logo

Journal of Silviculture and Forest Ecology

 
Forest@ - Journal of Silviculture and Forest Ecology
vol. 4, pp. 373-385 (Dec 2007)

Research Articles

*From a diameter-based to a height-based dendrometry: estimate of tree volume from laser scanning measurements

E. AbramoCorresponding author, A. Barilotti, F. Sepic

 

Abstract

Laser scanning is a recently-introduced remote sensing technology that shows high potentiality in the context of the forestry resources management. The research group of the University of Udine, within an INTERREG IIIA Phare/CBC Italy-Slovenia project, developed specific methods regarding the use of LiDAR data for forestry applications. A specific methodology which makes possible to obtain the position of the single trees and their relative heights has been implemented. On the basis of the height distributions, using stand height curves relation already available in the stand volume tables, a method to derive the volume values of each tree is proposed. The paper shows the first results obtained with the above method in terms of diameter and volume estimation on the basis of laser scanning data surveyed in different composed forestry plots. A comparison between laser-based and traditional methods-based data is also presented. Some of the consequences of this different way to use the stand volume tables were analyzed, and an experimental procedure is proposed that seems to guarantee a sufficient reliability of the results, and their historical continuity. Furthermore, the approach described may reduce the costs of the traditional dendrometric assessment, nowadays not sustainable in forest management.

Keywords: Laser scanning, Tree volume, Stand volume tables, Forest management, Friuli Venezia Giulia

Introduzione 

Nell’ultimo decennio le scienze ambientali applicate hanno subito un radicale cambiamento grazie alla comparsa di nuove tecnologie relative al reperimento e al trattamento dei dati territoriali. Anche il mondo forestale ha tratto benefici da tali innovazioni, soprattutto nel settore della pianificazione. Infatti, la gestione informatizzata dei dati territoriali (raster o vettoriali), quali ortofoto, carte tecniche, mappe tematiche e banche dati, ha permesso di mettere a punto varie applicazioni (interrogazioni, visualizzazioni, report, ecc.) che rendono banali quesiti di natura territoriale, la cui risposta, solo alcuni anni fa, necessitava di tempi lunghi, generando talvolta imbarazzanti semplificazioni ([14]).

Grazie a queste nuove tecnologie vi è stato un notevole miglioramento nella percezione e nell’analisi dell’ambiente da pianificare, fatto che ha permesso un salto di qualità negli elaborati tecnici di supporto alle scelte pianificatorie.

Nonostante questi miglioramenti la pianificazione forestale appare spesso sull’orlo di una crisi a causa degli alti costi ([15], [20]), a fronte di benefici non sempre chiari e comprensibili, soprattutto nel caso le si attribuisca riduttivamente la sola funzione di organizzazione, nel tempo e nello spazio, delle utilizzazioni legnose ([8]). In particolare, paiono insostenibili i costi dei rilievi di natura dendrometrica, che potrebbero essere omessi in proprietà forestali a lunga tradizione assestamentale (proprietà con 4-5 revisioni di piano d’assestamento), ma ai quali molte Amministrazioni non vogliono rinunciare per garantire la continuità storica di quelle fondamentali informazioni che solo la pianificazione forestale è in grado di fornire (evoluzione della massa, delle utilizzazioni, dell’incremento, della struttura, ecc.).

Fra le nuove tecnologie di rilievo che si stanno diffondendo in campo ambientale, il laser scanning da aeromobile sembra poter portare un significativo contributo nella riduzione dei costi dei rilievi dendrometrici, senza peraltro pregiudicare la qualità e la continuità storica delle informazioni.

In questo lavoro si introduce un metodo finalizzato all’estrazione di dati dendrometrici a partire da rilievi laser scanning per la caratterizzazione e la pianificazione degli ecosistemi forestali.

Le applicazioni del laser scanning in ambito forestale

La tecnica del laser scanning aerotrasportato (ALS - airborne laser scanning) rappresenta un nuovo ed efficiente metodo per il rilievo a distanza di porzioni di territorio e la modellazione di oggetti aventi qualsiasi forma e dimensione.

Il sistema è costituito da un telemetro laser, che permette la misura della distanza fra l’apparecchio in volo e l’oggetto riflettente, da un ricevitore GPS, che consente il posizionamento assoluto del sistema e da un apparato inerziale che determina, istante per istante, l’orientamento del telemetro laser.

In corrispondenza di un territorio boscato, una parte degli impulsi emessi dal laser è riflessa direttamente dalle chiome degli alberi mentre una percentuale di essi (dipendente dalla specie, dalla struttura e dalla densità del popolamento) filtra verticalmente attraverso la copertura e raggiunge il suolo prima di ritornare al ricevitore ([19]). Il risultato della scansione è costituito da una “nube georeferenziata di punti” che nel caso di elevata densità di campionamento consente di ottenere una copertura pressoché omogenea dell’area rilevata ([1]).

La tecnica di scansione aerea con strumentazione laser (LiDAR - Light detection and ranging), appena descritta per sommi capi, appare particolarmente promettente per la determinazione di alcuni parametri di natura forestale, poiché consente di realizzare, grazie al campionamento di un elevato numero di punti, la rappresentazione tridimensionale del bosco.

L’aspetto informatico riveste un ruolo di primaria importanza nel trattamento e nello sviluppo di algoritmi necessari per il filtraggio, la classificazione e la modellazione della “nube di punti”.

In questo contesto, particolare attenzione è stata volta allo sviluppo di metodologie informatiche e di algoritmi utili per l’estrazione automatica dei parametri che caratterizzano la struttura tridimensionale dei singoli alberi ([5]). Il substrato informatico sul quale sono stati condotti gli esperimenti è costituito da un software per la gestione dei dati LiDAR, sviluppato ad hoc in ambiente Linux ([6]), sulla base del quale è stato implementato uno specifico tool di algoritmi che permette:

  • il posizionamento e il conteggio dei singoli alberi[1];
  • l’attribuzione ad ogni albero di un’altezza;
  • la delineazione della forma della chioma e la stima della sua profondità ([3]).

Con la medesima scansione laser[2] è possibile ottenere numerose altre informazioni di notevole interesse anche per la pianificazione forestale. Ad esempio, con diversa elaborazione dei dati[3], si può disporre di un modello digitale del terreno (DTM - Digital Terrain Model) che, non risentendo più delle interpolazioni dovute al processo fotointerpretativo nelle aree boscate ([2]), costituisce un ottimo supporto per la progettazione, ad esempio: della viabilità forestale, dei sistemi d’esbosco, delle opere di sistemazione, ecc. Questo prodotto consente inoltre di utilizzare direttamente la superficie 3D del terreno superando gli inconvenienti che crea quella proiettata sul piano orizzontale comunemente impiegata[4].

Fra le altre applicazioni del laser scanning nella pianificazione forestale si può accennare alla possibilità di analizzare e, quindi, facilmente riportare in cartografia la struttura fisionomica del bosco, nei suoi tre aspetti della distribuzione verticale, della copertura e della distribuzione orizzontale ([10]), disponendo così della carta dei tipi strutturali, documento richiesto da molte delle normative assestamentali regionali in vigore.

Infine, fra le varie applicazioni realizzate dal gruppo di ricerca del Progetto INTERREG sopracitato è stata predisposta la possibilità, sempre attraverso l’elaborazione dei dati LiDAR, di un viaggio virtuale in 3D all’interno del bosco. Di là dell’effetto scenico, quest’applicazione può essere molto utile per effettuare una prima ricognizione del territorio da pianificare, oltre a rimanere consultabile dal tecnico in qualsiasi momento per eventuali controlli o ripensamenti, assai frequenti nella pratica, ma spesso molto onerosi.

Oltre a quanto sin qui indicato, ciò che può costituire una vera e propria innovazione in termini di costi/benefici, è l’opportunità di utilizzare i dati LiDAR per ricavare dati dendrometrici.

Per queste applicazioni è stata stimata ([17]) l’entità dei risparmi ottenibili rispetto ai rilievi tradizionali; essa varia sensibilmente in relazione alla metodologia adottata, in particolare alla quantità di rilievi complementari da compiere a terra.

Alcuni autori hanno già affrontato la possibilità di ottenere informazioni dendrometriche a partire da rilievi laser scanning ([7], [16], [12], [18]). In questi lavori sono state proposte metodologie utili al calcolo del volume di un popolamento che prevedono modelli di regressione tra le seriazioni ipsometriche ottenute da LiDAR e i valori di diametro e altezza misurati a terra in aree di saggio[5]. Ai lavori di questi autori si rimanda per un approfondimento di tale approccio metodologico, pensato e applicato nei boschi in massima parte monospecifici e relativamente poco densi dell’area scandinava o nord americana.

Per l’ambito alpino, notoriamente più complesso dal punto di vista forestale in termini di orografia, composizione, struttura e densità, il gruppo di ricerca del Progetto INTERREG IIIA ha sviluppato una metodologia differente che viene proposta in questo articolo.

Si tratta di un approccio che vuole salvaguardare la possibilità di comparare i dati dendrometrici ereditati dal passato con quelli attuali (cosa non possibile con le metodologie nord europee che prevedono l’impiego di specifiche relazioni). Inoltre, consente di limitare al minimo le integrazioni con rilievi a terra, riducendo i costi della manodopera, pur mantenendo elevati standard qualitativi nella pianificazione.

Per raggiungere questi obiettivi si utilizzano le relazioni già esistenti tra altezza e diametro presenti nelle tavole stereometriche in uso (le tariffe della Regione Friuli Venezia Giulia nel caso di studio) e le seriazioni ipsometriche ricavabili dall’elaborazione di dati LiDAR.

Area di studio 

Pur non disponendo di dati LiDAR acquisiti specificamente per elaborazioni forestali (i dati sono dotati di una densità di punti variabile tra 1.5 e 10 punti/m2 con prevalenza di quelli a densità minore) sono state realizzate 13 aree di saggio a terra (di forma circolare e di estensione variabile tra i 450 e i 2000 m2) in ambiti boscati della montagna friulana per i quali era disponibile la copertura LiDAR.

Nella scelta delle aree di saggio sono state prese in considerazione situazioni diverse in termini di tipologia forestale (peccete, abieti-piceo-faggeti, piceo-abieteti, piceo faggeti e faggete), di densità (regolare colma, regolare scarsa), di stadio di sviluppo (spessine, perticaie, fustaie adulte) e di forma di governo (fustaie e cedui convertiti all’alto fusto). Il rilievo di dati copre un totale di 555 alberi cavallettati e georeferenziati con precisione centimetrica mediante stazione totale collegata a due stazioni GPS geodetiche.

Le caratteristiche principali delle aree di saggio sono riassunte in Tab. 1.

Tab. 1 - Caratteristiche principali delle aree di saggio. Ads: area di saggio; N/ha: numero di alberi per ettaro; Area: superficie in m2 dell’area di saggio; Governo: governo del popolamento presente nell’area di saggio; Struttura: struttura descritta in termini di distribuzione verticale del popolamento; Fase: fase-stadio del popolamento monoplano; Dati LiDAR: densità di punti per m2.
Ads N/ha Area Governo Struttura Fase Dati LiDAR
FO_A 663 450 fustaia monoplana adulto 2 pt/m2
FO_B 531 450 fustaia monoplana adulto 2 pt/m2
MB_A 619 450 fustaia monoplana adulto 6 pt/m2
MB_B 1525 450 fustaia monoplana spessina 7 pt/m2
MB_C 575 450 fustaia monoplana giovane perticaia 8 pt/m2
MB_D 463 2000 fustaia monoplana adulta 10 pt/m2
PR_B 840 450 fustaia monoplana perticaia 1.5 pt/m2
PR_C 752 450 fustaia monoplana giovane fustaia 1.5 pt/m2
SA_A 336 2000 fustaia monoplana adulto 4 pt/m2
TU_A 538 700 conv. alto fusto monoplana perticaia 2 pt/m2
TU_B 862 450 conv. alto fusto monoplana perticaia 2 pt/m2
TU_C 553 450 conv. alto fusto monoplana perticaia 2 pt/m2
VB_A 1105 450 fustaia monoplana perticaia 5 pt/m2
Enlarge/Shrink Open in Viewer

Il Metodo 

Dalla seriazione diametrica alla seriazione ipsometrica

In Dendrometria, il volume del fusto di un singolo albero in piedi è classicamente calcolato moltiplicando l’area basimetrica, corrispondente al diametro rilevato a 1.30 m da terra, per l’altezza dell’albero, per un coefficiente di riduzione. Solitamente i valori del volume unitario sono precalcolati e si possono leggere in apposite tabelle, le tavole stereometriche, nelle quali il volume è espresso in funzione del diametro (tavola stereometrica a una entrata) o del diametro e dell’altezza (tavole stereometriche a doppia entrata).

Passando dal volume del fusto di un singolo albero al volume dei fusti degli alberi presenti in un soprassuolo, la procedura più classica prevede un rilievo integrale, sopra una certa soglia, dei diametri a 1.30 m da terra di tutti gli alberi. Tale rilievo può essere fatto sull’intera superficie coperta dal soprassuolo (cavalletamento totale) o su aree campione (metodo campionario per aree di saggio). Si stabilisce successivamente per campionamento la relazione esistente fra il diametro a 1.30 da terra e l’altezza. Questa relazione, detta curva ispsometrica, può avere un diverso impiego secondo la tavola stereometrica disponibile. Così, nel caso si disponga di una tavola a una entrata, la curva ipsometrica teoricamente non entra direttamente nella procedura di calcolo del volume, ma può essere ugualmente utile, ad esempio per verificare la rispondenza della tavola al soprassuolo da stimare ([13]). Se invece si dispone di un sistema di tariffe, vale a dire un insieme affiancato di più tavole a una entrata, la curva ipsometrica (o una sua parte) è utile per stabilire la tariffa adatta al soprassuolo. Infine, se si dispone di una tavola a doppia entrata, la curva ipsometrica permette di scegliere il volume che corrisponde alla “giusta” combinazione diametro-altezza propria del soprassuolo.

Già da questa sintetica illustrazione della procedura adottata in Dendrometria per la stima del volume degli alberi di un soprassuolo, appare evidente che i rilievi previsti si concentrano in massima parte sul diametro a 1.30 m da terra, mentre il rilievo delle altezze è complementare e sempre di tipo campionario. Semplificando i concetti si può quindi parlare di una Dendrometria diametrica, ossia di una procedura che si basa essenzialmente sul rilievo dei diametri.

Il motivo della scelta di questo modo di procedere è a dir poco lapalissiano: utilizzando i rilievi a terra è evidentemente molto più semplice e immediato misurare il diametro di un albero piuttosto che la sua altezza.

Attraverso l’elaborazione di dati laser scanning ([4]) è invece disponibile il rilievo integrale delle altezze di un popolamento, fatto che consente di introdurre in questo lavoro il passaggio da una dendrometria diametrica a una dendrometria ipsometrica.

Dai sistemi di tariffe in funzione del diametro a quelli in funzione dell’altezza

I sistemi di tariffe adottati in sede di pianificazione forestale dalla Regione Autonoma Friuli Venezia Giulia ([11]) costituiscono un insieme coordinato di tavole stereometriche a una entrata. In particolare, ogni sistema di tariffe, diverso per ogni specie legnosa, è costituito da otto (abete rosso, abete bianco, larice) o da sette o meno (faggio, pino silvestre, pino nero) serie stereometriche (relazione fra diametro e volume), ciascuna affiancata da una serie ipsometrica (relazione diametro-altezza - Tab. 2).

Tab. 2 - Sistema di tariffe per l’abete rosso valido nella Regione Friuli Venezia Giulia ([11]). Vengono riportate le tavole cormometriche regionali nell’assestamento dei boschi di abete rosso, che forniscono il volume cormometrico con corteccia del fusto svettato a cm 7, il volume netto si ottiene detraendo dal volume tariffario la perdita per corteccia (10-12%) e la perdita di lavorazione (6-8%).
N. tavola I II III IV V VI VII VIII
ø H V H V H V H V H V H V H V H V
[cm] [m] [m3] [m] [m3] [m] [m3] [m] [m3] [m] [m3] [m] [m3] [m] [m3] [m] [m3]
10 10.7 0.043 9.8 0.040 9.0 0.036 8.1 0.032 7.3 0.029 6.4 0.026 5.6 0.022 4.7 0.019
15 15.8 0.145 14.6 0.132 13.3 0.119 12.0 0.107 10.8 0.094 9.5 0.082 8.3 0.070 7.0 0.059
20 20.3 0.329 18.6 0.298 17.0 0.268 15.4 0.239 13.8 0.211 12.2 0.183 10.6 0.156 9.0 0.130
25 23.8 0.593 21.9 0.538 20.0 0.484 18.1 0.431 16.3 0.380 14.4 0.329 12.5 0.280 10.6 0.233
30 26.8 0.937 24.7 0.850 22.5 0.765 20.4 0.682 18.3 0.601 16.2 0.521 14.0 0.443 11.9 0.367
35 29.4 1.364 27.0 1.238 24.7 1.115 22.4 0.994 20.0 0.876 17.7 0.760 15.4 0.646 13.0 0.535
40 31.5 1.862 29.0 1.691 26.5 1.524 24.0 1.359 21.5 1.198 19.0 1.040 16.5 0.885 14.0 0.733
45 32.9 2.394 30.3 2.176 27.7 1.962 25.1 1.751 22.5 1.544 19.9 1.341 17.2 1.141 14.6 0.944
50 34.1 2.973 31.3 2.705 28.6 2.440 25.9 2.180 23.2 1.923 20.5 1.670 17.8 1.421 15.1 1.176
55 35.0 3.599 32.2 3.277 29.4 2.958 26.7 2.644 23.9 2.333 21.1 2.027 18.3 1.725 15.6 1.426
60 35.7 4.255 32.9 3.876 30.0 3.501 27.2 3.130 24.4 2.764 21.5 2.401 18.7 2.042 15.9 1.688
65 36.3 4.955 33.4 4.516 30.6 4.082 27.7 3.651 24.8 3.224 21.9 2.801 19.0 2.382 16.1 1.966
70 36.8 5.685 33.9 5.184 31.0 4.687 28.1 4.193 25.1 3.703 22.2 3.217 19.3 2.734 16.4 2.255
75 37.2 6.437 34.2 5.872 31.3 5.310 28.3 4.752 25.4 4.197 22.4 3.645 19.5 3.096 - -
80 37.5 7.208 34.5 6.578 31.5 5.950 28.6 5.325 25.6 4.703 22.6 4.083 - - - -
Enlarge/Shrink Open in Viewer

In realtà, ciascun sistema di tariffe ha in questo caso un’origine piuttosto anomala. Esso deriva, infatti, da un’unica relazione ipsometrica, detta “curva guida”, che moltiplicata per un’altezza di riferimento, corrispondente a quella del diametro a 40 cm (H40), genera una serie di 7 o 8 curve ipsometriche (Fig. 1).

Fig. 1 - Curve ipsometriche di riferimento nel sistema di tariffe dell’abete rosso valido nella Regione Friuli Venezia Giulia
 
Enlarge/Shrink Open in Viewer

Con una specifica funzione, in cui il volume è posto in relazione col diametro a 1.30 m da terra e con l’altezza, è poi calcolato il volume.

La curva guida è uguale per gruppi di specie:

  • la prima, per abete rosso, abete bianco e larice;
  • la seconda per faggio, pino nero e pino silvestre

Le funzioni stereometriche, invece, sono diverse da specie a specie.

Non entrando nel merito della qualità di tali sistemi di tariffe, compito che esula dal presente lavoro, ma accettandoli nella loro integrità, fatto che consente di conservare la continuità storica dei dati, è possibile tentare di esprimere diversamente le curve ipsometriche di riferimento, ribaltando la relazione fra diametro e altezza.

Infatti nel caso in cui un sistema di tariffe sia prescritto, è stabilita una relazione univoca tra il diametro e l’altezza rendendo tale relazione predeterminata (differentemente da quanto avviene nel caso di coppie di diametri e altezze tratti da un campionamento)[6].

Per semplicità di esposizione si considerano le curve ipsometriche derivanti dalla curva guida dell’abete rosso, abete bianco e larice. Tali curve sono ben interpretate dalla seguente funzione (eqn. 1):

\begin{equation} H=H_{40} \cdot \left(2.7838 D^3-6.0335 D^2 +4.6164 D - 0.0641 \right) \end{equation}

dove H è l’altezza in metri e D il diametro in metri a 1.30 m da terra.

Tale relazione polinomiale di terzo grado può essere espressa in funzione dell’altezza risolvendo la seguente equazione (eqn. 2):

\begin{equation} 2.7838 D^3 - 6.0335 D^2 + 4.6164 D - 0.0641 - \frac{H}{H_{40}} = 0 \end{equation}

In questo modo è possibile ottenere per ogni valore di altezza un corrispondente valore di diametro. I valori ottenuti divergono per meno dell’1%: sono state osservate differenze massime pari a 15 cm in altezza su alberi alti 20 m; tali differenze sono del tutto ininfluenti operando per classi ipsometriche. Infatti, per costruire delle tariffe equivalenti a quelle esistenti, sono state realizzate delle classi ipsometriche che corrispondono in termini di intervallo a quelle diametriche (Tab. 3). Per ogni classe ipsometrica è stato calcolato il volume utilizzando la funzione stereometrica presente nelle tariffe tradizionali. I valori di volume ottenuti coincidono con quelli delle tariffe tradizionali (confronta Tab. 2 e Tab. 3).

Tab. 3 - Esempio delle prime tre tariffe, valide per l’abete rosso, accorpate in classi ipsometriche.
Classe Diam Intervallo classe diam. tariffa 1 tariffa 2 tariffa 3
intervallo classe ipsom. classe ipsom. volume intervallo classe ipsom. classe ipsom. volume intervallo classe ipsom. classe ipsom. volume
10 7.5-12.5 < 13.4 10.7 0.043 < 12.3 9.8 0.040 < 11.2 9 0.036
15 12.5-17.5 13.41-18.10 15.8 0.145 12.31-16.60 14.6 0.132 11.21-15.20 13.3 0.119
20 17.5-22.5 18.11-22.10 20.3 0.329 16.61-20.30 18.6 0.298 15.21-18.6 17 0.268
25 22.5-27.5 22.11-25.40 23.8 0.593 20.31-23.40 21.9 0.538 18.61-21.4 20 0.484
30 27.5-32.5 25.41-28.20 26.8 0.937 23.41-25.90 24.7 0.850 21.41-23.70 22.5 0.765
35 32.5-37.5 28.21-30.40 29.4 1.364 25.91-28.00 27 1.238 23.71-25.60 24.7 1.115
40 37.5-42.5 30.41-32.20 31.5 1.862 28.01-29.60 29 1.691 25.61-27.10 26.5 1.524
45 42.5-47.5 32.21-33.60 32.9 2.394 29.61-30.90 30.3 2.176 27.11-28.20 27.7 1.962
50 47.5-52.5 33.61-34.60 34.1 2.973 30.91-31.90 31.3 2.705 28.21-29.10 28.6 2.440
55 52.5-57.5 34.61-35.40 35.0 3.599 31.91-32.60 32.2 3.277 29.11-29.80 29.4 2.958
60 57.5-62.5 35.41-36.00 35.7 4.255 32.61-33.20 32.9 3.876 29.81-30.30 30 3.501
65 62.5-67.5 36.01-36.50 36.3 4.955 33.21-33.60 33.4 4.516 30.31-30.70 30.6 4.082
70 67.5-72.5 36.51-36.90 36.8 5.685 33.61-34.00 33.9 5.184 30.71-31.10 31 4.687
75 72.5-77.5 36.91-37.30 37.2 6.437 34.00-34.40 34.2 5.872 31.11-31.40 31.3 5.310
80 >77.5 >37.31 37.5 7.208 >34.41 34.5 6.578 >31.41 31.5 5.950
Enlarge/Shrink Open in Viewer

Disponendo di un siffatto sistema di tariffe, pur diversamente espresso rispetto a quello tradizionale, si calcola il volume di un popolamento utilizzando la seriazione ipsometrica ottenuta con il rilievo laser scanning.

La procedura così organizzata ha il duplice vantaggio di non richiedere rilievi complementari a terra, salvo quelli usualmente adottati per l’individuazione della tariffa da applicare, di cui si dirà nel paragrafo delle considerazioni, e di conservare inalterate le relazioni ipso-diametriche, garantendo così la continuità delle informazioni.

Le prove sperimentali 

I dati laser scanning relativi all’area di studio sono stati processati attraverso il software sviluppato dal gruppo di lavoro (vedi bibliografia indicata precedentemente) al fine di estrarre la seriazione ipsometrica dei vari popolamenti.

Il metodo ha permesso di individuare complessivamente 392 alberi pari al 71% dei soggetti cavallettati[7]. La percentuale di estrazione sale all’89% se si considerano i soli soggetti sopra soglia di cavallettamento con diametro > 17.5 cm (442 in luogo di 555). Considerando inoltre i soli alberi dominanti (417), circa il 94% del totale è correttamente individuato.

In Tab. 4 sono riassunti i risultati complessivi di estrazione degli alberi nelle 13 aree di saggio.

Tab. 4 - Tabella di sintesi dei risultati ottenuti con l’applicazione dell’algoritmo di individuazione degli alberi nelle 13 aree di saggio.
Dati rilevati in campo
N alberi Ø > 5 (totale) 555
N alberi Ø < 17.5 113
N alberi Ø > 17.5 442
N alberi dominati 138
N alberi dominanti 417
Dati estratti da LiDAR
Alberi estratti / N > 5 (totale) 71%
Alberi estratti / N > 17.5 cm 89%
Alberi estratti / N dominanti 94%
Enlarge/Shrink Open in Viewer

Per valutare l’affidabilità della metodologia del calcolo del volume sono stati relazionati univocamente gli alberi rilevati a terra con quelli ricavati dall’elaborazione dei dati LiDAR in modo tale da considerare solamente quelli correttamente individuati.

Ogni albero cavallettato nelle aree di saggio (e georeferenziato con strumento topografico di precisione collegato a due stazioni GPS) è stato messo in relazione con l’albero individuato dall’algoritmo (se esistente) che si trova alla più breve distanza e comunque entro la proiezione della chioma reale dell’albero cavallettato a terra[8].

Nelle aree di saggio a composizione mista è stata presa in considerazione solo la specie prevalente. Le due tariffe utilizzate ai fini dell’analisi sono quelle dell’abete rosso e del faggio.

Dopo tali adeguamenti il campione di alberi considerati si è ridotto a 196 soggetti di abete rosso e 88 di faggio. Per questo campione e per gruppi omogenei di aree di saggio è stata generata una seriazione di diametri misurati a terra relazionata univocamente a una seriazione di altezze determinate da dati LiDAR.

Stabilita la relazione e individuata la tariffa secondo la procedura prevista dalle norme assestamentali[9], si è proceduto alla determinazione dei valori di diametro a partire dalle altezze calcolate con i dati LiDAR. Tali valori sono stati ricavati da tabelle, costruite appositamente per queste elaborazioni, che riportano nella prima colonna altezze con modulo di 10 cm a cui corrispondono valori di diametro calcolati risolvendo l’eqn. 2 (Tab. 5).

Tab. 5 - Esempio estratto dalla tabella di calcolo dei diametri a partire da valori LiDAR di altezza, costruita per l’abete rosso. Altezza: altezza dell’albero espressa in m ricavata dall’elaborazione di dati LiDAR; Diam.: diametro dell’albero espresso in cm calcolato risolvendo l’eqn. 2.
valido per tariffa I valido per tariffa II valido per tariffa III
Altezza Diam. Altezza Diam. Altezza Diam.
10.7 10.0 10.7 10.8 10.7 11.9
10.8 10.1 10.8 10.9 10.8 12.0
10.9 10.2 10.9 11.0 10.9 12.1
11.0 10.3 11.0 11.1 11.0 12.2
11.1 10.4 11.1 11.2 11.1 12.3
11.2 10.4 11.2 11.4 11.2 12.5
11.3 10.5 11.3 11.5 11.3 12.6
11.4 10.6 11.4 11.6 11.4 12.7
11.5 10.7 11.5 11.7 11.5 12.8
11.6 10.8 11.6 11.8 11.6 12.9
11.7 10.9 11.7 11.9 11.7 13.0
11.8 11.0 11.8 12.0 11.8 13.2
11.9 11.1 11.9 12.1 11.9 13.3
12.0 11.2 12.0 12.2 12.0 13.4
12.1 11.3 12.1 12.3 12.1 13.5
12.2 11.4 12.2 12.4 12.2 13.6
12.3 11.5 12.3 12.5 12.3 13.8
12.4 11.6 12.4 12.6 12.4 13.9
12.5 11.7 12.5 12.7 12.5 14.0
12.6 11.8 12.6 12.8 12.6 14.1
12.7 11.9 12.7 12.9 12.7 14.2
12.8 12.0 12.8 13.0 12.8 14.4
12.9 12.1 12.9 13.1 12.9 14.5
13.0 12.1 13.0 13.3 13.0 14.6
Enlarge/Shrink Open in Viewer

Successivamente è stato realizzato un primo confronto tra i diametri reali misurati a terra e quelli derivati dall’elaborazione dei dati laser evidenziandone le differenze (Tab. 6).

Tab. 6 - Esempio di affiancamento di seriazione diametrica rilevata a terra con seriazione ipsometrica rilevata da LiDAR. La tabella, che costituisce un estratto del totale, è completata con le colonne del diametro calcolato a partire dai dati di altezza e della differenza dei due diametri. Id_campo: codice attribuito dalla stazione totale all’albero a terra; Id_Laser: codice attribuito all’albero individuato dall’algoritmo di elaborazione dei dati LiDAR relazionato con Id_campo; Specie: specie arborea rilevata a terra; D_campo: diametro dell’albero Id_campo misurato a terra; H: altezza dell’albero Id_Laser calcolato dai dati LiDAR; D_laser: diametro calcolato a partire dai dati LiDAR di altezza; Differenza D - D_laser: differenza in cm tra il diametro misurato a terra e il diametro derivato a partire dai dati laser.
Id_campo Id_Laser Specie D_campo (cm) H (m) D_laser (cm) Differenza D - D_laser (cm)
0000C015 1022 Picea abies 27 21.4 27.5 -0.5
0000C034 1006 Picea abies 35 24.8 35.3 -0.3
0000B006 459 Picea abies 30 22.6 30.0 0.0
0000B020 403 Picea abies 25 20.0 24.9 0.1
0000B025 377 Picea abies 27 21.1 26.9 0.1
0000B023 351 Picea abies 42 26.9 41.8 0.2
0000B009 486 Picea abies 34 24.1 33.5 0.5
0000C014 1065 Picea abies 30 22.3 29.4 0.6
0000C025 992 Picea abies 34 24.0 33.2 0.8
0000B031 367 Picea abies 20 16.4 19.2 0.8
Enlarge/Shrink Open in Viewer

In Tab. 7 sono riportate tali differenze considerando i campioni complessivi dell’abete rosso e del faggio, mentre in Tab. 8 è evidenziata l’entità delle differenze di diametro per aree di saggio omogenee.

Tab. 7 - Differenze fra diametri rilevati a terra e diametri calcolati da dati laser nei due campioni complessivi dell’abete rosso e del faggio. Specie: specie legnosa; N: numero complessivo di alberi considerati nei gruppi omogenei di aree di saggio; Min: scostamento massimo negativo tra il diametro misurato a terra e quello calcolato da laser; Max: scostamento massimo positivo tra il diametro misurato a terra e quello calcolato da laser; Media: media degli scostamenti in cm; Dev. st: deviazione standard della media; DmVA: media delle differenze in valore assoluto.
Specie N Min Max Media Dev. st DmVA
abete rosso 196 -31.0 17.0 0.76 5.19 3.86
faggio 88 -26.6 9.7 0.84 6.64 5.00
Enlarge/Shrink Open in Viewer
Tab. 8 - Analisi delle differenze tra i diametri rilevati a terra e quelli calcolati da dati laser. Dall’accorpamento dei dati di 13 aree di saggio sono stati ricavati 8 gruppi omogenei. Nella prima parte della tabella vi sono i gruppi con abete rosso, nella seconda quelli con il faggio. Goads: gruppi omogenei di aree di saggio; N: numero di alberi considerati per ogni gruppo omogeneo di aree di saggio; D medio: diametro medio rilevato a terra delle N piante relazionate; Media: media degli scostamenti in cm; Dev. st.: deviazione standard degli scostamenti.
Abete rosso
Goads N D medio Media Dev. st.
FO_AB 18 35 1.61 5.38
MB_AB 20 30 0.20 9.21
MB_C 17 27 -0.49 5.35
MB_D 59 38 1.32 3.98
PR_BC 56 34 0.82 5.01
VB_A 26 29 0.00 3.48
totale 196 - 0.58 5.40
Faggio
Goads N D medio Media Dev. st.
SA_A 50 35 -0.31 7.86
TU_ABC 27 26 2.39 4.21
totale 88 - 1.04 6.04
Enlarge/Shrink Open in Viewer

Dall’analisi della Tab. 7 si può osservare che la media tra le differenze dei diametri è pari a 0.76 cm per l’abete rosso e 0.84 per il faggio. Si tratta di valori molto vicini allo 0 ad indicare la probabile assenza di errori di tipo sistematico. In media gli indici di dispersione (deviazione standard e DmVA) variano intorno a 5 cm, range di variazione della classe diametrica. A livello di singoli individui gli errori possono essere di discreta entità, con sottostime che possono raggiungere i 25-30 cm. Ciò è probabilmente dovuto alla presenza nelle aree di saggio di alberi anomali, ovvero caratterizzati da rapporti H/D o troppo elevati o troppo bassi. Si deve infatti considerare che, dato l’elevato grado di tecnologia utilizzato nei rilievi a terra (1 stazione totale e 2 GPS geodetici che necessitano di radure di una certa estensione), si è dovuto privilegiare nella scelta delle aree quelle prossime a strade percorribili da auto. In questi contesti è facile immaginare che il disturbo antropico gioca un ruolo determinante nelle condizioni di vegetazione degli alberi (che non sono le medesime di quelle di boschi indisturbati) e che si ripercuotono spesso sulla forma degli stessi.

Osservando, invece, il contenuto della Tab. 8, nella quale le differenze sono valutate a livello di gruppi omogenei di aree di saggio, si può notare come gli scostamenti medi siano piuttosto ridotti per l’assenza di sistematismi, mentre la deviazione standard si mantiene sull’ordine dei 5 cm in quasi tutti i casi.

In generale, l’analisi statistica mostra risultati migliori nelle fustaie monoplane (MB_D fustaia adulta, PR_BC giovane fustaia e VB_A perticaia) e con densità non elevata nonostante un diametro medio basso (MB_C). Diversamente, laddove si riscontra una variabilità nella struttura, o non marcatamente monoplana nei casi di FO_AB e MB_AB o eterogenea in termini diametrici, come MB_AB, le differenze tra diametri reali e calcolati aumentano.

Per quanto concerne le aree a faggio si nota un lieve peggioramento dei risultati. Il gruppo di aree di saggio TU_ABC (un ceduo convertito all’alto fusto) dimostra performance paragonabili a SA_A, fustaia adulta ma non ancora ben differenziata.

In una seconda elaborazione si è valutato come le differenze di diametro si ripercuotono in termini di volume.

Per ogni gruppo omogeneo di aree di saggio si è proceduto al confronto tra i valori ottenuti applicando il nuovo sistema di tariffe e quello classico con le seriazioni diametriche misurate a terra.

Dopo aver accorpato le seriazioni in classi (diametriche e ipsometriche) sono stati calcolati i volumi per le due serie di dati (quelli rilevati a terra e quelli da laser). I risultati, proposti in Tab. 9 hanno messo in evidenza, per le aree di saggio ad abete rosso, uno scostamento percentuale contenuto entro il 6%, tranne che in una situazione (FO_AB) ove si registra uno scostamento dell’11.7%. Quest’area si caratterizza, come detto in precedenza, per una elevata variabilità in termini strutturali e diametrici, associata ad un limitato numero di osservazioni. Si può inoltre notare un sensibile miglioramento dei risultati ottenuti in alcune aeree (MB_C e MB_AB) passando dal diametro al volume, dovuto probabilmente all’accorpamento in classi.

Tab. 9 - Analisi dello scostamento % tra volume misurato a terra e volume misurato da laser distinto tra aree di saggio con abete rosso e faggio. Goads: gruppi omogenei di aree di saggio; N: numero di alberi considerati per ogni gruppo omogeneo di aree di saggio; Vol. a terra: volume calcolato con i diametri rilevati a terra: Vol. laser: volume calcolato con le altezze determinate da dati laser; Scostamento %: differenza in termini percentuali tra il Vol. laser e il Vol. a terra.
Abete rosso
Goads N Vol. a terra Vol. laser Scostamento %
FO_AB 18 20.238 17.868 -11.7
MB_AB 20 17.594 18.480 5.0
MB_C 17 7.600 7.688 1.2
MB_D 59 100.327 94.210 -6.1
PR_BC 56 41.602 39.102 -6.0
VB_A 26 21.981 20.745 -5.6
Faggio
Goads N Vol. a terra Vol. laser Scostamento %
SA_A 36 50.316 55.407 10.1
TU_ABC 27 18.503 14.866 -19.7
Enlarge/Shrink Open in Viewer

Per le aree a faggio si riscontrano risultati meno favorevoli. Più contenuto è lo scostamento riscontrato nella fustaia (SA_A con -10.1%) rispetto a quello del ceduo convertito all’alto fusto (TU_ABC 19.7%).

In definitiva dai risultati delle elaborazioni nelle diverse aree di saggio emerge che[10]:

  • la differenza in termini volumetrici per le aree ad abete rosso è inferiore rispetto a quella a faggio;
  • buoni risultati, con differenze anche minime, in termini sia diametrici sia volumetrici si ottengono in aree caratterizzate da densità non elevate di boschi monoplani;
  • nelle aree a struttura monoplana, soprattutto se regolarmente diradate e nelle fasi adulte, si ottengono risultati migliori rispetto a quelle in cui vi è una struttura più articolata.

Considerazioni 

L’applicazione della procedura per il calcolo del volume appena descritta è senza dubbio connessa al riconoscimento delle specie arboree presenti, aspetto non ancora del tutto risolto nel caso si utilizzino i soli dati LiDAR in soprassuoli misti. La maggior parte degli autori determina la composizione in aree di saggio a terra e ripartisce successivamente i volumi fra le specie in relazione alla composizione rilevata ([12], [18]). Volendo evitare questa via, che comunque potrebbe essere poco percorribile in molti boschi alpini a composizione complessa, si sta cercando di definire delle procedure diverse. Discreti risultati si sono finora ottenuti nella distinzione fra conifere e latifoglie, che potrebbe essere ulteriormente migliorata abbinando al rilievo laser quello iperspettrale, possibilità che tuttavia, ad oggi, farebbe lievitare non di poco i costi. La possibilità di discriminare fra conifere e latifoglie d’altra parte è già un notevole passo avanti, in considerazione anche di quanto la prassi assestamentale solitamente fa. Infatti, per la cubatura delle latifoglie presenti in area montana (esclusi quindi i castagneti, gli orno-ostrieti, ecc., per i quali si usano specifiche tavole stereometriche o tavole di popolamento - [11]) è in ogni caso adottato il sistema di tariffe del faggio. Questo fa sì che, laddove con i dati LiDAR sia riconosciuta la presenza di una latifoglia, il sistema di tariffe cui riferirsi è quello del faggio, senza con ciò introdurre una diversità rispetto alla procedura classica.

Più complessa è, invece, la possibilità di discriminare fra le diverse specie di conifere. Un’ipotesi che si sta verificando è quella di discriminare fra grandi gruppi di specie. Questo potrebbe permettere di eliminare almeno gli errori di una certa rilevanza nel calcolo del volume. Infatti, se in un popolamento misto di abete rosso e abete bianco si applica il solo sistema di tariffe dell’abete rosso per cubare entrambe le specie al posto di due sistemi di tariffe, le differenze in termini di volume del popolamento sono limitate ad alcune frazioni di punti percentuali. Viceversa errori più evidenti compaiono se vi è elevata presenza dei pini o del larice.

L’applicazione della metodologia proposta si basa inoltre sulla scelta della tariffa da applicare. Nei boschi già pianificati essa è nota o comunque è facilmente individuabile seguendo la procedura stabilita dalle normative.

Come detto un problema nasce, invece, nel caso la scelta della tariffa non sia stata fatta in modo corretto. Operando, infatti, con la seriazione ipsometrica ottenuta da dati LiDAR piuttosto che con quella diametrica, gli effetti di una scelta poco appropriata della tariffa possono essere molto diversi. Per spiegare il problema è opportuno osservare la Fig. 2, sulla quale sono riportate, per semplificare, tre sole serie ipsometriche tratte dal sistema di tariffe relativo all’abete rosso.

Fig. 2 - Serie ipsometriche tratte dal sistema di tariffe dell’abete rosso valido nella Regione Friuli Venezia Giulia.
 
Enlarge/Shrink Open in Viewer

Dalla figura appare evidente che, a parità di diametro, l’altezza aumenta spostandosi dalla tariffa più bassa a quella più alta. Ad esempio, in corrispondenza del diametro di 60 cm a 1.30 m da terra si ha un’altezza di 30 m nella tariffa III, 32.9 m nella tariffa II e di 35.7 m nella tariffa I.

Mantenendo, invece, costante l’altezza, i diametri corrispondenti saranno decrescenti man mano che dalla tariffa più bassa si va verso la più alta. Così, considerando un’altezza di 30 m, i corrispondenti diametri saranno rispettivamente 60 nella tariffa III, 44 nella tariffa II e 36.5 nella tariffa I. A causa della tendenza asintotica della curva ipsometrica, in corrispondenza di altezze elevate, le differenze diametriche divengono anche notevoli. Di conseguenza, se la scelta della tariffa non è corretta, perché ad esempio è stata utilizzata una tariffa più “bassa”, i diametri corrispondenti all’altezza sono più alti e quindi vi sarà una sovrastima nel calcolo del volume.

Pur non potendo ancora trarre delle conclusioni esaustive, fondate su un’ampia casistica, pare delinearsi la necessità, almeno nelle situazioni dubbie, di operare un controllo sulla bontà della scelta della tariffa.

Un terzo aspetto da tenere in considerazione riguarda la funzione interpretativa della relazione ipsometrica.

Come si è visto precedentemente, la funzione che meglio interpreta le curve ipsometriche di riferimento delle principali specie è costituita da un polinomio di terzo grado. Se tale funzione ha una buona rispondenza in termini perequativi, dato che la differenza fra valori reali e valori calcolati non supera mai i 10-15 cm di altezza, può non essere altrettanto efficace in termini dendrometrici. Infatti essa prevede, entro il suo campo di validità, un punto di flesso in corrispondenza del diametro di 72 cm che, in quel tratto della curva ipsometrica, non dovrebbe essere presente ([9]). Tuttavia, di là dell’aspetto formale e non volendo modificare l’impianto del sistema di tariffe, l’inconveniente può essere tollerato non portando significative differenze nel calcolo dei volumi in quanto sono generalmente pochi in un popolamento i soggetti arborei che superano i 70-80 cm di diametro. Un inconveniente più evidente si ha, invece, nell’uso della funzione “ribaltata” (ossia quella del diametro in funzione dell’altezza). Questa funzione ha un andamento crescente e concavo verso l’alto (Fig. 3) e in corrispondenza di valori piuttosto elevati di altezza tende ad assumere un andamento molto ripido, ossia ad avere una forte inclinazione.

Fig. 3 - Relazione fra altezza e diametro per tre curve tratte dal sistema di tariffe “ribaltato” dell’abete rosso.
 
Enlarge/Shrink Open in Viewer

Per questo motivo il sistema di tariffe fondato sull’altezza non ammette estrapolazioni, ovvero non risulta applicabile al di fuori del suo campo di validità (comunque il medesimo valido per il sistema di tariffe originali).

Conclusioni 

In questo lavoro è stato sperimentato l’utilizzo di dati laser scanning per ricavare dati dendrometrici.

Con specifici algoritmi che utilizzano in ingresso i dati LiDAR, è possibile ottenere le seriazioni ipsometriche di interi popolamenti forestali, fatto che consente di utilizzare non più il diametro bensì l’altezza come parametro d’entrata nei sistemi di cubatura.

L’approccio metodologico messo a punto in questo lavoro ha consentito di esprimere in funzione dell’altezza le tariffe della Regione Friuli Venezia Giulia, ambito territoriale entro il quale sono state condotte le sperimentazioni. Per ottenere questo risultato sono state utilizzate le relazioni ipso-diametriche presenti nelle tariffe tradizionali. Questo accorgimento fa si che i volumi calcolati con le nuove tariffe possano essere confrontabili con quelli calcolati con le tariffe tradizionali.

Sono stati confrontati i valori di diametro e di volume ricavati rispettivamente dall’elaborazione dei dati LiDAR e dei dati misurati in campo. I risultati si sono dimostrati promettenti sia in termini diametrici che volumetrici.

La procedura proposta è pertanto potenzialmente capace di garantire, sia una sufficiente affidabilità dei risultati, sia di contenere i costi dei rilievi dendrometrici tradizionali, ormai non più sostenibili.

Varie sono comunque le ipotesi di affinamento del metodo che potranno essere analizzate e studiate in ulteriori sperimentazioni in boschi con diversa composizione, struttura, e densità.

Ringraziamenti 

Gli autori desiderano ringraziare: il prof. Roberto Del Favero per la lettura critica del testo e i consigli forniti; la Regione Friuli Venezia Giulia - Direzione centrale delle Risorse Agricole, Naturali Forestali e Montagna - che ha finanziato la ricerca nell’ambito dell’Iniziativa Comunitaria INTERREG IIIA Phare CBC ITALIA SLOVENIA - Azione 3.2.4 - Estensione Progetto “Ricomposizione della cartografia catastale e integrazione della cartografia tecnica regionale numerica per i sistemi informativi territoriali degli Enti locali mediante sperimentazione di nuove tecnologie di rilevamento”; il dottor Emiliano Sossai e l’ingegner Alberto Beinat per il supporto fornito.

Bibliografia

(1)
Barilotti A, Beinat A, Fico B, Sossai E (2006). Produzione e verifica di DTM da rilievi LiDAR aerei su aree montane ricoperte da foresta. Relazione a Convegno Nazionale: “Le nuove frontiere della rappresentazione 3D”. Sifet Castellaneta Marina, Taranto, 2006.
::Google Scholar::
(2)
Barilotti A, Beinat A, Turco S (2005). L’influenza del DTM per la valutazione del rischio da scivolamento della coltre superficiale nei bacini montani. MondoGIS 49 (luglio/agosto).
::Google Scholar::
(3)
Barilotti A, Sepic F (2006). Delineazione automatica delle chiome in diverse tipologie forestali attraverso analisi di dati LiDAR. Atti 10a Conferenza nazionale ASITA, 14-17 novembre 2006, Bolzano.
::Google Scholar::
(4)
Barilotti A, Sepic F, Abramo E, Crosilla F (2007a). Improving the morphological analysis for tree extraction: a dynamic approach to LiDAR data. ISPRS Workshop on Laser Scanning 2007, 12-14 settembre 2007, Espoo, Finland.
::Google Scholar::
(5)
Barilotti A, Sepic F, Abramo E, Crosilla F (2007b). Assessing the 3D structure of the single crowns in mixed alpine forests. PIA07 Photogrammetric Image Analysis, 19-21 settembre 2007, Munich, Germany.
::Google Scholar::
(6)
Beinat A, Sepic F (2005). Un programma per l’elaborazione di dati LiDAR in ambiente Linux. 50° Convegno Nazionale della Società Italiana di Fotogrammetria e Topografia, 29-30 giugno 2005, Mondello, Palermo, Italy.
::Google Scholar::
(7)
Bollandsås OM, Næsset E (2006). Estimating percentile-based diameter distributions in uneven-sized Norway spruce stands using airborne laser scanner data. Scandinavian Journal of Forest Research 22 (1): 33-47.
::CrossRef::Google Scholar::
(8)
Corona P, Tabacchi G (2001). Inventariazione delle risorse forestali su ampi territori. Finalità, metodi e prospettive. Monti e Boschi 6: 27-38.
::Google Scholar::
(9)
Del Favero R (1980). Indagini sulle funzioni impiegate nella perequazione della curva ipsometrica. Annali dell’Accademia Italiana di Scienze Forestali XXIX: 321-341.
::Google Scholar::
(10)
Del Favero R (2004). I boschi delle Regioni alpine italiane. Cluep Padova, pp. 599.
::Google Scholar::
(11)
Del Favero R, Bortoli PL, Solari V, Snc STAF, Vanone G, Moro E (2000). Direttive per i piani di gestione delle proprietà forestali nella Regione Friuli Venezia Giulia. Regione Autonoma Friuli Venezia Giulia Udine, pp. 256.
::Google Scholar::
(12)
Gobakken T, Næsset E (2004). Estimation of diameter and basal area distributions in coniferous forest by means of airborne laser scanner data. Scandinavian Journal of Forest Research 19: 529-542.
::CrossRef::Google Scholar::
(13)
Hellrigl B (1986). Nuove metodologie nella elaborazione dei piani di assestamento dei boschi. I.S.E.A., Bologna.
::Google Scholar::
(14)
Köhl M, Magnussen SS, Marchetti M (2006). Sampling Methods, Remote Sensing and GIS Multiresource Forest Inventory. Springer-Verlag, Berlin,Heildelberg, pp. 373.
::Google Scholar::
(15)
Maistrelli F (2007). La pianificazione forestale per il futuro. Sherwood 129: 23-26.
::Google Scholar::
(16)
Maltamo M, Eerikäinen K, Packalén P, Hyyppä J (2006). Estimation of stem volume using laser scanning-based canopy height metrics. Forestry 79: 217-229 (.
::CrossRef::Google Scholar::
(17)
Maroncelli E (2005). Gestione mediante GIS di parametri selvicolturali derivati da scansioni laser aeree. Tesi di master in Sistemi informativi territoriali. Università degli Studi di Udine, Anno Accademico 2003-2004, pp. 34.
::Google Scholar::
(18)
Parker RC (2006). Computer automation of a LiDAR double-sample forest inventory. Forest and Wildlife Research Center, Bulletin FO275, Mississippi State University, pp. 19.
::Google Scholar::
(19)
Turco S, Alberti G, Barilotti A, Bonfanti PL (2005). Processamento di dati laser scanning con GRASS GIS per la determinazione automatica di parametri inventariali forestali. 6° Meeting degli Utenti Italiani di GRASS, 14-15 aprile 2005, Roma.
::Google Scholar::
(20)
Wolynsky A (2005). Sviluppi recenti dell’assestamento forestale in Italia settentrionale. SAFE-infoblatt Nr. 19: 6-7.
::Google Scholar::
[1]
Le performance degli algoritmi di estrazione degli alberi sono state verificate precedentemente a questo lavoro, attraverso estese sperimentazioni in aree di saggio di diversa composizione, struttura e stadio di sviluppo. La trattazione di quest’argomento, che richiederebbe un ampio spazio di analisi, esula dagli obiettivi dell’elaborato e pertanto si rimanda alla bibliografia indicata ([4], [5]). In breve, si può segnalare che la percentuale di estrazione del numero di alberi dal rilievo laser scanning rispetto al numero di soggetti cavallettati e misurati a terra, varia dal 60% al 98%. La soglia di cavallettamento è stata fissata in 5 cm, al fine di valutare le reali potenzialità degli algoritmi anche sugli alberi del piano dominato (evidentemente le performance migliorano utilizzando la soglia tradizionale di 17.5 cm). Tali percentuali sono influenzate da diversi fattori; in generale si può affermare che popolamenti di latifoglie, giovani, bistratificati o multistratificati densi, governati a ceduo o convertiti all’alto fusto forniscono percentuali di estrazione inferiori (mediamente del 70-80%) rispetto ai popolamenti di conifere, maturi, monostratificati, regolarmente diradati (percentuali di estrazione mediamente del 90-98%). Gli algoritmi di estrazione degli alberi implementati dal gruppo di ricerca dell’Università di Udine sono stati sottoposti, nel corso del 2006, a un test internazionale di verifica (Tree Extraction Test), organizzato dall’ISPRS (International Society of Photogrammetry and Remote Sensing) e dall’EuroSDR (European Spatial Data Research), al quale hanno partecipato Università ed Istituti di ricerca di vari continenti (America, Asia, Europa). L’obiettivo principale del confronto era quello di valutare la qualità, l’accuratezza e la fattibilità dei metodi di estrazione dei parametri arborei basati su dati laser scanning e immagini aeree digitali. A tale scopo sono stati messi a confronto i metodi sviluppati dai vari partecipanti, i quali hanno potuto lavorare sugli stessi dataset di partenza. Il test richiedeva a ciascun partner di estrarre le seguenti informazioni: posizione degli alberi (coordinate x, y del fusto); delineazione delle chiome; altezza degli alberi; altezza d’inserzione e volume delle chiome. I risultati del test (in fase di pubblicazione), gentilmente concessi dall’Istituto Geodetico della Finlandia (il coordinatore del progetto), hanno dimostrato che gli algoritmi utilizzati dal gruppo di ricerca di Udine (unico partecipante italiano) forniscono i migliori risultati.
[2]
Una densità di punti pari a 4-5 punti/m2 costituisce il limite al disotto del quale i risultati ottenibili con gli algoritmi di individuazione dei singoli soggetti arborei forniscono performance qualitativamente non elevate. Per queste specifiche applicazioni forestali sarebbe opportuno utilizzare rilievi con una densità di punti di 8-10 punti/m2.
[3]
Realizzabile anche con software commerciali come ad esempio Terrascan® della Terrasolid.
[4]
Giova ricordare che la convenzione di riferire le superfici al piano orizzontale provoca spesso notevoli inconvenienti in fase di progettazione degli interventi selvicolturali (rimboschimenti, diradamenti, ecc.), ma ancor più ne provoca in fase di collaudo dei lavori, con conseguenze per i tecnici anche di natura penale.
[5]
Alcuni di questi metodi prevedono anche l’onerosa operazione di georeferenziazione degli alberi censiti.
[6]
Dal punto di vista stocastico sarebbe come operare in una correlazione con coefficiente di correlazione pari a 1 e per la quale il “ribaltamento” risulta matematicamente corretto.
[7]
Tutte le sperimentazioni sono state condotte a partire da rilievi laser a bassa densità di punti.
[8]
In sede di rilievo di campagna sono stati rilevati per ogni albero anche quattro punti rappresentanti la proiezione a terra di tutte le chiome degli alberi cavallettati.
[9]
Le normative friulane prevedono quanto segue: “per l’individuazione della tariffa potrà essere sufficiente rilevare uno spezzone ipsometrico misurando i diametri e le altezze di almeno 15 soggetti appartenenti rispettivamente alla classe di diametro che presumibilmente contiene il diametro medio (5 soggetti), a quella precedente (5 soggetti) e a quella successiva (5 soggetti); la media di tutte le altezze rilevate in ogni classe consente di individuare la tariffa da impiegare; ovviamente è da calcolare una media per ogni specie presente (nel caso di specie minoritarie si può procedere a raggruppamenti” ([11]).
[10]
In dendrometria molto spesso non si ha la percezione delle differenze che si possono avere applicando diversi metodi di cubatura. Ad esempio utilizzando i dati rilevati a terra e applicando rispettivamente una tavola a doppia entrata e il sistema di tariffe si ottengono differenze medie dell’ordine del 3-4%.

Authors’ Address

(1)
E. Abramo, A. Barilotti, F. Sepic
Dipartimento di Georisorse e Territorio - Università degli studi di Udine, via Cotonificio 114, I-33100 Udine (Italy)

Corresponding Author

Author’s Box

Elena Abramo è dottore forestale; fa parte del gruppo di ricerca INTERREG IIIA Phare/CBC Italia-Slovenia nell’ambito del quale studia e sperimenta l’applicazione dei rilievi laser scanning per la valutazione delle risorse forestali. Andrea Barilotti è laureato in Scienze Ambientali e sta svolgendo il dottorato di ricerca in "Economia, Ecologia e tutela dei sistemi agricoli e paesistico ambientali" presso l’Università di Udine; fa parte del gruppo di ricerca INTERREG IIIA Phare/CBC Italia-Slovenia nell’ambito del quale si occupa dello studio di metodi innovativi di analisi dei dati laser scanning ai fini ambientali e forestali. Francesco Sepic è laureato in Informatica; fa parte del gruppo di ricerca INTERREG IIIA Phare/CBC Italia-Slovenia nell’ambito del quale si occupa della gestione informatica e dell’elaborazione dei dati LiDAR.

 

Paper Info & Web Metrics

Citation:
Abramo E, Barilotti A, Sepic F (2007). Dalla dendrometria diametrica alla dendrometria ipsometrica: stima del volume degli alberi da rilievi laser-scanning. Forest@ 4: 373-385. - doi: 10.3832/efor0481-0040373

Paper’s History

Received: Apr 16, 2007
Accepted: Nov 06, 2007
Early Published: -
Publishing Date: Dec 20, 2007

(Waiting for server response...)

Article Usage

Total Article Views: 27018
(from publication date up to now)

Breakdown by View Type
HTML Page Views: 16216
Abstract Page Views: 1346
PDF Downloads: 8300
Citation Downloads: 62
XML Downloads: 966

Web Metrics
Days since publication: 4293
Overall contacts: 27018
Avg. contacts per week: 44.05

 

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