Rainfall structure and modelled surface drying in relation to crop response in degradation prone rainfed lands of eastern Sudan
Questo studio valuta i modelli di precipitazioni a lungo termine e un indice di rischio della struttura delle piogge giornaliere (Daily Rainfall-Structure Risk Index, DRSRI) recentemente sviluppato nelle terre agricole pluviali dell'est del Sudan, dimostrando che strutture di precipitazione sfavorevoli aumentano significativamente l'inaridimento superficiale e impattano negativamente sulle anomalie dell'area raccolta di sorgo, offrendo così uno strumento per lo screening dell'esposizione agricola al degrado.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nelle pianure aride e bruciate dal sole dell'est del Sudan, la vita dipende da una singola, incerta promessa: la pioggia. Per gli agricoltori che coltivano sorgo e sesamo senza irrigazione, l'ammontare totale di pioggia che cade in una stagione è solo metà della storia. L'altra metà è il ritmo. Una stagione potrebbe fornire acqua sufficiente per far crescere un raccolto, ma se quest'acqua arriva in ritardo, si interrompe per settimane alla volta o si riversa tutta in pochi temporali violenti, il suolo può seccarsi prima che le piante abbiano la possibilità di attecchire. Questo è il pericolo nascosto della struttura delle precipitazioni: il tempo e la continuità dell'acqua contano tanto quanto il volume. Quando il ritmo si interrompe, lo strato superficiale del suolo si secca, le colture faticano a stabilizzarsi e la terra diventa più vulnerabile al degrado. Comprendere questo schema è fondamentale per le regioni in cui il suolo è già fragile e il futuro dell'agricoltura dipende dal tempo atmosferico.
I ricercatori in Sudan si sono posti l'obiettivo di vedere se potessero mappare questo ritmo invisibile per comprendere meglio i rischi che gli agricoltori affrontano nello Stato di Gedaref. Hanno esaminato quarant'anni di dati sulle precipitazioni giornaliere, dal 1982 al 2020, per vedere come il tempo si comportasse effettivamente giorno per giorno, piuttosto che limitarsi a guardare i totali stagionali. Hanno combinato questi dati con modelli informatici di quanto rimanesse umido i primi centimetri di suolo e con i registri ufficiali di quanta terra fosse stata raccolta con successo. Il loro obiettivo era scoprire se il modo in cui la pioggia viene distribuita durante la stagione potesse spiegare perché alcuni anni fossero stati più difficili per gli agricoltori rispetto ad altri, anche quando la pioggia totale sembrava adeguata.
Il team ha scoperto che il modo in cui cade la pioggia è importante tanto quanto la quantità che cade. Hanno scoperto che stagioni con la stessa pioggia totale possono sembrare completamente diverse per un agricoltore a seconda di quando è iniziata la pioggia, di quanto siano durati i periodi secchi e se l'acqua sia arrivata sotto forma di una pioggerellina costante o in pochi scrosci pesanti. Per catturare questo aspetto, hanno costruito un nuovo strumento, un punteggio singolo che combina quattro diversi aspetti della pioggia: quanto mancava rispetto alla media, quanti giorni consecutivi di siccità si sono verificati durante i mesi di massima crescita, quanto tardi fosse iniziata la stagione e quanta parte della pioggia fosse caduta in soli cinque giorni di forte intensità. Lo hanno chiamato Daily Rainfall-Structure Risk Index (Indice di Rischio della Struttura delle Precipitazioni Giornaliere).
Quando hanno testato questo nuovo punteggio rispetto ai modelli informatici del suolo, è emerso un modello chiaro. Negli anni in cui la pioggia era scarsamente strutturata — ovvero era in ritardo, interrotta da lunghi periodi secchi o concentrata in troppi pochi eventi — lo strato superiore del suolo era significativamente più asciutto. Il modello ha mostrato che questi anni di cattivo ritmo delle precipitazioni portavano a un rischio molto più elevato di essiccazione superficiale, che è il primo passo verso il degrado del terreno. I ricercatori hanno osservato che, sebbene l'ammontare totale della pioggia sia un forte predittore dell'umidità del suolo, l'aggiunta dei dettagli del ritmo giornaliero forniva un quadro leggermente più nitido di ciò che accadeva al terreno, aiutando a identificare gli anni in cui il suolo era sotto maggiore stress rispetto a quanto suggerito dalla sola pioggia totale.
Lo studio ha anche esaminato come questi modelli meteorologici influenzassero le colture effettive. Hanno trovato un forte legame tra il ritmo delle precipitazioni e il successo del raccolto di sorgo. Negli anni con una scarsa struttura delle precipitazioni, la proporzione di terreno seminato che è stata effettivamente raccolta era sensibilmente inferiore. Ciò suggerisce che quando la pioggia è inaffidabile, gli agricoltori possono perdere una porzione maggiore della loro area seminata prima ancora che i prodotti possano essere raccolti. Tuttavia, la connessione con la resa finale — la quantità di grano prodotta per acro — era meno chiara. Ciò è probabilmente dovuto al fatto che il raccolto finale dipende da molti altri fattori, come parassiti, lavoro e gestione, che possono mascherare l'effetto diretto della pioggia. I risultati per il sesamo erano ancora meno chiari, poiché questo raccolto è influenzato da un complesso mix di fattori economici e logistici che i soli dati sulle precipitazioni non potevano spiegare.
Uno dei risultati più rivelatori è stato che otto anni specifici si sono distinti come anni a "rischio composto". In queste stagioni, la pioggia era in ritardo, i periodi secchi erano lunghi, l'ammontare totale era basso e la pioggia era concentrata in pochissimi eventi. In questi anni difficili, il modello ha mostrato che il suolo era significativamente più asciutto e i registri hanno mostato che gli agricoltori hanno raccolto una porzione molto più piccola del loro sorgo seminato. Questo conferma che è spesso la combinazione di diverse condizioni meteorologiche che si verificano contemporaneamente a creare lo stress più severo per la terra e per le colture.
I ricercatori sono stati attenti a sottolineare i limiti del loro lavoro. Hanno utilizzato dati mediati su tutto lo stato, il che smussa gli estremi locali che una singola azienda agricola potrebbe sperimentare. Un temporale potrebbe inzuppare un campo lasciando il campo accanto asciutto, un dettaglio che le medie statali non possono catturare. Inoltre, i dati sull'umidità del suolo derivano da un modello informatico che si basa sugli stessi dati sulle precipitazioni, quindi la connessione tra pioggia e suolo è un controllo di coerenza piuttosto che una misurazione diretta del terreno. Nonostante queste limitazioni, lo studio offre un modo pratico per osservare il tempo. Dimostra che per gli agricoltori di queste terre aride, conoscere la pioggia totale non è sufficiente; devono comprendere il ritmo della pioggia per anticipare quando il suolo potrebbe seccarsi e quando le colture potrebbero soffrire.
Questo lavoro fornisce un nuovo modo per monitorare il rischio nell'agricoltura delle zone aride. Guardando alla struttura giornaliera della pioggia, funzionari e agricoltori possono identificare le stagioni che probabilmente causeranno l'essiccazione superficiale e lo stress delle colture, anche se la pioggia totale sembra normale. Il nuovo indice funge da sistema di allerta, segnalando gli anni in cui il modello delle precipitazioni è sfavorevole. Sebbene non possa dire a un agricoltore esattamente quando seminare o come gestire un campo specifico, può evidenziare quali anni meritano un'attenzione più stretta. In una regione in cui la terra è già soggetta a degrado, comprendere il ritmo della pioggia è un passo vitale verso la protezione del suolo e la sicurezza del raccolto.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.