A pan-european analysis of drought events and impacts

A drought is a slowly developing natural phenomenon that can occur in all climatic zones, and propagates through the entire hydrological cycle with long-term economic and environmental impacts. Climate change has made drought one of the greatest natural hazards in Europe, affecting large areas and populations. Different definitions of drought exist, i.e. meteorological, hydrological, and agricultural droughts, which vary according to the time horizon considered and differ in the variable used to define them. Just as there is no single definition of drought, there is no single index that accounts for all types of droughts. As a consequence, capturing the evolution of drought dynamics and associated impacts across different temporal and spatial scales remains a critical challenge. In this work, we analyze existing standardized drought indexes in terms of their ability to detect drought events at the pan-European scale using data from HydroGFD2.0 reanalysis and E-HYPE hydrological model simulations over the time period 1993-2018. We first compare the frequency and mean duration of drought events detected by different indexes to identify the river basins mostly affected by droughts and to assess similarities and differences in the information provided by different indexes. We then compare them with the drought impacts recorded in the Geocoded Disasters (GDIS) dataset to examine agreements and discrepancies between index-detected droughts and impact data. Our results show that different indexes generally agree in pointing out that Southern England, Northern France, and Northern Italy are the regions that experienced the highest number of drought events, whereas other regions, such as Southern Spain, experienced intense droughts events, which are not consistently indicated by all indexes. In terms of drought duration, the areas affected by the longest droughts are instead the Baltic Sea region and Normandy. Clustering the 35,408 European basins according to dominant hydrologic processes reveals that the variables mainly controlling the drought process vary across clusters and depend on the characteristics of each cluster. While substantial agreement exists between observed impact and detected drought, several areas without GDIS records show critical index values. Such asymmetry can be explained by incomplete reporting in GDIS but also due to some non-physical hydrometeorological factors influencing drought dynamics, such as controlled water infrastructure, that are not adequately captured by standardized indexes. These findings suggest the need of adjusting the formulation of drought indexes to better capture and represent drought-related impacts. Specifically, in this work, we used the FRamework for Index-based Drought Analysis (FRIDA), a Machine Learning approach that allows the design of site-specific indexes representing a surrogate of the drought impacts in the considered area. In past applications of this framework, the water deficit (e.g. supply deficit or soil water deficit) estimated by complex models was used as the target variable. To upscale the approach and make it fully data-driven, here we replace the water deficit with a remote sensing derived quantity, namely the Fraction of Absorbed Photosynthetically Active Radiation Anomaly (FAPAN), which is monitored also in the Copernicus European Drought Observatory (EDO). The FRIDA index was designed for one of the clusters of the European sub-basins that shows the lowest correlation between statistical drought indexes and FAPAN. Results show that FRIDA successfully defined a novel index capturing the drought impacts on vegetation.

La magra idrica è un fenomeno naturale a lenta evoluzione che può verificarsi in tutte le zone climatiche, propagandosi attraverso l’intero ciclo idrologico con impatti economici e ambientali a lungo termine. Il cambiamento climatico ha reso la magra uno dei maggiori rischi naturali in Europa, interessando vaste aree e popolazioni. Esistono diverse definizioni di magra (meteorologica, idrologica e agricola), che variano a seconda dell’ orizzonte temporale considerato e si differenziano per la variabile usata per definirle. Così come non esiste un’unica definizione di magra, non esiste un unico indice che tenga conto di tutte le tipologie di magra. Di conseguenza, catturare l’evoluzione delle dinamiche legate alla magra e degli impatti ad essa associati su diverse scale temporali e spaziali rimane una sfida critica. In questa tesi valutiamo quanto gli indici di magra standardizzati già presenti in letteratura siano in grado di rilevare gli eventi di magra a scala pan-europea, utilizzando i dati della rianalisi HydroGFD2.0 e le simulazioni del modello idrologico E-HYPE per il periodo 1993-2018. Confrontiamo innanzitutto la frequenza e la durata media degli eventi rilevati dai diversi indici per identificare i bacini fluviali maggiormente colpiti dalla magra e per valutare somiglianze e differenze nelle informazioni fornite dai diversi indici. Successivamente, li confrontiamo con gli impatti da magra registrati nel dataset GDIS (Geocoded Disasters) per esaminare eventuali accordi e discrepanze tra le magre rilevate dagli indici e i dati sugli impatti. I nostri risultati mostrano che i diversi indici sono generalmente d’accordo nell’indicare che l’Inghilterra meridionale, Francia settentrionale e l’Italia settentrionale siano le regioni che hanno registrato il maggior numero di eventi; diversamente, altre regioni, come la Spagna meridionale, hanno vissuto eventi intensi, ma che non sono stati indicati in modo coerente da tutti gli indici. In termini di durata media degli eventi, le aree colpite dalle magre più lunghe sono invece la regione del Mar Baltico e la Normandia. Il raggruppamento dei 35,408 bacini europei in base ai processi idrologici dominanti rivela che le variabili che controllano principalmente il processo di magra variano da un cluster all’altro e dipendono dalle caratteristiche di ciascun cluster. Mentre esiste un generale accordo tra l’impatto osservato e la magra rilevata (gli impatti tendono generalmente a concentrarsi laddove la magra è stata rilevata anche dall’indice), diverse aree senza registrazioni GDIS sono caratterizzate al contrario da valori critici dell’indice. Tale asimmetria può essere spiegata dall’incompletezza dei dati riportati nel GDIS, ma anche da alcuni fattori non fisici che influenzano le dinamiche della magra (come la presenza di infrastrutture di controllo idriche) che non sono adeguatamente catturate dagli indici standardizzati. Questi risultati suggeriscono la necessità di adattare la formulazione degli indici di magra, in modo da catturare e rappresentare meglio gli impatti associati. In particolare, in questa tesi è stato utilizzato il framework FRIDA (FRamework for Index-based Drought Analysis), un approccio di apprendimento automatico (Machine Learning) che consente di progettare indici sito-specifici in grado di rappresentare un surrogato dello stato dell’area considerata in termini di risorsa idrica. Nelle applicazioni passate di questo framework, il deficit idrico (ad esempio, deficit di approvvigionamento o deficit idrico del suolo) è stato scelto come variabile target ed è stato ricavato come output di modelli complessi. Per migliorare l’applicabilità dell’approccio e renderlo completamente data-driven, qui sostituiamo il deficit idrico con una grandezza derivata dal telerilevamento, ovvero l’anomalia in termini di Fraction of Absorbed Photosynthetically Active Radiation (FAPAN), che viene monitorata anche all’interno del Copernicus European Drought Observatory (EDO). L’indice FRIDA è stato progettato per uno dei cluster di sottobacini europei che mostra la più bassa correlazione tra gli indici statistici di magra e la FAPAN. I risultati mostrano che FRIDA è stato in grado di definire con successo un nuovo indice che cattura gli impatti da magra sulla vegetazione.