La Distribuzione dei Terreni Agricoli Irrigui a Livello Mondiale

 

Tra il 2010 ed il 2020 è cresciuta in media del 4,8%

 

La Banca Mondiale calcola la percentuale dei terrei agricoli irrigui in percentuale dei terreni agricoli totali. I terreni agricoli irrigati si riferiscono alle aree agricole appositamente fornite di acqua, comprese le terre irrigate mediante allagamento controllato. Il dataset presenta molti missing values e quindi per molti paesi la serie storica è mancante.

Ranking dei paesi per valore dei terreni agricoli irrigati nel 2020. Il Bangladesh è al primo posto per valore dei terreni agricoli irrigati con un valore pari a 82.08%, Suriname con 71,43% e Pakistan con 52,66%. A metà classifica vi sono Danimarca con 9,01%, Giordania con 8.10% e Oman con 7.40%. Chiudono la classifica la Bielorussia con 0,37%, la Mongolia con 0,05% e l’Islanda.

Ranking dei paesi per valore della variazione percentuale dei terreni agricoli irrigati tra il 2010 ed il 2020. La Romania è al primo posto per valore della variazione percentuale dei terreni agricoli irrigati tra il 2010 ed il 2020 con un valore di 491,43%, seguita dalla Serbia con 109,04%, e dalla Repubblica Slovacchia con il 63,29%. A metà classifica vi sono Azerbaijan con un valore di 3,97%, seguita dall’Armenia con 3,65% e dalla Turchia con 3,31%. Chiudono la classifica l’Australia con -12,6%, seguita dalla Giordania con -15,81% e dalle Mauritius con -16,41%.

Clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Di seguito viene presentata una clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. L’analisi mette in evidenza la presenza di due clusters costituiti come di seguito ovvero:

•         Cluster 1: Serbia, Repubblica Slovacca, Romania, Ucraina, Repubblica Ceca, Australia, Afganistan, Slovenia, Bielorussia, Armenia, Giordania, Kirghizistan, Spagna, Turchia, Ecuador, Albania, Emirati Arabi Uniti, Mauritius;

•         Cluster 2: Pakistan, India, Suriname, Malta; Azerbaigian.

Calcolando la mediana dei clusters per ciascun elemento è possibile individuare il seguente ordinamento dei clusters ovvero C2=39,96>C1=7,3.

Machine learning and predictions. Di seguito viene presentata una analisi di machine learning per la predizione del valore futuro della percentuale dei terreni agricoli irrigui. Gli algoritmi sono analizzati in base alla loro capacità di massimizzare l’R-squared e di minimizzare il MAE, l’MSE e RMSE. Gli algoritmi sono stati addestrati con l’80% dei dati mentre il restante 20% dei dati sono stati utilizzati per la predizione vera e propria. Per ciascun indicatore viene realizzato un ranking. I ranking vengono sommati. L’algoritmo che ha il ranking minore viene considerato come l’algoritmo “Best Predictor”. Viene quindi individuato il seguente ordinamento dei clusters ovvero:

• •         ANN-Artificial Neural Network con un payoff pari a 5;
• •         Tree Ensemble Regression con un payoff pari a 7;
• •         PNN-Probabilistic Neural Network con un payoff pari a 12;
• •         Random Forest Regression con un valore del payoff pari a 16;
• •         Gradient Boosted Trees Regression con un valore del payoff pari a 20;
• •         Simple Regression Tree con un valore del payoff pari a 24;
• •         Polynomial Regression con un valore del payoff pari a 28;
• •         Linear Regression con un valore pari a 32.

Pertanto applicando l’algoritmo best predictor ovvero l’ANN è possibile predire il futuro andamento della variabile analizzata per i seguenti paesi:

• •         Armenia con una crescita del +5.97%;
• •         Repubblica Ceca con +245,27%;
• •         Spagna con +1,09%;
• •         Kyrgyz Republic con +5,48%;
• •         Mauritius con +11,70%;
• •         Suriname con -18,92%,
• •         Slovenia con +195,69%.

L’applicazione dell’algoritmo best predictor mette in evidenza un andamento sostanzialmente crescente del valore della percentuale dei terreni agricoli irrigati nei paesi analizzati.

Network analysis con l’utilizzo della distanza di Euclidea. Di seguito viene presentata una network analysis con l’utilizzo della distanza euclidea. Vengono individuati in modo particolare due strutture a network delle quali una semplificata ed una complessa.

In modo particolare:

• •         Slovacchia e Ucraina sono connesse in una relazione avente valore pari a 0,033.

Esiste una struttura a rete complessa come indicata di seguito ovvero:

• •         L’Australia ha una connessione con la Slovenia per un valore pari a 0,23 unità, con la Repubblica Ceca per un valore pari a 0,021 unità, e con la Bielorussia per un valore di 0,029 unità;
• •         La Slovenia ha una connessione con l’Australia per un valore di 0,023 unità, con la Repubblica Ceca per un valore di 0,021 unità, e con la Bielorussia per un valore di 0,012 unità;
• •         La Bielorussia ha una connessione con l’Australia per un valore di 0,029 unità, con la Slovenia per un valore di 0,021 unità con la repubblica Ceca per un valore di 0,033;
• •         La Repubblica Ceca ha una connessione con la Slovenia per un valore di 0,021 unità, con l’Australia per un valore di 0,012, e con la Bielorussia per un valore pari a 0,033.

Ovviamente la presenza di relazioni di network non sta ad indicare la presenza di una relazione del tipo causa-effetto. Infatti, la network analysis non implica la causalità. Si tratta piuttosto di mettere in evidenza delle relazioni nella struttura dei dati dei paesi che tendono ad avere andamenti similari a livello metrico.

Conclusioni. La percentuale dei terreni agricoli irrigui è cresciuta in media del 4,48% tra il 2010 ed il 2020 nei paesi analizzati. Il dataset della Banca Mondiale presenta molti missing data. Sono tanti i paesi assenti nel dataset della World Bank. Ne deriva che il risultato è certamente parziale e non può essere generalizzato oltre i paesi esplicitamente analizzati. Dall’analisi risulta che sono i paesi dell’Asia meridionale ad avere maggiore presenza di terreni irrigui. Tale analisi è compatibile con la struttura del PIL dell’India, dove la componente dell’agricoltura è ancora rilevante a causa dell’ancora ridotta industrializzazione e servitization. L’analisi predittiva mette in evidenza un ulteriore crescita dei terreni agricoli irrigui nei paesi analizzati. Tale crescita può essere dovuta alla capacità dei paesi considerati di sviluppare dei veri e propri vantaggi competitivi nell’agricoltura acquisendo un ruolo specifico nelle dinamiche del commercio internazionale. In ogni caso è possibile che cambiamenti bio-tecnologici indotti dalla ricerca scientifica nell’agricoltura possano indurre delle modificazioni nell’attuale struttura dei mercati agricoli a livello mondiale.