Base Layer
- Title
- SiccITàLY
- Description
- Aggiornamemento al 12 novembre 2025
Gli indici di siccità sono rappresentazioni del deficit (e dell’eccesso) idrico rispetto ai dati storici.
Il terzo progetto dal nome SiccITàLY è stato pensato e sviluppato con GEE (Google Earth Engine), da uno specifico script fornito dal programma NASA-ARSET.
Il nuovo servizio open data vuole contribuire nell'aiutare le autorità governative nel prendere decisioni sullla gestione consapevole della risorsa idrica come risposta agli eventi siccitosi, analizzare la frequenza del fenomeno, la gravità e durata per una determinata area e periodo.
Questo progetto è sviluppato nel rispetto dei principi della Scienza Aperta dei Dati e dei criteri FAIR (Findable, Accessible, Interoperable, Reusable) e contribuisce alla trasparenza, alla condivisione e al riuso dei dati ambientali, promuovendo la collaborazione tra istituzioni, comunità e cittadini.
Area di interesse: Italia
Laghi/invasi:
- Dataset JRC Global Surface Water (v1.4) per individuare le aree lacustri persistenti in Italia. Il layer occurrence rappresenta la percentuale di presenza di acqua nel periodo 1984–2021. Sono considerate persistenti le aree con presenza ≥50%. Il filtro raster-based mantiene solo corpi idrici estesi, approssimativamente laghi ≥1 ha (30 pixel). Questo layer permette di analizzare la distribuzione dei laghi stabili nel tempo, indipendentemente dai cambiamenti stagionali o interannuali. Utilizzato come mashera per il calcolo dell'indice NDWI per i corpi idrici.
- HydroLAKES v1.0: dataset globale dei laghi, filtrato per l’Italia con laghi ≥ 1 ha. Fornisce informazioni morfometriche e idrologiche basate su dati disponibili fino al 2016, considerate statiche nel tempo (non rappresenta media storiche). Attributi principali: prof_media (profondità media, m), pendenza (sponde, %), irregolarità planimetrica (indice di forma), lung_costa e perimetro (m), area (m²/ha), tipo (naturale/artificiale), fonte poligono, tempo_di_ritorno_idrico (anni), area_bacino (m²/km²), long_deflusso e lat_deflusso, volume_totale_stimato (m³), id_univoco, id_aggre, fonte_vol, nome_lago. Utile per analisi di distribuzione, dimensioni e caratteristiche dei laghi italiani.
Crediti: Messager, Mathis Loïc, Bernhard Lehner, Günther Grill, Irena Nedeva, and Oliver Schmitt. "Estimating the volume and
age of water stored in global lakes using a geo-statistical approach."
Nature communications 7, no. 1 (2016): 1-11.
- Raster con i valori di NDWI (risoluzione 30m/px) calcolati dal Sentinel‑2 SR Harmonized per ciascun pixel dei laghi/invasi italiani ≥1 ha, definiti dalla maschera JRC Global Surface Water. Copre il periodo 1 gennaio - 12 novembre 2025 e rappresenta lo stato idrico (deficit) più recente dei laghi italiani.
- Dataset JRC Global Surface Water Occurrence con risoluzione 30 m/px che descrive la presenza storica e la variabilità delle acque superficiali dal 1984 al 2021 utilizzando immagini Landsat. Ogni pixel restituisce la frequenza di presenza d’acqua (0–100 %) per laghi e/o invasi con superficie > 1 ha, con estensione, persistenza e variazioni temporali.
Citazione: Pekel et al., 2016, Nature, 540:418–42
Monitoraggio, previsione e proiezione della siccità utilizzando i dati del sistema terrestre della NASA
- La siccità agricola espressa in n.5 scale (estrema, severa, moderata, leggera e assente). La mappa restituisce l'indice di siccità rispetto ai dati storici, con risoluzione di 250 m/pixel. Con uno specifico script (in GEE) i dati MODIS (satelliti Terra e Aqua) vengono utilizzati per calcolare l'indice delle condizioni della vegetazione (VCI) per un orario e un'area specifica ed è espresso in %. E' un indicatore sullo stato della copertura vegetale in funzione dell'NDVI minimi e massimi riscontrati per un dato ecosistema, nel corso di molti anni. Il VCI è un indice migliore rispetto all'NDVI, in quanto è un indicatore sul contenuto d'acqua in condizione di stress. I satelliti della NASA utilizzati per il monitoraggio della siccità: Landsat4-5-7-8-9, Terra e Aqua, Suomi National Polar Partnership (SNPP) e Joint Polar Satellite System (JPSS).
Tuttavia, Landsat 7 è stato ufficialmente decommissionato il 4 giugno 2025, pertanto non è più in operazione attiva; i dati storici restano disponibili negli archivi, ma non genererà nuove acquisizioni. In futuro, il programma Landsat Next dovrebbe prendere il testimone con prestazioni migliorate e garantire la continuità dei prodotti Landsat.
- La siccità meteorologica con l'indice SPI (Standardized Precipitation Index) di precipitazione standardizzato, sviluppato da McKee et al. (1993), utile nel calcolo delle medie stagionali su dati storici e descrive la probabilità di variazione rispetto alle precipitazioni normali su più anni di dati, su base mensile (o più mesi) e/o fase temporali e si avvale di uno specifico algoritmo di calcolo. Una bassa probabilità di funzione cumulativa è indicativa all'evento di siccità.
Le seguenti elaborazione restituisce la media SPI, con risoluzione a 5550 m/pixel all'equatore, dove è possibile analizzare la variazione di pioggia rispetto ai dati storici di uno specifico arco temporale (serie temporale SPI-1 e di precipitazioni a 1 mese entrambi basati sui dati CHIRPS dal 1981).
I satelliti della NASA utilizzati per il monitoraggio delle precipitazioni: TRMM (The Tropical Rainfall Measuring Mission) & GPM (The Global Precipitation Measurement Mission) combinati, costellazione IMERG (Integrated Multi-satellitE Retrievals for GPM).
- Calcolo dell'evapotraspirazione con il prodotto MOD16A2 Versione 6.1 - del programma MODIS dei satelliti Terra e Aqua della NASA - Evapotranspiration/Latent Heat Flux. E' un prodotto composito di 8 giorni con una risoluzione pixel di 500 metri. L'algoritmo utilizzato per la raccolta di dati MOD16 si basa sulla logica dell'equazione Penman-Monteith, che include input di dati di rianalisi meteorologica giornaliera insieme a prodotti di dati MODIS rilevati da remoto come dinamiche delle proprietà della vegetazione, albedo e copertura del suolo. I pixel rappresentano due strati principali: ET (Evapotraspirazione totale) e PET (Evapotraspirazione potenziale) e sono la somma dell'evapotraspirazione i tutti gli 8 giorni. Il prodotto include anche il flusso di calore latente: LE (Latent Heat Flux) e PLE (Potential Latent Heat Flux) che rappresentano l'energia necessaria per la fase di transizione dell'acqua (ad es. da liquido a vapore) e sono calcolati come media dei valori giornalieri nel periodo composito degli 8 giorni.
- Analisi dell'umidità del suolo superficiale e della zona delle radici con il prodotto SMAP SPL4SMGP Versione 7 e 8 derivato dal radiometro di bordo del satellite SMAP (Soil Moisture Active Passive) della NASA. SMAP livello 4 include l'umidità superficiale del suolo (media verticale da 0 a 5 cm) e l'umidità dell'apparato radicale (da 0 a 100 cm), ma anche prodotti non convalidati, tra cui variabili di forzatura meteorologica, temperatura del suolo, evapotraspirazione e radiazione netta. I dati della temperatura della luminosità della banda L di SMAP provenienti dai satelliti (ascendenti e discendenti) vengono assimilitati in un modello di griglia con proiezione EASE-Grid 2.0 dalla risoluzione di 9 km.
- Scenario degli eventi di caldo estremo attesi per il periodo 2020-2030 con applicazione del 90° percentile alle temperature medie per i giorni estivi JJA (June, July, August) estememente caldi suddivisi per anni con i modelli climatici NEX-GDDP-CMIP6 (NASA Earth eXchange Global Daily Downscaled Projections). Con una griglia di risoluzione di 0,25x0,25 gradi, questi modelli consentono di ottenere proiezioni globali ad alta risoluzione e corrette delle temperature minime e massime giornaliere, precipitazioni, umidità, velocità del vento e radiazione superficiale, ma anche valutazioni delle statistiche previste di eventi di ondate di caldo e freddo estremi e di eventi di eccesso e deficit di precipitazioni estreme.
Citazione: (2025). ARSET - Assessing Extreme Weather Statistics using NASA Earth eXchange Global Daily Downscaled Projections (NEX-GDDP-CMIP6). NASA Applied Remote Sensing Training Program (ARSET). https://www.earthdata.nasa.gov/learn/trainings/assessing-extreme-weather-statistics-using-nasa-earth-exchange-global-daily
- Scenario degli evenoi di freddo estremo attesi per il periodo 2020-2030 sulla frequenza dei giorni di superamento del 10° percentile della Tmin con i modelli climatici NEX-GDDP-CMIP6 (NASA Earth eXchange Global Daily Downscaled Projections). Con una griglia di risoluzione di 0,25x0,25 gradi, questi modelli consentono di ottenere proiezioni globali ad alta risoluzione e corrette delle temperature minime e massime giornaliere, precipitazioni, umidità, velocità del vento e radiazione superficiale, ma anche valutazioni delle statistiche previste di eventi di ondate di caldo e freddo estremi e di eventi di eccesso e deficit di precipitazioni estreme.
Citazione: (2025). ARSET - Assessing Extreme Weather Statistics using NASA Earth eXchange Global Daily Downscaled Projections (NEX-GDDP-CMIP6). NASA Applied Remote Sensing Training Program (ARSET). https://www.earthdata.nasa.gov/learn/trainings/assessing-extreme-weather-statistics-using-nasa-earth-exchange-global-daily
- La proiezione al 2050 delle precipitazioni medie annuali (mm/day) dai modelli climatici sviluppati dal NASA GDDP (Global Daily Downscaled Projections), CMIP6 con risoluzione della griglia di 25 km. Essi racchiudono proiezioni storiche e future "downscaled" dal 1950 al 2100 basate su una serie di "fasi" di otto variabili del Climate Model Intercomparison Project (CMIP6).
- La proiezione al 2050 della differenza delle precipitazioni medie annuali (mm/day) dai modelli climatici sviluppati dal NASA GDDP (Global Daily Downscaled Projections), CMIP6. Essi racchiudono proiezioni storiche e future "downscaled" dal 1950 al 2100 basate su una serie di "fasi" di otto variabili del Climate Model Intercomparison Project (CMIP6).
- La proiezione al 2050 della temperatura atmosferica media annuale (Kelvin) in prossimità della superficie terrestre dai modelli climatici sviluppati dal NASA GDDP (Global Daily Downscaled Projections), CMIP6 con risoluzione della griglia di 25 km. Essi racchiudono proiezioni storiche e future "downscaled" dal 1950 al 2100 basate su una serie di "fasi" di otto variabili del Climate Model Intercomparison Project (CMIP6).
- La proiezione al 2050 della differenza di temperatura atmosferica in prossimità della superficie terrestre (°C) dai modelli climatici sviluppati dal NASA GDDP (Global Daily Downscaled Projections), CMIP6. Essi racchiudono proiezioni storiche e future "downscaled" dal 1950 al 2100 basate su una serie di "fasi" di otto variabili del Climate Model Intercomparison Project (CMIP6).
Citazioni:
L'Erario, V. (2025). SiccITàLY [Data set]. SATmonitoring di Vito L'Erario. https://doi.org/10.5281/zenodo.17592536
ARSET - Drought Monitoring, Prediction, and Projection using NASA Earth System Data. NASA Applied Remote Sensing Training Program (ARSET). https://www.earthdata.nasa.gov/learn/trainings/drought-monitoring-prediction-projection-using-nasa-earth-system-data - Organization
- SATmonitoring di Vito L'Erario
- Person
- Vito L'Erario
- vito.lerario (at) satmonitoring.it
- Phone
- +39 392-365-7398
- Website
- https://www.satmonitoring.it/
- Projection
- EPSG:32632
- Extent
- 251352.43890000000828877, 1444833.5031999999191612, 4343728.80119999963790178, 4987460.05119999963790178
- Web Map Service
- WMS URL
- WMTS URL
