Modeling Soil Volumetric Water Content Based on Climatic Factors in the Tripoli Region (Libya) Using Multiple Linear Regression

Sintesi Tecnica: Modellazione del Contenuto Volumetrico d'Acqua del Suolo a Tripoli, Libia

Definizione del Problema
L'umidità del suolo è una componente critica dei cicli dell'acqua e dell'energia della Terra, influenzando la produttività agricola, la gestione delle risorse idriche e la frequenza di eventi meteorologici estremi come siccità e inondazioni. In Libia, un paese caratterizzato da climi semi-aridi o aridi, comprendere la dinamica dell'acqua nel suolo è essenziale per la sicurezza alimentare e la mitigazione del rischio di catastrofi. Tuttavia, il monitoraggio a lungo termine dell'umidità del suolo tramite misurazioni sul campo è limitato a livello globale. Sebbene il telerilevamento offra un'alternativa, esiste la necessità specifica di modellare quantitativamente la relazione tra i fattori climatici locali e il contenuto volumetrico d'acqua (VWC) del suolo utilizzando metodi statistici. Questo studio affronta la lacuna nell'analisi quantitativa riguardante il modo in cui specifiche variabili climatiche influenzano l'umidità del suolo nella regione di Tripoli, particolarmente nel contesto delle proiezioni sul cambiamento climatico che indicano una diminuzione delle precipitazioni e un aumento delle temperature per l'Africa settentrionale.

Metodologia
Lo studio ha utilizzato dati mensili comprendenti 297 letture dal 2001 al 2024, estratti dal dataset ERA5 (European Centre for Medium-Range Weather Forecasts). L'analisi è stata condotta utilizzando il software statistico R.

• Variabili:
  • Variabile Dipendente ($Y$): Contenuto volumetrico medio dell'acqua del suolo attraverso quattro profondità del suolo.
  • Variabili Indipendenti Iniziali: Umidità relativa, precipitazioni, temperatura media del suolo (attraverso quattro profondità), temperatura dell'aria, velocità del vento, evaporazione potenziale e profondità della falda acquifera.
• Approccio Statistico:
  1. Analisi Descrittiva: Esame della distribuzione e della tendenza centrale di tutte le variabili.
  2. Valutazione della Multicollinearità: È stata eseguita una matrice di correlazione e un'analisi del Fattore di Inflazione della Varianza (VIF). L'analisi iniziale ha rivelato una grave multicollinearità tra diverse variabili (ad esempio, temperatura dell'aria, temperatura del suolo ed evaporazione potenziale presentavano valori VIF superiori a 12, ben oltre la soglia accettabile di 5).
  3. Selezione delle Variabili: Per garantire la stabilità del modello, le variabili con alto valore di VIF sono state escluse. Il modello finale ha mantenuto tre variabili indipendenti con punteggi VIF accettabili: Umidità Relativa ($X_1$), Precipitazioni ($X_2$) e Temperatura Media del Suolo ($X_3$).
  4. Costruzione del Modello: È stato sviluppato un modello di Regressione Lineare Multipla (MLR) per predire il VWC del suolo basandosi sui fattori climatici selezionati.
  5. Validazione del Modello: Le assunzioni sono state verificate tramite grafici dei residui (Residui vs. Valori Predetti) e grafici Q-Q per controllare l'omoschedasticità e la normalità dei residui.

Risultati Chiave

• Statistiche Descrittive: Il contenuto volumetrico medio dell'acqua del suolo era pari a 0,02 con una bassa deviazione standard, indicando coerenza. Le precipitazioni hanno mostrato un'elevata variabilità (media 0,92 mm), mentre l'umidità relativa media era del 44,10%.
• Analisi di Correlazione:
  • È stata trovata una forte correlazione positiva tra il VWC del suolo e l'Umidità Relativa ($r = 0,638$).
  • Esisteva una moderata correlazione positiva tra il VWC del suolo e le Precipitazioni ($r = 0,528$).
  • È stata osservata una moderata correlazione negativa tra il VWC del suolo e la Temperatura Media del Suolo ($r = -0,559$).
• Performance del Modello di Regressione:
  • L'equazione finale del modello è: $\hat{Y} = 0,01378 + (7,0 \times 10^{-5} \times X_1) + (4,22 \times 10^{-4} \times X_2) - (9,8 \times 10^{-5} \times X_3)$.
  • Significatività: Tutti e tre i predittori erano statisticamente significativi ($p < 0,001$).
    • Precipitazioni: Identificate come il fattore più influente ($\beta = 4,22 \times 10^{-4}$). Un aumento di 1 mm nelle precipitazioni risulta in un aumento diretto di 0,000422 nel contenuto d'acqua medio del suolo.
    • Umidità Relativa: Mostra un effetto positivo ($\beta = 7,0 \times 10^{-5}$), attribuito alla riduzione dell'evaporazione.
    • Temperatura del Suolo: Mostra un significativo effetto negativo ($\beta = -9,8 \times 10^{-5}$), attribuito all'aumento dell'evaporazione e della percolazione.
  • Potere Esplicativo: Il valore $R^2$ corretto è 0,477, indicando che il modello spiega circa il 48% della variazione nel contenuto volumetrico d'acqua del suolo.
  • Fit Complessivo: Il test F ha confermato la significatività statistica complessiva del modello ($F \approx 91$, $p < 0,001$). I grafici diagnostici hanno confermato che i residui erano distribuiti casualmente e seguivano una distribuzione normale, validando le assunzioni del modello.

Significato e Rivendicazioni
Il documento afferma che lo studio ha stabilito con successo una relazione statisticamente significativa tra i fattori climatici selezionati e il contenuto volumetrico d'acqua del suolo nella regione di Tripoli. Isolando precipitazioni, umidità relativa e temperatura del suolo come i principali driver, la ricerca fornisce uno strumento predittivo per comprendere la dinamica dell'umidità del suolo in un ambiente semi-arido.

Gli autori sostengono che questo approccio di modellazione supporta la gestione delle risorse idriche e la pianificazione agricola, aspetti critici date le proiezioni climatiche per l'Africa settentrionale che prevedono una diminuzione delle precipitazioni del 10–20% e un aumento della temperatura di 2–3°C entro il 2050. Lo studio conclude che, sebbene il modello spieghi quasi la metà della varianza (un valore considerato buono per gli studi ambientali), esso evidenzia efficacemente l'impatto diretto delle precipitazioni e l'impatto inverso della temperatura sull'umidità del suolo. Gli autori raccomandano l'uso di queste variabili chiave per valutazioni future in regioni aride e suggeriscono che modelli più avanzati (ad esempio, serie temporali o non lineari) potrebbero migliorare ulteriormente l'accuratezza predittiva.