Analisi di serie temporali nel monitoraggio

Base di conoscenza · 15 luglio 2026

Nel monitoraggio ambientale, un rilievo isolato significa poco - la vera conoscenza nasce quando le misure formano una serie temporale. Solo una serie mostra se qualcosa sale, scende, torna ogni anno, o ha improvvisamente «fatto un balzo». Vale la pena sapere cosa cercare in un tale grafico.

Tre cose che leggiamo in una serie

• La tendenza - la direzione a lungo termine (per es. una concentrazione di fosforo che sale lentamente nel corso degli anni). Risponde alla domanda «sta migliorando o peggiorando».
• La stagionalità - un ritmo annuale o giornaliero che si ripete (per es. i minimi estivi di ossigeno, i cali notturni, le fioriture primaverili). Va riconosciuta per non confonderla con una tendenza.
• Le anomalie - scarti isolati, insoliti (per es. un picco di torbidità dopo forti piogge). Alcuni sono eventi reali, altri errori di misura.

Strumenti di interpretazione - con nome e condizioni d’uso

I limiti di una carta I-MR non si calcolano dalla deviazione standard dell’intera serie, ma dal range mobile: σ̂ = MR̄ / 1,128 (costante d₂ per finestra a due elementi), e i limiti sono media ± 3σ (di attenzione ± 2σ). Il dettaglio conta: la deviazione standard dell’intera serie contiene tendenza e stagione, quindi i limiti diventerebbero così ampi da non rilevare nulla.

⚠️ Un’insidia di cui si scrive poco: i dati ambientali sono correlati nel tempo. Una sonda che misura ogni 15 minuti non fornisce 96 osservazioni indipendenti al giorno - la lettura successiva ripete in larga parte la precedente. I test di significatività assumono indipendenza, perciò su dati a cadenza fitta restituiscono una significatività gonfiata: p = 0,002 può diventare p = 0,064 - risultato non significativo - dopo la correzione per autocorrelazione (per esempio la correzione di Hamed-Rao per Mann-Kendall, oppure una numerosità efficace n_eff). Un mese di misure ogni 15 minuti può valere n_eff ≈ 5, non 2880.

Gli errori più frequenti

• Confondere stagionalità e tendenza - «in aumento» a luglio non significa «in aumento di anno in anno».
• Intervalli irregolari / lacune - influiscono sulle medie e sui grafici; è meglio contrassegnarli, non mascherarli.
• Reagire a un punto isolato - un’anomalia è confermata solo dalla misura successiva o dal contesto.
• Un asse temporale «categoriale» - le date devono essere trattate come tempo (proporzionalmente), non come etichette.
• Mescolare stazioni in un’unica serie - dati di più siti incollati insieme descrivono un gradiente spaziale, non un processo nel tempo; può perfino invertire il segno della relazione.
• Scambiare la cadenza fitta per un campione più grande - vedi sopra: il numero di righe non è il numero di informazioni indipendenti.

Fonti

• Test di Mann-Kendall: Mann H.B. (1945), Nonparametric tests against trend, “Econometrica” 13(3): 245-259, doi:10.2307/1907187; Kendall M.G. (1975), Rank Correlation Methods.
• Pendenza di Sen: Sen P.K. (1968), Estimates of the regression coefficient based on Kendall’s tau, “Journal of the American Statistical Association” 63(324): 1379-1389, doi:10.1080/01621459.1968.10480934.
• Correzione per autocorrelazione: Hamed K.H., Rao A.R. (1998), A modified Mann-Kendall trend test for autocorrelated data, “Journal of Hydrology” 204(1-4): 182-196, doi:10.1016/S0022-1694(97)00125-X.
• Carte di controllo e costante d₂: metodologia SPC classica (Shewhart); la costante 1,128 vale per il range mobile con finestra 2.

In pratica

Una buona analisi parte da una serie ordinata e continua in punti fissi. In LimnoLog, le misure formano subito grafici nel tempo (con un’opzione di confronto delle stagioni), e l’insieme completo di dati potete esportarlo verso Excel o prepararlo per un’analisi statistica quando avete bisogno di metodi più avanzati.