Il rimboschimento globale continua nonostante l’aumentato stress da siccità dal 2000″

 (Chen et al., 2024)

SOMMARIO

“Aumenti o diminuzioni nella verdezza della vegetazione basata su rilevamenti remoti sono usualmente riferiti come rimboschimento o imbrunimento. La fertilizzazione da CO₂ unitamente alla gestione del territorio ha determinato che il rimboschimento sia predominante. Tuttavia, recentemente sono stati ampiamente riportati segnali di imbrunimento globale dovuti allo stress da siccità. In questo studio, abbiamo utilizzato i quattro più recenti set di dati sull’Indice di Area Fogliare (LAI) per esplorare questo argomento controverso, e abbiamo scoperto che il rimboschimento globale non era solo presente (tendenza tra 3.1–6.4 × 10⁻³ m² m⁻² anno⁻¹) ma è anche proseguito (tasso di crescita della tendenza tra 3.3–6.4 × 10⁻⁴ m² m⁻² anno⁻²) durante il 2001-2020. Un’accelerazione del rimboschimento si è verificata nel 55.15% del globo (tendenza positiva e tendenza positiva del tasso di crescita), mentre un’accelerazione dell’imbrunimento si è verificata solo nel 7.28% (tendenza negativa e tendenza positiva del tasso di crescita). Combinando con le variabili meteorologiche, abbiamo trovato che il cambiamento del CO₂ ha dominato la tendenza del LAI, mentre il cambiamento climatico ha determinato in larga misura la tendenza del tasso di crescita del LAI. È importante, il nostro studio ha evidenziato che la tendenza alla siccità non ha necessariamente innescato l’imbrunimento della vegetazione, ma ha rallentato il tasso di rimboschimento.”

1. Introduzione

“La vegetazione è uno dei componenti basilari degli ecosistemi terrestri e un regolatore del cambiamento climatico (Alkama et al., 2022; Griscom et al., 2017). Dagli anni ’80, l’Indice di Area Fogliare (LAI) globale, basato su osservazioni satellitari, ha mostrato un trend crescente significativo, ampiamente noto come rimboschimento (Piao et al., 2020a). Numerosi studi hanno confermato il fenomeno del rimboschimento, investigando i fattori scatenanti e le relative influenze (Chen et al., 2019a; Chen et al., 2022b; Zhu et al., 2016). Questi studi hanno rilevato che il rimboschimento globale potrebbe ridurre il riscaldamento climatico aumentando la cattura di carbonio terrestre e raffreddando la superficie (Chen et al., 2019b; Zeng et al., 2018).

Tuttavia, la conclusione sul rimboschimento è stata recentemente messa in discussione, con alcuni studi che hanno osservato un arresto o addirittura una trasformazione in imbrunimento del rimboschimento globale dopo il 2000 (Chen et al., 2022a; Liu et al., 2023; Pan et al., 2018; Yuan et al., 2019). Di conseguenza, si è prestata sempre maggiore attenzione a verificare se la vegetazione globale stia continuando a rimboschire o stia virando verso l’imbrunimento negli anni recenti (Jiang et al., 2017; Wang et al., 2022). Tuttavia, i risultati sembrano essere sensibili ai set di dati scelti, con diverse versioni o fonti. Ad esempio, l’Indice di Vegetazione Potenziato (EVI) di MODIS ha mostrato tendenze opposte nella versione 5 rispetto alla versione 6 (Zhang et al., 2017). L’AVHRR-LAI ha illustrato un imbrunimento globale dopo il 2000 (Chen et al., 2022a), in contrasto con i risultati precedenti basati su MODIS-LAI (Chen et al., 2019a).

L’incoerenza di questi risultati ha anche portato a un’ampia controversia tra gli studi nell’identificazione delle cause principali. Gli studi a favore dell’imbrunimento globale attribuiscono principalmente l’imbrunimento all’aumento dello stress da siccità e segnalano meccanismi potenziali quali un marcato aumento della differenza di pressione di vapore saturo atmosferico (VPD) che limita la crescita della vegetazione (Yuan et al., 2019), temperature ottimali eccessive che inibiscono la fotosintesi della vegetazione (Chen et al., 2022a), un aumento delle restrizioni idriche sulla vegetazione (Jiao et al., 2021) e una riduzione degli effetti della fertilizzazione da CO₂ dovuta alla disponibilità di acqua e nutrienti (Wang et al., 2020). Tuttavia, modelli basati sui processi e osservazioni suggeriscono che la vegetazione globale è ancora positivamente influenzata dalla fertilizzazione da CO₂ e dalla gestione del territorio, rendendo il rimboschimento predominante (Chen et al., 2019a; Zhu et al., 2016). Queste controversie non solo aumentano l’incertezza nella stima delle fonti e pozzi di carbonio terrestre a livello globale, ma ostacolano anche una migliore comprensione dei processi all’interno del ciclo del carbonio terrestre, che è di fondamentale importanza per lo sviluppo di modelli per descrivere questi processi.”

Diversi set di dati chiave sull’Indice di Area Fogliare (LAI) sono stati significativamente aggiornati di recente, offrendo l’opportunità di riesaminare le tendenze di cambiamento della vegetazione globale e i loro fattori scatenanti per quasi due decenni. Il GIMMS-LAI3g, ampiamente utilizzato, è stato ulteriormente aggiornato a GIMMS-LAI4g, risolvendo una serie di problemi come la deriva del sensore (Cao et al., 2023). Anche GLASS-LAI è stato aggiornato alla versione 6, che mostra un’accuratezza maggiore rispetto ad altri prodotti (Ma e Liang, 2022). L’aggiornamento di questi prodotti può aiutare a ridurre l’incertezza nell’analisi delle tendenze di cambiamento della vegetazione globale dopo il 2000.

Inoltre, la regressione lineare è spesso utilizzata per analizzare la tendenza di cambiamento della vegetazione nello studio attuale. Tuttavia, la tendenza di cambiamento della vegetazione nel periodo successivo può essere nascosta in caso di un diffuso rimboschimento (o imbrunimento) nel periodo precedente (Pan et al., 2018). Alcuni studi utilizzano la regressione lineare segmentata per caratterizzare le differenze nel cambiamento della vegetazione in diversi periodi temporali, ma ciò limita l’applicazione di alcuni set di dati con serie temporali più brevi (Chen et al., 2020; Wang et al., 2011). Quindi, un altro problema potenziale è come determinare un indicatore affidabile per stabilire se la tendenza del cambiamento della vegetazione sia cambiata in un breve periodo di tempo.

Per esplorare queste questioni, in questo studio abbiamo analizzato le tendenze del cambiamento della vegetazione globale dal 2001 al 2020 basandoci sull’ultima versione dei set di dati LAI. Importante, abbiamo anche introdotto il concetto di tasso di crescita del LAI per analizzare il tasso di rimboschimento (imbrunimento). Infine, abbiamo ulteriormente analizzato i driver della tendenza del LAI e della tendenza del tasso di crescita del LAI.

2. Metodo

2.1. Dati Satellitari

“L’Indice di Area Fogliare (LAI) possiede un significato fisico più chiaro rispetto ad altri indicatori di verdezza della vegetazione, caratterizzando l’area delle foglie verdi al suolo (Fang et al., 2019). Pertanto, abbiamo raccolto quattro set di dati LAI ampiamente usati, che includono MODIS-LAI (C61), GLASS-LAI (V6), GIMMS-LAI4g (V1) e GLOBMap-LAI (V3), disponibili nel periodo 2001–2020. Il MODIS-LAI è generato basandosi sulle informazioni spettrali della banda rossa e della banda infrarossa vicina, utilizzando una tabella di ricerca (Knyazikhin et al., 1998). La risoluzione spaziale di questo set di dati è di 500 m, e la risoluzione temporale è di 8 giorni. GLASS-LAI è generato a partire dai dati di riflettanza superficiale di MODIS utilizzando un modello di memoria a breve e lungo termine bidirezionale, mostrando un’alta accuratezza rispetto alle osservazioni (Ma e Liang, 2022). La risoluzione spaziale di questo set di dati è di 0.05°, e la risoluzione temporale è di 8 giorni. GIMMS-LAI4g è generato basandosi sul prodotto NDVI GIMMS PKU (con dati provenienti da AVHRR e MODIS) e su 3.6 milioni di campioni LAI Landsat di alta qualità, utilizzando una rete neurale a retropropagazione, che elimina gli effetti del drift orbitale dei satelliti e del degrado dei sensori (Cao et al., 2023). La risoluzione spaziale di questo set di dati è di 1/12°, e la risoluzione temporale è di mezzo mese. GLOBMap-LAI è generato a partire dai dati di riflettanza superficiale di MODIS, utilizzando l’algoritmo GLOBCARBON-LAI (Liu et al., 2012). La risoluzione spaziale di questo set di dati è di 1/13.75°, e la risoluzione temporale è di mezzo mese. In aggiunta, abbiamo utilizzato il set di dati della verdezza della vegetazione, inclusi MODIS-NDVI (0.05°, 8 giorni), MODIS-EVI (0.05°, 8 giorni) e PKU GIMMS-NDVI (1/12°, mezzo mese) (Li et al., 2023a) come dati ausiliari per determinare le tendenze di cambiamento della vegetazione globale. Tutti i pixel in ogni cella di griglia di 0.5°, con il centro di ciascun set di dati LAI e di verdezza della vegetazione, sono stati mediati a 0.5° per l’upscaling globale, e tutti i dati sono stati aggregati su scala mensile per garantire la coerenza spazio-temporale.”

2.2. Dati Meteorologici e Dati sulla Concentrazione di CO₂

“I dati meteorologici sono stati ottenuti dal dataset ERA5-land (Munoz-Sabater et al., 2021), e le variabili selezionate includevano la temperatura dell’aria, le precipitazioni, la radiazione, la temperatura del punto di rugiada e l’umidità del suolo superficiale. La risoluzione spaziale di questi dati è di 0.1°, e la risoluzione temporale è mensile. Per allinearli ai set di dati LAI, tutti i pixel dei dati meteorologici all’interno di una cella di griglia di 0.5° sono stati riscalati. È importante notare che il VPD (Differenza di Pressione di Vapore Saturato) non è stato utilizzato nel nostro studio, benché sia un driver meteorologico molto importante per la vegetazione. Abbiamo riscontrato che il VPD presenta multicollinearità con altre variabili meteorologiche (il fattore di inflazione della varianza medio globale era superiore a 10), quindi, per evitare di occultare il contributo di altri driver al cambiamento della vegetazione, il VPD non è stato utilizzato. I dati sulla concentrazione di CO₂ sono stati ottenuti dal dataset CarbonTracker (CT2022) con una risoluzione spaziale di 3° × 2° su scala temporale mensile (Jacobson et al., 2023), che sono stati ridimensionati a 0.5° utilizzando il metodo di campionamento del vicino più prossimo.”

2.3. Trend e Trend del Tasso di Crescita

“I trend che rappresentano i cambiamenti interannuali nelle variabili vegetazionali e meteorologiche a livello globale e su scala di griglia sono stati stimati utilizzando il metodo dei minimi quadrati lineari e il test t a due code. Inoltre, abbiamo ulteriormente stimato il tasso di crescita di tutti i dati, un concetto comunemente applicato alla concentrazione di CO₂ atmosferica (Keenan et al., 2016), utilizzato per rappresentare il tasso di cambiamento delle variabili vegetazionali e meteorologiche, come segue: Data_gr=Data t+1​−Datat_t​ dove Data_gr rappresenta il tasso di crescita e t rappresenta un anno dal 2001 al 2020. I trend dei tassi di crescita nelle serie temporali sono stati anch’essi analizzati. Di conseguenza, si hanno quattro combinazioni di LAI: un trend positivo con un trend positivo del tasso di crescita (PP) indica che il rimboschimento sta accelerando; un trend positivo con un trend negativo del tasso di crescita (PN) indica che il rimboschimento sta rallentando; un trend negativo con un trend positivo del tasso di crescita (NP) indica che l’imbrunimento sta accelerando; un trend negativo con un trend negativo del tasso di crescita (NN) indica che l’imbrunimento sta rallentando.”

2.4. Analisi di Attribuzione

Un modello di regressione lineare multipla è stato utilizzato per quantificare il contributo di tutti i fattori alla tendenza dell’Indice di Area Fogliare (LAI) e alla tendenza del tasso di crescita dell’LAI. Questo metodo è stato ampiamente utilizzato nella quantificazione dei driver delle tendenze di cambiamento della vegetazione (Jung et al., 2017; Li et al., 2023b; Song et al., 2022; Zou et al., 2023). Nello specifico, le variabili meteorologiche, ovvero CO₂, temperatura dell’aria (Airt), precipitazioni (P), radiazione (Srad) e umidità del suolo superficiale (SM) sono state utilizzate come variabili predittive, e l’LAI nonché il tasso di crescita dell’LAI come variabili di risposta. Prendendo come esempio la tendenza dell’LAI, il modello può essere espresso come segue:

Per ridurre l’incertezza del modello di regressione lineare multipla nell’analisi di attribuzione, abbiamo utilizzato anche l’analisi della correlazione parziale per identificare l’influenza dei diversi fattori sulla tendenza dell’LAI e sulla tendenza del tasso di crescita dell’LAI.

3. Risultati Tutti e quattro i dataset LAI hanno dimostrato un significativo incremento della vegetazione a livello globale (p < 0,05), con un trend compreso tra 3,1 × 10⁻³ m²/m²/anno e 6,4 × 10⁻³ m²/m²/anno (Fig. 1a). Parimenti, il tasso di crescita del LAI ha mostrato un lieve trend ascendente, con valori compresi tra 3,3 × 10⁻⁴ m²/m²/anno² e 6,4 × 10⁻⁴ m²/m²/anno² (Fig. 1b), sebbene nessuno di questi risultati fosse statisticamente significativo (p > 0,05). La Fig. S1 illustra il trend di cambiamento della verdeggiante vegetazione. In modo simile al LAI, anche i valori di NDVI e EVI hanno mostrato un significativo trend ascendente, con un tasso di crescita in aumento. Di conseguenza, a scala globale, la vegetazione ha continuato ad intensificarsi durante il periodo 2001-2020.

Il modello spaziale della tendenza del LAI e del tasso di crescita del LAI nel periodo 2001–2020 è stato ulteriormente analizzato. La distribuzione delle tendenze mostrava incoerenze tra questi dataset, specialmente nelle aree tropicali (Fig. S2). Abbiamo calcolato le aree con tendenze consistenti e tassi di crescita coerenti nei quattro dataset LAI. Come mostrato in Fig. S3, il 60,29% delle aree a livello globale presentava incoerenze; tuttavia, nelle aree consistenti, il 64,06% (25,44%/39,71%) mostrava un incremento accelerato della vegetazione (gruppo PP, si veda il metodo 2.3), principalmente distribuito in India, nella pianura europea e nell’Africa orientale. Le aree con un incremento accelerato della decolorazione erano solo il 2,07%, situate prevalentemente nell’area orientale del Brasile. Abbiamo poi preso la media dei quattro dataset come riferimento, analizzando sia la tendenza che il tasso di crescita. Come illustrato in Fig. 2, l’incremento della vegetazione stava accelerando nel 55,15% del globo, con l’India e le pianure europee che mostravano l’incremento più evidente, mentre l’intensificazione della vegetazione in Cina e nelle pianure del Nord America stava rallentando. Solo il 14,44% del globo stava mostrando una tendenza alla decolorazione, con percentuali quasi uguali di accelerazione (7,28%) e rallentamento (7,16%).

Il modello di regressione lineare multipla ha potuto spiegare (p < 0,05) la tendenza del LAI e la tendenza del tasso di crescita del LAI nella maggior parte delle aree del globo. Tuttavia, il potere esplicativo del modello era generalmente debole nell’Africa centrale mediana e nelle regioni ad alta latitudine, come il nord del Nord America (Fig. S4). L’umidità del suolo ha influenzato negativamente le tendenze del LAI nella maggior parte delle aree del globo, mentre la temperatura e il CO₂ hanno avuto contributi positivi, in particolare in Cina, India e nella pianura europea (Fig. S5). Invece, precipitazioni e radiazione hanno avuto quasi nessun contributo alla tendenza del LAI. Abbiamo inoltre calcolato i fattori predominanti della tendenza del LAI in ogni griglia, trovando che il CO₂ dominava la tendenza del LAI nel 75,63% del globo, mentre temperatura e umidità del suolo raggiungevano rispettivamente solo l’11,34% e il 7,30%, concentrandosi principalmente nelle aree ad alta latitudine dell’emisfero settentrionale e nell’Australia occidentale. Tuttavia, altri fattori meteorologici hanno potuto dominare la tendenza del LAI solo in alcune aree (Fig. 3a).

La Figura 1 contiene due grafici che tracciano le tendenze temporali del Leaf Area Index (LAI) utilizzando quattro diversi set di dati satellitari nel periodo dal 2001 al 2020.

• Panello a (Tendenze del LAI): Questo grafico mostra le anomalie di LAI per ogni anno, relative al valore medio del periodo considerato. Ogni linea colorata rappresenta uno dei quattro set di dati satellitari:
  • GIMMS
  • GLASS
  • GLOBMAP
  • MODIS

Panello b (Tendenze del tasso di crescita del LAI): Il secondo grafico mostra le tendenze del tasso di crescita del LAI, che è la variazione annuale del LAI. Analogamente al Panello a, ogni linea colorata rappresenta uno dei quattro set di dati, e la pendenza associata indica come il tasso di crescita del LAI sia cambiato nel tempo. Una pendenza positiva indica che il tasso di crescita del LAI sta aumentando ogni anno, mentre una pendenza negativa indica un rallentamento nella crescita del LAI.

Per quanto riguarda la tendenza del tasso di crescita del LAI, il contributo di ciascun fattore variava nelle regioni senza una chiara regola di distribuzione spaziale (Fig. 3b). In generale, l’umidità del suolo e la radiazione hanno avuto maggiori contributi nella maggior parte delle aree del globo, con un contributo dell’umidità del suolo significativamente più elevato rispetto agli altri fattori in zone come i tropici e il sud-est dell’Australia, e un netto contributo negativo della radiazione nel sud della Cina (Fig. S6). Al contrario, il contributo di temperatura, precipitazioni e CO₂ alla tendenza del tasso di crescita del LAI era relativamente minore nella maggior parte delle aree. Quando abbiamo valutato il fattore predominante in ogni griglia a livello globale, abbiamo scoperto che il CO₂ poteva dominare la tendenza di crescita del LAI solo nel 30,89% delle aree, mentre la proporzione di aree dominate da fattori meteorologici aumentava significativamente rispetto al loro contributo relativo alla tendenza del LAI, con l’umidità del suolo e la radiazione che raggiungevano rispettivamente il 25,43% e il 17,09%.

L’analisi di correlazione parziale è stata impiegata per identificare ulteriormente i fattori dominanti per la tendenza del LAI e la tendenza del tasso di crescita del LAI in ciascuna griglia a livello globale. In maniera simile ai risultati del modello di regressione lineare multipla, la distribuzione spaziale dei due era approssimativamente la stessa (Fig. S7). Tuttavia, le aree dominate dal CO₂ erano tutte in diminuzione, con la tendenza del LAI al 39,54% e la tendenza del tasso di crescita al 11,56%, che erano principalmente dovute alle differenze nelle alte latitudini dell’emisfero settentrionale. L’analisi di correlazione parziale ha suggerito che la tendenza del LAI e la tendenza del tasso di crescita in questa area erano principalmente dominate dalla temperatura dell’aria e dalla radiazione.

Come indice complessivo di temperatura e precipitazioni, l’umidità del suolo può essere usata per misurare il grado di aridità e umidità di un’area. Abbiamo osservato una tendenza alla diminuzione dell’umidità del suolo nella maggior parte delle parti del globo, indicando che lo stress da siccità è aumentato negli ultimi anni (Fig. 4). Il globo è stato suddiviso in quattro gruppi in base alla tendenza del LAI e alla tendenza del tasso di crescita, come suggerito nella sezione dei metodi, ossia PP, PN, NP e NN. L’umidità del suolo nelle quattro sotto-regioni ha mostrato una tendenza alla diminuzione, con le tendenze di PP, PN, NP e NN pari a −4,47 × 10⁻⁴ m³/m³/anno (p < 0,01), −3,57 × 10⁻⁴ m³/m³/anno (p < 0,01), −1,12 × 10⁻⁴ m³/m³/anno (p > 0,01) e −0,94 × 10⁻⁴ m³/m³/anno (p > 0,01), rispettivamente. Abbiamo poi calcolato la tendenza del LAI e la tendenza del tasso di crescita di queste quattro sotto-regioni. Come mostrato in Fig. 5, in maniera simile ai risultati dell’analisi spaziale, l’umidità del suolo ha mostrato contributi negativi alla tendenza del LAI in tutte le sotto-regioni, indicando che la tendenza alla siccità ha seriamente influenzato l’ingrandimento della vegetazione. Nelle aree con tendenza positiva del LAI, il contributo del CO₂ (7,32 × 10⁻³ e 6,48 × 10⁻³) era notevolmente superiore a quello degli altri fattori, rendendo il CO₂ il principale fattore di ingrandimento globale.

Rispetto agli altri fattori, l’umidità del suolo ha contribuito maggiormente alla tendenza del tasso di crescita del LAI, specialmente nelle aree NP e PN. Nelle aree NP, l’umidità del suolo ha avuto contributi positivi (6,33 × 10⁻⁴), indicando che i cambiamenti dell’umidità del suolo hanno contribuito all’accelerazione del browning. Al contrario, l’umidità del suolo ha mostrato contributi negativi (−3,45 × 10⁻⁴) nelle aree PN, suggerendo che i cambiamenti nell’umidità del suolo hanno rallentato l’ingrandimento della vegetazione.

La Figura 2 mostra la distribuzione spaziale della tendenza e della tendenza del tasso di crescita del Leaf Area Index (LAI) basata sulla media di quattro dataset LAI. La mappa del mondo è codificata a colori per rappresentare le diverse tendenze del LAI e dei suoi tassi di crescita nelle diverse regioni geografiche.

Ecco la spiegazione dettagliata dei colori e del loro significato scientifico:

Giallo: Indica le regioni dove il LAI mostra una tendenza positiva nel tempo, ovvero un aumento dell’indice di area fogliare, ma dove il tasso di crescita di questo indice (cioè il cambiamento annuale del LAI) sta diminuendo. In termini biologici, potrebbe significare che, sebbene la vegetazione sia in aumento, la velocità di questo aumento sta rallentando.

Blu: Rappresenta le aree dove il LAI mostra una tendenza positiva e anche il tasso di crescita del LAI è in aumento. Questo indica una doppia positività: non solo l’indice di area fogliare è in crescita, ma il ritmo di questa crescita sta accelerando, suggerendo una possibile risposta adattiva delle piante a condizioni ambientali favorevoli o miglioramenti nella gestione del terreno.

Rosso: Mostra le aree con una tendenza negativa del LAI, dove anche il tasso di crescita del LAI è in calo. Questo è un segno di allarme, indicando che la vegetazione sta diminuendo e che la velocità di questa diminuzione sta aumentando, il che potrebbe essere un indicatore di condizioni ambientali degradanti o stress sulle piante come siccità o deforestazione.

Verde: Indica le regioni in cui il LAI sta dimostrando una tendenza negativa generale, ma il tasso di crescita del LAI è positivo. Questo potrebbe significare che, nonostante una tendenza generale al declino della vegetazione, ci sono stati recentemente dei miglioramenti o interventi che stanno cominciando a invertire questa tendenza.

La legenda a colori fornisce un’ulteriore stratificazione quantitativa della tendenza del tasso di crescita del LAI in m²/m²/anno. I valori variano da -2 a +2 con incrementi di 0.4, indicando la variazione del tasso di crescita del LAI: i valori negativi indicano una diminuzione, mentre i valori positivi indicano un aumento.

In conclusione, questa mappa è uno strumento visivo per identificare le dinamiche di cambiamento della vegetazione globale, permettendo agli scienziati e ai decisori di comprendere meglio dove e come la vegetazione sta rispondendo ai cambiamenti ambientali o alle pressioni antropogeniche.

la Figura 3 presenta due mappe (a e b) che illustrano i fattori dominanti che influenzano la tendenza del Leaf Area Index (LAI) e la tendenza del tasso di crescita del LAI, rispettivamente. Ogni punto sulla mappa corrisponde a una griglia geografica per la quale è stato determinato il fattore predominante che influenza il LAI o il suo tasso di crescita.

• Panello a: Questa mappa mostra i driver dominanti della tendenza del LAI. I diversi colori indicano quale fattore ha il maggiore impatto sul LAI in quella specifica griglia geografica. Il verde scuro per il CO₂ implica che l’aumento dei livelli di CO₂ è il principale contribuente all’aumento del LAI, suggerendo che le aree più verdi potrebbero essere quelle dove la fertilizzazione da CO₂ è più evidente. Altri colori rappresentano altri fattori ambientali come la radiazione solare (Srad), le precipitazioni (P), l’umidità del suolo (SM) e la temperatura dell’aria (Airt).
• Panello b: Analogamente, questa mappa identifica i fattori dominanti della tendenza del tasso di crescita del LAI. Anche qui, i colori sono assegnati in base al fattore che ha il maggior impatto sul tasso di crescita del LAI in ciascuna griglia.

I codici colore usati sono:

• CO₂ (verde scuro): Un fattore che potrebbe indicare l’effetto della fertilizzazione da CO₂, specialmente in regioni dove la vegetazione risponde positivamente all’aumento dei livelli di CO₂.
• Radiazione solare (Srad, viola): Cruciale per la fotosintesi, la radiazione solare può essere un fattore limitante o promuovere la crescita delle piante in varie regioni.
• Precipitazioni (P, blu): Le precipitazioni sono vitali per la disponibilità dell’acqua, influenzando la crescita delle piante e la produttività degli ecosistemi.
• Umidità del suolo (SM, azzurro): Rappresenta il contenuto d’acqua nel suolo, essenziale per la salute delle piante e spesso un fattore limitante nelle regioni aride.
• Temperatura dell’aria (Airt, rosa): Un driver che può influenzare il LAI sia direttamente (attraverso il controllo dei processi biologici delle piante) sia indirettamente (ad esempio, modificando i regimi di umidità del suolo).

Le barre in basso a sinistra su entrambi i pannelli indicano il numero di griglie in cui ciascun driver è dominante, fornendo un’analisi quantitativa complessiva del predominio di ciascun fattore a livello globale.

In sostanza, la Figura 3 fornisce una sintesi visiva di come i fattori ambientali abbiano impatti differenziati sulla vegetazione a livello globale, offrendo una panoramica del grado di influenza di ciascun fattore sul LAI e sulla sua dinamica di crescita.

4. Discussioni

4.1. Controversia sulla tendenza del cambiamento della vegetazione dopo il 2000

Studi precedenti hanno confermato il fenomeno del “verde globale”, ma questi si sono prevalentemente concentrati sulla tendenza di lungo periodo a partire dal 1982. In altre parole, vi è un consenso sugli effetti del verde globale durante il periodo 1982 – 2000 (Piao et al., 2020b; Zhu et al., 2016), mentre permane un disaccordo sull’esistenza di tale fenomeno dopo il 2000 (Liu et al., 2023; Pan et al., 2018; Yuan et al., 2019). Nel presente studio, utilizzando i dati di telerilevamento più aggiornati, ci proponiamo di chiarire se il pianeta ha continuato a “verdeggiare” o ha iniziato a “ingiallire” a partire dal 2000. I nostri risultati indicano un incremento della vegetazione a livello globale, con una leggera accelerazione di tale fenomeno (Fig. 1), in linea con i ritrovamenti precedenti (Chen et al., 2019a). Di conseguenza, il primo aspetto da discutere riguarda le possibili cause di questo fenomeno paradossale di “verde globale” e “bruno globale” dopo il 2000. Il segnale del sensore impiegato nei dataset è spesso la prima variabile considerata. Le informazioni del MODIS sono state integrate anche negli algoritmi degli altri tre set di dati LAI, rendendo i nostri dataset non completamente indipendenti. È noto che i sensori MODIS hanno superato di gran lunga la loro vita operativa prevista, presentando diverse problematiche come il degrado del sensore nella versione 5 (Tian et al., 2015; Zhang et al., 2017). Fortunatamente, il MODIS è stato oggetto di calibrazioni nelle versioni successive, mitigando significativamente l’incertezza dei vari dataset pubblicati. Inoltre, una ricerca di Yan et al. (2021) ha confermato l’efficacia dell’algoritmo di calibrazione del MODIS confrontando il LAI di MODIS con quello del più recente VIIRS, escludendo così la possibilità di un falso incremento del verde causato dal degrado del sensore.In contrasto, il fenomeno di “brunimento globale” identificato nella maggior parte degli studi recenti si basa sui risultati ottenuti dai dati AVHRR (Chen et al., 2022a; Yuan et al., 2019), i quali dovrebbero essere utilizzati con prudenza. È ampiamente riconosciuto che il NDVI e il LAI basati su AVHRR presentano diverse fonti di incertezza. Si riscontrano segnali artificiali evidenti dovuti alla deriva orbitale nei GIMMS-NDVI3g e GIMMS-LAI3g ampiamente utilizzati, che si basano su AVHRR (Tian et al., 2015; Zhu et al., 2013). Uno studio significativo di Wang et al. (2020) sul persistente declino dell’effetto di fertilizzazione globale del CO₂ è attribuito anche al fatto che la qualità della fonte dati AVHRR è stata largamente messa in discussione (Frankenberg et al., 2021; Zhu et al., 2021). Considerando che il brunimento globale osservato nei GIMMS-NDVI3g e GIMMS-LAI3g dopo il 2000 si trasforma in un verdeggiamento globale nei PKU GIMMS-NDVI e GIMMS-LAI4g dopo il 2000, unicamente a causa di miglioramenti algoritmici e dell’integrazione di dati MODIS, una possibile spiegazione è che problemi potenziali con i sensori AVHRR possano essere all’origine del fenomeno di brunimento della vegetazione (Cao et al., 2023; Li et al., 2023a).

La Figura 4 che hai fornito rappresenta una mappa globale della tendenza dell’umidità del suolo nel periodo 2001-2020, espressa in metri cubi per metro cubo all’anno (m³ m⁻³ yr⁻¹). Questo parametro quantifica il cambiamento annuale medio nell’umidità del suolo, dove l’umidità del suolo è definita come il volume d’acqua contenuto entro un dato volume di suolo.

La scala dei colori sulla destra indica l’intensità del cambiamento: i colori che vanno dal blu al ciano indicano un aumento dell’umidità del suolo, mentre i colori che vanno dal beige al marrone indicano una diminuzione. Questa variazione è cruciale poiché l’umidità del suolo è un fattore chiave che influenza i cicli idrologici, la crescita delle piante, i microclimi e le attività agricole.

Osservando la mappa, possiamo identificare aree specifiche che hanno sperimentato cambiamenti significativi:

• Regioni che mostrano un blu più scuro, come parti del Brasile, del Sud-Est asiatico e dell’Africa centrale, suggeriscono un aumento sostenuto dell’umidità, che potrebbe essere associato a fattori come un aumento delle precipitazioni o cambiamenti nell’uso del suolo che favoriscono una maggiore ritenzione di acqua nel suolo.
• Aree con toni marroni, come visibili in alcune regioni della Russia, dell’Australia e del Medio Oriente, indicano una tendenza alla diminuzione dell’umidità del suolo. Questo potrebbe essere il risultato di diversi fattori, come periodi prolungati di siccità, aumentata evaporazione dovuta a temperature più elevate, cambiamenti nelle pratiche di gestione del suolo o una combinazione di questi.
• Le aree colorate di beige mostrano cambiamenti meno pronunciati, che potrebbero indicare variazioni stagionali o annuali meno estreme.

È importante notare che queste tendenze possono essere influenzate da fattori naturali, come la variabilità climatica, e da fattori antropogenici, come la deforestazione, l’irrigazione e l’urbanizzazione, che alterano il bilancio idrico naturale del suolo. Questi dati sono fondamentali per i ricercatori che studiano i cambiamenti ambientali a scala globale e per i responsabili delle decisioni che gestiscono le risorse idriche e la produzione agricola.

La Figura 5 mostra l’analisi quantitativa dei contributi relativi di diversi fattori ambientali sulle tendenze dell’Indice di Area Fogliare (LAI) e sui tassi di crescita di queste tendenze in diverse regioni geografiche, classificate secondo la dinamica del LAI e del suo tasso di crescita.

• PP (Positive LAI trend, Positive growth rate trend): Queste aree mostrano un incremento sia nel valore del LAI che nel suo tasso di crescita, indicando un rafforzamento della vegetazione e della sua crescita nel tempo.
• PN (Positive LAI trend, Negative growth rate trend): In queste regioni, il LAI complessivo è in aumento, ma il tasso di crescita di questo incremento sta rallentando.
• NP (Negative LAI trend, Positive growth rate trend): Le aree NP indicano un declino generale nel LAI, ma con un tasso di crescita che sta migliorando, suggerendo una possibile inversione del trend negativo.
• NN (Negative LAI trend, Negative growth rate trend): Queste aree subiscono una diminuzione sia nel LAI che nel suo tasso di crescita, indicando un declino continuo della vegetazione.

I contributi dei diversi fattori ambientali sono rappresentati come segue:

• Airt (Temperatura dell’aria): L’impatto della temperatura sull’LAI e sulla sua crescita. Valori positivi indicano un contributo al verdeggiamento, valori negativi indicano un contributo al brunimento.
• SM (Umidità del suolo): Riflette l’influenza dell’umidità del suolo sulla vegetazione. Numeri più alti implicano un ruolo più significativo nel supportare la crescita della vegetazione.
• P (Precipitazioni): Il ruolo delle precipitazioni nella determinazione della tendenza del LAI e del suo tasso di crescita. Valori positivi denotano un effetto favorevole delle precipitazioni.
• Srad (Radiazione solare): Indica l’effetto dell’irradiamento solare sulla vegetazione. Valori positivi suggeriscono che un aumento della radiazione solare favorisce la crescita della vegetazione.
• CO₂ (Concentrazione di biossido di carbonio): Esprime l’impatto delle concentrazioni di CO₂ sull’LAI. Livelli più elevati di CO₂ possono stimolare la fotosintesi e quindi promuovere il verdeggiamento.

Ogni cella della tabella fornisce il contributo medio ponderato dell’area di ogni driver all’interno delle categorie specificate. Questo è visualizzato attraverso una scala di colori, dove i colori più caldi (giallo/arancione/rosso) indicano un contributo positivo maggiore e i colori più freddi (azzurro/blu) indicano un contributo negativo o minore.

L’interpretazione di questi dati fornisce intuizioni su come i cambiamenti climatici e ambientali influenzano la vegetazione in diverse parti del mondo. Ad esempio, un valore elevato per CO₂ nella categoria PP suggerisce che l’aumento delle concentrazioni di CO₂ potrebbe essere un fattore significativo dietro l’incremento del LAI e del suo tasso di crescita in quelle regioni. Inversamente, un valore negativo per l’umidità del suolo (SM) nella categoria NP potrebbe indicare che una diminuzione dell’umidità del suolo ha avuto un impatto negativo sul LAI, nonostante un miglioramento nel tasso di crescita del LAI.

4.2. Indicatori del tasso di variazione della vegetazione

L’introduzione del concetto di tasso di crescita dell’Indice di Area Fogliare (LAI) apre una nuova prospettiva nell’analisi del cambiamento della vegetazione a livello globale e supera, in una certa misura, i limiti dei metodi tradizionali di regressione segmentata e di identificazione dei punti di svolta. Basandosi sulla tendenza dell’LAI e sul trend del tasso di crescita dell’LAI, abbiamo ottenuto alcune scoperte innovative. In linea con i risultati di Chen et al. (2019a), l’India e la Cina sono stati i principali contribuenti all’ingreening globale, ma per quanto riguarda la velocità di ingreening, i due paesi hanno mostrato tendenze opposte (Fig. 2). L’ingreening stava accelerando in India mentre stava rallentando in Cina, un dato raramente segnalato in studi precedenti. Modelli di regressione lineare multipla hanno attribuito entrambi i fenomeni agli effetti dell’umidità del suolo, della temperatura e della radiazione solare. Tuttavia, è evidente che, in paesi come Cina e India dove la gestione del territorio è significativa, è impraticabile attribuire i cambiamenti della vegetazione esclusivamente a fattori meteorologici. Pertanto, un’altra spiegazione plausibile è che differenti pratiche di gestione del territorio siano responsabili delle differenze nei tassi di ingreening. In Cina, a seguito di un massiccio programma di riforestazione e di modernizzazione agricola, l’ingreening potrebbe progressivamente raggiungere un punto di saturazione (Sha et al., 2022). In India, l’agricoltura irrigua, che ha mitigato la siccità atmosferica e del suolo rendendo la vegetazione meno sensibile alla pressione idrica, potrebbe aver ulteriormente intensificato l’ingreening (Ambika e Mishra, 2020).

4.3. Il fenomeno sinergico della tendenza alla siccità e al verdeggiamento

Senza considerare le attività umane, la tendenza dell’Indice di Area Fogliare (LAI) è determinata principalmente dall’effetto positivo della fertilizzazione da CO₂ e dall’effetto negativo dello stress idrico (Yuan et al., 2019; Zhu et al., 2016). Un numero crescente di ricerche mostra che la crescita della vegetazione è potenziata dalle restrizioni di umidità a causa dell’aumento del Deficit di Pressione di Vapore (VPD) e della diminuzione dell’umidità del suolo causata dal riscaldamento climatico (Jiao et al., 2021; Liu et al., 2020). Tuttavia, non è chiaro se l’attuale tendenza alla siccità raggiunga una soglia tale da superare l’effetto positivo della fertilizzazione da CO₂. L’introduzione del concetto di tasso di crescita ha fornito una spiegazione aggiuntiva, poiché abbiamo scoperto che la tendenza alla siccità può avere solo un impatto negativo parziale sulla vegetazione, rallentando il verdeggiamento della vegetazione e accelerando il processo di brunimento. Tuttavia, la tendenza alla siccità non può portare a un brunimento globale, in quanto non può superare l’effetto positivo della fertilizzazione da CO₂ che ha contribuito alla vegetazione globale (Fig. 5). Il nostro studio spiega il fenomeno sinergico delle tendenze alla siccità con il verdeggiamento, che è simile alle recenti scoperte sulla Produttività Primaria Lorda (GPP), ovvero l’aumento del VPD compensa solo una piccola frazione dell’aumento della produttività causato dal riscaldamento e da CO₂, e la GPP sta ancora aumentando a livello globale (Song et al., 2022).

4.4. Limitazioni e prospettive Nell’analisi di attribuzione del trend dell’Indice di Area Fogliare (LAI) e del trend del tasso di crescita, si sono osservate alcune discrepanze tra il modello di regressione lineare multipla e l’analisi di correlazione parziale nelle alte latitudini dell’emisfero nord. L’analisi di correlazione parziale ha rivelato che, in questa regione, il trend del LAI e il trend del tasso di crescita erano principalmente influenzati dalla temperatura e dalla radiazione, mentre la regressione lineare multipla indicava il CO₂ come principale fattore determinante. I risultati dell’analisi di correlazione parziale appaiono più coerenti, poiché precedenti studi hanno dimostrato che i cambiamenti della vegetazione nelle alte latitudini dell’emisfero nord sono maggiormente influenzati positivamente dal riscaldamento climatico (Berner et al., 2020; Keenan e Riley, 2018). Il modello di regressione lineare multipla ha mostrato prestazioni relativamente scarse in questa regione e potrebbe non identificare pienamente il contributo di ciascun fattore. Inoltre, il nostro modello non include l’apporto della gestione del territorio, elemento sottolineato in alcuni studi precedenti (Chen et al., 2019a; Chen et al., 2022c; Chen et al., 2023). Naturalmente, il contributo della gestione del territorio al trend del LAI e al trend del tasso di crescita può essere implicito in altri fattori, come il contributo positivo del CO₂ al trend del LAI nelle aree PP e PN.

Studi precedenti hanno evidenziato possibili meccanismi tramite i quali diversi fattori influenzano il trend del LAI, ad esempio il riscaldamento climatico che favorisce il verdeggianto prolungando la stagione di crescita alle alte latitudini (Keenan e Riley, 2018), gli effetti della fertilizzazione da CO₂ che promuovono l’incremento del LAI (Zhu et al., 2016), e l’afforestazione e la modernizzazione agricola che contribuiscono al verdeggianto in Cina e India (Chen et al., 2019a). Tuttavia, per quanto concerne il trend del tasso di crescita del LAI, questo rappresenta un concetto innovativo. Sebbene abbiamo quantificato il contributo di diversi fattori al trend del tasso di crescita del LAI su scala globale, non esistono ulteriori studi sul suo meccanismo potenziale. In ricerche future, potremmo esplorare questa tematica, in particolare in Cina e India, due nazioni con trend contrapposti del tasso di crescita del LAI.

5. Conclusione In conclusione, basandoci sui dati di telerilevamento più aggiornati, abbiamo esaminato la questione significativa delle tendenze di cambiamento della vegetazione globale dopo il 2000. Importante è stata l’introduzione del concetto di tasso di crescita per caratterizzare la velocità dei processi di verdeggiamento/imbrunimento. I nostri risultati hanno indicato che il fenomeno di verdeggiamento globale era ancora presente nel periodo 2001–2020, con il 55,15% delle aree che mostravano un verdeggiamento a ritmo accelerato, concentrato principalmente in India e nelle pianure europee, a fronte di un 7,28% di aree in imbrunimento. Sia la regressione lineare multipla sia l’analisi di correlazione parziale hanno concordato sul fatto che il CO₂ fosse il principale determinante del trend del LAI, mentre i cambiamenti climatici determinavano il trend del tasso di crescita del LAI. Analizzando diverse sotto-regioni del globo, abbiamo scoperto che la tendenza alla siccità ha solo rallentato il verdeggiamento globale, ma è stata lontana dallo scatenare l’imbrunimento. Queste scoperte contribuiranno a migliorare la nostra comprensione dei processi all’interno del ciclo del carbonio e a colmare il divario nella ricerca, definendo più precisamente se lo stato della vegetazione globale negli ultimi due decenni sia caratterizzato da verdeggiamento o imbrunimento.