Quando cambiano colore i boschi italiani

Previsione per l’autunno su tutta Italia, punto per punto. Il modello unisce le osservazioni satellitari degli ultimi 25 anni sul punto, la temperatura misurata fin qui, la previsione a 16 giorni, la composizione specifica del bosco e una taratura su fotocamere fenologiche a terra. Aggiornato al .

Previsione del foliage di Foliage Italia, aggiornata ogni giorno →

Tutti i luoghi del foliage, regione per regione → · Bollettino della settimana →

Zone di riferimento

Venti boschi seguiti con lo storico completo. Tocca una riga per la scheda.

metà chioma colorata, attesagià superataincertezza (±1 errore tipico)

Cosa misura la data

La data principale è il giorno in cui metà della chioma ha perso il verde, come lo vedrebbe una fotocamera puntata sul bosco. La colonna “max rosso” indica il picco cromatico, poco prima della caduta.

Il modello impara il calendario di ogni zona dal satellite MODIS. La data MODIS però anticipa molto quello che si vede a terra, perché misura la metà del calo dell’indice di verde a partire dal massimo estivo. Ho misurato lo scarto con le fotocamere fenologiche PhenoCam più vicine all’Italia. Sul lariceto di Torgnon, in Valle d’Aosta, la metà chioma arriva 14 giorni dopo la data MODIS e il massimo rosso 18 giorni dopo. Su due boschi di latifoglie, il bosco carsico secondario in Slovenia e la faggeta-querceta di Hölstein in Svizzera, gli scarti sono di circa 22 giorni per la metà chioma e 35 per il massimo rosso. Le serie coprono da 6 a 10 anni. La conversione è applicata a tutte le zone e la sua variabilità entra nella fascia d’incertezza.

Come funziona

Il motore è il modello di Delpierre et al. (2009), nella forma riportata da Vitasse et al. (2011). Da quando il giorno si accorcia sotto una soglia, ogni giornata più fresca di una temperatura limite accumula uno stato di senescenza. La colorazione avviene quando lo stato supera una soglia critica. Le quattro costanti del modello sono state calibrate in blocco sulle 20 zone di riferimento, convalidando un anno alla volta. La soglia critica è invece calibrata punto per punto sulla serie satellitare 2001–2025. Così ogni punto eredita il proprio calendario medio osservato.

La mappa usa una griglia di circa 10 km. Per ogni nodo il modello cerca i pixel di bosco deciduo o misto entro un paio di chilometri e scarta i nodi senza bosco. Cliccando sulla mappa si apre il nodo più vicino.

Per l’anno in corso la temperatura viene da NASA POWER, corretta sul punto con il confronto tra POWER e Open-Meteo negli ultimi 92 giorni. Seguono i 16 giorni di previsione di Open-Meteo. Oltre la previsione, il modello prosegue con le temperature reali di ciascuno dei 25 anni passati e ne ricava una distribuzione. Le specie presenti vengono dalle segnalazioni GBIF entro circa 3 km. La specie di riferimento è quella che forma la volta più segnalata, compatibile con la quota.

Quanto è affidabile

Poco più del clima medio. Nella convalida l’errore tipico è di 5,8 giorni contro 6,2 del semplice calendario medio. Il modello batte la media in 16 zone di riferimento su 20. È un risultato coerente con la letteratura. Olsson e Jönsson (2015) hanno trovato che in 109 simulazioni su 111 la data media batteva i modelli. Estrella e Menzel (2006) hanno osservato che solamente la temperatura di settembre ha un effetto apprezzabile e comunque debole.

Il valore reale dello strumento sta altrove. La data media è specifica del punto e del bosco, non regionale. La previsione si sposta quando l’autunno in corso devia dalla norma. Le differenze tra specie e le varianti per querce e frassino seguono indicazioni qualitative della letteratura. Gli scarti in giorni tra specie sono stime da verificare. Ai Colli Euganei e in Val di Funes le serie satellitari sono rumorose e vanno lette con cautela. Le Langhe sono state escluse: vicino al punto non c’è bosco deciduo e i vigneti seguono un’altra logica.

Ho provato anche ad aggiungere la siccità estiva, che la letteratura indica come fattore di anticipo. Su 500 anni-sito la pioggia e il caldo di giugno–agosto riducono l’errore di 0,02 giorni. Con questi dati l’effetto non si vede, quindi non è nel modello.

Fonti

  1. Delpierre N. et al. (2009), Modelling interannual and spatial variability of leaf senescence for three deciduous tree species in France, Agricultural and Forest Meteorology 149. abstract
  2. Vitasse Y. et al. (2011), Assessing the effects of climate change on the phenology of European temperate trees, Agricultural and Forest Meteorology, doi:10.1016/j.agrformet.2011.03.003. pdf
  3. Estrella N., Menzel A. (2006), Responses of leaf colouring in four deciduous tree species to climate and weather in Germany, Climate Research 32. doi:10.3354/cr032253
  4. Olsson C., Jönsson A.M. (2015), A model framework for tree leaf colouring in Europe, Ecological Modelling. scheda
  5. Liu G. et al. (2020), Modeling leaf senescence of deciduous tree species in Europe, Global Change Biology. scheda
  6. Modello DP3 (2025), invecchiamento e stress nella senescenza fogliare, Geoscientific Model Development 18. pdf
  7. Richardson A.D. et al., rete PhenoCam: siti torgnon-ld, slovenia2karstsecforest, swisscanopycrane2.
  8. Dati: MODIS MCD12Q2 e MCD12Q1, ORNL DAAC, NASA POWER, Open-Meteo, GBIF.