logo

Journal of Silviculture and Forest Ecology

 
Forest@ - Journal of Silviculture and Forest Ecology
vol. 14, pp. 84-93 (Feb 2017)

ALForLab Project (PON03PE_00024_1 - PON R&C- PAC 2007-2013)
Public-private lab for the application of innovative technologies with high environmental sustainability in the forest-wood-energy chain
Guest Editors: Alessandro Paletto (CREA, Trento), Giorgio Matteucci & Mauro Maesano (CNR-ISAFOM)

Research Articles

*Large-scale indicators for monitoring forest diversity of the main forest types in Calabria (Italy)

Marco Infusino(1)Corresponding author, Stefano Scalercio(1), Piermaria Corona(2), Silvia Greco(1), Nicola Puletti(2), Francesco Chianucci(2)

 

Abstract

Recently, the Society’s perception of forest resources has gone through significant changes. Forest ecosystems play a multifunctional role and host an important portion of the whole biodiversity, particularly in the Mediterranean area. Remote sensing technologies provide a unique way to obtain spatially extensive information on forest ecosystems, but relatively few studies used such information to evaluate forest habitat and biotic diversity. In this paper we evaluate the effectiveness of remote sensing to predict forest diversity by linking remotely sensed information with diversity metrics obtained from ground measurements of butterfly diversity. The field work was carried out in Calabria in four different forest types (beech, chestnut, black pine and silver fir forests). The sampling of Lepidoptera was carried out by LED light traps. We positioned 9 traps per forest type, for a total of 36 sites chosen to sample the different stages of forest succession in each forest type. Samples were carried out once a month from May to November 2015. Data from in situ butterfly measurements were compared with above ground forest biomass estimated from airborne LiDAR with NDVI estimated from Landsat 8. Results indicated that the Geometridae/Noctuideae ratio of lepidopteran communities was significantly correlated with the tree biomass, its distribution among tree size classes and the NDVI. The Geometridae/Noctuidae ratio, therefore, represents an index easy to calculate, which can be employed to integrate data acquired from remote sensing in order to obtain continuous spatial estimates of forest naturalness.

Keywords: LiDAR, Moths, Biodiversity, Bioindicators Taxa, Landsat, NDVI

Introduzione 

Negli ultimi decenni la percezione della società nei confronti del ruolo delle risorse forestali ha subito profondi mutamenti. La gestione forestale, in passato prevalentemente orientata alla massimizzazione della produzione legnosa, si è andata configurando sulla base di nuove richieste relative alla promozione e alla salvaguardia del ruolo ecologico-ambientale, turistico-ricreativo e paesaggistico del bosco ([3]). Accanto a queste funzionalità e servizi richiesti al bosco si pone il problema della perdita di biodiversità a livello globale ([14]). Gli ecosistemi forestali ospitano una elevata porzione di biodiversità, in termini di specie, genotipi e processi ecologici. Questi aspetti assumono un significato forse ancora più importante in un ambiente come quello mediterraneo dove la notevole varietà di condizioni ambientali (climatiche, geologiche, morfologiche) e l’utilizzo secolare delle risorse territoriali hanno creato un mosaico di paesaggi culturali e naturali estremamente ricchi e diversificati. D’altro canto, la forte frammentazione e omogeneizzazione rappresentano una minaccia alla diversità biologica e alla valenza multifunzionale delle componenti naturali del paesaggio e delle risorse forestali ([15]).

L’impiego delle informazioni derivate dal telerilevamento rappresenta un importante supporto per l’osservazione e il monitoraggio delle risorse naturali e per la programmazione di azioni coordinate utili alla prevenzione degli incendi boschivi ([11]). Il settore forestale eredita una lunga tradizione di impiego di informazioni derivanti dai sistemi di osservazione della terra (OT) per la stima di attributi forestali e per la loro inventariazione: esempi delle variabili stimate includono composizione specifica, volume legnoso e suo incremento. Per maggiori dettagli, si veda Corona ([10]).

L’impiego del telerilevamento ai fini della stima e del monitoraggio della biodiversità ha ricevuto solamente in tempi recenti adeguata considerazione. Ad esempio, alcuni studi hanno utilizzato informazioni derivanti da telerilevamento da satellite per valutare la struttura e la composizione di ecosistemi forestali in ambienti tropicali/subtropicali ([22], [24]). Pochi studi invece hanno utilizzato le informazioni derivanti dai sistemi OT per valutare la diversità non-arborea di ecosistemi vegetali. Tale diversità può essere quantificata a terra selezionando comunità biotiche ritenute indicatori di particolari caratteristiche degli habitat forestali e della biodiversità. Esempi di integrazione di stime di diversità da telerilevamento mediante l’impiego di bioindicatori includono l’utilizzo di specie ornitiche ([9]), licheni ([13]), funghi ([26]). Pochissimi studi si sono focalizzati sulla valutazione degli habitat e della loro diversificazione utilizzando i Lepidotteri adulti come indicatori ecologici ([20]). Per esempio, Hess et al. ([16]) hanno utilizzato informazioni derivanti da LiDAR e da fotogrammetria aerea per valutare l’idoneità ambientale a scala di paesaggio per quattro specie diverse di farfalle. Il loro studio ha prodotto interessanti risultati, dimostrando che l’informazione tridimensionale derivabile da un dato LiDAR fornisce più informazioni rispetto ai dati ottici per caratterizzare un habitat forestale. Tuttavia, lo studio ha valutato un limitato numero di specie di Lepidotteri diurni che rappresentano una frazione minima di questo Ordine di insetti e, al contrario di quelli notturni, forniscono scarse informazioni per gli habitat forestali perché legati generalmente ad ambienti aperti e soleggiati.

I Lepidotteri Eteroceri (sottogruppo che comprende le famiglie più numerose, con abitudini generalmente notturne) hanno molte caratteristiche tipiche dei bioindicatori. Questo gruppo, infatti, è composto da specie con diversificate esigenze ecologiche, per le quali si ha una buona conoscenza della tassonomia e dell’autoecologia. Inoltre, le loro comunità reagiscono ai cambiamenti ambientali a differente scala sia spaziale che temporale. Infine, le larve, e spesso anche gli adulti, sono legati troficamente alla vegetazione, per cui le comunità sono direttamente influenzate dalla componente floristica degli ecosistemi.

La ricerca intende testare l’ipotesi secondo la quale i boschi che hanno una struttura eterogenea hanno un maggiore valore naturalistico utilizzando per la verifica i Lepidotteri notturni quali bioindicatori ([31], [12], [29], [6], [19]).

In questa prospettiva, scopo della presente sperimentazione è valutare l’impiego dei Lepidotteri a volo notturno come indicatori della biodiversità in ecosistemi forestali naturali. All’uopo, lo studio ha utilizzato uno dei principali prodotti del progetto ALForLAB (Laboratorio Pubblico-privato per l’applicazione di tecnologie innovative ad elevata sostenibilità ambientale nella filiera foresta-legno-energia - [PON03PE_00024_1 - PON R&C- PAC2007-2013]), relativo alla mappatura della biomassa di soprassuoli forestali derivata da dato LiDAR aereo (ALS), per valutare la correlazione tra stime di biomassa prodotte da telerilevamento, indici di diversità strutturale delle foreste e indici relativi alle comunità dei Lepidotteri notturni.

Materiali e metodi 

Area di studio

Le attività sono state condotte in formazioni boschive rappresentative dei principali tipi forestali (European Forest Types - [2]) della Regione Calabria, per la precisione: faggete montane a Fagus sylvatica L. (Forest Type 7.3), castagneti a Castanea sativa Mill. (F.T. 8.7), pinete a dominanza di pino nero di Calabria (Pinus nigra calabrica [Loud.] Cesca & Peruzzi - F.T. 10.2) e boschi a dominanza di abete bianco (Abies alba Mill. - F.T. 10.6). I quattro tipi forestali sono stati campionati in altrettanti comprensori montuosi differenti (Fig. 1).

Fig. 1 - Inquadramento geografico delle aree di studio. CC è il codice identificativo dei castagneti della Catena Costiera, PO quello delle faggete del Pollino-Orsomarso, SL quello delle pinete della Sila e SR quello delle abetine delle Serre Vibonesi.
 
Enlarge/Shrink Open in Viewer

I castagneti sono stati individuati lungo la Catena Costiera, fra 550 e 750 m di quota. Per la maggior parte, i popolamenti in questione per quest’area sono sottoposti a ceduazione con un turno tra 12 e 20 anni e un’estensione del taglio variabile, ma che in alcuni casi può arrivare a 10 ha. Piccole porzioni vengono utilizzate per la produzione di castagne.

Le faggete, campionate nell’area Pollino-Orsomarso, ricadono quasi interamente nella Zona A (protezione integrale) del territorio del Parco Nazionale del Pollino, fra 990 e 1475 m di quota e non sono sottoposti a trattamenti selvicolturali ordinari, per cui si rinvengono per lo più fustaie e cedui avviati a fustaia.

Le pinete di pino nero di Calabria sono molto estese sull’altopiano della Sila. Le aree scelte ricadono quasi tutte nel territorio del Parco Nazionale della Sila, fra 1300 e 1450 m di quota. Anche se sono foreste storicamente sfruttate per la produzione di materiale legnoso e resine, negli ultimi decenni le attività forestali si sono focalizzate prevalentemente alla produzione di biomasse, quindi con tagli a raso su piccole strisce di dimensioni variabili in base alle caratteristiche topografiche. Nel periodo a cavallo degli anni ’€˜70-’80, queste aree sono state interessate da consistenti interventi di rimboschimento a cui, però, spesso non sono seguite le necessarie operazioni selvicolturali.

Le abetine sono i boschi maggiormente rappresentati sui monti delle Serre Vibonesi, sia come boschi monofitici, sia nella classica associazione con il faggio. Le aree di studio rientrano nei territori del Parco Regionale delle Serre, fra 830 e 1090 metri di altitudine. L’industria forestale rappresenta, insieme al turismo, il settore economico più importante del comprensorio ([27]): la pratica selvicolturale tradizionalmente più diffusa è il taglio saltuario, con periodi di curazione piuttosto lunghi.

Campionamento dei Lepidotteri

Le comunità dei Lepidotteri notturni sono state campionate tramite l’utilizzo di trappole luminose a LED con picco di emissione a 395 nm (15 W - [18]).

In ogni complesso forestale sono state individuate 9 stazioni, per un totale di 36 siti scelti in modo da includere vari stadi successionali del bosco. In dettaglio, sono stati inclusi 3 boschi con età superiore a 80 anni, 3 boschi giovani (età compresa tra 20 e 40 anni) e 3 stadi iniziali della successione ecologica (aree in rinnovazione, prati o zone sottoposte a tagli recenti). In ognuno di questi siti è stata collocata una trappola luminosa. Le trappole ricadenti nella stessa area sono state attivate simultaneamente, mentre ogni ciclo di campionamento, comprendente tutte le aree indagate, è stato ultimato nel giro di 10-15 giorni. I trappolamenti hanno avuto cadenza mensile e sono stati effettuati tra maggio e novembre 2015.

Per ogni stazione di campionamento vengono riportati i nomi delle località, i codici alfanumerici delle stazioni, le coordinate UTM, la quota e lo stadio di evoluzione del bosco (Tab. 1).

Tab. 1 - Descrizione sintetica dei siti di campionamento: vengono riportati i codici alfanumerici assegnati a ogni stazione, i nomi delle località, le coordinate UTM, la quota e lo stadio di evoluzione del bosco.
Cod. Stazione Località UTM E UTM N Quota
(m s.l.m.)
Stadio Evolutivo
PO_A1 Serrapaolo 593380.28 4408629.75 990 Bosco maturo
PO_A2 Serrapaolo 593145.98 4408625.88 1010 Bosco giovane
PO_A3 Serra Ambruna 592154.60 4408713.41 1035 Bosco in rinnovazione
PO_B1 Bocca di Novacco 589227.26 4407585.74 1315 Bosco maturo
PO_B2 Bruscata 589605.06 4407229.84 1370 Bosco giovane
PO_B3 Bocca di Novacco 589457.29 4407641.73 1339 Bosco in rinnovazione
PO_C1 Timpone della Magara 590076.78 4405412.04 1465 Bosco maturo
PO_C2 Timpone della Magara 589926.23 4405142.61 1460 Bosco giovane
PO_C3 Timpone della Magara 590112.84 4404524.50 1475 Bosco in rinnovazione
CC_A1 Fiego di San Fili 597305.26 4354806.35 723 Bosco maturo
CC_A2 Fiego di San Fili 597338.10 4354031.43 749 Bosco giovane
CC_A3 Fiego di San Fili 597286.88 4353884.90 734 Bosco in rinnovazione
CC_B1 Bosco dei Gesuiti 597450.20 4357511.91 618 Bosco maturo
CC_B2 Bosco dei Gesuiti 597428.66 4357562.12 626 Bosco giovane
CC_B3 Mandarino 597407.18 4358601.68 583 Bosco in rinnovazione
CC_C1 Glicarello 596907.77 4362569.92 550 Bosco maturo
CC_C2 Vallone Argentino 596647.81 4362750.45 565 Bosco giovane
CC_C3 Vallone Argentino 596863.17 4362822.96 545 Bosco in rinnovazione
SR_A1 Santa Maria 614221.47 4268211.51 847 Bosco maturo
SR_A2 Il Palmento 614499.70 4269051.60 831 Bosco giovane
SR_A3 Il Palmento 614593.16 4269034.60 827 Bosco in rinnovazione
SR_B1 Cattarinella 614985.16 4267580.80 943 Bosco maturo
SR_B2 Cattarinella 615080.79 4267287.71 963 Bosco giovane
SR_B3 Cattarinella 615261.05 4266275.33 1045 Bosco in rinnovazione
SR_C1 Sietto dello Caricatore 617070.03 4267910.15 1086 Bosco maturo
SR_C2 Pietra del Signore 616059.05 4266558.50 1090 Bosco maturo
SR_C3 Sietto dello Caricatore 617022.42 4267763.47 1091 Bosco maturo
SL_A1 Montagna Grande 638895.15 4348709.71 1352 Bosco maturo
SL_A2 Montagna Grande 639189.07 4349312.45 1325 Bosco giovane
SL_A3 Montagna Grande 638566.08 4348166.12 1344 Bosco in rinnovazione
SL_B1 Torre Scarda 630869.06 4344438.23 1324 Bosco maturo
SL_B2 Quaresima 625633.51 4341424.98 1306 Bosco giovane
SL_B3 Quaresima 630222.35 4343968.61 1325 Bosco in rinnovazione
SL_C1 Colle Macchie 631744.21 4346638.83 1428 Bosco maturo
SL_C2 Vallivone 632054.06 4346721.55 1446 Bosco giovane
SL_C3 Colle Macchie 631599.43 4346653.07 1433 Bosco in rinnovazione
Enlarge/Shrink Open in Viewer

Dati derivati da telerilevamento

Lo studio ha impiegato dati LiDAR acquisiti nel periodo 2009-2011 con una copertura pressoché continua (wall-to-wall) della superficie regionale della Calabria acquisiti da piattaforma aerea (ALS). Il dato ALS disponibile consiste di un impulso LiDAR a ritorno discreto, con una densità approssimativa di 1.5 impulsi al metro quadrato. I dati sono stati pre-processati per ottenere i rispettivi modelli della superficie (DSM) e del terreno (DTM), che hanno consentito, per sottrazione, di ricavare un modello digitale delle chiome (CHM) esportato in formato raster-matrix a una risoluzione di 1 metro. Tramite l’integrazione tra dati ottenuti dai punti di campionamento a terra rilevati in terza fase dell’INFC e aree realizzate nell’ambito del progetto ALForLAB è stato possibile modellizzare la biomassa epigea in funzione delle metriche LiDAR estratte sulle aree a terra (per maggiori dettagli sulla metodologia, si veda [30]).

Si è poi proceduto a modellizzare la ripartizione della biomassa arborea epigea in tre classi dimensionali: (i) alberi piccoli: diametro a 1.30 m (DBH) < 15 cm, (ii) alberi medi: 15 cm < DBH < 28 cm, (iii) alberi grandi: DBH > 28cm, utilizzando modelli multiregressivi basati sulle seguenti metriche LiDAR del CHM: somma, massimo, media, mediana, deviazione standard. I modelli sono risultati particolarmente accurati per predire la biomassa appartenente alla classe dimensionale degli alberi grandi (Tab. 1). Tramite questo approccio è stato possibile calcolare un indice di equitabilità (distribuzione relativa della biomassa arborea nelle tre classi dimensionali - Tab. 2) utilizzando l’indice di Shannon.

Tab. 2 - Modello di stima della ripartizione della biomassa arborea epigea in classi dimensionali (piccole: diametro a 1.30 m [DBH] < 15 cm; medie: 15 cm < DBH < 28 cm; grandi: DBH > 28 cm).
Biomassa epigea
Classe dimensionale
metriche del CHM R2
somma massimo media mediana dev. standard
Piccole -0.0004
(0.0001)
0.0897
(0.0410)
-0.0796
(0.125)
0.2418
(0.0889)
-0.1349
(0.0870)
0.39
Medie -0.0002
(0.0003)
0.0205
(0.1316)
0.1091
(0.4011)
0.2434
(0.2852)
0.0482
(0.2781)
0.56
Grandi 0.00152
(0.0005)
-0.8645
(0.2042)
2.2736
(0.6223)
-1.5065
(0.4425)
1.6476
(0.4315)
0.72
Enlarge/Shrink Open in Viewer

Un ulteriore strato informativo derivato da OT è costituito dal dato Landsat 8 (L8) OLI, che è stato utilizzato per il calcolo dell’indice NDVI (Normalized Difference Vegetation Index - [23]).

Gli strati informativi ottenuti da ALS e L8 sono stati confrontati con i dati ottenuti dal campionamento dei Lepidotteri adulti (vedi sotto).

Analisi dei dati

Per caratterizzare le comunità dei Lepidotteri sono stati utilizzati i più comuni indici di ricchezza e diversità specifica (numero di Specie, Shannon, Simpson, Fisher α), calcolati tramite il software EstimateS 9.1.0 ([8]). Inoltre, è stata calcolata la proporzione (rapporto G/N) fra specie e fra individui appartenenti alle famiglie dei Geometridi, la cui diversità aumenta in ecosistemi forestali, e dei Noctuidae, la cui diversità aumenta in ecosistemi dominati da formazioni erbacee. Si assume che più è elevato questo rapporto, ovvero più alta risulta la frazione di Geometridae, maggiore è la naturalità del bosco ([1], [5]).

Gli indici di ricchezza e diversità specifica delle comunità dei Lepidotteri notturni sono stati confrontati con le informazioni derivanti da OT, specificatamente: metriche CHM, biomassa arborea epigea, equitabilità della distribuzione della biomassa da ALS, NDVI da L8. Nota la coordinata delle trappole luminose installate a terra, le metriche OT sono state ottenute estraendole da una area circolare di raggio pari a 20 m centrata sulle trappole. I dati sulle comunità dei Lepidotteri notturni e quelli telerilevati sono stati correlati utilizzando come indice statistico del loro grado di associazione il coefficiente di Pearson (r test).

Risultati 

Lepidotteri

In totale sono stati campionati 50.234 individui (N) di Lepidotteri appartenenti a 546 specie (S) così suddivisi tra i diversi tipi forestali: castagneti (N = 8.164; S = 328), faggete (N = 26.558; S = 352), pinete (N = 10.487; S = 306), abetine (N = 5.025; S = 254). Nella Tab. 3 sono riassunti i dati di cattura, gli indici di diversità e il rapporto G/N.

Tab. 3 - Dati di cattura dei Lepidotteri: per ogni stazione sono riportati il numero di specie e di individui catturati, i valori degli indici di diversità più comunemente utilizzati e il rapporto Geometridae/Noctuidae, calcolato sia in termini quantitativi (sul totale degli individui campionati) che in termini qualitativi (sul totale delle specie campionate).
Stazione N
individui
N
specie
Fisher α Shannon Simpson G/N
Individui
G/N
Specie
CC_A1 1029 150 48.42 3.86 15.13 2.56 1.08
CC_A2 987 145 46.87 3.9 19.05 2.00 1.51
CC_A3 507 121 50.32 3.82 17.77 1.29 1.57
CC_B1 651 143 56.62 4.17 34.22 1.73 1.07
CC_B2 1649 193 56.7 4.37 44.24 1.41 0.87
CC_B3 452 120 53.39 3.97 26.88 1.86 1.49
CC_C1 665 137 52.33 4.14 36.45 1.30 1.16
CC_C2 1601 172 48.87 4.04 27.62 3.33 1.30
CC_C3 623 118 43.1 3.76 18.45 2.31 1.30
PO_A1 6361 204 40.24 2.72 3.64 0.94 1.01
PO_A2 8295 226 42.88 2.34 2.64 1.31 1.04
PO_A3 1966 166 43.25 3.16 5.96 1.48 1.08
PO_B1 918 110 32.62 3.44 15.24 2.68 0.79
PO_B2 2399 128 28.88 3.3 15.2 2.03 0.87
PO_B3 602 90 29.32 3.22 10.78 1.73 1.00
PO_C1 3491 97 18.49 2.08 3.24 8.87 0.93
PO_C2 1842 119 28.42 3.22 11.68 3.91 1.00
PO_C3 684 121 42.69 3.91 25.77 1.09 0.96
SL_A1 1114 147 45.36 4.03 28.25 3.21 1.34
SL_A2 2530 157 37.04 3.33 12.88 7.49 0.93
SL_A3 1046 141 43.9 4.01 31.52 2.38 0.89
SL_B1 1367 139 38.69 3.72 13.29 3.78 1.51
SL_B2 869 135 44.76 4.11 36.18 1.52 0.93
SL_B3 247 75 36.65 3.81 32.53 0.66 0.78
SL_C1 1119 142 43.1 3.8 22.74 2.13 1.12
SL_C2 1790 146 37.59 3.71 19.76 3.49 1.19
SL_C3 405 83 31.61 3.55 17.93 1.15 0.81
SR_A1 672 119 42 3.71 13.78 3.31 1.69
SR_A2 751 136 48.55 4.2 40.49 3.94 1.48
SR_A3 155 73 53.86 3.95 47.93 2.41 2.33
SR_B1 487 98 36.96 3.94 35.59 3.61 1.60
SR_B2 637 103 34.79 3.82 25.66 3.76 1.42
SR_B3 221 76 40.96 3.82 33.72 1.30 1.00
SR_C1 641 93 29.89 3.58 21.38 2.06 0.74
SR_C2 1201 113 30.57 3.62 19.2 3.15 0.98
SR_C3 260 69 30.69 3.56 22.57 3.36 1.11
Enlarge/Shrink Open in Viewer

La maggiore ricchezza specifica e la maggiore abbondanza di individui sono state registrate nelle faggete del Pollino. A questi dati non corrispondono proporzionali valori degli indici di diversità (Shannon, Simpson, Fisher), che, anzi, sono mediamente i più bassi delle quattro aree. Ciò è dovuto principalmente alla marcata dominanza di poche specie su tutte le altre. Gli indici di diversità hanno mostrato i valori più alti per i siti dominati dal castagno, ma sono piuttosto elevati anche quelli di pinete e abetine, nonostante queste ultime presentino di gran lunga la minore quantità di individui e la minore ricchezza specifica, frutto di una marcata equiripartizione delle abbondanze relative. Le diverse comunità entomiche sono ben caratterizzate e molto differenziate tra loro. Considerando le cinque specie più abbondanti di ogni biocenosi (Tab. 4) non ve ne sono in comune fra i vari tipi forestali, ad eccezione di Alcis repandata, specie caratterizzante sia i boschi a dominanza di pino nero sia le formazioni a dominanza di abete bianco.

Tab. 4 - Specie più abbondanti di Lepidotteri per tipo forestale analizzato. (*): Unica specie presente in più tipi forestali.
Castagneti Faggete
Peribatodes rhomboidaria Eilema lurideola
Clemathada calberlai Operophtera fagata
Paracolax tristalis Campaea margaritata
Dysauxes famula Epirrita christyi
Eilema caniola Cosmia trapezina
Pinete Abetine
Alcis repandata* Macaria liturata
Pennithera firmata Pungeleria capreolaria
Idaea deversaria Lithosia quadra
Thaumetopoea pityocampa Alcis repandata*
Epirrhoe galiata Dendrolimus pini
Enlarge/Shrink Open in Viewer

Il rapporto G/N relativo alle specie ha mostrato valori superiori a 1 (maggiore numero di Geometridae rispetto ai Noctuidae) nella maggior parte dei siti di campionamento, raggiungendo generalmente i valori massimi nei boschi di maggiore età.

Dati telerilevati e analisi di correlazione

I dati ottenuti da OT e quelli relativi allo studio delle comunità di Lepidotteri sono stati sottoposti ad analisi di correlazione, i cui risultati sono illustrati in Tab. 5.

Tab. 5 - Risultato dell’analisi di correlazione tra indici di diversità e dati misurati a terra (Pearson r test); (Ps1_median): mediana della biomassa del fusto calcolata nell’area di raggio pari a 20 m centrata sulle trappole dei lepidotteri; (Ps2_median): mediana della biomassa epigea calcolata nell’area di raggio pari a 20 m; (SH_BIOM): indice di equitabilità della distribuzione della biomassa epigea in classi dimensionali; (CHM_x): metriche del CHM estratte nell’area di raggio pari a 20 m centrata sulle trappole dei lepidotteri; (*): p<0.05; (**): p<0.01; (***): p<0.001; (ns): non significativo (p>0.05).
Parametro N
individui
N
specie
Fisher a Shannon Simpson G/N
Individui
G/N
Specie
SH_BIOM
Quota ns ns *** * * ns ** ns
Ps1_median ns ns *** ns ns * ns ***
Ps2_median ns ns *** ns ns * ns ***
NDVI_median_L8 ** ** ns * ns ns ns ns
CHM_sum ns ns * ns ns ** ns ***
CHM_mean ns ns * ns ns ** ns ***
CHM_median ns ns ns ns ns ** ns ***
CHM_stdev ns ns ns ns ns ns ns ***
CHM_min ns ns ns ns ns ns ns ns
CHM_max ns ns * ns ns * ns ***
SH_BIOM ns ns ns ns ns ** ns -
Enlarge/Shrink Open in Viewer

Il risultato più significativo riguarda il rapporto G/N, positivamente correlato alla biomassa arborea epigea e negativamente correlato alla sua equitabilità: l’aumento di massa arborea favorisce i Geometridae, generalmente più legati a tali ambienti, mentre la dominanza di una sola classe dimensionale arborea sulle altre fa diminuire il rapporto a vantaggio dei Noctuidae. La biomassa è, inoltre, negativamente correlata con il Fisher α, indice di diversità frequentemente utilizzato per i Lepidotteri. Inoltre, l’indice G/N tende a diminuire con la quota e ad aumentare con la copertura (approssimata dall’NDVI). A quest’ultimo indice di copertura è positivamente correlato il numero di Lepidotteri in termini specifici, mentre è inversamente correlato l’indice di Shannon. La quota influisce negativamente su tutti gli indici di diversità relativi ai Lepidotteri.

Discussione 

I Lepidotteri possono fornire preziose indicazioni sul grado di diversità degli ambienti forestali, soprattutto in caso di habitat frammentati o in rinnovazione perché strettamente associati alla distribuzione delle loro piante nutrici ([17]). A volte, però, può risultare complicato reperire informazioni dettagliate sulla dieta larvale delle singole specie, mentre maggiori sono le conoscenze sulle preferenze ecologiche. I diversi tipi forestali esaminati in questo studio sono caratterizzati da comunità di Lepidotteri peculiari, il cui studio completo offrirebbe numerose chiavi interpretative delle complesse interazioni ecologiche. Ciononostante, è possibile individuare alcune caratteristiche della struttura nelle biocenosi che possono dare indicazioni abbastanza attendibili sulla naturalità degli ecosistemi e che prescindono dalla specie arborea dominante ([21]). Di fatto, i risultati ottenuti in questo studio mostrano una stretta rispondenza tra la struttura delle comunità di Lepidotteri e le caratteristiche dei popolamenti forestali.

Particolarmente indicativo è il rapporto G/N. Un rapporto G/N a favore dei Geometridae è considerato indice di maggiore naturalità per gli ambienti forestali ([32]) e ciò è confermato dai risultati delle analisi effettuate che mostrano una correlazione con la quantità di biomassa e con la copertura arborea. La correlazione risulta invece negativa nel caso in cui una classe dimensionale sia dominante nel bosco: l’assenza di una struttura forestale complessa, infatti, rappresenta una condizione spesso ascrivibile a una gestione selvicolturale che tende a semplificare le cenosi con la creazione di sistemi comparativamente meno favorevoli alla biodiversità.

In termini di valutazione dello stato di conservazione delle foreste, il rapporto G/N, fornisce indicazioni più attendibili rispetto agli indici di diversità, a volte ritenuti poco affidabili nel caso di ambienti frammentati ([4], [28]). Questo rapporto, infatti, è il risultato di una valutazione, seppure semplificata, della struttura di comunità che prende in considerazione anche le caratteristiche autoecologiche dei taxa.

Anche NDVI si dimostra un indice di un certo interesse: correlazioni tra questo indice e altre variabili ecologiche hanno fornito risultati significativi in passato, anche riguardo alla componente animale e le relazioni tra cambiamenti climatici e dinamica delle popolazioni ([7], [25]). La correlazione positiva di NDVI con il rapporto G/N e con la ricchezza di specie di Lepidotteri conferma l’utilità di questo dato per la mappatura della naturalità forestale.

Nel complesso, i risultati sono da ritenersi particolarmente significativi in quanto riferiti a quattro tipi forestali differenti e ciò sembrerebbe suggerire la possibilità di generalizzare le conclusioni raggiunte, almeno nelle condizioni ambientali (montano-mediterraneee) considerate.

Ringraziamenti 

Si ringraziano Carlo Di Marco, Franco Calabrese, Gino Scarpelli, Massimo ed Ettore Salerno per il supporto tecnico. Il lavoro è stato finanziato dal Progetto “ALForLab” (PON03PE_00024_1) cofinanziato dal Programma Operativo Nazionale Ricerca e Competitività (PON R&C) 2007-2013, attraverso il Fondo Europeo di Sviluppo Regionale (FESR) e risorse nazionali (Fondo di Rotazione (FDR) - Piano di Azione e Coesione (PAC) MIUR).

Bibliografia

(1)
Axmacher JC, Holtmann G, Scheuermann L, Brehm G, Müller-Hohenstein K, Fiedler K (2004). Diversity of geometrid moths (Lepidoptera: Geometridae) along an Afrotropical elevational rainforest transect. Diversity and Distributions 10 (4): 293-302.
::CrossRef::Google Scholar::
(2)
Barbati A, Corona P, Marchetti M (2007). A forest typology for monitoring sustainable forest ecosystem management: the case of European Forest Types. Plant Biosystems 1: 93-103.
::CrossRef::Google Scholar::
(3)
Bottalico F, Travaglini D, Fiorentini S, Lisa C, Nocentini S (2014). Stand dynamics and natural regeneration in silver fir (Abies alba Mill.) plantations after traditional rotation age. iForest 7: 313-323.
::CrossRef::Google Scholar::
(4)
Brandmayr P, Pizzolotto R (1994). I Coleotteri Carabidi come indicatori delle condizioni dell’ambiente ai fini della conservazione. In: “Atti XVII Congresso Nazionale Italiano di Entomologia”. Udine, 13-18 giugno 1994, pp. 439-444.
::Google Scholar::
(5)
Brehm G, Fiedler K (2005). Diversity and community structure of geometrid moths of disturbed habitat in a montane area in the Ecuadorian Andes. Journal of Research on the Lepidoptera 38: 1-14.
::Google Scholar::
(6)
Choi SW, Miller JC (2013). Species richness and abundance among macromoths: a comparison of taxonomic, temporal and spatial patterns in Oregon and South Korea. Entomological Research 43 (6): 312-321.
::CrossRef::Google Scholar::
(7)
Cihlar J, Laurent LS, Dyer JA (1991). Relation between the normalized difference vegetation index and ecological variables. Remote sensing of Environment 35 (2): 279-298.
::CrossRef::Google Scholar::
(8)
Colwell RK (2013). EstimateS: Statistical estimation of species richness and shared species from samples. Version 9. User’s Guide and application.
::Online::Google Scholar::
(9)
Coops NC, Tompaski P, Nijland W, Rickbeil GJ, Nielsen SE, Bater CW, Stadt JJ (2016). A forest structure habitat index based on airborne laser scanning data. Ecological Indicators 67: 346-357.
::CrossRef::Google Scholar::
(10)
Corona P (2010). Integration of forest mapping and inventory to support forest management. iForest 3 (3): 59-64.
::CrossRef::Google Scholar::
(11)
Corona P, Ascoli D, Barbati A, Bovio G, Colangelo G, Elia M, Garfì V, IovinoF, Lafortezza R, Leone V, Lovreglio R, Marchetti M, Marchi E, Menguzzato G, Nocentini S, Picchio R, Portoghesi L, Puletti N, Sanesi G, Chianucci F (2015). Integrated forest management to prevent wildfires under Mediterranean environments. Annals of Silvicultural Research 39 (1): 1-22.
::Google Scholar::
(12)
Dapporto L, Fabiano F, Balderi F (2005). I Macrolepidotteri della Val di Farma (Toscana). Aldrovandia 1: 37-54.
::Google Scholar::
(13)
Falldorf T, Strand O, Panzacchi M, Tommervik H (2014). Estimating lichen volume and reindeer winter pasture quality from Landsat imagery. Remote Sensing of Environment 140: 573-579.
::CrossRef::Google Scholar::
(14)
Gitay H, Suárez A, Watson RT, Dokken DJ (2002). Climate change and biodiversity. IPCC Technical Paper V. pp. 77.
::Google Scholar::
(15)
Henle K, Davies KF, Kleyer M, Margules C, Settele J (2004). Predictors of species sensitivity to fragmentation. Biodiversity and Conservation 13: 207-251.
::CrossRef::Google Scholar::
(16)
Hess AN, Falkowski MJ, Webster CR, Storer AJ, Pocewicz A, Martinuzzi S (2013). Employing lidar data to identify butterfly habitat characteristics of four contrasting butterfly species across a diverse landscape. Remote sensing letters 4 (4): 354-363.
::CrossRef::Google Scholar::
(17)
Holloway JD (1985). Moths as indicator organisms for categorising rain forest and monitoring changes and regenerating processes. In: “Tropical Rain-Forest: The Leeds Symposium” (Chadwick AC, Sutton SL eds). Philosophical and Literary Society, Leeds, UK, pp. 235-242.
::Google Scholar::
(18)
Infusino M, Brehm G, Di Marco C, Scalercio S (2017). Assessing the efficiency of UV LEDs as light sources for macro-moth diversity sampling. European Journal of Entomology 114: 25-33.
::CrossRef::Google Scholar::
(19)
Jonason D, Franzén M, Ranius T (2014). Surveying moths using light traps: effects of weather and time of year. PLoS ONE 9 (3): e92453.
::CrossRef::Google Scholar::
(20)
Kerr JT, Southwood TRE, Cihlar J (2001). Remotely sensed habitat diversity predicts butterfly species richness and community similarity in Canada. Proceedings of the National Academy of Sciences USA 98 (20): 11365-11370.
::CrossRef::Google Scholar::
(21)
Kitching RL, Orr AG, Thalib L, Mitchell H, Hopkins MS, Graham AW (2000). Moth assemblages as indicators of environmental quality in remants of upland Australian rain forest. Journal of applied Ecology 37: 284-297.
::CrossRef::Google Scholar::
(22)
Laurin Vaglio G, Puletti N, Chen Q, Corona P, Papale D, Valentini R (2016). Above ground biomass and tree species richness estimation with airborne lidar in tropical Ghana forests. International Journal of Applied Earth Observation and Geoinformation 52: 371-379.
::CrossRef::Google Scholar::
(23)
Li P, Jiang L, Feng Z (2013). Cross-comparison of vegetation indices derived from landsat-7 enhanced thematic mapper plus (ETM+) and Landsat-8 operational land imager (OLI) sensors. Remote Sensing 6 (1): 310-329.
::CrossRef::Google Scholar::
(24)
Nagendra H, Lucas R, Honrado JP, Jongman RH, Tarantino C, Adamo M, Mairota P (2013). Remote sensing for conservation monitoring: Assessing protected areas, habitat extent, habitat condition, species diversity, and threats. Ecological Indicators 33: 45-59.
::CrossRef::Google Scholar::
(25)
Pettorelli N, Ryan S, Mueller T, Bunnefeld N, Jedrzejewska B, Lima M, Kausrud K (2011). The Normalized Difference Vegetation Index (NDVI): unforeseen successes in animal ecology. Climate Research 46 (1): 15-27.
::CrossRef::Google Scholar::
(26)
Peura M, Gonzalez RS, Müller J, Heurich M, Vierling LA, Mönkkönen M, Bässler C (2016). Mapping a “cryptic kingdom”: performance of lidar derived environmental variables in modelling the occurrence of forest fungi. Remote Sensing of Environment 186: 428-438.
::CrossRef::Google Scholar::
(27)
Rete Rurale (2013). Atlante Nazionale del Territorio Rurale. Web site.
::Online::Google Scholar::
(28)
Samways MJ (1994). Insect conservation biology. Chapman and Hall, London, UK, pp. 358.
::Google Scholar::
(29)
Scalercio S, Infusino M (2006). I Macrolepidotteri notturni del basso corso della Fiumara del Trionto (Calabria, Italia meridionale) (Lepidoptera). Quaderni della Stazione Ecologica del civico Museo di Storia naturale di Ferrara 16: 179-202.
::Google Scholar::
(30)
Scrinzi G, Floris A, Clementel F, Turco R, Bernardini V, Greco S, Puletti N, Chianucci F, Corona P (2017). LiDCAL: un sistema di modelli di stima attraverso dati LiDAR del volume e delle fitomasse per le principali formazioni forestali della Calabria. iForest. [in press]
::Google Scholar::
(31)
Summerville KS, Crist TO (2004). Contrasting effects of habitat quantity and quality on moth communities in fragmented landscapes. Ecography 27: 3-12.
::CrossRef::Google Scholar::
(32)
Usher MB, Keiller S (1998). The macrolepidoptera of farm woodlands: determinants of diversity and community structure. Biodiversity Conservation 7(6): 725-748.
::CrossRef::Google Scholar::

Authors’ Address

(1)
Marco Infusino, Stefano Scalercio, Silvia Greco
Consiglio per la ricerca in agricoltura e l’analisi dell’economia agraria, Unità di Ricerca per la Selvicoltura in Ambiente Mediterraneo, c.da Li Rocchi Vermicelli, 87036 Rende (CS)
(2)
Piermaria Corona, Nicola Puletti, Francesco Chianucci
Consiglio per la ricerca in agricoltura e l’analisi dell’economia agraria, Centro di Ricerca per la Selvicoltura, v.le S. Margherita 80, 52100 Arezzo

Corresponding Author

 

Paper Info & Web Metrics

Citation:
Infusino M, Scalercio S, Corona P, Greco S, Puletti N, Chianucci F (2017). Indicatori ad ampia scala per il monitoraggio della diversità forestale per le principali formazioni boschive della Calabria. Forest@ 14: 84-93. - doi: 10.3832/efor2293-014

Academic Editor: Alessandro Paletto

Paper’s History

Received: Nov 23, 2016
Accepted: Jan 12, 2017
Early Published: Feb 27, 2017
Publishing Date: Feb 28, 2017

(Waiting for server response...)

Article Usage

Total Article Views: 2864
(from publication date up to now)

Breakdown by View Type
HTML Page Views: 1543
Abstract Page Views: 5
PDF Downloads: 1061
Citation Downloads: 1
XML Downloads: 254

Web Metrics
Days since publication: 996
Overall contacts: 2864
Avg. contacts per week: 20.13

 

Paper Tables

Cited by

 
Close

 

 
´
Licenza Creative Commons
© SISEF - All the material included on this site is distributed under the license Creative Commons Attribution-NonCommercial 4.0 International.
 
© 2004-2018 SISEF
Editor-in-chief : Marco Borghetti (UNIBAS, Italy)
Web Manager: Gabriele Bucci (IBBR-FI/CNR, Italy)
Reg. Trib. PR no. 16/2004 - ISSN 1824-0119 
Close

Contents