Severino Romano, Mario Cozzi, Paolo Giglio, Giovanna Catullo
Questo articolo è la riduzione in italiano per Agriregionieuropa dell’articolo degli stessi autori dal titolo: “Post-2013 EU Common Agricultural Policy: predictive models of land use change”, pubblicato sul numero 2/2013 della rivista della Associazione Italiana di Economia Agraria ed Applicata (Aieaa): Bio-based and Applied Economics (Bae). L’articolo è pubblicato sulla base di un accordo alla valorizzazione reciproca tra Agriregionieuropa e Bae.
Introduzione
L'agricoltura e la silvicoltura svolgono un ruolo cruciale nella produzione di beni di pubblica utilità, come la qualità estetica dei paesaggi, la biodiversità, la stabilità del clima la e capacità di mitigare disastri naturali quali inondazioni, siccità e incendi. Al contempo, talune pratiche agricole possono determinare pressione sull'ambiente e provocare degrado dei terreni, inquinamento delle acque e perdita di habitat naturali e di biodiversità. Questo è quanto viene riportato nel 2010 dalla comunicazione della Commissione Europea “La Pac verso il 2020”, Com (2010) 672/5. Dalle dichiarazioni della Commissione Europea si evince come lo spazio fisico agricolo e forestale sia fondamentale per il mantenimento dell’equilibrio climatico ambientale sia a scala locale che globale. Per tale motivo si
rende necessaria un’attenta programmazione in agricoltura, in quanto in passato il settore primario è stato largamente influenzato dalle misure della Pac, in particolare dal sistema dei pagamenti diretti. A tal proposito è possibile fare riferimento alle misure di set-aside che hanno portato ad un’espansione delle aree incolte, con il conseguente aumento del rischio di erosione e di abbandono dei territori (Boellstorff et al., 2005). Mentre le misure successive, come il pagamento unico aziendale (Pua) e la revisione di medio termine della Pac, hanno prodotto impatti diretti sul settore primario, provocando una diminuzione del valore dei paesaggi agricoli (Riccioli et al., 2007). Inoltre è stato recentemente dimostrato che la riduzione dei pagamenti diretti determinerebbe la riduzione delle terre coltivabili a favore delle aree destinate a pascoli e praterie naturali (Sieber et al., 2013). Alla luce di quanto riportato appare evidente che prevedere le potenziali transizioni future di uso del suolo può rappresentare un valido supporto politico-decisionale, ai fini di una corretta programmazione in agricoltura.
L’obiettivo del presente lavoro è correlare le trasformazioni spaziali e temporali di uso del suolo a variabili ambientali e socio -economiche, e valutare, allo stesso tempo, i loro possibili effetti sulla futura destinazione di uso dei suoli all’interno della regione Basilicata. La comprensione di tali relazioni può risultare di grande utilità ai pianificatori ed ai decisori nell’individuazione di strategie di conservazione/promozione dei luoghi.
In letteratura vi sono numerosi modelli, da cui derivano altrettante numerose applicazioni pratiche. Numerosi studi sono stati sviluppati al fine di comprendere l’interazione tra i “fattori determinanti” ed i cambiamenti di uso del suolo, anche al fine di poter effettuare proiezioni nello spazio e nel tempo (Pin Lin et al., 2011). I modelli empirici, ad esempio, sono ben in grado di descrivere i cambiamenti nell’uso del suolo, in quanto capaci di cogliere le preferenze degli individui, che sono i principali responsabili dei cambiamenti.
L’aspetto innovativo della ricerca consiste nella reale possibilità di correlare variazioni spaziali e temporali dell’uso del suolo a variabili ambientali e socio-economiche e, allo stesso tempo, prevederne i possibili effetti.
Per prevedere le future transizioni sono state utilizzate le reti neurali (Ann, Artificial Neural Network) e di analisi multivariate, le quali attraverso la simulazione di un percorso logico deduttivo, producono dei modelli previsionali spazio-temporali. Esse, attraverso la simulazione di un percorso logico deduttivo, rappresentano degli eccellenti modelli di simulazione spazio temporale. Una delle classi più importanti di Ann unidirezionali feed-foward con allenamento supervisionato è il perceptrone multi-strato (Mlp Multi-layer Perceptron, Werbos, 1974). Tale procedimento, oltre che valutare il grado di relazione tra variabile causa ed effetto di fenomeni già avvenuti, risulta idoneo anche nella simulazione di scenari futuri dei probabili cambiamenti. Il modello Ann-Mpl possiede diversi vantaggi, tra cui la possibilità di essere spazializzato.
In questo lavoro sono stati simulati due possibili scenari: il primo, definito Baseline scenario simula il perdurare degli attuali indirizzi di politica agricola comunitaria anche per il prossimo periodo 2014-2020, mentre il secondo, definito Future Cap scenario, simula i potenziali effetti che potranno avere le future misure della Pac del 2014-2020.
I risultati ottenuti rappresentano quindi un valido supporto conoscitivo e un utile strumento per le decisioni politiche al fine di promuovere azioni mirate a cogliere le nuove sfide economiche e ambientali del futuro.
Metodologia
Una rete neurale artificiale Ann può essere definita come un modello matematico/informatico di calcolo che trova fondamento sulle reti neurali biologiche. Sono presenti nel modello numerose interconnessioni di informazioni, costituite dai neuroni artificiali opportunamente collegati da connessioni. In letteratura le reti
neurali sono state applicate per quantificare i cambiamenti di uso del suolo (Nemmour et al., 2006), per l’analisi dei rischi (Kanungo et al., 2006) e per la previsione di dinamiche ambientali (Villa et al., 2007; Follador, 2008).
Nel caso di studio, condotto all’interno della regione Basilicata, è stato utilizzato un particolare simulatore, il land change modeller (Figura 1), modello valutato positivamente da Bibby e Sheperd in un’indagine sui più importanti modelli di previsione di cambiamento di uso del suolo (Bibby e Sheperd, 2000). Questo simulatore, che opera in ambiente GIS, permette di tener conto di eventuali vincoli (presenza di aree protette, vincoli ope-legis, ecc.) ed incentivi/disincentivi (parametri ambientali, socio- economici, ecc), presenti e futuri, da introdurre nell’analisi attraverso la realizzazione di mappe, le quali concorrono nella possibilità di transizione e di cambiamento dell’uso del suolo. Le transizioni più rilevanti emergono comparando e sovrapponendo in momenti differenti del tempo due mappe d’uso del suolo riferite allo stesso territorio.
Il risultato dell’elaborazione è rappresentato da una mappa caratterizzata da una serie di valori che vanno da 0 a 1 in cui 0 indica rischio nullo di cambiamento ed 1 indica il massimo rischio di cambiamento.
Ottenute le mappe di rischio, sono stati poi costruiti, come precedentemente indicato, due possibili scenari futuri di cambiamento di uso del suolo utilizzando il metodo delle catene di Markov (Figura 1).
Figura 1 - Modello adottato
Fonte: ns. elaborazione
Costruzione degli scenari
Alcuni importanti autori (Schwartz 1991, Roxburgh 2009), suggeriscono la costruzione di pochi scenari e molto diversi tra di loro, al fine di evidenziare con maggiore chiarezza le differenze esistenti, evitando in tal modo fenomeni di sovrapposizione delle driving force, ovvero delle variabili che li hanno generati. Pertanto nel presente lavoro sono stati realizzati solo due scenari: Scenario Baseline e Scenario Future Cap, entrambi proiettati nel 2050, al fine di amplificare gli effetti delle driving force.
Lo Baseline scenario è stato realizzato unicamente sulla base delle attuali tendenze socio-economiche, senza alcun tipo di ipotesi di intervento futuro, quali forme di incentivazione, politiche fiscali, ecc. (Figura 1).
Lo Future Cap scenario valuta la nuova programmazione agricola comunitaria 2014-2020. Pertanto sono state utilizzate mappe di idoneità al cambiamento determinate solo da variabili geo-morfologiche e climatiche, (Figura 1) e non di tipo socio- economico, come nel caso dello scenario Baseline, in quanto queste ultime sarebbero state eccessivamente influenti e quindi forvianti per la costruzione di uno scenario futuro costruito con la [segue a pagina 83] ►
Abstract degli articoli pubblicati sul Vol. 2 No. 2 (2013) del Bae oltre a quelli per i quali Agriregionieuropa ospita una versione italiana in questo numero