Analisi della struttura della treeline con UAV: rilievo delle chiome degli alberi e strategie di segmentazione a confronto

Le treelines sono dei sistemi eterogenei complessi, interessati da dinamiche e processi molto variabili a seconda della scala spaziotemporale a cui questi sono osservati. Essendo altamente sensibili al riscaldamento globale ed alla pressione antropica, esse fungono da efficienti indicatori ecologici dell’effetto che i cambiamenti climatici e di uso del suolo hanno sulle foreste, e per questo sono molto studiate. Nel contesto di cambiamento climatico attuale, monitorare i cambiamenti che si verificano nelle treelines ed i trends negli spostamenti che questi ecotoni presentano acquisisce sempre più importanza e diventa essenziale per gestire gli ecosistemi forestali di alta quota. Le tecniche di remote sensing (RS) basate sull’uso di Uncrewed Aerial Vehicles (UAVs) sono sempre più utilizzate per condurre studi in ambito forestale. Le piattaforme UAV offrono la possibilità di individuare, identificare e mappare diverse caratteristiche della vegetazione, del suolo, e del paesaggio con un’alta risoluzione spaziale. Nel presente elaborato è stata valutata l’accuratezza ottenuta nell’individuazione e successiva segmentazione delle chiome di diverse specie di conifere con tre differenti approcci: (1) uso di una rete neurale convoluzionale (CNN); (2) analisi a livello di PC; (3) approccio marker-controlled watershed. Attraverso l’impiego di un DJI Phantom 4 sono state ottenute immagini ad alta risoluzione spaziale di 10 siti distribuiti sull’intero arco alpino italiano. Nei diversi siti sono stati campionati prevalentemente esemplari di Larix decidua (Mill.), Picea abies ((L.) H.Karst.), Pinus cembra (L.) e Pinus mugo (Turra). All’interno di ciascun sito sono state selezionate 10 piante per la creazione di un dataset di controllo (n = 100). Per fotointerpretazione è stata delineata manualmente la chioma di ciascuna delle piante del dataset di controllo. Tale dato è stato poi utilizzato per valutare l’accuratezza che ciascun metodo presenta nell’individuazione e segmentazione delle chiome arboree, tramite l’esecuzione di una Intersection over Union (IoU). La precisione è stata valutata in funzione della specie campionata e dell’altezza delle piante. È stata inoltre valutata la capacità che ogni approccio presenta nel determinare area, perimetro, lunghezza e larghezza di chioma. I risultati mettono in evidenza come le analisi condotte con la CNN siano le migliori. È stato infatti individuato con successo l’84% degli individui di validazione, sono stati ottenuti i risultati migliori di IoU, con media dei valori a 0.71, ed è risultando inoltre l’approccio migliore per la misura di area, perimetro, e larghezza e lunghezza di chioma (R2=0.83 per l’area, R2=0.73 per il perimetro, R2=0.81 per la larghezza di chioma, R2=0.71 per la lunghezza di chioma). I risultati ottenuti evidenziano l’efficienza che le analisi condotte su immagini ad alta risoluzione spaziale, ricavate con piattaforme UAV presentano. Viene dunque enfatizzata l’importanza di impiegare questi strumenti per la mappatura della vegetazione, e di integrarli con approcci di studio cross-scalari per ottenere una più olistica comprensione dell’effetto che i diversi drivers hanno sull’ecologia delle treelines, permettendo dunque di migliorare la gestione delle aree d’alta quota.