SATmonitoring di Vito L'Erario

Progetto WebGIS indipendente di monitoraggio della siccità in Italia che integra dati satellitari, climatici e ambientali secondo i principi della scienza aperta e dei criteri FAIR (Findable, Accessible, Interoperable, Reusable).

L’obiettivo è rendere i dati accessibili, riutilizzabili e condivisibili, favorendo la collaborazione tra istituzioni, ricercatori e cittadini per una maggiore consapevolezza del rischio.

Un servizio open data per il territorio finalizzato ad ampliare l'offerta di conoscenza di dati elaborati grazie al Telerilevamento

Il progetto

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 sviluppato in ambiente Google Earth Engine (GEE), a partire da script scientifici del programma NASA-ARSET, e 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 aree e periodi temporali specifici.

Il progetto rispetta i principi della Scienza Aperta e i criteri FAIR (Findable, Accessible, Interoperable, Reusable), promuovendo la collaborazione tra istituzioni, ricercatori e cittadini per una maggiore consapevolezza del rischio.

🤖Un assistente per esplorare i dati: SiccITàLY GeoAssistant AI

Per rendere l'esplorazione dei dati accessibile anche a chi non ha competenze GIS, il WebGIS è affiancato da SiccITàLY GeoAssistant AI, un assistente virtuale attivabile direttamente dall'icona di chat flottante nella mappa.

Interrogandolo è possibile:

ottenere analisi puntuali per regioni e comuni (es. "qual è lo stress idrico della vegetazione in Basilicata?");
ricevere interpretazioni scientifiche degli indici mostrati in mappa;
esplorare proiezioni di scenario a breve e lungo termine, quasi in tempo reale;

Non un semplice visualizzatore di mappe, ma uno strumento di supporto decisionale interrogabile in linguaggio naturale.

Cosa monitora

💧 Laghi e invasi

Stato idrico e qualità delle acque interne italiane, da Sentinel-1 (variazione dei livelli), Sentinel-2 (NDWI, NDCI), JRC Global Surface Water e HydroLAKES — per l'individuazione dei corpi idrici persistenti, l'analisi morfometrica e il monitoraggio dei bloom algali da eutrofizzazione.

🌧️ Precipitazioni e temperatura marina

Precipitazioni istantanee ad alta frequenza (EUMETSAT/SEVIRI) e anomalie della temperatura superficiale marina in tempo quasi reale (GHRSST/NASA GIBS), utili per il monitoraggio di fenomeni convettivi intensi e ondate di calore marine.

🔥 Anomalie termiche e rischio incendi

Hotspot da NASA FIRMS (MODIS/VIIRS) con temperatura di brillanza T21, mappe di densità degli hotspot e umidità del suolo superficiale, integrati come indicatori di presenza e intensità di eventi di incendio.

🛰️ Vegetazione da sensori iperspettrali (PACE OCI)

Indici NDVI e CIRE (Chlorophyll Index Red Edge) dal sensore OCI della missione NASA PACE, per il monitoraggio dello stato di salute e del vigore della vegetazione, inclusi aggiornamenti in tempo quasi reale.

🌵 Siccità agricola, meteorologica, improvvisa e proiezioni climatiche

VCI (Vegetation Condition Index) da MODIS, su 5 classi di severità
SPI (Standardized Precipitation Index) da dati CHIRPS/GPM, su diverse scale temporali
SIF (GOSIF - Global Solar-induced Chlorophyll Fluorescence) da machine learning dati OCO-2 e MODIS
Umidità del suolo da NISAR (banda L, risoluzione record di 200 m) e SMAP
Temperatura superficiale (LST) e anomalie di evapotraspirazione (ET) da MODIS
Proiezioni climatiche NEX-GDDP-CMIP6 su eventi estremi (siccità, caldo, freddo, precipitazioni intense) fino al 2050

Accedi al WebGIS

Approfondimento tecnico completo

Per chi desidera consultare la scheda dettagliata di ogni singolo layer - fonti, risoluzioni, periodi di riferimento e citazioni bibliografiche complete - è riportata di seguito la documentazione tecnica integrale del progetto.

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 GenAI) 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. 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

Precipitazioni istantanee EUMETSAT e anomalie temperatura del mare NASA-GIBS

Mappa della precipitazione istantanea (mm/h) ottenuta integrando i dati termici ad alta frequenza del sensore SEVIRI (satelliti Meteosat) con le osservazioni dirette a microonde dei satelliti in orbita polare (LEO MW). Il prodotto utilizza l'algoritmo Rapid Update per calibrare i dati IR in tempo reale e integra informazioni morfologiche per una stima precisa dei fenomeni convettivi intensi. Risoluzione Temporale: 15 minuti. Risoluzione Spaziale: ~3 km al Nadir.Copertura: Disco MSG (0° longitudine). Copyright (2026) EUMETSAT.
Anomalia della Temperatura Superficiale Marina (SST Anomaly) globale ad altissima risoluzione (~1 km), distribuita dal progetto GHRSST (JPL/NASA) tramite i servizi GIBS. Il dataset mappa la deviazione termica giornaliera in tempo quasi reale (NRT, con latenza di ~24 ore) rispetto alla media climatologica storica a lungo termine. I valori positivi (in rosso/arancione) indicano acque più calde della norma, mentre i valori negativi (in blu) indicano acque più fredde. È un prodotto di Livello 4 (L4), continuo e privo di lacune causate dalla copertura nuvolosa, ideale per il monitoraggio di ondate di calore marine (Marine Heatwaves), dinamiche coralline e macro-fenomeni climatici. Data source: NASA JPL PO.DAAC / NASA Global Imagery Browse Services (GIBS).

Anomalie termiche con dati NASA

Anomalie termiche rilevate dal sistema NASA FIRMS (Fire Information for Resource Management System) nel periodo considerato. La variabile T21 esprime la temperatura di brillanza del canale infrarosso termico in Kelvin (K), con valori più elevati associati a possibili hotspot da incendi attivi. Valori più bassi possono indicare superfici calde non necessariamente associate agli incendi (aree industriali, serre, vulcani attivi, ecc.). Il prodotto è utilizzato come indicatore di presenza e intensità di incendi, integrato con gli altri parametri ambientali per la valutazione del rischio. Citazione: The FIRMS active fire dataset available in Google Earth Engine (ee.ImageCollection("FIRMS")) was used to identify thermal anomalies. The selected T21 band represents the brightness temperature of fire pixels, combining data from MODIS channels 21/22 (1 km resolution) and VIIRS I4 channel equivalents, providing a multi-sensor spatial resolution ranging from 375 m to 1 km, expressed in Kelvin.
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 semestrale (6 mesi), da aprile a settembre 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).

Il prodotto PACE_OCI_L2_LANDVI_NRT fornisce l'indice di vegetazione iperspettrale CIRE (Chlorophyll Index Red Edge) in tempo quasi reale (Near Real-time), derivato dal sensore OCI della missione NASA PACE. Monitora il contenuto relativo di clorofilla e la salute delle piante lungo la strisciata d'orbita (swath) a pochissime ore dal passaggio del satellite.La risoluzione spaziale è quella nativa dello strumento OCI, pari a circa 1.2 chilometri per pixel (al nadir). A differenza del prodotto L3M (grigliato a ~11 km), questo Livello 2 mantiene la geometria originaria della traccia al suolo.

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 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 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, e di precipitazioni a 1 mese e 12 mesi entrambi basati sui dati CHIRPS dal 1981 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).
Livello GOSIF (Global Solar-induced Chlorophyll Fluorescence) che misura l'attività fotosintetica reale della vegetazione catturando la luce emessa dalla clorofilla. Rispetto a indici tradizionali come l'NDVI, risponde in modo immediato allo stress idrico, rilevando la siccità improvvisa (flash drought) prima che le foglie ingialliscano visibilmente. Il dataset integra tramite machine learning i dati del satellite NASA OCO-2 con i sensori MODIS (satelliti Terra e Aqua), offrendo una risoluzione spaziale globale di 0,05 gradi (circa 5 km). Questa specifica pubblicazione mostra la mappa media annuale del 2025, permettendo di localizzare lo stress vegetativo durante il picco della stagione estiva. Per la corretta visualizzazione nel WebGIS, i valori dei pixel sono divisi per un fattore di scala di 10.000 per ottenere l'unità fisica reale (W/m²/sr/µm), mentre i valori 32766 e 32767 sono configurati come NoData trasparenti al 100% per escludere i mari e i corpi idrici. DOI: 10.3390/rs11050517. Citazione ufficiale: Li, X., & Xiao, J. (2019). A Global, 0.05-Degree Product of Solar-Induced Chlorophyll Fluorescence Derived from OCO-2, MODIS, and Reanalysis Data. Remote Sensing, 11(5), 517.

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.

Anomalia dell'evapotraspirazione effettiva (ET) in Italia periodica, derivata dal prodotto satellitare MODIS MOD16A2 Versione 6.1 (sensore Terra della NASA). Lo strato informativo visualizza lo scostamento (differenza) tra la dinamica evaporativa del suolo e la traspirazione della vegetazione dell'estate 2026 rispetto alla media storica calcolata per lo stesso intervallo temporale negli anni dal 2015 al 2025. I valori negativi della mappa (evidenziati in rosso e arancione) indicano una riduzione significativa dell'evapotraspirazione rispetto alla norma climatologica, segnalando aree colpite da stress idrico vegetativo e siccità, mentre i valori positivi (in verde) indicano una regolare o maggiore disponibilità d'acqua per la vegetazione. I dati originari, calcolati su base composita di 8 giorni applicando l'algoritmo del bilancio energetico di Penman-Monteith, presentano una risoluzione spaziale nativa ad alta definizione di 500 metri, ottimale per il monitoraggio del territorio a livello regionale.
L'umidità volumetrica superficiale del suolo italiano espressa in metro cubo di acqua per metro cubo di terreno ed è derivato dal sensore radar in Banda L del satellite NASA-ISRO NISAR. Il dato ha una risoluzione spaziale record di 200 metri e costituisce l'unico prodotto globale di Livello 3 della missione, garantendo un'accuratezza nominale di 0,06 metri cubi su aree non densamente boscose. La mappa mostra un intervallo di valori reali compreso tra 0,02 per i suoli aridi e 0,60 per i terreni saturi, acquisiti nella finestra temporale del 29 giugno (due scene per la Sicilia) e tra il 3 e il 10 luglio 2026. Per l'integrazione nel WebGIS le scene sono state unite in un mosaico nazionale basato su orbite mattutine discendenti per preservare l'equilibrio termico della vegetazione, riproiettate nei sistemi cartografici italiani e purificate dalle striature geometriche del sensore tramite un filtro spaziale di smoothing passa-basso. Citazione: NASA/JPL/NISAR. (2026). NISAR Provisional Soil Moisture (Version 1) [Dataset]. NASA Alaska Satellite Facility Distributed Active Archive Center. https://doi.org/10.5067/NIL3SME2-P1 Date Accessed: 2026-08-20.

Analisi dell'umidità del suolo superficiale con il prodotto SMAP SPL4SMGP Versione 8, derivato dal radiometro di bordo del satellite SMAP (Soil Moisture Active Passive) della NASA. Lo strato informativo visualizza la banda "sm_surface_anomaly" periodica per l'Italia. Questo dato è di tipo sperimentale e rappresenta la differenza tra la media di 30 giorni di "sm_surface", centrata sulla data dell'asset, rispetto allo stesso periodo di 30 giorni calcolato come media negli anni dal 2015 a oggi, escluso l'anno dell'asset. I valori estratti variano indicativamente tra -0,13 e +0,13, dove i numeri negativi (fino a -0,15 nella visualizzazione in rosso) evidenziano un forte deficit idrico e i numeri positivi indicano un surplus di umidità rispetto alla norma climatologica. I dati originari stimati tramite l'assimilazione delle temperature di luminosità in banda L sono elaborati su griglia cartografica EASE-Grid 2.0 con una risoluzione spaziale nativa di 9 chilometri e una frequenza temporale di aggiornamento pari a 3 ore.

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

(2026) ARSET - Agricultural Flash Drought Detection using Solar-Induced Fluorescence (SIF) and Soil Moisture Data. https://www.earthdata.nasa.gov/learn/trainings/agricultural-flash-drought-detection-using-solar-induced-fluorescence-sif-soil

(2026) ARSET - Harnessing NISAR: Next-Generation Radar Observations for Earth Applications. https://www.earthdata.nasa.gov/learn/trainings/harnessing-nisar-next-generation-radar-observations-earth-application

(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

The FIRMS active fire dataset available in Google Earth Engine https://developers.google.com/earth-engine/datasets/catalog/FIRMS?utm_source=chatgpt.com&hl=it

NISAR Provisional Soil Moisture (Version 1) [Dataset]. NASA Alaska Satellite Facility Distributed Active Archive Center https://doi.org/10.5067/NIL3SME2-P1

MOD16A2.061: Terra Net Evapotranspiration 8-Day Global 500m https://developers.google.com/earth-engine/datasets/catalog/MODIS_061_MOD16A2

SPL4SMGP.008 SMAP L4 Global 3-hourly 9-km Surface and Root Zone Soil Moisture 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

https://www.eumetsat.int/h-saf

https://nasa-gibs.github.io/gibs-api-docs/available-visualizations/#visualization-product-catalog

https://www.earthdata.nasa.gov/fr/data/catalog/lpcloud-opera-l3-dist-ann-hls-v1-1

work in progress...

Impact report

📊 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 ad Ottobre 2026)

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

Visualizzazioni: 2K+

Download Tecnici: 2K+

Nota: quando il numero dei download è maggiore delle visualizzazioni significa 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.

Windy Meteo

Page updated

Google Sites

Report abuse