El Nino Southern Oscillation-Driven Variability in Vegetation Indices and Carbon Fluxes over Rajasthan, India: A Non-parametric District-level Analysis (2000-2024)

Sintesi Tecnica: Variabilità della Vegetazione e dei Flussi di Carbonio Guidata dall'ENSO nel Rajasthan (2000–2024)

Definizione del Problema
Questo studio affronta la necessità di quantificare come gli eventi El Niño Southern Oscillation (ENSO) e le precipitazioni monsoniche influenzino le condizioni della vegetazione durante la stagione kharif e i flussi di carbonio terrestre attraverso le diverse gradazioni di aridità del Rajasthan, India. Sebbene il dominio delle precipitazioni nel guidare la vegetazione sia consolidato, l'entità specifica degli impatti dell'ENSO sulla Produttività Primaria Lorda (GPP) e sulla Produttività Primaria Netta (NPP) a livello distrettuale, indipendentemente dalla variabilità delle precipitazioni, rimane meno caratterizzata. Inoltre, esiste una lacuna nella comprensione di come questi driver climatici influenzino l'assimilazione del carbonio rispetto alla verdezza della chioma (NDVI), in particolare nelle zone iper-aride e aride dove la variabilità interannuale è elevata.

Metodologia
La ricerca impiega un framework statistico completamente non parametrico analizzando 25 anni di dati (2000–2024) in tutti i 33 distretti del Rajasthan.

• Fonti dei Dati: Lo studio integra quattro prodotti MODIS Collection 6 (MOD13Q1 [NDVI/EVI 250 m], MOD17A2H [GPP a 8 giorni], MOD17A3HGF [NPP annualo] e MCD12Q1 [Land Use/Land Cover]) con dati sulle precipitazioni su griglia IMD 0.25° e indici NOAA ONI.
• Pre-elaborazione: Viene applicata annualmente una maschera agricola dinamica (classi IGBP 12 e 14) derivata da MCD12Q1 per isolare i pixel agricoli, evitando che il segnale ENSO venga attenuato dalla vegetazione naturale delle terre aride.
• Framework Statistico:
  • Rilevamento dei Trend: I test di Mann-Kendall (MK) con stimatori della pendenza di Sen identificano i trend a lungo termine.
  • Analisi di Correlazione: I test di Kendall tau e Spearman rho valutano le associazioni bivariate. Le correlazioni parziali di Spearman controllano l'effetto delle precipitazioni (RF) per isolare gli effetti indipendenti di ONI sulla GPP.
  • Modellazione: Equazioni predittive a livello distrettuale sono derivate tramite un approccio di regressione iterativa di Theil-Sen. La struttura del modello è: $GPP = \alpha + \beta_{RF} \cdot (RF - RF_{med}) + \beta_{ONI} \cdot (ONI - ONI_{med})$.
  • Validazione: L'abilità del modello è quantificata tramite la Cross-Validazione Leave-One-Out (LOOCV) producendo l'Errore Assoluto Percentuale Medio (MAPE), l'RMSE e il bias sistematico.
  • Previsione: Gli outlook per il 2026 utilizzano il campionamento bootstrap con 1000 repliche per generare intervalli di confidenza al 90% per le proiezioni a livello distrettuale.

Contributi Chiave

1. Attribuzione a Livello Distrettuale: Questo è il primo studio a fornire un'attribuzione non parametrica completa, a livello distrettuale, dei segnali ENSO nei prodotti MODIS di vegetazione e flussi di carbonio per l'intero Rajasthan.
2. Disaccoppiamento tra Precipitazioni ed ENSO: Lo studio riesce a isolare gli effetti indipendenti di ENSO sulla GPP controllando per le precipitazioni, identificando distretti specifici "sensibili all'ONI" nelle zone aride e semi-aride dell'ovest.
3. Discrepanza GPP:NDVI: Quantifica un rapporto di soppressione di circa 2:1 della GPP rispetto all'NDVI durante gli eventi El Niño, evidenziando che l'assimilazione del carbonio diminuisce più rapidamente rispetto alla verdezza della chioma a causa della chiusura stomatica.
4. Previsione Operativa: Lo sviluppo di modelli predittivi Theil-Sen con incertezza quantificata (LOO-MAPE) fornisce un framework per generare avvisi agricoli stagionali azionabili.

Risultati

• Impatti ENSO: Gli eventi El Niño sopprimono la media di stato del NDVI kharif del 3,6% e la GPP del 7,0% in media. L'impatto è più severo nel distretto iper-arido di Jaisalmer, con deficit che raggiungono il 14,3% per l'NDVI e il 21,6% per la GPP. Gli eventi La Niña producono surplus simmetrici del 3–18% nella GPP.
• Correlazioni: Le correlazioni tra precipitazioni e NDVI sono universalmente significative in tutti i 33 distretti (media $\rho$ = 0,935). Tuttavia, gli effetti indipendenti di ONI sulla GPP sono significativi solo in sei distretti aridi e semi-aridi dell'ovest (Bikaner, Churu, Ganganagar, Hanumangarh, Jaisalmer e Jodhpur), con correlazioni parziali compresi tra -0,42 e -0,62. Nel est sub-umido, l'influenza dell'ENSO è mediata principalmente dalle precipitazioni.
• Trend a Lungo Termine: Sono rilevati significativi trend positivi di Mann-Kendall in NDVI e GPP in 16 dei 33 distretti. I tassi di verdeggiamento più elevati si verificano nel sud-est sub-umido (media +5,4 g C m⁻² yr⁻¹ per la GPP), attribuiti all'intensificazione agricola e alla fertilizzazione da CO₂.
• Performance del Modello: I modelli Theil-Sen raggiungono un LOO-MAPE medio del 6,2% per l'NDVI e del 17,4% per la GPP. La performance è migliore nel sud-est sub-umido (<12% MAPE) e peggiore nel Jaisalmer iper-arido (31,5%) e nel Churu arido (41,4%) a causa dell'elevato rumore interannuale e dei problemi di soglia di rilevamento.
• Previsione 2026: Sulla base di un ONI di -0,1 (FMA 2026), la GPP media statale per il kharif è prevista a 249,5 g C m⁻² (anomalia -3,2%). Trenta distretti su 33 sono classificati come NEAR NORMAL (vicino alla norma), mentre Jaisalmer, Churu e Jhunjhunu sono previsti come BELOW NORMAL (sotto la norma).

Significatività e Rivendicazioni
L'articolo sostiene che i suoi risultati offrono approfondimenti critici per il monitoraggio satellitare del carbonio e la pianificazione agricola. Nello specifico, afferma che i modelli di resa basati su NDVI calibrati in anni medi o umidi sovrastimeranno sistematicamente la produzione kharif durante gli eventi El Niño se non si tiene conto della soppressione sproporzionata del flusso di carbonio (GPP) rispetto alla verdezza (NDVI).

Lo studio pone le sue equazioni Theil-Sen come un semplice framework di correzione. Integrando le previsioni pre-stagionali dell'ONI con le proiezioni delle precipitazioni mediane distrettuali, i pianificatori possono regolare le stime della GPP settimane prima del raccolto. Gli autori concludono che i distretti "sensibili all'ONI" identificati forniscono una base per strategie di consulenza agricola differenziate che incorporano le prospettive della temperatura superficiale del mare (SST) insieme alle previsioni delle precipitazioni. Il lavoro è presentato come operativamente pronto per la pianificazione agricola stagionale, la gestione dell'offerta di input e la dichiarazione di siccità a livello sub-distrettuale, a condizione che le previsioni delle precipitazioni in tempo reale siano propagate attraverso le equazioni stabilite.