Analisi a scala di paesaggio dei principali agenti di disturbi nei boschi alpini, mediante dati satellitari e di campo

I disturbi naturali un elemento fondamentale nelle dinamiche ecologiche dei boschi alpini. L’obiettivo che si pone questa tesi è quello di analizzare l’effetto di diversi fattori climatici, topografici e relativi alle superfici forestali disturbate sui principali agenti di disturbo che interessano i boschi alpini. L’analisi delle superfici disturbate nelle foreste alpine è stata effettuata utilizzando serie temporali Landsat con frequenza interannuale che interessano un periodo di quattro decenni, dal 1985 al 2021. In particolare, sono state classificate 1500 aree colpite da disturbi distribuite su tutto l’arco alpino e ad ognuna di queste è stata associata una delle otto categorie prese in considerazione: fuoco (1), vento (2), insetti (3), siccità (4), gelate (5), valanghe (6), disturbo antropico (7), non identificato (8). Tali informazioni sono relative all’anno in cui si è registrato il disturbo con la maggiore magnitudo in termini di cambiamento spettrale misurato sia con le bande spettrali Landsat (SWIR1 e SWIR2), sia con gli indici spettrali (NDMI, NBR, MSI, TCW e TCA). I dati ottenuti dalla classificazione sono stati utilizzati per la creazione di un modello di tipo machine learning (ML). All’interno del modello sono state utilizzate variabili di tipo climatico, topografico, relative alle superfici forestali disturbate e spettrale. Tale modello ha fornito come output la probabilità di una patch, date le sue caratteristiche, di essere interessata da uno degli agenti di disturbo considerati. I risultati hanno evidenziato un’importanza elevata delle variabili climatiche, le quali costituiscono circa la metà (9 su 20) dei predittori più importanti nel modello. A tal proposito, le dieci variabili predittive più importanti sono risultate essere: il range di quota all’interno della patch, il valore medio pre-disturbo dell’indice spettrale TCA, il valore mensile massimo dell’indice CMI (Climate Moisture Index), il range di magnitudo del cambiamento spettrale misurato con l’indice NDMI, la media mensile delle precipitazioni dei tre mesi più freddi dell’anno (bio19), il valore medio del numero di giorni all’anno con copertura nevosa, l’area disturbata nello stesso anno in un intorno di 10 km di raggio rispetto alla patch, il valore mensile minimo dell’indice CMI, il livello di contiguità dei pixel all’interno della patch disturbata, il range annuale dell’indice CMI. Dall’analisi delle dipendenze parziali del modello rispetto a ciascuna delle dieci variabili predittive più importanti è stato possibile caratterizzare l’effetto di ciascuna di esse per la discriminazione tra i differenti agenti di disturbo. In tal senso, il range di quota all’interno della patch è risultato essere molto utile per discernere tra i disturbi di origine antropica e quelli naturali. L’area disturbata (in ha) nello stesso anno della patch, in un intorno di 10 km rispetto ad essa si è rivelata importante per discernere disturbi causati da vento, che interessano generalmente aree di vasta superficie, e disturbi causati da intervento antropico o valanghe, che sono generalmente più localizzati. Questa tendenza è stata confermata anche dall’effetto della variabile relativa alla contiguità delle patches che evidenzia come ad un livello di connettività più alto corrisponda una maggiore probabilità della patch di essere associata a disturbi da vento oppure da incendi, mentre, viceversa, diminuisca la probabilità di essere associata a valanghe o all’intervento antropico.