’Oscillazione Artica (AO) e l’Oscillazione Multidecennale Atlantica (AMO) mostrano anticorrelazioni significative a febbraio e marzo. Queste relazioni restano coerenti anche a livello di singolo massiccio, con lievi sfasamenti temporali di circa un mese.
Variabilità della copertura nevosa
I test di Levene, confrontando due periodi ventennali (1984–2004 e 2004–2025), non hanno rilevato differenze significative nella variabilità della SCA, né a livello complessivo né per singolo massiccio. Questo indica che, nonostante il forte trend discendente, la dispersione statistica della copertura nevosa è rimasta stabile.
Implicazioni per la gestione idrica
La diffusa perdita di neve sulle montagne greche riduce la capacità di accumulo naturale, aggravando il rischio di siccità estiva. Poiché la diminuzione delle precipitazioni non spiega interamente il declino osservato, le politiche di gestione devono considerare prioritariamente l’effetto della temperatura sulla frazione nevosa.
L’aggiornamento dei modelli di approvvigionamento idrico con dati ad alta risoluzione, come quelli generati da snowMapper, può supportare decisioni più informate per l’agricoltura, l’uso domestico e la tutela degli ecosistemi.
Valutazione di snowMapper
Il modello ha dimostrato di poter ricostruire una climatologia di 41 anni grazie a moduli configurabili per mascheramento, pre-elaborazione, riempimento delle lacune, aggregazione temporale e validazione. Sebbene si registri una lieve diminuzione dell’accuratezza nei mesi di transizione (tardo autunno e inizio primavera), le prestazioni restano elevate.
La flessibilità del framework consente l’integrazione di ulteriori variabili (radiazione a onde corte, umidità relativa, vento) e l’adozione di altri algoritmi di apprendimento automatico (come SVM o Gradient Boosting), aumentando la robustezza del sistema anche in contesti con scarsità di dati.
Conclusioni
L’analisi di quattro decenni di copertura nevosa su dieci massicci greci evidenzia un declino rapido ed esteso, guidato principalmente dal riscaldamento atmosferico. Le precipitazioni influenzano il fenomeno solo nelle fasi iniziali e centrali della stagione.
Le deboli correlazioni con NAO, AO e AMO suggeriscono che la forzante radiativa antropogenica predominI sulla variabilità climatica naturale. snowMapper si conferma una soluzione praticabile per ricostruire la neve quotidiana in ambienti montani poco monitorati, offrendo un valido supporto alla ricerca e alla gestione delle risorse idriche anche in altre regioni vulnerabili.
Fonte:
Telegram:
