Progetto

SiccITàLY

(clicca sull'immagine)

Gli indici di siccità descrivono il deficit (o l’eccesso) di acqua rispetto alle condizioni climatiche storiche, permettendo di valutare intensità, durata e frequenza degli eventi siccitosi.

SiccITàLY è un progetto sviluppato in ambiente Google Earth Engine (GEE), a partire da script scientifici del programma NASA–ARSET, che integra dati satellitari e climatici in un servizio open data.
L’obiettivo è supportare autorità, ricercatori e cittadini nell’analisi della siccità e nelle decisioni sulla gestione sostenibile della risorsa idrica, fornendo informazioni chiare, accessibili e basate su dati affidabili, per specifiche aree e periodi temporali.

Monitoraggio sulla stato idrico di laghi/invasi utilizzando dati Copernicus-ESA, USGS/NASA e HydroSHED

• 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.

• Calcolo con specifico script GEE (con ausilio della GenI) della variazione del livello d’acqua nei laghi e invasi italiani su due periodi (2020 e 2026) con immagini satellitari Sentinel-1 e polarizzazione VH, all'8 febbraio 2026. Le immagini sono state filtrate per ridurre lo speckle e differenziate (VH2026 – VH2020, con segno invertito). L’analisi è limitata alle superfici d’acqua interne usando JRC Global Surface Water, escluso il mare, che rappresenta la percentuale di presenza di acqua persistente ≥50% nel periodo 1984–2021.

• Calcolo indice NDCI (Normalized Difference Chlorophyll Index) e sulla qualità delle acque interne sulla concentrazione di clorofilla (Chl-a) con utilizzo di immagini satellitari HS2 (Harmonized Sentinel-2). L'analisi consente di rilevare il fitoplancton causa dell'eutrofizzazione delle acque (bloom algali). Valori < 0,0 indicano acqua limpida e bassa Chl-a; valori da 0,0 a 0,1 leggera presenza di fitoplancton; valori da 0,1 a 0,3 concentrazioni moderate di Chl-a; valori > 0,3 acqua molto eutrofica, alta Chl-a.

• 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 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

Anomalie termiche con dati NASA

• Mappa di densità degli hotspot delle anomalie termiche derivati dal sistema FIRMS (NASA), integrando i sensori satellitari MODIS e VIIRS. La superficie è stata generata mediante algoritmo di Kernel Density Estimation (KDE) con risoluzione spaziale di 1 km e raggio del kernel pari a 2 km. I valori raster rappresentano densità grezze (raw) di occorrenza degli hotspot, con interpolazione lineare e classificazione in modalità continua per la visualizzazione cartografica. Il layer evidenzia le aree a maggiore concentrazione spaziale delle anomalie nel periodo analizzato (1 giugno - 13 ottobre 2025). Nota: nella seguente elaborazione, oltre agli incendi, sono comprese le attività industriali e le aree vulcaniche attive, per cui la consultazione e l'utilizzo non deve essere confusa con le aree percorse dal fuoco.

• Anomalia dell'umidità del suolo superficiale calcolata dai dati SMAP per il periodo 1 giugno - 13 ottobre 2025, evidenziando zone più secche o più umide rispetto alla media storica. Derivato dal prodotto SMAP L4 Global 3-hourly (SPL4SMGP.008), con risoluzione spaziale di circa 9 km, il dataset integra osservazioni satellitari SMAP con un modello di superficie terrestre per stimare l’umidità del suolo sia nello strato superficiale sia nella zona radicale.

• *Indice Standardizzato di Precipitazione (SPI) su scala mensile (1 mese), aggiornato al 13 ottobre 2025. L'indice misura le anomalie di precipitazione rispetto alla climatologia di riferimento: valori negativi indicano condizioni di siccità, valori positivi condizioni più umide della norma.

• NDVI (Normalized Difference Vegetation Index), l'indice di vegetazione multispettrale derivato dai dati del sensore OCI (Ocean Color Instrument) a bordo della missione PACE (Plankton, Aerosol, Cloud, ocean Ecosystem) della NASA con risoluzione di circa 0.1 gradi per pixel (approssimativamente 11 km/px). Fornisce informazioni cruciali sulla salute, densità e vigore della vegetazione, quantificando l'attività fotosintetica basata sulla differenza tra la riflettanza nel vicino infrarosso e nel rosso. Il periodo di riferimento per i dati esaminati è dal 21 marzo al 20 giugno 2025.

• CIRE (Chlorophyll Index Red Edge), l'indice di vegetazione iperspettrale derivato dai dati del sensore OCI (Ocean Color Instrument) a bordo della missione PACE (Plankton, Aerosol, Cloud, ocean Ecosystem) della NASA con risoluzione di circa 0.1 gradi per pixel (approssimativamente 11 km/px. Fornisce informazioni sul contenuto relativo di clorofilla nella vegetazione, riflettendo lo stato di salute e il vigore delle piante sfruttando le variazioni precise nella riflettanza tra le bande dell'infrarosso vicino (NIR) e del bordo rosso (RedEdge) per il periodo dal 21 marzo al 20 giugno 2025.

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 da luglio 2024 a gennaio 2026, mentre il mese luglio 2003 come dato storico, con risoluzione a 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. Una bassa probabilità di funzione cumulativa è indicativa all'evento di siccità. SPI può essere calcolato su diversi archi temporali e si avvale di uno specifico algoritmo di calcolo. La seguente elaborazione restituisce la media SPI da maggio 2024 a gennaio 2026, 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 sono: TRMM (The Tropical Rainfall Measuring Mission) & GPM (The Global Precipitation Measurement Mission) combinati, costellazione IMERG (Integrated Multi-satellitE Retrievals for GPM).

• LST (Land Surface Temperature) classificato in 4 classi basate sulle soglie: classe 1: ≤30°C; classe 2: 30–35°C; classe 3: 35–40°C; classe 4: >40°C. Fornisce un’unica mappa classificata della distribuzione delle temperature massime, utile per analisi visiva o modellistica, con risoluzione 1 Km (risoluzione MODIS).
• Maschera binaria (0/1) dei pixel con temperatura massima >40°C utile per la mappatura delle aree con rischio di ondate di calore estreme (ris. 1 Km).
• Temperatura della superficie terrestre diurna media annuale (°C) calcolata dai dati MODIS (satelliti Aqua e Terra) di 8-giorni (MOD11A2) con risoluzione di 1 Km.
• Temperatura della superficie terrestre diurna massima annuale (°C) calcolata dai dati MODIS (satelliti Aqua e Terra) di 8-giorni (MOD11A2) che consente di evidenziare i picchi di calore, utile per analisi di ondate di calore con risoluzione di 1 Km.

• Calcolo dell'evapotraspirazione mensile 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 con il prodotto SMAP SPL4SMGP Versione 7 derivato dal radiometro  a 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 assimilati in un modello di griglia con proiezione EASE-Grid 2.0 dalla risoluzione di 9 km.

• Scenario degli eventi di precipitazione estremamente scarsa attesi per il periodo 2020–2026, ottenuto applicando il 10° percentile alle precipitazioni giornaliere nei mesi estivi JJA (giugno, luglio, agosto). La mappa rappresenta il numero di giorni estremamente secchi per estate, derivato dai modelli climatici NEX-GDDP-CMIP6 (NASA Earth eXchange Global Daily Downscaled Projections), con risoluzione spaziale di 0,25° × 0,25°.

• Scenario degli eventi di precipitazione estremamente intensa attesi per il periodo 2020–2026, ottenuto applicando il 90° percentile alle precipitazioni giornaliere nei mesi estivi JJA (giugno, luglio, agosto). La mappa rappresenta il numero di giorni estremamente piovosi per estate, derivato dai modelli climatici NEX-GDDP-CMIP6 (NASA Earth eXchange Global Daily Downscaled Projections), con risoluzione spaziale di 0,25° × 0,25°.

• 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.

• Scenario degli eventi 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.
  

• 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).

Crediti:

(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

(2025) ARSET - Calculating Spectral Indices for Land and Aquatic Applications Using QGIS. NASA Applied Remote Sensing Training Program (ARSET). https://www.earthdata.nasa.gov/learn/trainings/calculating-spectral-indices-land-aquatic-applications-using-qgis

(2025) ARSET - Introduction to NASA Earth Observations and Tools for Wildfire Monitoring and Management. NASA Applied Remote Sensing Training Program (ARSET). https://www.earthdata.nasa.gov/learn/trainings/introduction-nasa-earth-observations-tools-wildfire-monitoring-management

(2024) 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

NASA Global Daily Downscaled Projections, CMIP6 https://www.nature.com/articles/s41597-022-01393-4

Recommended Practice: Drought monitoring using the Standardized Precipitation Index (SPI) https://www.un-spider.org/advisory-support/recommended-practices/recommended-practice-drought-monitoring-spi

Orientation to PACE/OCI NASA-SSAI Terrestrial Products - https://nasa.github.io/oceandata-notebooks/notebooks/oci/oci_terrestrial_data.html

https://developers.google.com/earth-engine/datasets/catalog/MODIS_061_MOD16A2

https://developers.google.com/earth-engine/datasets/catalog/NASA_SMAP_SPL4SMGP_008?hl=it

https://dataspace.copernicus.eu/

https://developers.google.com/earth-engine/datasets/catalog/JRC_GSW1_4_GlobalSurfaceWater?hl=it

https://www.hydrosheds.org/products/hydrolakes?utm_source

work in progress...

📊 Impact Report: SiccITàLY - Open Science al servizio del territorio

🎯 La Visione: Democratizzazione e Indipendenza

Il progetto SiccITàLY nasce per abbattere le barriere all'accesso ai dati sulla siccità e idrologici complessi. Fondato sull'indipendenza tecnologica e sulla trasparenza, il sistema trasforma i dati grezzi dei programmi Copernicus e NASA in informazioni geospaziali pronte all'uso per cittadini, tecnici e ricercatori.

🔬 Validazione Scientifica

Non solo una mappa, ma un dataset certificato:

Metodologie: elaborazione basata sui protocolli NASA ARSET (Applied Remote Sensing Training).

Standard OGC: Distribuzione dei dati tramite servizi interoperabili WMS/WFS tramite QGIS Server.

Certificazione: dataset depositato su Zenodo con DOI univoco (10.5281/zenodo.13350518).

Identità Ricercatore: Integrazione completa con il profilo ORCID per garantire la tracciabilità e la paternità scientifica del dato.

📈 Metriche di Impatto (aggiornate a Febbraio 2026)

L'interesse della comunità scientifica e tecnica è dimostrato dai numeri registrati sui repository internazionali:

Visualizzazioni: 527+

Download Tecnici: 619+

Nota: il superamento del numero dei download rispetto alle visualizzazioni indica un riuso operativo del dato tramite script e integrazioni dirette in altri software GIS.

🛠️ Architettura Open Source

Parte dell'ecosistema si basa su software libero, garantendo la sovranità del dato:

QGIS Server: per la gestione cartografica professionale.

Lizmap Web Client: per un'interfaccia utente democratica e accessibile.

Open Data: integrazione di dati multispettrali per il monitoraggio della siccità e degli invasi.