L’effetto della qualità della maschere bosco-non bosco nella stime della provvigione legnosa
In Italia manca ancora una mappa forestale ufficiale, accurata, precisa e aggiornata che è invece essenziale per la stima da parete a parete delle variabili forestali. Lo stesso per l’Europa. In questo articolo abbiamo confrontato cinque maschere bosco non bosco disponibili per l’intera area d’Italia per esaminare i loro effetti sulla stima della provvigione Legnosa.
Vangi, E.; D’Amico, G.; Francini, S.; Giannetti, F.; Lasserre, B.; Marchetti, M.; McRoberts, R.E.; Chirici, G. The Effect of Forest Mask Quality in the Wall-to-Wall Estimation of Growing Stock Volume. Remote Sens. 2021, 13, 1038. https://doi.org/10.3390/rs13051038
TTM Un nuovo algoritmo per mappare i disturbi forestali
Le serie Temporali Landsat sono utili a mappare e monitorare i disturbi forestali nel corso del tempo. Infatti, le serie temporali di immagini satellitari consentono di ricostruire le dinamiche forestali e di monitorare i cambiamenti. In questo nuovo studio ci siamo concentrati sullo sviluppo di una metodologia automatica che, utilizzando l’analisi multitemporale delle immagini satellitari Landsat, consente di mappare l’area delle tagliate nei boschi cedui caratterizzati da una rapida ripresa vegetativa dopo il taglio. Rendere automatica la mappatura delle tagliate e il loro monitoraggio post-taglio è infatti fondamentale per poter calcolare gli indicatori di gestione forestale sostenibile e di biodiversità nel contesto dei framework internazionali come ForestEurope, FAO e il piano strategico Europeo della Biodiversità.Lo scopo di questo lavoro è stato quindi incentrato sullo sviluppo un nuovo algoritmo che utilizza serie temporali Landsat (LTS) con una finestra di osservazione breve per mappare e stimare le superfici tagliate dei boschi cedui nel contesto Mediterraneo. L’accuratezza del nuovo algoritmo TTM è stata valutata utilizzando un set di dati indipendenti per un periodo temporale di 13 anni (2001-2013) e comparando i risultati ottenuti con due approcci largamente utilizzati a livello internazionale: (i) l’algoritmo LandTrendr e (ii) la categoria di forest loss della Global Forest Change Map. I risultati mostrano che la precisione complessiva nel mappare le tagliate ottenuta con i due algoritmi TTM e LandTrendr calibrati per il contesto mediterraneo è maggiore rispetto a quella della Global Forest Change Map. Infatti, risulta che la Global Forest Change Map sottostima, come evidenziato già in altri lavori, negli anni da noi presi in esame (2001-2013), la superficie forestale tagliata, mentre TTM e LandTrend non registrano questa problematica ottenendo nel corso degli anni una accuratezza sempre alta.
Giannetti, F.; Pegna, R.; Francini, S.; McRoberts, R.E.; Travaglini, D.; Marchetti, M.; Scarascia Mugnozza, G.; Chirici, G. A New Method for Automated Clearcut Disturbance Detection in Mediterranean Coppice Forests Using Landsat Time Series. Remote Sens. 2020, 12, 3720. https://doi.org/10.3390/rs12223720