Climate Analogues: uno strumento per pensare la nostra agricoltura nel futuro
Sergio Castro
22/4/2021
Questa è una piccola dimostrazione dello strumento Climate Analogues sviluppato dallo CIAT per l’uso nel software RStudio.
Il loro motto è “TROVARE LE SOLUZIONI DI ADATTAMENTO CLIMATICO DI DOMANI OGGI” e ci permette:
- Trovare analoghi (climi similari) per il clima della tua azienda agricola.
- Trovare analoghi nel presente per il clima futuro della tua azienda agricola .
- Trovare analoghi nel futuro per il clima presente della tua azienda agricola.
Ecco una piccola dimostrazione
Scaricare pachetti
# Scaricare "Climate Analgogues"
# Per scaricare ce anche bisogno de avere "devtools"
library(devtools)
library(gridExtra)
library(analogues)
library(raster)
library(maptools)
install_github("CIAT-DAPA/analogues")Scaricare datti attuale
Utilizziamo i dati del database “World Clim”. Soltanto prendiamo in conta precipitazione e temperatura media Facciamo una bassa risoluzione pere essere piu veloce.
prec_presente <- getData('worldclim', #Database
res= 10, # Risoluzione
var= 'prec', # Variabile precipitazione
path= "C:/Users/Usuario1/Desktop/Climate Analogues") #Salvare nel computer
temp_presente <- getData('worldclim', #Database
res= 10, # Risoluziona
var= 'tmean', # Variabile temperatura media
path = "C:/Users/Usuario1/Desktop/Climate Analogues") #Salvare nel computerScaricare datti futturi
Utilizziamo i dati delle delle proiezioni di CMIP5
Anche soltanto precipitazione e temperatura media.
Usiamo il modello RCP 8.5, uno dei più pessimisti
c5_prec = getCMIP5(var= 'prec', # Variabile precipitazione
rcp = 8.5, # Scenario futuro
model =1, # Modelo
res= 10 , # Risoluzione
year = 2050, # Anno
path= "C:/Users/Usuario1/Desktop/Climate Analogues") #Salvare nel computer
c5_temp = getCMIP5(var= 'tmean', # Variabile temperatura media
rcp = 8.5, # Scenario futuro
model =1, # Modelo
res= 10, # Risoluzione
year = 2050, # Anno
path= "C:/Users/Usuario1/Desktop/Climate Analogues") Fissare le coordinate
Qui scriviamo le coordinate della tua azzienda
lon = 10.921319514981807
lat = 43.672803423555706Comparare con altri luoghi nel presente
Per prima cosa, cerchiamo luoghi che hanno, nel presente, un clima simile al tuo.
params_pres <- createParameters(x= lon, y= lat, #Coordinate
vars=c("prec","tmean"), #Variabili
weights=c(0.5,0.5), #"Peso" de ogni variabile, per noi sonno uguali.
ndivisions=c(12,12), # Numeri de mesi
growing.season=c(1,12), # Mesi a includere
rotation="tmean", # Complicato, ma sirve per fare la comparazione con il hemisferio sud
threshold=0.1, # Soglia
env.data.ref=list(prec_presente, temp_presente), #dati referenzia (attuale)
env.data.targ=list(prec_presente, temp_presente), #dati comparazione (futur)
outfile="~/.",fname=NA,writefile=FALSE) #Salvare nel computer
######### Calculare la similarita
simulation_pres <- calc_similarity(params_pres)Facciamo la mappa
I colori rappresentano l’indice di somiglianza
#Fare la carta geografica
spplot(simulation_pres,main= "Analoghi climatici attuali per il clima di Empoli. ")
Facciamo “zoom” in Europa
#tagliamo un po la carta per vedere solo Europa
europe <- extent(-14, 40, 35, 59) # I numeri sono gli coordinati europee
europe_pres <- crop(simulation_pres, europe)
spplot(europe_pres,main= "Analoghi climatici attuali per il clima di Empoli. ")
Nessuna sorpresa. Non ci sono così tanti climi molto simili a quelli di Empoli e della Toscana.
Vediamo quali luoghi hanno il clima che avrà la tua fattoria in futuro
Questo si chiama anche Backward Analysis (Usiamo il modello RCP 8.5, uno dei più pessimisti)
params_pres_fut<- createParameters(x=lon, y= lat, #Coordinate
vars=c("prec","tmean"), #Variabili
weights=c(0.5,0.5), #"Peso" de ogni variabile, per noi sonno uguali.
ndivisions=c(12,12), # Numeri de mesi
growing.season=c(1,12), # Mesi a includere
rotation="tmean", # Complicato, ma sirve per fare la comparazione con il hemisferio sud
threshold=0.1, # Soglia
env.data.targ=list(prec_presente, temp_presente), #dati referenzia (attuale)
env.data.ref=list(c5_prec, c5_temp), #dati comparazione (futur)
outfile="~/.",fname=NA,writefile=FALSE) #Salvare nel computer
simulation_pres_fut <- calc_similarity(params_pres_fut)Facciamo la mappa
#Fare la carta geografica
spplot(simulation_pres_fut,main= "Analoghi climatici attuali per il clima futuro (2050, RCP = 8.5) di Empoli. ")
Facciamo “zoom” in Europa
#tagliamo un po la carta per vedere solo Europa
europe <- extent(-14, 40, 35, 59) # I numeri sono gli coordinati europee
europe_pres_fut <- crop(simulation_pres_fut, europe)
spplot(europe_pres_fut, ,main= "Analoghi climatici attuali per il clima futuro (2050, RCP = 8.5) di Empoli. ")
Quindi, sembra che nel 20150 avremo un clima simile a quello dell’Andalusia a Empoli.
params_fut_pres <- createParameters(x=lon, y= lat, #Coordinate
vars=c("prec","tmean"), #Variabili
weights=c(0.5,0.5), #"Peso" de ogni variabile, per noi sonno uguali.
ndivisions=c(12,12), # Numeri de mesi
growing.season=c(1,12), # Mesi a includere
rotation="tmean", # Complicato, ma sirve per fare la comparazione con il hemisferio sud
threshold=0.1, # Soglia
env.data.targ=list(c5_prec, c5_temp), #dati referenzia (futuro)
env.data.ref=list(prec_presente, temp_presente), #dati comparazione (attuale)
outfile="~/.",fname=NA,writefile=FALSE) #Salvare nel computer
simulation_fut_pres <- calc_similarity(params_fut_pres)Facciamo la mappa
spplot(simulation_fut_pres,main= "Analoghi climatici futuri (2050, RCP = 8.5) per il clima attuali di Empoli. ")
Facciamo “zoom” in Europa
#tagliamo un po la carta per vedere solo Europa
europe <- extent(-14, 40, 35, 59) # I numeri sono gli coordinati europee
europe_fut_pres <- crop(simulation_fut_pres, europe)
spplot(europe_fut_pres,main= "Analoghi climatici futuri (2050, RCP = 8.5) per il clima attuali di Empoli. ")
grid.text("Similarity Index", x=unit(1.1, "npc"), y=unit(0.50, "npc"), rot=-90)
Così, forse in futuro potremo ritrovare il clima della Toscana nel centro-ovest della Francia.