Le risorse pascolive rappresentano formazioni di notevole interesse naturalistico e produttivo che negli ultimi anni sono andate incontro a fenomeni di degrado soprattutto in relazione a squilibri gestionali. Dato che la loro caratterizzazione a livello territoriale risulta molto onerosa tramite l'utilizzo di tecniche tradizionali, può risultare vantaggioso l’impiego di tecniche GIS associate a modelli di simulazione allo scopo di caratterizzare le formazioni pastorali sulla base delle principali caratteristiche ambientali di un territorio. Il lavoro si è basato sull’utilizzo di un approccio integrato per la caratterizzazione dei pascoli presenti sull’arco alpino italiano. A tale scopo sono stati impiegati sia precedenti studi pastorali specifici dislocati in diverse regioni italiane che i codici CORINE Biotopes della Carta Natura 2000 maggiormente diffusi sulle Alpi. E’ stato quindi impostato un sistema informativo territoriale della distribuzione di sette tipi di vegetazione pastorale fra quelli maggiormente diffusi in area alpina, pari all’84% della superficie interessata da tutte le formazioni pascolive rilevate. Successivamente, i dati raccolti sono stati integrati a parametri pedo-climatici in ambiente GIS, tramite la creazione di una griglia avente una risoluzione spaziale di 1km x 1km e ricoprente una superficie totale di circa 170.000 ha. Tramite l’applicazione dell’algoritmo di classificazione Random Forest sono state identificate le variabili ambientali maggiormente correlate ai tipi pastorali analizzati. Le prime simulazioni hanno prodotto risultati soddisfacenti nella discriminazione di ciò che è pascolo rispetto al non pascolo (matrice di confusione di oltre 80%), mentre la differenziazione dei sette tipi individuati presenta un errore maggiore (matrice di confusione 66%) con accuratezze variabili in funzione dei tipi analizzati. Si prevede che tale errore possa ridursi sia tramite opportune calibrazioni del modello Random Forest sia tramite l’applicazione di altri modelli di classificazione (GML, Reti neurali, CTA, GAM, GBM, FDA, SRE).
Modelli di Classificazione per la CaratterizzazionePastorale a Scala Territoriale / C. Dibari; M. Moriondo; G. Argenti; S. Targetti; M. Bindi. - STAMPA. - (2011), pp. 360-361. (Intervento presentato al convegno XL Convegno Società Italaina diAgronomia).
Modelli di Classificazione per la CaratterizzazionePastorale a Scala Territoriale
DIBARI, CAMILLA;ARGENTI, GIOVANNI;TARGETTI, STEFANO;BINDI, MARCO
2011
Abstract
Le risorse pascolive rappresentano formazioni di notevole interesse naturalistico e produttivo che negli ultimi anni sono andate incontro a fenomeni di degrado soprattutto in relazione a squilibri gestionali. Dato che la loro caratterizzazione a livello territoriale risulta molto onerosa tramite l'utilizzo di tecniche tradizionali, può risultare vantaggioso l’impiego di tecniche GIS associate a modelli di simulazione allo scopo di caratterizzare le formazioni pastorali sulla base delle principali caratteristiche ambientali di un territorio. Il lavoro si è basato sull’utilizzo di un approccio integrato per la caratterizzazione dei pascoli presenti sull’arco alpino italiano. A tale scopo sono stati impiegati sia precedenti studi pastorali specifici dislocati in diverse regioni italiane che i codici CORINE Biotopes della Carta Natura 2000 maggiormente diffusi sulle Alpi. E’ stato quindi impostato un sistema informativo territoriale della distribuzione di sette tipi di vegetazione pastorale fra quelli maggiormente diffusi in area alpina, pari all’84% della superficie interessata da tutte le formazioni pascolive rilevate. Successivamente, i dati raccolti sono stati integrati a parametri pedo-climatici in ambiente GIS, tramite la creazione di una griglia avente una risoluzione spaziale di 1km x 1km e ricoprente una superficie totale di circa 170.000 ha. Tramite l’applicazione dell’algoritmo di classificazione Random Forest sono state identificate le variabili ambientali maggiormente correlate ai tipi pastorali analizzati. Le prime simulazioni hanno prodotto risultati soddisfacenti nella discriminazione di ciò che è pascolo rispetto al non pascolo (matrice di confusione di oltre 80%), mentre la differenziazione dei sette tipi individuati presenta un errore maggiore (matrice di confusione 66%) con accuratezze variabili in funzione dei tipi analizzati. Si prevede che tale errore possa ridursi sia tramite opportune calibrazioni del modello Random Forest sia tramite l’applicazione di altri modelli di classificazione (GML, Reti neurali, CTA, GAM, GBM, FDA, SRE).
I documenti in FLORE sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
