Pascoli sotto stress: cosa cambia tra siccità, freddo e “memoria” dell’anno precedente
Lo studio mostra che la produttività dei pascoli non dipende solo dal meteo dell’anno in corso: contano anche gli stress accumulati nei mesi e negli anni precedenti.
Questo articolo nasce nell’ambito delle attività di Terza Missione promosse da Stroncature in collaborazione con l’Università di Camerino. Il testo rielabora in forma divulgativa lo studio “How the interplay between management and interannual climatic variability influences the NDVI variation in a sub-Mediterranean pastoral system” di Andrea Catorci e coautori, dedicato a come variabilità climatica e gestione influenzano, anno per anno, la produttività dei pascoli nell’Appennino centrale.
Riferimento originale: Catorci A. et al., “How the interplay between management and interannual climatic variability influences the NDVI variation in a sub-Mediterranean pastoral system”, Agriculture, Ecosystems & Environment, 314 (2021) 107372.
In montagna un pascolo può “andare bene” o “andare male” anche se, guardando solo la pioggia totale dell’anno, le differenze sembrano piccole. La ragione è semplice: le piante non reagiscono a un numero annuale, ma a una sequenza di fasi — freddo, piogge utili, periodi secchi, ritorni di gelo, ondate di caldo — e spesso reagiscono con un certo ritardo. Quello che succede oggi può farsi sentire settimane dopo, e in alcuni casi può influenzare anche la stagione successiva. Lo studio mette a fuoco proprio questo punto: la produttività al picco estivo dipende sia dalle condizioni dell’anno in corso sia da un effetto di trascinamento legato all’anno precedente e all’inverno prima della crescita.
Per misurare la produttività in modo comparabile tra anni diversi, gli autori usano l’NDVI (Normalized Difference Vegetation Index, cioè “indice di vegetazione a differenza normalizzata”), ricavato da immagini satellitari, che descrive quanto la vegetazione appare “verde” e attiva. Nel lavoro l’NDVI è usato come stima indiretta della produzione di biomassa erbacea sopra il suolo, cioè della quantità di “massa verde” che, nella fase più produttiva, si traduce in foraggio. Le immagini Landsat vengono selezionate nella finestra di inizio luglio, proprio per catturare il picco stagionale di pascoli e prati da fieno, e l’analisi si basa su un campionamento ampio del territorio (migliaia di celle di 30×30 metri) in più anni tra 2003 e 2015. L’idea è: se l’NDVI al picco cambia molto, significa che cambia in modo rilevante anche la disponibilità di foraggio.
Per capire perché l’NDVI cambia, lo studio non si limita a pioggia e temperatura “in generale”, ma costruisce indici di stress legati a siccità e freddo. Per la siccità, il principio è: meno pioggia in un mese, più stress; oltre una certa soglia, lo stress si azzera. Per il freddo, il principio è speculare: quando le minime scendono sotto determinate soglie, lo stress aumenta fino a un massimo. Da questi indici mensili gli autori ricavano anche indicatori riassuntivi per stagioni (primavera, estate, inverno) e per l’anno nel suo complesso. In pratica, trasformano il “meteo” in numeri che descrivono quanto, per le piante, quella stagione è stata davvero favorevole o difficile.
Nel periodo considerato lo studio riporta un quadro tipico del cambiamento climatico in area mediterranea montana: temperature in aumento e piogge annuali che non mostrano necessariamente un crollo netto, ma cambiano distribuzione. In particolare, la primavera risulta una fase delicata: se le piogge utili diminuiscono o arrivano male distribuite, e se lo stress idrico cresce proprio mentre la vegetazione accelera, l’effetto si vede poi al picco estivo. Questo spiega perché due anni con pioggia annua simile possono produrre risultati molto diversi: conta “quando” arrivano acqua e stress, non solo “quanto” in totale.
Quando gli autori selezionano le variabili che spiegano meglio l’NDVI al picco, emergono insieme fattori dell’anno in corso e fattori legati al passato recente. Nel modello entrano variabili primaverili (piogge di fine inverno-inizio primavera e segnali di siccità in primavera), ma anche indicatori di stress da siccità e da freddo dell’anno precedente e dell’inverno precedente. In sintesi: non decide un solo mese, decide un “pacchetto” di condizioni distribuite su più stagioni e su due anni, e questo pacchetto spiega una parte consistente delle differenze osservate nel “verde” al picco.
Il punto più interessante, dal punto di vista divulgativo, è proprio l’effetto di trascinamento che tu chiami “memoria”. Lo studio osserva che un inverno più stressante (per freddo) e un anno precedente più stressante (per siccità) tendono a collegarsi a valori più bassi di NDVI al picco, cioè a una produttività inferiore. La spiegazione proposta è intuitiva: un inverno duro può ritardare l’avvio della stagione vegetativa; una siccità nell’anno precedente può lasciare il sistema in condizioni meno favorevoli, riducendo “strutturalmente” la capacità della prateria di esprimere vigore nella stagione successiva (per esempio in termini di densità della copertura, area fogliare e risorse disponibili). Non è un meccanismo magico, ma un modo per dire che i pascoli non ripartono da zero.
C’è infine un aspetto di grande interesse pratico: contano le sequenze di anni, non solo l’anno isolato. Lo studio richiama l’idea che effetti negativi possano attenuarsi se anni favorevoli e sfavorevoli si alternano, ma possano amplificarsi se si susseguono più anni simili (per esempio più anni secchi di fila). La lezione complessiva è chiara: nei pascoli montani mediterranei la produttività è il risultato di un equilibrio “storico” tra condizioni favorevoli e stress, e questo equilibrio dipende anche da ciò che è successo prima. Per chi gestisce pascoli e fienagioni, significa che monitorare segnali di freddo e siccità prima dell’inizio della stagione aiuta a interpretare la variabilità anno per anno e a ragionare su scelte più adattive, senza pretendere previsioni perfette.