Models of stand volume and biomass estimation based on LiDAR data for the main forest types in Calabria (southern Italy). The AlForLab project is part of the Cluster MEA (Materials Energy Environment) addressed to the Calabria Region. Estimating the main dendrometric variables of Calabrian forests using models based on publicly available remote sensed data is one of the main purposes of the project. This paper describes the procedures used to develop several thematic maps (raster and vector) of timber volume and phytomass to be used in planning and management activities at both regional and forest property scale, as well as for felling plans, logging projects etc. We used public LiDAR data at medium-low resolution (1.6 pts m-2), acquired on about 90% of Calabrian territory in the frame of a national remote sensing programme of the Italian Ministry of the Environment. Field data from the second National Forest Inventory (INFC 2005) on 311 sample points were used for model calibration, as well as new field data acquired specifically for AlForLab project on 143 angle count samples. A series of regression models to predict volume and its corresponding aboveground biomass (dry and fresh weight) were developed and digital maps at different spatial resolutions were produced, as well as their estimate uncertainties. These models and their mapping products are also an important part of the new-establishing forest Decision Support System CFOR. The adopted models, though based on the same mathematical equation, have specific coefficients for different species and groups of species, according to a forest type classification system compatible with the fourth level of Corine Land Cover. In this way it is possible to apply the models without accessing more detailed forest type maps. All estimation methods and procedures are consistent with national forest inventory models, and with the other new tools proposed by AlForLab project to estimate timber volume, such as the regional tariffs and the field sampling inventory procedures. R2 adjusted values (for models at the highest typological detail) are between 60% and 85%, whereas uncertainties of timber volume estimate (ESS%) range from 25% (for main forest species) up to 50% (for less spread forest types). All processing steps to produce digital maps were performed on open-source environment (R and QGIS).
Le applicazioni della tecnologia LiDAR (
La disponibilità su scala nazionale dei dati LiDAR acquisiti nell’ambito del Piano Straordinario di Telerilevamento (
Uno degli obiettivi del progetto AlForLab è stato quindi l’impiego di tali dati LiDAR di pubblica disponibilità per la caratterizzazione dendrometrica dei boschi della Calabria, in particolare per la stima “automatica” del volume e delle fitomasse per unità di superficie (
In particolare due sono state le finalità principali di questa attività di ricerca: (a) la messa a punto di un sistema di modelli di stima del volume e della biomassa legnosa, applicabili alle principali formazioni forestali della Calabria, utilizzando come variabili predittive alcune “metriche” elaborate da dati LiDAR; (b) l’implementazione di tali modelli in procedure informatiche facilmente utilizzabili dai tecnici forestali e dalle amministrazioni preposte alla pianificazione e gestione del patrimonio forestale regionale. Tali obiettivi sono stati costantemente coordinati con le altre attività AlForLab oggetto di altri contributi del presente numero speciale, in particolare quelle finalizzate alla realizzazione delle tariffe regionali calabresi di cubatura dei soggetti arborei (
Nel progetto
In queste aree si è concentrato il rilievo di dati al suolo integrativi per la costruzione dei modelli. I dati di base derivano invece da una distribuzione estesa a tutta la regione essendo quelli derivanti dai rilievi al suolo della terza fase INFC 2005 (
I prodotti LiDAR rilevati nell’ambito del Piano Straordinario di Telerilevamento ambientale - PST e messi a disposizione del progetto AlForLab dal Ministero dell’ambiente e della tutela del territorio e del mare (MATTM) sono stati forniti in formato
Il Modello Digitale delle Chiome (CHM) necessario alle successive elaborazioni è stato calcolato come differenza algebrica tra DSM e DTM, ponendo a valore zero tutti i
Per mettere a punto i modelli oggetto di questo studio sono stati utilizzati sia dati al suolo INFC (anno di riferimento 2006, 311 osservazioni), sia dati al suolo rilevati appositamente nel progetto AlForLab (anno 2015, 143 osservazioni). Tutte le aree sono state accuratamente georeferenziate tramite posizionamento GPS con ricevitori di classe GIS (Trimble modelli PRO-XR, GeoXT 6000 e Juno SD), come media stazionaria di 100-170 posizioni e correzione differenziale in
Per ciascuna delle aree di saggio al suolo è stato calcolato il volume riferito all’ettaro dei soggetti arborei con diametro ≥ 4.5 cm. Nelle aree INFC, soggette a cavallettamento totale e a rilievo ipsometrico secondo le modalità riportate da
Nelle unità campionarie integrative AlForLab, che erano di tipo relascopico con misurazione del diametro di tutti gli alberi inclusi (alberi “IN”) e con rilievo dell’altezza di 8 alberi, è stato calcolato individualmente il volume di tutti gli alberi IN di ciascuna prova di numerazione angolare (PNA), previa assegnazione a ciascun albero dell’altezza della curva guida tariffaria TaCAL corrispondente all’indicatore di tariffa individuato sugli alberi modello misurati in altezza, con procedura analoga a quella adottata per le aree INFC. I dati di volume riferiti all’ettaro sono stati ottenuti mediante “ricostruzione del popolamento virtuale” secondo il metodo di
Le principali statistiche descrittive del volume a ettaro calcolato dai rilievi al suolo, riferite alle aree aventi copertura LiDAR, sono riportate in
In corrispondenza delle coordinate di ogni unità campionaria al suolo (sia INFC che AlForLab), sul supporto LiDAR CHM è stata individuata un’area circolare corrispondente alla superficie dell’unità campionaria individuata al suolo. Nel caso delle aree di saggio INFC è stato individuato un cerchio con raggio fisso di 13 m, mentre, per le aree relascopiche AlForLab, che sono da ritenere “a raggio variabile”, è stata dimensionata e individuata sul CHM un’area circolare di esplorazione relascopica locale con raggio di volta in volta variabile calcolato con la procedura messa a punto da
Una volta prodotti i CHM per i singoli
Considerato che le epoche dei rilievi a terra erano sensibilmente diverse tra le due fonti di dati, ed entrambe diverse dal riferimento temporale delle acquisizioni LiDAR, si è attuata una sincronizzazione dei dati di volume rilevati al suolo rispetto all’anno di riferimento 2011, applicando ai due
A tale sincronizzazione è seguita una necessaria selezione riguardante: (a) punti INFC privi di copertura LiDAR PST-MATTM; (b) punti rivelatisi
È stato di conseguenza possibile utilizzare 240 punti INFC. Dei punti AlForLab rilevati al suolo (PNA relascopiche) è stata fatta una analoga selezione, che ha portato a un set effettivamente utilizzabile di 137 punti sui 143 rilevati. Nel complesso il
Un primo passo di analisi è consistito in una esplorazione delle relazioni tra le variabili esplicative potenziali di cui sopra e la variabile dipendente osservata, producendo gli
Per tale motivo e tenuto conto che la numerosità non elevata del
Si è quindi provveduto alla ripartizione dell’intero
Per la stima delle fitomasse epigee riferite all’ettaro si sarebbe potuto procedere con approccio analogo a quanto fatto per la costruzione dei modelli LiDAR di stima del volume, mettendo in relazione i valori di fitomassa (e non più di volume) a ettaro riscontrati nelle unità campionarie col medesimo
Gli Autori citati in precedenza riportano peraltro anche i coefficienti medi, diversi per ciascuna specie, di trasformazione del volume individuale nelle rispettive fitomasse anidre (legnosa e totale) e anche rispetto al peso fresco. Nel presente studio sono stati adottati tali coefficienti medi e il passaggio da volume a fitomasse è avvenuto calcolando un coefficiente di trasformazione ponderato per ciascun modello (gruppo specifico), sulla base delle composizioni medie in specie osservate nei punti di campionamento al suolo afferenti al modello/gruppo stesso. Si è ritenuto potesse essere utile fornire, oltre ai due coefficienti relativi alle componenti di peso secco, anche il coefficiente di trasformazione in peso fresco del volume legnoso, facendo ricorso anche in questo caso ai valori riportati in
Le funzioni di stima messe a punto, dirette per i volumi e basate su coefficienti medi per le fitomasse, sono state implementate in ambiente GIS
Nello sviluppo dei modelli in studio la variabile in stima (dipendente) era ovviamente il volume a ettaro (
dove i coefficienti
Questa scelta presenta il vantaggio di adottare un’unica struttura funzionale comune a tutti i modelli di stima, con una funzione dotata di elasticità (assume andamento rettilineo per
Una preliminare analisi statistica, effettuata imponendo alla struttura funzionale di cui sopra anche la presenza di un parametro di intercetta, ha messo in evidenza (per tutti i tipi di composizione) che tale parametro non è significativamente diverso da zero (se la metrica locale CHM
L’elenco dei tipi di formazione e i relativi coefficienti dei modelli messi a punto sono riportati in
Si osservi che i modelli, in particolare quelli a livello di dettaglio elevato, sono costruiti su numerosità di osservazioni a terra in alcuni casi esigue (ad es., Eucalitti e altri gruppi), ragione per cui le stime prodotte avranno in alcuni casi margini di incertezza ampi; al tempo stesso una certa prudenza andrà posta nel determinare l’intervallo di validità dei modelli stessi, che non dovrà in linea di principio estendersi troppo dall’estremo superiore dei valori di
Le incertezze di stima dei modelli realizzati, espresse dai parametri
Una considerazione va fatta al riguardo di tali valori di incertezza: essi sono riferiti a stime su superfici analoghe a quelle usate nella costruzione dei modelli, cioè le aree di saggio al suolo, che nel caso in studio hanno estensione di alcune centinaia di metri quadrati. I principi di propagazione degli errori di stima per aggregazione (
Per quanto attiene alla realizzazione delle carte tematiche, è opportuno che il livello di dettaglio al quale vengono prodotte sia congruente con la risoluzione e l’accuratezza della compartimentazione tipologica: l’applicazione di modelli di singola specie a una classificazione delle specie poco precisa potrebbe dar luogo a stime distorte. Di conseguenza, in assenza di una carta dettagliata e accurata delle formazioni forestali (congruente con i tipi di modelli impiegati) è preferibile scegliere un grado medio o basso di dettaglio. Un esempio di carte in continuo (
I modelli di stima presentati in questo studio rappresentano un primo esempio di utilizzo di dati pubblicamente disponibili (INFC-CFS, PST-MATTM) per la realizzazione di prodotti di stima automatica su base LiDAR della consistenza georeferenziata delle risorse forestali a supporto delle attività forestali, validi su ampia scala (inventario forestale regionale), ma configurabili, senza sostanziale variazione della precisione, a dettaglio territoriale più elevato, ad esempio nel caso di inventari forestali di comprensorio o Parco, di piano di assestamento forestale a scala aziendale o sovraziendale.
Una naturale evoluzione dello studio consiste nell’implementare le procedure automatizzate di produzione di piani tematici GIS dei volumi e delle fitomasse, già messe a disposizione in questo caso come
Questo studio è stato realizzato nell’ambito del 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).
Gli autori sono particolarmente grati al Corpo Forestale dello Stato per aver messo a disposizione dello studio i dati nativi dei rilievi inventariali INFC 2005 della Calabria, ed al Ministero dell’Ambiente e della Tutela del Territorio e del Mare, per aver messo a disposizione dello studio i dati LiDAR rilevati nell’ambito del Piano Straordinario di Telerilevamento Ambientale.
I quattro scenari studio del progetto AlForLab (in verde chiaro) e i punti di campionamento al suolo (terza fase INFC-2005 più punti AlForLab) impiegati per la costruzione dei modelli LiDAR (in nero).
Andamenti delle funzioni di regressione di
Andamenti delle funzioni di regressione di
Piani informativi
Piano informativo vettoriale GIS del volume a ettaro per le diverse formazioni forestali (comune di Stilo). Il valore all’interno di ogni poligono è il volume legnoso totale stimato per il comparto (m3).
Metadati dei rilievi ALS LiDAR (PST-MATTM)
Caratteristica | Valore |
---|---|
Sensore |
ALTM System Optech |
Angolo di scansione | 25° |
Altezza di volo | 1500-1800 m agl |
Frequenza degli impulsi | 100 kHz |
Densità punti al suolo | 1.6 pp m-2 |
Impronta al suolo | 25-30 cm |
Accuratezza altimetrica (1 σ) | 15-30 cm |
Numero di ritorni | 4 |
Epoca dei voli | 2008-2014(con prevalenza 2011) |
Statistiche distributive della variabile dipendente
Dettagliomodelli | Tipo di formazione | Parametri distributivi di |
|||||
---|---|---|---|---|---|---|---|
casi | media | mediana | min | max | CV | ||
elevato | Abetine di Abete bianco | 39 | 586.81 | 549.75 | 238.19 | 1197.09 | 0.40 |
Pinete di Pino laricio | 89 | 536.66 | 473.95 | 24.35 | 1850.55 | 0.66 | |
Form. di conifere mediterranee | 15 | 156.91 | 148.81 | 1.78 | 510.20 | 0.75 | |
Querceti sempreverdi | 14 | 134.33 | 108.91 | 9.28 | 406.42 | 0.85 | |
Eucalitteti | 10 | 75.76 | 78.05 | 10.84 | 132.47 | 0.64 | |
Faggete | 84 | 459.46 | 450.58 | 133.62 | 972.60 | 0.44 | |
Castagneti | 56 | 218.76 | 178.82 | 28.16 | 680.76 | 0.71 | |
Querceti caducifogli | 43 | 160.82 | 103.14 | 9.02 | 653.77 | 0.90 | |
Form. ad altre latifoglie | 27 | 141.07 | 100.02 | 2.25 | 491.19 | 0.95 | |
totale | 377 | 363.95 | 297.77 | 1.78 | 1850.55 | 0.79 | |
medio | Form. di conifere montane | 95 | 584.90 | 507.35 | 77.57 | 1850.55 | 0.58 |
Form. miste di conifere/latifoglie mont. | 40 | 441.07 | 442.56 | 24.35 | 1179.95 | 0.52 | |
Form. di conifere mediterranee | 13 | 155.16 | 117.81 | 1.78 | 510.20 | 0.82 | |
Form. di latifoglie non montane | 88 | 136.64 | 96.63 | 2.25 | 653.77 | 0.96 | |
Form. di latifoglie montane | 77 | 467.98 | 460.85 | 133.62 | 972.60 | 0.44 | |
Castagneti puri o misti a prev. di C. | 56 | 218.76 | 178.82 | 28.16 | 680.76 | 0.71 | |
totale | 369 | 367.30 | 303.76 | 1.78 | 1850.55 | 0.79 | |
basso | Formazioni di conifere | 108 | 533.17 | 483.25 | 1.78 | 1850.55 | 0.66 |
Formazioni miste di conifere e latif. | 49 | 403.49 | 390.45 | 24.35 | 1179.95 | 0.57 | |
Formazioni di latifoglie | 220 | 272.07 | 215.48 | 2.25 | 972.60 | 0.81 | |
totale | 377 | 363.95 | 297.77 | 1.78 | 1850.55 | 0.79 |
Statistiche distributive della variabile previsionale
Dettagliomodelli | Tipo di formazione | Parametri distributivi di |
|||||
---|---|---|---|---|---|---|---|
casi | media | mediana | min | max | CV | ||
elevato | Abetine di Abete bianco | 39 | 20.38 | 21.38 | 8.86 | 27.39 | 0.23 |
Pinete di Pino laricio | 89 | 13.15 | 12.48 | 1.71 | 28.65 | 0.47 | |
Form. di conifere mediterranee | 15 | 6.19 | 5.03 | 0.08 | 17.20 | 0.63 | |
Querceti sempreverdi | 14 | 7.08 | 7.35 | 1.43 | 14.23 | 0.61 | |
Eucalitteti | 10 | 3.37 | 2.98 | 0.40 | 6.39 | 0.63 | |
Faggete | 84 | 18.77 | 19.49 | 6.48 | 29.05 | 0.30 | |
Castagneti | 56 | 9.21 | 9.02 | 0.62 | 23.88 | 0.57 | |
Querceti caducifogli | 43 | 8.51 | 6.62 | 1.07 | 22.27 | 0.69 | |
Form. ad altre latifoglie | 27 | 9.43 | 7.87 | 0.59 | 23.98 | 0.69 | |
|
|
|
|
|
|
|
|
medio | Form. di conifere montane | 95 | 15.18 | 14.77 | 3.49 | 28.65 | 0.43 |
Form.miste di conifere/latifoglie mont. | 40 | 15.53 | 14.87 | 1.71 | 27.13 | 0.42 | |
Form. di conifere mediterranee | 13 | 6.08 | 5.03 | 0.08 | 17.20 | 0.66 | |
Form. di latifoglie non montane | 88 | 7.85 | 6.37 | 0.40 | 23.98 | 0.74 | |
Form. di latifoglie montane | 77 | 19.21 | 20.11 | 6.48 | 29.05 | 0.29 | |
Castagneti puri o misti a prev. di C. | 56 | 9.21 | 9.02 | 0.62 | 23.88 | 0.57 | |
totale | 369 | 13.08 | 12.33 | 0.08 | 29.05 | 0.56 | |
basso | Formazioni di conifere | 108 | 14.08 | 13.70 | 0.08 | 28.65 | 0.49 |
Formazioni miste di conifere e latif. | 49 | 14.60 | 13.70 | 1.71 | 27.13 | 0.46 | |
Formazioni di latifoglie | 220 | 12.12 | 11.24 | 0.40 | 29.05 | 0.63 | |
totale | 377 | 13.01 | 12.21 | 0.08 | 29.05 | 0.78 |
Parametri dei modelli di stima del volume a ettaro attraverso dati da telerilevamento ALS LiDAR.
Dettagliomodelli | Tipo di formazione | modello: |
|||
---|---|---|---|---|---|
casi |
|
|
adj |
||
elevato | Abetine di Abete bianco | 39 | 3.5246 | 1.6818 | 0.584 |
Pinete di Pino laricio | 89 | 17.1049 | 1.3164 | 0.782 | |
Form. di conifere mediterranee | 15 | 19.0156 | 1.1347 | 0.819 | |
Querceti sempreverdi | 14 | 12.9313 | 1.1819 | 0.683 | |
Eucalitteti | 10 | 21.0355 | 1.0000 | 0.848 | |
Faggete | 84 | 17.9052 | 1.1045 | 0.531 | |
Castagneti | 56 | 14.9746 | 1.1813 | 0.684 | |
Querceti caducifogli | 43 | 12.6225 | 1.1697 | 0.780 | |
Form. ad altre latifoglie | 27 | 8.1856 | 1.2354 | 0.707 | |
|
|
- | |||
medio | Form. di conifere montane | 95 | 25.8903 | 1.1377 | 0.632 |
Form. miste di conifere/latifoglie montane | 40 | 24.5641 | 1.0506 | 0.677 | |
Form. di conifere mediterranee | 13 | 17.6125 | 1.1824 | 0.921 | |
Form. di latifoglie non montane | 88 | 12.1060 | 1.1521 | 0.732 | |
Form. di latifoglie montane | 77 | 15.9776 | 1.1400 | 0.525 | |
Castagneti puri o misti a prevalenza di Castagno | 56 | 14.9746 | 1.1813 | 0.684 | |
|
|
- | |||
basso | Formazioni di conifere | 108 | 23.3101 | 1.1713 | 0.693 |
Formazioni miste di conifere e latifoglie | 49 | 23.1523 | 1.0624 | 0.692 | |
Formazioni di latifoglie | 220 | 12.1274 | 1.2221 | 0.768 | |
|
|
- |
Incertezze di stima del volume a ettaro dei modelli (sui campioni interi e dopo cross-validazione di tipo
Dettagliomodelli | Tipo di formazione | Casi | media |
modelli su intero campione | leave one out cross-validation models | ||
---|---|---|---|---|---|---|---|
RMSE(m3 ha-1) | ESS(%) | RMS Test Error(m3 ha-1) | ESS(%) | ||||
elevato | Abetine di Abete bianco | 39 | 586.8 | 148.23 | 25.26 | 161.09 | 27.45 |
Pinete di Pino laricio | 89 | 536.6 | 162.99 | 30.37 | 169.12 | 31.51 | |
Form. di conifere mediterranee | 15 | 156.9 | 46.82 | 29.84 | 70.50 | 44.93 | |
Querceti sempreverdi | 14 | 134.3 | 59.32 | 44.16 | 79.73 | 59.36 | |
Eucalitteti | 10 | 75.8 | 34.66 | 45.76 | 35.99 | 47.51 | |
Faggete | 84 | 459.5 | 135.92 | 29.58 | 138.97 | 30.25 | |
Castagneti | 56 | 218.8 | 86.17 | 39.39 | 89.80 | 41.05 | |
Querceti caducifogli | 43 | 160.8 | 66.24 | 41.19 | 72.60 | 45.14 | |
Form. ad altre latifoglie | 27 | 141.1 | 70.06 | 49.66 | 77.80 | 55.15 | |
|
|
|
|
|
|
|
|
medio | Form. di conifere montane | 95 | 584.9 | 203.40 | 34.77 | 209.76 | 35.86 |
Form. miste di conifere/latifoglie montane | 40 | 441.1 | 128.01 | 29.02 | 138.04 | 31.30 | |
Form. di conifere mediterranee | 13 | 155.16 | 33.03 | 21.29 | 36.70 | 23.65 | |
Form. latifoglie non montane | 88 | 136.6 | 67.00 | 49.03 | 69.62 | 50.95 | |
Form. latifoglie montane | 77 | 468.0 | 139.25 | 29.76 | 142.67 | 30.49 | |
Castagneti o puri e misti a prev. di Castagno | 56 | 218.8 | 86.17 | 39.39 | 89.80 | 41.05 | |
|
|
|
|
|
|
|
|
basso | Form. di conifere | 108 | 533.2 | 192.21 | 36.05 | 197.82 | 37.10 |
Form. miste di conifere/latifoglie | 49 | 403.5 | 124.41 | 30.83 | 132.65 | 32.88 | |
Form. di latifoglie | 220 | 272.1 | 106.10 | 39.00 | 107.36 | 39.46 | |
|
|
|
|
|
|
|
Tab. S1 - Coefficienti moltiplicatori di trasformazione del volume a ettaro in fitomassa a ettaro, calcolati sulle composizioni medie ponderate dei gruppi modellistici AlForLab.
Fig. S1 - Copertura voli LiDAR della Regione Calabria (Piano Straordinario di Telerilevamento ambientale - MATTM 2014).
Fig. S2 - Ortofotocarta (a sinistra) e CHM LiDAR (a destra) del comune di Stilo (Serre calabresi).
Fig. S3 - Interfaccia utente del modulo di QGIS (implementato come script R) per la stima del volume e delle fitomasse e la produzione dei relativi piani informativi digitali.
Box S1 -