UNIVERSITA’ DEGLI STUDI DI PAVIA
ANNO ACCADEMICO 2002/03
MASTER IN GESTIONE E CONSERVAZIONE DELLE RISORSE NATURALI
UN MODELLO PROBABILISTICO SPAZIALE
SULL'ATTIVITÀ ALIMENTARE DEL CINGHIALE
(SUS SCROFA) NELLA PROVINCIA DI PISA
immagine tratta dal sito del Ministero dell'Ambiente e della Tutela del Territorio
RELATORE: LEONARDO LAMI
INDICE
Introduzione..........................................................................................................................................2I danni da fauna selvatica.....................................................................................................................3La situazione nella provincia di Pisa....................................................................................................3I danni da cinghiale...............................................................................................................................4Materiali e metodi.................................................................................................................................4Raccolta dati.........................................................................................................................................5Analisi territoriale.................................................................................................................................5Identificazione delle variabili responsabili del fenomeno....................................................................5Procedura d'analisi................................................................................................................................8Analisi statistica....................................................................................................................................8
Kolmogorov-Smirnov Test.............................................................................................................................................9Wilcoxon Rank Sum Test...............................................................................................................................................9
Costruzione del modello probabilistico (Multivariate Stepwise Analysis)........................................12Applicazione del Modello..................................................................................................................13Modello spaziale.................................................................................................................................15Conclusioni.........................................................................................................................................19
Introduzione
La tesi di Master consiste nella realizzazione di un modello predittivospaziale inerente al “Progetto di modellizzazione del rischio di danno daparte di fauna selvatica” relativo alle Zone di Ripopolamento e Cattura(ZRC) della Provincia di Pisa.
Il progetto, coordinato e diretto dal Dr. Paolo Cavallini e dal Dr. DanieleScarselli (Faunalia), per conto dell'Amministrazione Provinciale di Pisa, sipropone di valutare le variabili ambientali dell'ambiente in esame ecorrelarle con la densità di danni da cinghiale rilevati nelle ZRC.
L'analisi quantitativa ha permesso di creare un modello matematico,applicabile a tutto il territorio provinciale, al fine di prevedere, sulla base divariabili ambientali e faunistiche, il rischio di danni alle produzioni agricole.
Il modello si è basato sui dati raccolti (localizzazioni, tipologia, quantità,periodo del danno, ecc.) nell'anno 2002 durante lo svolgimento delleperizie.
Una prima valutazione del modello è stata effettuata applicando i risultatiai dati dei danneggiamenti registrati nel 2003. L'applicazione del modelloai dati raccolti negli anni successivi ne verificherà la validità permettendoun adeguato perfezionamento.
Il modello potrà essere utilizzato per:
• creazione di nuove Zone di Ripopolamento e Cattura e ristrutturazionedi quelle esistenti, scorporando le aree ad alto rischio di danni;
• impostazione, in tempo utile, di piani di prevenzione nelle zone amaggior rischio.
Nella realizzazione di tale progetto sono state utilizzate analisi statisticheuni e multivariate allo scopo di trovare le relazioni tra le variabili ambientalie la densità dei danni da cinghiali registrati sul campo.
2
Il lavoro ha compreso anche l'uso di un Sistema Informativo TerritorialeOpen Source, “GRASS”, che ha permesso di effettuare l’analisi geograficadei dati e di rendere i risultati ottenuti più apprezzabili sia in termini divisualizzazione che dal punto di vista analitico.
L'obiettivo formativo è stato quello di aumentare le competenze deltirocinante nell'analisi statistica dei dati e nell'utilizzo dei sistemi GIS perl'analisi informatica territoriale, nonché quello di fornire indicazioni sumetodologie di analisi delle relazioni tra le caratteristiche ambientali di unterritorio e la densità di una specie animale all'interno dello stesso.
I danni da fauna selvatica
Nell'attuale panorama agricolo-forestale, la pressione esercitata dapopolazioni di animali selvatici ed in particolare da ungulati come ilcinghiale, sulle colture agrarie e forestali, rappresenta uno dei principaliproblemi per lo sviluppo di politiche rurali, costituendo causa di conflitto framondo venatorio e mondo agricolo.
In Toscana i danni da fauna selvatica risultano uno dei problemi maggioriper le Amministrazioni Pubbliche con una stima di 3,4 milioni di euro solonel 2001.
La situazione nella provincia di Pisa
La maggior parte dei danni in Provincia di Pisa (dati 2003) risulta essereprovocata dal cinghiale (72,4%) in aumento rispetto al 2002 (64,9%). Se siescludono quindi i danni provocati dalle specie in indirizzo, ovvero lepre efagiano, una gestione oculata del cinghiale all'interno delle ZRC,diminuirebbe ulteriormente il livello di indennizzo.
3
Figura 1. Suddivisione danni da fauna selvatica in Provincia di Pisanel 2002
Cinghiale
Daino
Fagiano
Lepre
Passeriformi
I danni da cinghiale
Il cinghiale (Sus scrofa) riveste un ruolo singolare e profondamenteproblematico nell'attuale panorama della gestione faunistica italiana. Lesue caratteristiche biologiche e l'elevata manipolazione hanno contribuitonegli ultimi decenni, ad un incremento esplosivo della specie in buonaparte del territorio nazionale (Spagnesi & Toso, 1991).
Le intrinseche difficoltà nell'ottenere informazioni affidabili sulleconsistenze delle popolazioni e sull'entità degli animali prelevatideterminano un aumento dei problemi connessi alla pianificazione delleattività gestionali.
I problemi derivano anche dal forte impatto negativo che il cinghialeesercita su alcune attività di interesse economico e ciò contribuisce adacuire i contrasti tra i diversi soggetti (cacciatori ed agricoltori) spessoanimati da interessi divergenti. Il proliferare delle richieste di risarcimentodei danni e di contenimento delle popolazioni conferma la necessità diindividuare strategie organiche e complessive in grado di ridurre i danninel settore agricolo e garantire un'adeguata conservazione della specie ela prosecuzione di un suo razionale utilizzo a fini venatori.
Materiali e metodi
L'analisi dei dati e la produzione delle mappe è stata effettuata tramite iseguenti software:
Il GIS (Geographical Information System) GRASS (Geographic ResourcesAnalysis Support System) è un software “open source” con funzionalitàlegate a rasters, vettori topologici, processazione di immagini e produzionidi grafici. Sviluppato principalmente dall'Istituto Trentino di Cultura (ITC) diTrento, è realizzato sotto licenza GNU General Public License (GPL).
Il programma di statistica R è costituito da un linguaggio e da un ambientegrafico dedicato al calcolo statistico, fornisce un'estesa varietà di analisi(modelizzazione lineare e non lineare, tests di statistica classica, analisitemporali, classificazioni, clustering...) ed è caratterizzato da un'elevatacapacità grafica. R è disponibile come Free Software sotto le condizionidella Free Software Foundation's GNU General Public License ed ècompilato e disponibile per un'estesa varietà di piattaforme UNIX e sistemisimilari (inclusi FreeBSD e Linux), Windows e MacOS.
Il database PostgreSQL è un estensione di sviluppo del sistema digestione di database POSTGRES. Unisce il modello di gestione dei dati diPOSTGRES con il linguaggio di query di PostQuel. PostgreSQL èsviluppato da un gruppo di programmatori internazionali ed è disponibilegratuitamente sotto le condizioni della Free Software Foundation's GNUGeneral Public License.
Le localizzazioni dei danni sono state effettuate tramite GPS.
Il GPS utilizzato è un GPS Garmin avente le seguenti caratteristichetecniche: 12 canali paralleli, 500 waypoints in memoria, velocità corrente,velocità media, display 5,4 x 2,7 cm con retroilluminazione, antennainterna e computer di viaggio.
4
Raccolta dati
Durante i sopralluoghi, effettuati durante gli anni 2002 e 2003, per ognievento dannoso, sono state raccolte le seguenti informazioni:
• Specie responsabile
• Tipologia del danno
• Estensione
• Posizione geografica mediante GPS
• Valutazione quantitativa del danno
I dati relativi all’anno 2002 sono stati utilizzati per la costruzione delmodello probabilistico mentre i dati dell’anno 2003 sono stati impiegati perla validazione dello stesso.
Analisi territoriale
Il piano di lavoro consisteva in due fasi distinte ma strettamente correlate:
1. l’identificazione delle variabili responsabili del fenomeno
2. la costruzione di un modello probabilistico atto a predire il rischio didanno
Identificazione delle variabili responsabili delfenomeno
Gli elementi geografici utilizzati per l’analisi del fenomeno eranorappresentati da tematismi cartografici informatici forniti dalla RegioneToscana.
Questi possono essere raggruppati, per semplicità, in quattro categorie inbase alla loro natura:
Elementi morfologico-ambientali
• vegetazione boschiva
• rete idrologica
• DEM (Digital Elevation Model)
Elementi artificiali
• strade
• linee ferroviarie
• aggregati urbani
Istituti faunistici
• Oasi
5
• Riserve Naturali
• Aziende Faunistico Venatorie (AFV)
• Aziende Agrituristico Venatorie (AAV)
• Aree Addestramento Cani (AAC)
• Area vocata al cinghiale (anno 2001)
Coordinate
• Asse X
• Asse Y
La visualizzazione cartografica della provincia di Pisa attraverso i diversitematismi mostra una distribuzione complessa che permette però diidentificare due zone più o meno omogenee:
1. la zona nord con un maggior sviluppo urbano ed una rete viaria piùestesa
2. la zona sud con un minor sviluppo urbano ma con più ampie zoneinteressate da coltivazioni agricole e appezzamenti boschivi
6
Figura 2. Rappresentazione cartografica dei tematismi
7
Il modello predittivo che ci siamo proposti di realizzare intendevaanalizzare determinate caratteristiche (variabili) dei punti geografici relativiai danni effettuati dai cinghiali all’interno delle Zone di Ripopolamento eCattura nel 2002 e porle a confronto con quelle di un campione di puntirandom anch’essi collocati all’interno delle ZRC.
Per i punti di entrambi i campioni sono state considerate le seguentivariabili:
• La minima distanza dai diversi oggettigeografici sopra elencati (escluso il DEM)
• L’altitudine
• Le coordinate
Procedura d'analisi
L’analisi geografica dei dati è stata effettuata tramite il GIS “GRASS”strumento ad elevate prestazioni che ci ha fornito approfondite capacità dianalisi e di modellizzazione spaziale del fenomeno in esame.
Mentre le coordinate dei punti in esame sono state registrate, tramiteGPS, al momento della raccolta dati, le altre variabili in esame sono statemisurate tramite lo strumento di analisi territoriale.
Analisi statistica
I dati del campione di punti relativi ai danni da cinghiale e di quello relativoai punti random sono stati importati nel programma di analisi statistica “R”.
Il primo tipo di analisi applicata alle variabili è stata di tipo univariato conl’intento di evidenziare differenze statisticamente significative tra i valoriregistrati per le variabili dei due campioni.
Le analisi utilizzate in questa prima fase sono state:
1. Kolmogorov-Smirnov test per l’analisi della distribuzione
2. Wilcoxon rank sum test per l’analisi della mediana
Le variabili che presentavano differenze statisticamente significative inalmeno uno dei due test sono state selezionate per l’analisi successiva.
8
Kolmogorov-Smirnov Test
Variabili a confronto D p-value Significativita
Distanze da Aree Addestramento Cani 0.1707 0.0002885 *
Distanze da Aziende Agrituristico Venatorie 0.0901 0.1701
Distanze da Centri Urbani 0.1958 1.759e-05 *
Distanze da Aziende Faunistico Venatorie 0.2589 2.934e-09 *
Distanze da Aree Vocate 0.0999 0.09642
Distanze da Ferrovia 0.3024 1.758e-12 *
Distanze da Fiumi 0.0778 0.3175
Distanze da Oasi 0.3612 < 2.2e-16 *
Distanze da Riserve Naturali 0.4192 < 2.2e-16 *
Distanze da Strade 0.3457 3.331e-16 *
Distanze da Vegetazione 0.1479 0.002614 *
Valori DTM 0.3521 < 2.2e-16 *
Coordinate X 0.3163 1.297e-13 *
Coordinate Y 0.542 < 2.2e-16 *
Tabella 1. Kolmogorov-Smirnov test
Wilcoxon Rank Sum Test
Variabili a confronto W p-value Significatività
Distanze da Aree Addestramento Cani 142811 0.5362
Distanze da Aziende Agrituristico Venatorie 145599 0.8304
Distanze da Centri Urbani 177784.5 8.421e-06 *
Distanze da Aziende Faunistico Venatorie 189218 9.802e-10 *
Distanze da Aree Vocate 141633 0.4299
Distanze da Ferrovia 179647.5 2.308e-06 *
Distanze da Fiumi 157892 0.1167
Distanze da Oasi 212648 < 2.2e-16 *
Distanze da Riserve Naturali 84310.5 < 2.2e-16 *
Distanze da Strade 206879 < 2.2e-16 *
Distanze da Vegetazione 128634 0.00746 *
Valori DTM 109642 5.645e-08 *
Coordinate X 207351.5 < 2.2e-16 *
Coordinate Y 69961 < 2.2e-16 *
Tabella 2. Wilcoxon Rank Sum test
9
Alcuni grafici esemplificativi relativi ai due test:
Figura 3Test di Kolmogorov-Smirnov e Wilcoxon per alcune delle variabili in esame
Figura 4Test di Kolmogorov-Smirnov e Wilcoxon per alcune delle variabili in esame
10
Le variabili selezionate sono state:
Distanza da:
• aggregati urbani
• ferrovia
• strade
• vegetazione boschiva
• Oasi
• Riserve Naturali
• Aree Addestramento Cani (AAC)
• Aziende Faunistico Venatorie (AFV)
Valore di:
• DEM
• Coordinate X
• Coordinate Y
Queste variabili sono state utilizzate per la creazione di una tabella dicorrelazione:
AAC AAV Urbano AFVArea
vocata Ferrovia Fiumi Oasi Ris Nat Strade Vegetazione DTM X Y
AAC 1
AAV 1
Urbano 1
AFV . 1
Area vocata 1
Ferrovia . 1
Fiumi 1
Oasi . . 1
Riserve Naturali . . . , 1
Strade . 1
Vegetazione . . . 1
DTM . . , , . 1
Coord. X . . . , + . , 1
Coord. Y . . , + . , . 1
Simbolo . , + * 1
Grado di Correlazione 0,3 0,6 0,8 0,9 0,95 1,0
Tabella 3. Tabella di correlazione.
11
Questo test ci ha permesso di escludere dall’analisi successiva le variabiliche presentavano, con altre, un grado di correlazione uguale o superioreallo 0,8.
La scelta tra due variabili altamente correlate è stata effettuata utilizzandocriteri biologici ovvero si sono scelte quelle che dal punto di vistaecologico risultavano più influenti sulla specie in esame.
Le variabili ulteriormente selezionate sono state usate per l’analisimultivariata che ha permesso la realizzazione del modello probabilistico.
Variabili utilizzate:
Distanze da:
• aggregati urbani
• strade
• vegetazione boschiva
• Oasi
• Riserve Naturali
• Aree Addestramento Cani (AAC)
• Aziende Faunistico Venatorie (AFV)
Costruzione del modello probabilistico (MultivariateStepwise Analysis)
Nella seconda fase abbiamo applicato alle variabili un’analisi logisticamultivariata stepwise che ha permesso di selezionare ulteriormentealcune variabili e trarre da queste una funzione probabilistica spaziale ingrado di determinare la probabilità di danno da cinghiale.
Tabella 4. Variabili e relativi coefficienti selezionate dall'analisi logistica multivariata
12
La funzione probabilistica ottenuta è la seguente:
dove le variabili coinvolte risultano essere le distanze da:
• Riserve Naturali (RN)
• Aziende Faunistico Venatorie (AFV)
• Strade (Strade)
• Vegetazione boschiva (Veg)
La lettura della funzione mostra come il valore della probabilità aumenticon l’aumentare della distanza dalle strade, dalle Aziende FaunisticoVenatorie e dalla vegetazione boschiva e al diminuire della distanza dalleRiserve Naturali.
Applicazione del Modello
Il modello probabilistico ottenuto è stato applicato al campione dei puntirelativi ai danni effettuati da cinghiali nel 2002 ed al campione dei puntirandom.
Come risulta dai grafici sottostanti il primo gruppo presenta la quasitotalità dei punti con probabilità di essere interessati da danni da cinghialemaggiore del 50% (Figura 5) mentre il campione random è costituito dapunti che per gran parte hanno probabilità minore del 50% (Figura 6).
Figura 5. Distribuzione valori probabilità dei punti dannida cinghiale 2002
13
Figura 6. Distribuzione probabilità punti random
Per una validazione del modello abbiamo utilizzato il campione dei puntirelativi ai danni da cinghiale raccolti nel 2003 di cui sono state misurate,sempre tramite il Sistema Informativo Territoriale GRASS, le variabiliconsiderate dalla funzione probabilistica ottenuta.
La figura 7 mostra che il modello ha limitata efficacia nel predire ladistribuzione dei danni nell'anno successivo.
Figura 7.Distribuzione valori probabilità dei punti danni dacinghiale 2002
14
Il motivo di questa limitazione potrebbe essere dovuto a probabilivariazioni annue del fenomeno legate sia alla rotazione delle colture neivari terreni sia alla fluttuazione delle diverse popolazioni di cinghialedovute a motivi naturali e ai diversi interventi gestionali operati nelle varieZRC.
Modello spaziale
Il nostro obiettivo era la realizzazione di una carta che fosse in grado didare informazioni geografiche esauriente sulla distribuzione dellaprobabilità di danno da cinghiale nell’intero territorio della Provincia diPisa.
L’idea di fondo per la creazione di tale carta era quella di suddividere insottounità il territorio della provincia e determinare il valore medio dellevariabili della funzione probabilistica per ognuna di esse.
Questi valori applicati alla funzione stessa avrebbero fornito la probabilitàdi danno da cinghiale relative ad ogni sottounità le quali applicate allacarta della Provincia di Pisa ci avrebbero permesso di ottenere la cartadella probabilità di danno da cinghiale nell’intero territorio.
A tale scopo è stato utilizzato il programma GRASS per la creazione diuna griglia puntiforme, con punti posti a distanza di 150 metri,sovrapposta al vettore della Provincia di Pisa.
Per ogni punto della griglia, GRASS ha calcolato i valori delle variabiliinteressati dal nostro modello probabilistico:
• Strade
• Vegetazione boschiva
• Riserve Naturali
• Aziende Faunistico Venatorie
La tabella dei risultati ottenuti è stata importata in R per essere applicatialla funzione probabilistica. I risultati di output fornivano il valore diprobabilità di danno da cinghiale per ogni punto della griglia di partenza.
La tabella risultante è stata esportata nel database PostgreSQL.
La griglia puntiforme è stata trasformata in GRASS in un raster costituitoda celle di 150 x 150 metri e centrate nei punti di origine. Al raster è statapoi associata la tabella di Postgre-SQL con i valori di probabilità in modoche ad ogni cella fosse associato il valore corrispondente al relativo punto.
Applicando una variazione di colori adeguata per la rappresentazione deivalori di probabilità di danno otteniamo la seguente carta delledistribuzione della probabilità di danno da cinghiale per tutto il territoriodella Provincia di Pisa. In blu sono riportati i confini delle ZRC (Figura 8).
15
Figura 8. Mappa delle probabilità di danno da cinghiale per la Provincia di Pisa
16
Per meglio visualizzare e comprendere come le variabili selezionatedall’analisi statistica influenzino la probabilità di danno da cinghiale nelterritorio in esame, al raster delle probabilità di danno sono statesovrapposti i raster ed i vettoriali relativi alle variabili del modello (Figura9).
Figura 9. Mappa delle probabilità di danno da cinghiale per la Provincia di Pisa consovrapposti i tematismi della funzione logistica
17
Adeguati ingrandimenti della mappa delle probabilità sulle singole ZRC(Figura 10) e la sovrapposizione dei punti di danno da cinghiale registratinell’anno 2002 (in nero) e nell’anno 2003 (in blu) mostrano come i primi,ma pure se in misura minore anche i secondi, cadano nella quasi totalitàdei casi nelle zone a più alto rischio.
Figura 10. Particolari della mappa di probabilità di danno da cinghiale relative ad alcune ZRC
Il lavoro si è concluso riportando un piccolo sommario delle proceduresvolte e dei risultati nella pagina web www.faunalia.it/sus_model.shtml
18
Conclusioni
Il fenomeno analizzato è risultato essere complesso e soprattutto nondipendente da una sola variabile.
Il ridotto potere predittivo ottenuto può essere dovuto sia al numero di datilimitato (N = 166 punti di danno) e da aree di campionamento piccole erelativamente omogenee.
Risulta quindi necessario un approfondimento con un maggior numero didati tale da migliorare il modello predittivo e renderlo più efficiente.
Il modello odierno risulterà comunque utile per:
• creazione di nuove Zone di Ripopolamento e Cattura e ristrutturazionedi quelle esistenti, scorporando le aree ad alto rischio di danni;
• impostazione, in tempo utile, di piani di prevenzione nelle zone amaggior rischio.
19
