Caratterizzazione delle classi di propensione al cedimento di alberi in ambiente urbano tramite tecniche di meta-analisi applicate a variabili fitopatologiche e fitostatiche

Trees are a multifunctional resource for urban areas since they characterize the landscape of parks, avenues, private gardens and green areas, and they provide several ecosystem services. However, tree owners and managers must protect things and people that may suffer damages from accidents caused by trees themselves. Risk assessment is a key prerequisite for the proper management of trees. Tree risk management is aimed at protecting sensitive targets from accidental damages. Tree hazard assessment appraises the hazard profile associated with the tree and is generally carried out through visual examination. Visual examination can be further supported by instrumental investigations, if needed. Hazard assessment of trees is carried out by qualified professionals on behalf of the three owners or managers. The Metropolitan City of Turin set up an information technology system (ALBERA.TO) for the integrated management of trees growing in public parks and alleys, which are regularly surveyed. ALBERA.TO collects the evaluation forms filled and uploaded by professionals for each tree. These forms report the hazard level assigned to the tree, which is included in one of the following tree failure classes A, B, C, C/D and D, here listed in order of increasing hazard severity. In addition, the forms report the main dendrometric variables, the list of defects detected and the results of any instrumental assay performed. When analyses with penetrometers are carried out, their raw profiles are enclosed as well. Since tree hazard assessment is mainly based on qualitative analyses, the main goal of this this study was the quantitative characterization of the classes scoring tree hazard through the meta-analysis of a large sample of forms from ALBERA.TO. In particular, the study was aimed at identifying which phytopathological and phytostatic variables were associated with the probability that a tree could be assigned to each hazard class. A total of 2392 forms were downloaded from ALBERA.TO, 845 for plane tree, 658 for linden, 506 for horse chestnuts, and 383 for European hackberry. Data from each form were manually inserted into a spreadsheet database, the latter including 134 original and 88 derived variables of which 214 were categorical and 8 quantitative. A total of 1285 penetrometric profiles were digitized and converted from vector-graphic to numeric format with a software based on supervised machine learning. Position and dispersion indices were calculated for each profile and averaged if multiple profiles per tree were available, resulting in 4 indices associated with 423 trees. The final database included 531024 cells and it was processed by fitting conditional inference trees models (ctrees), supported by descriptive statistics, correlation and regression analyses. The results showed that the variables significantly (P < 0.05) associated with the different tree failure classes were: the species, the diameter at breast height, the presence and abundance of stem and crown defects, the standard deviation and the average of the signal recorded by the penetrometer. The meta-analysis led to the identification of threshold values associated with significant changes (P < 0.05) of the probability that a tree could be assigned to the different failure classes. For example, plane trees showed a higher likelihood to be included in a high hazard-class than the other species. In fact, plane trees displayed a probability associated with the C class twofo

Gli alberi rappresentano una risorsa multifunzionale per le aree urbane in cui vegetano, connotano il paesaggio di parchi cittadini, viali, giardini privati e aree verdi in genere e forniscono svariati servizi ecosistemici a beneficio dei privati e della collettività. Tuttavia, i proprietari degli alberi ed i gestori del verde sono chiamati a garantire la sicurezza di cose e persone che potrebbero subire danni a seguito di sinistri causati dagli alberi stessi. La valutazione dell'albero come potenziale fattore di rischio è un prerequisito fondamentale al fine di poter operare razionalmente alla sua messa in sicurezza e a predisporre le misure necessarie per la tutela di bersagli sensibili. Le valutazioni fitostatiche si pongono come obiettivo la caratterizzazione del profilo di pericolo associato all'albero e sono generalmente eseguite mediante esame visivo dell'albero eventualmente supportato da ulteriori indagini strumentali. Queste valutazioni sono eseguite da professionisti forestali o agronomi abilitati, su committenza del proprietario o del gestore. La Città Metropolitana di Torino, che censisce ed esamina regolarmente gli alberi di sua competenza, ha istituito un sistema informatico per la gestione integrata del patrimonio arboreo (ALBERA.TO) che raccoglie le schede di valutazione compilate dai professionisti per ciascun albero. Le schede indicano il livello di pericolo associato all'albero, il quale viene assegnato ad una delle seguenti classi di propensione al cedimento, in ordine di gravità crescente: A, B, C, C/D e D. Accanto alla classe, la scheda riporta le variabili dendrometriche di base, la lista dei difetti riscontrati e allega le risultanze degli esami strumentali eventualmente eseguiti, tra cui i tracciati dendropenetrometrici. Poiché l'analisi del pericolo di caduta alberi si basa prevalentemente su valutazioni di carattere qualitativo, questo lavoro si è posto come obiettivo la caratterizzazione su base quantitativa delle classi di propensione al cedimento degli alberi attraverso la meta-analisi di un campione di schede caricate nel sistema ALBERA.TO. In particolare, lo studio è stato orientato all'individuazione delle variabili fitopatologiche e fitostatiche maggiormente associate alla probabilità che una pianta sia assegnata ad una data classe di propensione al cedimento. Dal sistema ALBERA.TO sono state estratte 2392 schede relative a 845 platani, 658 tigli, 506 ippocastani e 383 bagolari, riportando i dati su foglio elettronico mediante inserzione manuale. Dalle 134 variabili originali sono state derivate altre 88 variabili strumentali alle analisi, di cui 214 categoriche e 8 quantitative. I tracciati di 1285 profili dendropenetrometrici disponibili in formato grafico sono stati digitalizzati e convertiti in formato numerico mediante applicativi software basati su tecniche di supervised machine learning. Dai profili sono stati estratti indici di posizione e dispersione, mediati in caso di profili multipli, arrivando ad ottenere 4 indici dendropenetrometrici relativi a 423 piante. Il database di 531024 celle così ottenuto è stato processato mediante adattamento di modelli conditional inference trees (ctrees), supportati da statistiche descrittive e analisi di correlazione e regressione. I risultati hanno mostrato che le variabili maggiormente associate alla probabilità che una pianta ricada nelle diverse classi di propensione al cedimento sono: la specie, il diametro a 1,30 m, la presenza ed il numero di difetti