Già da vari anni il Dipartimento di Statistica Agraria dello stato della California (CASS) procede alla raccolta di dati per mezzo di stime “soggettive” realizzate attraverso centinaia di interviste telefoniche ad agricoltori sul procedere di ciascuna coltura e “stime oggettive” basate su moltissimi controlli a campione in campo, per procedere alla stima dei raccolti in arrivo in particolare per le principali colture: mardorle, olive, uva, arance e noci. Tali dati vengono poi resi pubblici circa tre mesi prima di ciascun raccolto.

Uno studio condotto dall'Università della California, riportato dal numero di dicembre della rivista “California Agriculture Magazine” ha permesso di mettere a punto un modello previsionale per determinare, con molta più economicità e con buona approssimazione, l'entità del raccolto per ben 12 differenti colture senza il ricorso ad interviste, ma semplicemente procedendo all'elaborazione di dati meteorologici.

Nella ricerca condotta in questo ampio lasso di tempo sono stati messi a punto dei modelli previsionali, poi testati nella loro attendibilità tra il 1980 ed il 2003.

Alcune variabili di origine meteorologica sono state estrapolate, con una complessa procedura, in uno studio che a visto correlare i raccolti massimi conseguiti nelle annate del periodo oggetto di studio con i dati meteorologici.

Tali variabili sono poi state selezionate sulla base di criteri, sia oggettivi che soggettivi, nel relazionare i parametri meteorologici medi giornalieri degli anni precedenti, con i raccolti annualmente verificatisi per le colture in esame.

Le diverse variabili meteorologiche considerate, tra due e quattro per ciascuna coltura ed altre variabili predittrici (i cui valori è stato poi stabilito potessero essere compresi tra 4 ad 8) sono state utilizzate come parametri nell'equazione del modello previsionale.

I modelli approntati per varie tra le 12 colture oggetto di studio tengono conto di più del 50% dei fattori di variabilità, con una punta massima dell'81% per le mandorle.

Per capire il livello di attendibilità di questi modelli viene indicato che le previsioni di raccolto sono organizzate su 4 classi, di cui le due estreme, poco frequenti, risultano responsabili delle variazioni più significative, in più e in meno (ed anche più attendibili nel momento in cui fossero determinate), circa l'entità dei raccolti, mentre le previsioni che si collocano nelle due classi intermedie rappresenterebbero i valori produttivi più frequenti, ma meno attendibili. Le imprecisioni riscontrate, infatti non sarebbero, per la maggior parte delle colture testate, mai andate oltre lo scarto esistente tra una classe e quella successiva e comunque non è stato mai constatato uno scarto maggiore a quello di due classi, il che significa che le previsioni non sono mai state nettamente opposte a quelle previste e che in definitiva l'accuratezza delle previsioni è statisticamente significativa per la maggior parte delle colture considerate da questo studio.

Tra le variabili considerate in questa lunga ricerca è stato constatato che quelle meteorologiche sarebbero le principali ad influire sull'entità del raccolto in arrivo.

L'articolo citato approfondisce infine le modalità che possono permettere di perfezionare ulteriormente l'efficacia dei modelli previsionali. Viene però precisato che non per tutte le colture sarebbe possibile effettuare previsioni agro-meteorologiche accurate e con ampio anticipo (si parla di massimo sette mesi) e che tali previsioni sono comunque vincolate alla sollecitudine con cui le previsioni climatiche utilizzate sono rese disponibili da parte degli enti che si occupano della loro fornitura (negli Stati Uniti è il Ministero dell'Agricoltura). Per alcune colture (es. pistacchio) un ruolo sarebbe infine svolto anche dall'entità del raccolto dell'annata precedente.

Uno strumento previsionale di questo tipo, nel momento in cui risultasse realmente affidabile, rivestirebbe certamente una grande importanza per la definizione, da parte degli operatori, degli investimenti economici annuali, per un settore la cui redditività, notoriamente, dipende molto dalla variabilità delle condizioni climatiche, ma l'importanza di un tale studio non si limitata all'utilità per le scelte del singolo imprenditore agricolo, ma potenzialmente costituisce un importante strumento di supporto per gli operatori attivi sui mercati globali delle commodities e per le scelte programmatorie dei singoli governi nazionali.