L'impatto dei cambiamenti climatici sull'agricoltura italiana: focus su mais e frumento tenero

L’impatto delle anomalie climatiche sulla produttività agricola rappresenta una delle principali sfide contemporanee per i sistemi agroalimentari europei. In particolare, l’agricoltura italiana, caratterizzata da elevata eterogeneità territoriale e forte specializzazione colturale, risulta particolarmente sensibile alle variazioni intra-stagionali di temperatura e precipitazione. Studi recenti basati su serie storiche estese evidenziano come gli effetti del cambiamento climatico non si distribuiscano uniformemente nel corso della stagione colturale, ma dipendano in modo critico dal timing degli shock meteorologici. In questo contesto, l’adozione di metodologie avanzate di analisi statistica, quali la regressione funzionale, consente di superare i limiti dei modelli tradizionali e di cogliere la dinamica temporale degli effetti climatici sulle rese.

Metodologia

L’analisi della Cornell University si basa su un modello di regressione lineare funzionale scalar-on-function, in cui la variabile risposta è rappresentata dal logaritmo della resa agricola a livello provinciale, mentre le covariate includono funzioni temporali di temperatura e precipitazione. Il dataset impiegato copre il periodo 1952–2023 e comprende fino a 79 province per il mais e 68 per il frumento tenero. Le variabili climatiche derivano da dati ERA5-Land con risoluzione spaziale di circa 9 km e frequenza oraria per la temperatura e giornaliera per le precipitazioni.

Le serie temporali climatiche vengono trasformate in oggetti funzionali mediante espansione su basi di Fourier e spline, e successivamente ridotte dimensionalmente tramite Functional Principal Component Analysis (fPCA). Il modello risultante integra componenti di eterogeneità spaziale, trend temporali polinomiali e contributi funzionali delle covariate climatiche. Le stime dei parametri sono ottenute sia tramite Ordinary Least Squares (OLS) sia mediante regressione quantilica, al fine di analizzare gli effetti lungo l’intera distribuzione delle rese.

Dataset e caratteristiche empiriche

Il dataset agricolo è costruito a partire da fonti ISTAT, considerando produzione e superficie coltivata per mais e frumento. Le rese mostrano un trend crescente nel lungo periodo, con stabilizzazione dopo il 2000, coerente con l’introduzione di innovazioni tecnologiche e pratiche agronomiche avanzate. Dal punto di vista spaziale, si osserva una forte concentrazione della produzione maidicola nella Pianura Padana, mentre il frumento presenta una distribuzione più diffusa.

Le serie climatiche evidenziano una crescente frequenza di anomalie termiche positive, in particolare nei mesi estivi, e una maggiore variabilità delle precipitazioni. Tali caratteristiche rendono necessario un approccio analitico capace di isolare gli effetti intra-stagionali.

Risultati: impatto della temperatura sul mais

L’analisi funzionale mostra che le temperature superiori alla media hanno un effetto fortemente negativo sulle rese di mais nel periodo compreso tra giugno e agosto. In particolare, un aumento di 1°C durante questo intervallo comporta una riduzione della resa compresa tra il 3,3% e il 5,8%, a seconda del quantile considerato. Questo effetto è coerente con la fase fenologica della fioritura, altamente sensibile allo stress termico.

Al contrario, temperature leggermente superiori alla media nei mesi di aprile e ottobre mostrano un effetto positivo, suggerendo un allungamento favorevole della stagione vegetativa. L’analisi quantilica evidenzia inoltre una maggiore vulnerabilità delle aziende meno produttive, indicando un ruolo rilevante delle capacità di adattamento tecnologico.

Risultati: impatto su frumento e precipitazioni

Per il frumento, l’effetto della temperatura si concentra in una finestra temporale più precoce, tra fine marzo e inizio aprile. Un incremento di 1°C in questo periodo determina una riduzione delle rese tra l’1,3% e il 3%. Questo intervallo coincide con la fase di fioritura, critica per la formazione della granella.

Le precipitazioni mostrano un effetto differenziato nel corso della stagione. Un aumento cumulato nelle fasi iniziali, fino a fine maggio, migliora le rese grazie al supporto idrico durante lo sviluppo vegetativo. Tuttavia, precipitazioni eccessive nelle fasi finali risultano dannose, probabilmente per effetti negativi sulla maturazione e qualità del raccolto. Una riduzione di 100 mm tra febbraio e aprile comporta una perdita di resa fino all’1,9%.

I risultati evidenziano chiaramente come la dimensione temporale degli eventi climatici sia cruciale per comprendere gli impatti sulla produttività agricola. I modelli tradizionali, basati su medie stagionali, tendono a sottostimare questi effetti, mentre l’approccio funzionale consente di identificare con precisione le finestre di vulnerabilità.

Dal punto di vista applicativo, tali evidenze supportano strategie di adattamento mirate, come l’ottimizzazione dei calendari di irrigazione e la selezione di varietà più resistenti agli stress termici. Inoltre, la maggiore sensibilità delle aziende meno produttive suggerisce la necessità di politiche differenziate a supporto dell’innovazione tecnologica.

Conclusioni

L’utilizzo della regressione funzionale applicata a serie storiche di lungo periodo consente di quantificare in modo robusto l’impatto delle anomalie climatiche sulle rese agricole in Italia. I risultati mostrano che gli effetti di temperatura e precipitazione sono fortemente dipendenti dal momento in cui si verificano durante la stagione colturale. In un contesto di cambiamento climatico, l’integrazione di queste informazioni nei modelli previsionali e nelle decisioni agronomiche rappresenta un elemento chiave per la resilienza del settore agricolo.