Metodi di stima delle abbondanze e modelli di valutazione

UNIVERSITA’ DEGLI STUDI DI TORINO
FACOLTA’ DI SCIENZE MATEMATICHE FISICHE E NATURALI
Tesi di Laurea Magistrale in
BIOLOGIA DELL'AMBIENTE
Classe di laurea LM-6
Metodi di stima delle abbondanze e modelli di valutazione ambientale:
applicazione adattativa per una popolazione di cervo in espansione
Candidato:
Relatore:
Simone Lioy
Dott. Marco Isaia
Co-relatori:
Dott.ssa Valentina La Morgia
Dott. Omar Giordano
Anno Accademico 2011/2012
Indice
Riassunto................................................................................................................................3
1 – Introduzione......................................................................................................................5
1.1 – Metodiche di stima delle consistenze..........................................................................6
1.1.1 – Conteggio per osservazione diretta da punti fissi e da percorsi...........................7
1.1.2 – Conteggio notturno con faro.................................................................................8
1.1.3 – Conteggio notturno con termo-camera...............................................................10
1.1.4 – Conteggio al bramito..........................................................................................11
1.2 – Metodiche statistiche: Distance Sampling................................................................13
1.3 – Modelli di Valutazione Ambientale...........................................................................16
1.3.1 – Habitat del cervo................................................................................................21
2 – Scopo del lavoro.............................................................................................................23
3 – Area di studio..................................................................................................................24
4 – Materiali e metodi..........................................................................................................27
4.1 – Elaborazione dei Modelli di Valutazione Ambientale...............................................27
4.1.1 – Modello estivo....................................................................................................33
4.1.2 – Modello invernale...............................................................................................37
4.1.3 – Validazione dei modelli......................................................................................40
4.2 – Conteggio al bramito.................................................................................................41
4.3 – Conteggio notturno con termo-camera e conteggio notturno con faro.....................43
4.3.1 – Mappatura e calcolo delle aree indagate............................................................47
4.4 – Test statistici utilizzati...............................................................................................48
5 – Risultati..........................................................................................................................49
5.1 – Modelli di Valutazione Ambientale...........................................................................49
5.2 – Conteggi del C.A. CN 2: metodologie e serie storiche.............................................53
5.3 – Conteggio al bramito.................................................................................................54
5.4 – Conteggio notturno con termo-camera......................................................................55
5.5 – Conteggio notturno con faro......................................................................................61
5.6 – Confronto tra le metodiche di stima delle consistenze..............................................62
6 – Discussione.....................................................................................................................69
6.1 – Conclusioni................................................................................................................75
Ringraziamenti.....................................................................................................................77
Bibliografia...........................................................................................................................78
Appendice.............................................................................................................................81
Riassunto
Conoscere la consistenza e la distribuzione di una popolazione animale è sempre di
fondamentale importanza per una corretta gestione e conservazione della stessa. A maggior
ragione, è prioritario quando siano in atto processi in grado di determinare trend
demografici, positivi o negativi. È questo il caso della popolazione di cervo (Cervus
elaphus Linnaeus, 1758) in Valle Varaita, che è andata incontro ad una espansione dell'area
occupata e ad un aumento demografico negli ultimi dieci anni.
Scopo di questo lavoro è confrontare alcune metodiche di stima delle abbondanze per poter
valutare la densità di cervi in Valle Varaita, sia nelle aree di nuova colonizzazione della
bassa valle sia nei territori della media ed alta valle. Nei primi sono state scelte delle aree
campione, sulla base di Modelli di Valutazione Ambientale appositamente sviluppati, in
seguito monitorate con il conteggio al bramito. Nella media ed alta valle sono stati
confrontati il conteggio per osservazione diretta da punti fissi e da percorsi, il conteggio al
bramito, il conteggio notturno con faro ed il conteggio notturno con termo-camera abbinato
al Distance Sampling.
I Modelli di Valutazione Ambientale si sono dimostrati attendibili (modello invernale:
AUC = 0,79 e TSS = 0,48; modello estivo: AUC = 0,75 e TSS = 0,45) e quindi applicabili
per individuare le aree da monitorare in bassa valle. Qui, nelle aree di nuova
colonizzazione, il conteggio al bramito ha stimato una densità di 0,47 capi/km 2. Con la
stessa metodica, si è stimata invece una densità maggiore, 1,37 capi/km 2, nei territori della
media ed alta valle. Sempre in queste aree il conteggio per osservazione diretta da punti
fissi e da percorsi ha stimato una densità di 2,1 capi/km 2. Il conteggio notturno con faro ha
permesso di avvistare un numero leggermente superiore di cervi rispetto al conteggio
notturno con termo-camera ma le differenze non sono risultate statisticamente significative.
La metodologia del Distance Sampling si è rivelata adeguata per il conteggio del capriolo
(Capreolus capreolus Linnaeus, 1758) ma non per il cervo a causa del basso numero di
osservazioni (CV = 53,59 %). Per l'applicazione della metodica alla stima del cervo
sarebbe necessario un aumento dello sforzo di campionamento.
I risultati ottenuti suggeriscono che attualmente il conteggio notturno con faro porti ad una
ottimizzazione del rapporto costi-benefici per la stima dell'abbondanza dei cervi in Valle
Varaita, data anche l'attuale distribuzione spaziale della specie nei periodi di monitoraggio.
Tuttavia, in caso di aumento della copertura forestale, già in parte registrata, o di variazioni
nella frequentazione delle aree boscate da parte della specie, il conteggio notturno con faro
diventerebbe meno efficiente. In questo caso, una valida alternativa sarebbe rappresentata
dal conteggio notturno con termo-camera. La metodologia del Distance Sampling,
applicata a tale conteggio, sarebbe vantaggiosa in quanto permetterebbe la stima della
densità e dell'errore ad essa associato, importante ai fini della valutazione dei trend
demografici. Parallelamente alla sperimentazione e applicazione di nuove metodiche, è
comunque importante reiterare le metodiche di stima delle abbondanze utilizzate per molti
anni, come il conteggio per osservazione diretta e il conteggio al bramito, per permettere di
proseguire le serie storiche e di valutare l'andamento nel tempo della popolazione.
1 – Introduzione
Nell’antichità gli ungulati erano ampiamente diffusi lungo tutta la nostra penisola, grazie
anche alle favorevoli condizioni forestali dell’epoca. Questi ambienti hanno consentito a
due specie della famiglia dei Cervidi, il cervo rosso (Cervus elaphus Linnaeus, 1758) ed il
capriolo (Capreolus capreolus Linnaeus, 1758), di sopravvivere all'ultimo periodo
interglaciale, definito “Riss-Wurm” (Meneguz e Dematteis, 2000).
Le popolazioni di cervo si sono così mantenute costanti sino all'XI secolo, quando
profonde modificazioni forestali unite ad una attività venatoria crescente hanno intaccato
drasticamente le popolazioni spingendole a trovar rifugio nelle aree montane delle Alpi e
dell'Appennino. Successivamente, nel XIX secolo, il declino è stato definitivo a causa
dell'enorme diffusione delle armi da fuoco e dell'incremento delle popolazioni umane
alpine e pedemontane, con conseguente scomparsa della specie dalla maggior parte del
territorio italiano. Gli unici nuclei autoctoni sopravvissuti occupavano l'area del Bosco
della Mesola e alcune aree dell'Alto Adige. A partire dall'ultimo secolo è stata segnalata
un'inversione di tendenza con notevole aumento delle popolazioni di cervo a causa sia
della naturale ricolonizzazione da parte di individui provenienti da Svizzera, Austria e
Slovenia, sia grazie alle operazioni di reintroduzione (Mustoni et al., 2002).
Attualmente il cervo è presente con la sottospecie C. e. hippelaphus (Linnaeus, 1758)
lungo l'arco alpino, dalla provincia di Cuneo alla provincia di Udine, senza soluzione di
continuità ed è inoltre presente in alcune aree isolate dell'appennino. Nella parte
meridionale della Sardegna è diffusa la sottospecie C. e. corsicanus (Erxleben, 1777),
introdotta probabilmente dal Medio Oriente già in epoca antica (Spagnesi e De Marinis,
2002).
La distribuzione non continua della specie è dovuta alle operazioni di reintroduzione
effettuate a partire dagli anni '30 (Mustoni et al., 2002). Tali operazioni si sono protratte
nel tempo fino all'ultimo decennio, come nella provincia di Cuneo e nei territori limitrofi,
permettendo al cervo di rioccupare parte dell'antico areale (Tosco, 2007). Se le popolazioni
troveranno territori idonei attorno ai siti di reintroduzione mantenendo un alto tasso di
crescita demografica è presumibile che con il tempo i territori occupati dalla specie si
uniscano generando una distribuzione continua su ampi spazi.
Tra le ultime operazioni di reintroduzione effettuate nella provincia di Cuneo troviamo
quella della Valle Varaita eseguita tra il 2000 ed il 2002 da parte del Comprensorio Alpino
CN2 Valle Varaita in collaborazione con il Dipartimento di Produzioni Animali,
Epidemiologia ed Ecologia dell’Università di Medicina Veterinaria di Torino (Meneguz e
Dematteis, 2000). In quell'occasione furono rilasciati 40 cervi, di cui 24 femmine (16
adulti, 2 sottili, 6 vitelle) e 16 maschi (7 adulti, 2 fusoni, 7 vitelli ) (Tosco, 2007).
Operazione indispensabile in seguito ad una qualsiasi attività di reintroduzione è il
monitoraggio nel tempo degli animali rilasciati e del futuro nucleo che ricolonizzerà il
territorio (AA.VV., 1997). Tale lavoro è stato eseguito costantemente di anno in anno in
Valle Varaita a partire dalla data della reintroduzione, ed a tal fine possono essere
impiegate diverse metodiche, dai metodi più classici di stima delle consistenze a metodi
più innovativi che prevedono il ricorso a Modelli di Valutazione Ambientale (MVA) e a
sofisticate analisi statistiche per l'elaborazione di dati di presenza come il Distance
Sampling (Tosco, 2007; AA.VV., 2011).
Di tali metodiche viene di seguito riportata una revisione bibliografica utile per la
comprensione degli aspetti tecnici di questo lavoro.
1.1 – Metodiche di stima delle consistenze
Conoscere la consistenza di una popolazione animale è un dato indispensabile e basilare
per la corretta conservazione e gestione della specie in esame. Il suo monitoraggio ci
permette di valutare l'andamento della popolazione nel tempo stabilendo se tale
popolazione si trova in una fase di crescita, stabilità o declino demografico.
La consistenza delle risorse faunistiche viene indagata per mezzo dei cosiddetti
“censimenti”, operazioni volte al conteggio di tutti gli individui presenti in una determinata
area e la loro ripartizione per sesso e classi d'età. I censimenti veri e propri sono dei
conteggi totali che misurano l'abbondanza di una specie su scala assoluta. Per la fauna
selvatica, ed in particolar modo per i Cervidi, si effettuano delle stime di abbondanza
(Mustoni et al., 2002).
I metodi di stima possono essere classificati in:
•
conteggi volti a determinare il numero minimo di animali presenti in una
determinata area in un periodo di tempo predefinito;
•
conteggi per zone campione, ovvero conteggi in aree delimitate con cui si
ottengono delle densità che saranno estrapolate all'intera area di studio;
•
conteggi relativi o indici, ovvero conteggi volti a determinare degli indici di
abbondanza relativi, che saranno in funzione della consistenza assoluta della
popolazione.
Un'ulteriore classificazione suddivide i conteggi sulla base del genere di osservazioni:
•
conteggi diretti, basati sull'osservazione diretta degli animali;
•
conteggi indiretti, basati sull'osservazione ed il conteggio dei segni di presenza
degli animali (escrementi, tracce, vocalizzi).
I metodi maggiormente utilizzati per il cervo sono l'osservazione diretta da punti fissi o da
percorsi, i conteggi notturni con faro, i conteggi notturni con termo-camera ed il
censimento al bramito (Mayle et al., 1999; Cicognani et al., 2000).
1.1.1 – Conteggio per osservazione diretta da punti fissi e da percorsi
I conteggi per osservazione diretta al cervo (Open Hill Counts) sono una delle prime
metodiche di stima delle consistenze ad essere state utilizzate. Un esempio di applicazione
in Europa è quella per il cervo rosso in Scozia a partire dagli anni '70 (Stewart, 1976).
Questa è una metodica diretta utilizzabile per molte specie animali. Viene impiegata
particolarmente per i Bovidi sull'arco alpino, ad esempio per il camoscio (Rupicapra
rupicapra Linnaeus, 1758), ma garantisce ottimi risultati anche per i Cervidi, nonostante
sottostime maggiori rispetto alle altre specie a causa di un'ecologia legata maggiormente
agli ambienti forestali di questa famiglia. Questo metodo permette di determinare il
numero minimo di soggetti presenti al momento dell'operazione nell'area indagata
(AA.VV., 2007).
Per l'applicazione di questa metodica è necessario individuare l'area stabilmente occupata
dalla popolazione e suddividerla in settori, ovvero unità territoriali censibili in un'unica
giornata. Per evitare doppi conteggi sarebbe necessario individuare i settori sulla base di
barriere naturali e censirli in un numero limitato di giorni, possibilmente consecutivi. Ogni
settore deve essere suddiviso in zone di osservazione, unità territoriali censibili da una
squadra di rilevatori. In ogni zona di osservazione è possibile posizionare una posta fissa o
individuare un transetto da percorrere. L'estensione di ogni singola zona può variare
notevolmente in relazione alla morfologia del territorio e all’alternanza di ambienti aperti e
di ambienti chiusi. Ogni squadra di rilevatori deve essere dotata di binocolo, cannocchiale
e scheda di censimento sulla quale verranno annotati il numero di animali avvistati
suddivisi per classi di sesso e di età, la posizione degli animali e relativa direzione di fuga,
nonché l'orario dell'avvistamento. Terminato il censimento è opportuno confrontate le
schede per eliminare eventuali doppi conteggi. Il periodo maggiormente indicato per
l'applicazione della metodica per il cervo coincide con il mese di aprile o inizio maggio, in
concomitanza con il ricaccio vegetativo dei prati del fondovalle. I periodi della giornata in
cui le probabilità di avvistamento vengono massimizzate sono le ore prossime all'alba ed al
tramonto (AA.VV., 2007).
Questa tipologia di conteggio risulta essere una delle metodiche maggiormente realizzabili,
idonea per censire vaste aree di territorio e utile per determinare la struttura della
popolazione. La metodica ha comunque dei limiti: è applicabile in ambienti per la maggior
parte privi di copertura forestale e dotati di ottima visibilità, la precisione non può essere
determinata, richiede un numero elevato di rilevatori specializzati, è applicabile in un
ristretto periodo dell'anno e richiede un'attenta organizzazione (Mayle et al., 1999).
La densità (D) viene stimata sulla base del numero totale di animali censiti (c) in rapporto
all'area totale o alla Superficie Utile alla Specie (S.U.S.), calcolata secondo l'equazione 1:
D=
c
S.U.S.
(eq. 1)
La S.U.S. è intesa come porzione di Superficie agro-silvo-pastorale (s.A.S.P., ovvero la
superficie risultante dalla sottrazione dalla superficie planimetrica totale della porzione di
territorio non utilizzabile dalla fauna selvatica come zone urbanizzate, ghiacciai e specchi
d'acqua) potenzialmente idonea ad ospitare una determinata specie animale e può essere
calcolata per mezzo di Modelli di Valutazione Ambientale. Le linee guida per la gestione
degli ungulati selvatici in regione Piemonte (AA.VV., 2007) consigliano la seguente
equazione per calcolare la S.U.S. per il cervo in modo semplice e speditivo:
S.U.S.= B+P+C +( 0,25∗I )
(eq. 2)
dove B è la superficie boschiva, P è la superficie dei prato-pascoli, C è la superficie dei
coltivi e I è la superficie degli improduttivi.
1.1.2 – Conteggio notturno con faro
L'osservazione diretta degli animali durante le ore diurne spesso è di difficile applicazione
a causa del comportamento criptico della specie. Per ovviare a questo problema è stato
applicato, già dagli anno '50, il conteggio notturno per mezzo di fonte luminosa. Durante le
ore notturne i Cervidi si spostano dalle aree boscate ai pascoli per l'alimentazione. Questo
permette di avvistarli con maggiore facilità, sia per il fatto che di notte gli animali sono
particolarmente tranquilli sia perché la fonte luminosa abbaglia gli individui e permette di
scorgere la rifrangenza degli occhi anche a notevoli distanze (McCullough, 1982).
Questa metodica prevede di individuare dei transetti predefiniti all'interno dell'area di
studio che vengono percorsi da un automezzo munito di faro a lunga gittata per individuare
gli animali ai lati del transetto. Per ottenere dati significativi è necessario che l'area di
studio sia dotata di una rete stradale sufficientemente sviluppata. L'automezzo,
possibilmente furgoni a quattro ruote motrici e decappottabili, deve procedere a velocità
costante e ridotta (10-15 km orari) e fermarsi per la rilevazione dei dati quando vengono
avvistati gli animali. Idealmente in ogni automezzo la squadra di rilevatori deve essere
composta da tre o quattro persone con compiti differenti: un guidatore, un addetto per la
compilazione della scheda, una persona dotata di faro ed un'altra addetta al conteggio degli
animali e all'identificazione del sesso e delle classi d'età mediante un binocolo. I fari
devono sempre illuminare i lati della carreggiata ed essere inclinati di 45° rispetto alla
direzione di marcia. Inoltre su strade di montagna conviene sempre procedere sul lato a
valle della strada per illuminare meglio il versante sottostante. Al fine di evitare doppi
conteggi i transetti dovranno evitare di percorrere più volte le stesse strade ed il conteggio
deve avvenire contemporaneamente su entrambi i lati della strada.
Il censimento notturno con faro deve essere eseguito durante il ricaccio vegetativo dei prati
per avvistare il maggior numero di animali e possibilmente in assenza di foglie sugli alberi
che possono ridurre notevolmente la visibilità delle aree aperte. Il periodo ideale coincide
con i mesi di febbraio, marzo e aprile, a seconda della quota e della permanenza della neve
al suolo. L'orario maggiormente indicato per l'inizio del censimento è tre-quattro ore dopo
il tramonto, quando il maggior numero di animali si è già spostato verso i prati.
Con l'applicazione di questa metodica è possibile valutare il numero totale di animali
osservato (c) in relazione ai chilometri percorsi (Km) ed ottenere quindi un indice
chilometrico di abbondanza (IKA) secondo la seguente equazione:
IKA=
c
Km
(eq. 3)
Inoltre è possibile ottenere un numero minimo certo di animali, che equivale al maggior
conteggio tra tutte le serate di rilevamento (nel caso di conteggi ripetuti sulle stesse aree).
Non sono possibili estrapolazioni al resto della superficie utile dell'area di studio (AA.VV.,
2007). È possibile ottenere un valore di densità se viene applicata, unitamente al
censimento notturno con faro, una metodica di analisi statistica nota come Distance
Sampling (Mayle et al., 1999) che analizzeremo successivamente nel capitolo 1.2. Un'altra
metodica per ottenere un valore di stima della densità è rapportare il numero di animali
osservato alla superficie teorica di osservazione o alla superficie di avvistamento utile
(Tizzani e Dematteis, 2009).
Sotto certi aspetti il conteggio notturno con faro è vantaggioso rispetto ad altre metodiche
in quanto richiede una minor difficoltà organizzativa (a causa del minor numero di
personale necessario), è maggiormente ripetibile e i costi dell'equipaggiamento sono
ridotti. È inoltre uno dei pochi metodi utilizzabili in contesti di bassa e media montagna
con percentuali di copertura arborea elevate, dove i conteggi per osservazione diretta da
punti fissi risultano di difficile applicazione. Gli svantaggi rispetto ad altre metodiche sono:
efficacia inferiore sia per l'aspetto quantitativo (minor numero di animali osservato) che
qualitativo (molti animali classificati come indeterminati); applicabile in aree con una
buona rete stradale; i risultati sono influenzati dal periodo e dal comportamento stagionale
degli animali (Mayle et al., 1999).
1.1.3 – Conteggio notturno con termo-camera
I primi studi volti a valutare l'applicabilità di visori notturni che lavorano nel campo
dell'infrarosso termico (IRT) per il censimento di ungulati selvatici risalgono agli anni '60.
Questi lavori mostrano una miglior efficienza dei metodi IRT rispetto alle tecniche di
conteggio tradizionali (Croon et al., 1968). L'eccessiva dimensione delle apparecchiature,
il raffreddamento con azoto liquido ed i costi elevati non hanno permesso la diffusione di
questa tecnica fintanto che lo sviluppo tecnologico ha migliorato le attrezzature rendendole
di dimensioni ridotte e maneggevoli.
In Italia i primi conteggi notturni con termo-camera sono stati eseguiti nel Parco Regionale
La Mandria in provincia di Torino con l'ausilio del visore GUFO (Galileo Unit for Fauna
Observation). I risultati hanno dimostrato una maggiore contattabilità (probabilità di
avvistamento) per il cervo ed il cinghiale rispetto ai classici conteggi notturni con faro.
Il conteggio con termo-camera può essere applicato con un protocollo operativo analogo a
quello utilizzato per il censimento notturno con faro, ottenendo un'IKA con l'equazione 3 o
una densità calcolando la superficie teorica di osservazione, ma spesso viene affiancato
dalla metodica statistica del Distance Sampling per ottenere valori di densità (Franzetti e
Focardi, 2006).
Per l'applicazione della metodica è necessario individuare dei transetti percorribili durante
le ore notturne. Il censimento può essere svolto sia a piedi sia tramite automezzo che
procede a velocità ridotta (5-10 km orari), possibilmente un furgone a quattro ruote motrici
e decappottabile. La termo-camera deve controllare entrambi i lati del transetto per
individuare gli animali presenti. Una volta individuati gli animali, un operatore deve
registrare i dati dell'avvistamento su apposita scheda, riportando la specie, il numero di
animali osservati e quando possibile il sesso e le classi d'età. È consigliabile eseguire il
conteggio sullo stesso transetto più volte in sere differenti per non influenzare i risultati
con errori dovuti alla variabilità comportamentale degli animali ed alle condizioni
meteorologiche (Mayle et al., 1999).
Il periodo migliore per effettuare il conteggio è compreso tra l'inizio di ottobre e la fine di
aprile, cioè i mesi più freddi dell'anno (per il conteggio della specie cervo è consigliato il
mese di aprile per ottenere risultati più efficienti). Durante questo periodo, nonostante le
condizioni climatiche sfavorevoli, la minor temperatura dell'aria permette di vedere una
differenza di temperatura maggiore tra gli oggetti inanimati ed i mammiferi, migliorando la
definizione delle immagini e quindi la contattabilità degli animali. Inoltre nei mesi
invernali la copertura fogliare è ridotta permettendo una visione ottimale anche nelle aree
boscate. Deve essere anche considerata la presenza di nebbia o umidità nell'aria che di fatto
non impedisce lo svolgimento del censimento ma attenua il contrasto tra animali e oggetti
inanimati diminuendo di conseguenza la contattabilità. L'orario maggiormente indicato per
l'inizio del conteggio è tre-quattro ore dopo il tramonto, quando il maggior numero di
animali si è già spostato verso i prati e la temperatura trattenuta dagli alberi e dalle pietre
inizia a diminuire (Franzetti e Focardi, 2006).
I vantaggi del conteggio notturno con termo-camera sono: alta accuratezza; possibilità di
stimare sesso e classi d'età se i maschi hanno i palchi in velluto; possibilità di studiare il
comportamento notturno; gli animali nascosti dietro agli alberi sono facilmente
individuabili; le aree aperte possono essere facilmente censite da punti di osservazione
posti in alto. Tra gli svantaggi si ricorda innanzitutto il costo dell'attrezzatura molto
elevato. Inoltre il conteggio è influenzato dalle variazioni comportamentali stagionali degli
animali e dal clima. Un ulteriore svantaggio nell'uso della termo-camera rispetto alle altre
metodiche è la maggior difficoltà nell'identificazione della specie e delle classi d'età,
soprattutto se gli animali vengono avvistati a distanze superiori ai 100 metri (Mayle et al.,
1999).
1.1.4 – Conteggio al bramito
Sulla penisola italiana il “censimento al bramito” del cervo è stato utilizzato per la prima
volta nel sud della Toscana nel Parco Nazionale delle Foreste Casentinesi (Mazzarone et
al., 1989). È una metodica di censimento indiretta che si basa sul conteggio dei vocalizzi
prodotti dai maschi adulti durante il periodo riproduttivo (Cicognani et al., 2000).
Il bramito è un'esibizione di minaccia oggettivo in grado di comunicare ai potenziali
avversari la forza e potenza reale del maschio che lo produce. È un metodo per valutare
l'avversario in modo rapido ed evita che ogni maschio spenda risorse per uno scontro con
ogni avversario che incontra, diminuendo quindi la percentuale di danni e ferite che si
potrebbero verificare con uno scontro diretto. Il bramito rappresenta la prima fase di
valutazione dell'avversario, se la disputa non si risolve i maschi procedono prima con una
valutazione della mole camminando fianco a fianco e successivamente con lo scontro vero
e proprio incrociando i palchi (Krebs e Davies, 2002).
Il vocalizzo è legato ai livelli di testosterone nel sangue che produce un ingrossamento
delle corde vocali e della muscolatura collegata. Intensità, tono e frequenza dei bramiti
sono in funzione della taglia, abilità nella lotta, successo riproduttivo e rango gerarchico
del maschio che li produce. I maschi più forti emettono bramiti con toni più bassi e cupi.
Possono essere emesse varie tipologie di vocalizzi: i bramiti, le tossi ed i suoni nasali in
combattimento.
Il “censimento al bramito” deve essere eseguito nel pieno periodo degli amori, tra l'ultima
settimana di settembre e la prima settimana di ottobre. L'orario ideale della giornata è tra le
21.00 e le 24.00, periodo di massima brama dei cervi. In concomitanza con il “censimento
al bramito” può essere eseguito un conteggio per osservazione diretta per stabilire non
tanto la quantità di cervi nell'area di studio ma la struttura della popolazione. Questo dato
verrà poi utilizzato unitamente al numero di cervi bramitanti per ottenere un valore di
densità. L'area di studio deve essere suddivisa in settori di 100-250 ettari censibili da una
coppia di operatori. I maschi in bramito vengono localizzati tramite bussola goniometrica e
le osservazioni riportate su apposita scheda unitamente all'ora di inizio e fine di ogni
vocalizzo. Questa metodica tende a sottostimare i maschi giovani che partecipano poco
all'attività riproduttiva (AA.VV., 2007).
Il “censimento al bramito” è una metodica che può essere applicata in aree densamente
boscate per censire popolazioni di cervi con scarsa o nulla contattabilità visiva. Inoltre
questa tecnica offre ulteriori vantaggi come: la possibilità di coprire un'ampia area con un
basso numero di operatori; la possibilità di verificare i risultati conseguiti con altre
metodiche; la possibilità di coinvolgere un ampio numero di personale, anche volontario e
non professionale, a scopo educativo. Gli svantaggi della metodica rispetto agli altri metodi
sono: sottostima dei maschi giovani (1-4 anni); la struttura e la qualità dei maschi adulti
non possono essere determinati; la realizzazione dei rilievi deve essere molto precisa per
permettere la triangolazione dei maschi bramitanti e l'eliminazione dei doppi conteggi; la
realizzazione spesso coincide con il periodo di attività venatoria alla specie quindi i
cacciatori sono spesso reticenti a partecipare.
Per calcolare la densità di animali nell'area di studio occorre innanzitutto stimare la
consistenza della popolazione (N) con la seguente equazione:
m
N = ∗100
p
(eq. 4)
dove m indica il numero di maschi adulti censiti nell'area campione e p indica la
percentuale di maschi adulti nella struttura di popolazione, parametro desunto da
osservazioni dirette effettuate nella primavera ed estate precedenti al censimento al
bramito. Successivamente la densità (D) viene calcolata rapportando la consistenza della
popolazione N con l'area complessiva annuale di distribuzione della popolazione (a)
secondo l'equazione (AA.VV., 2007):
D=
N
a
(eq. 5)
1.2 – Metodiche statistiche: Distance Sampling
Il Distance Sampling è una metodologia statistica che permette di stimare la dimensione
delle popolazioni animali sulla base della distanza degli avvistamenti rispetto alla
posizione dell'osservatore. Questa tecnica viene applicata generalmente per mezzo di
conteggi lungo transetti lineari (line transect sampling) ma può essere applicata anche per
conteggi da punti d'osservazione (point transect sampling) (Buckland et al., 1993).
La metodologia del Distance Sampling viene concepita nei primi anni del XX secolo per
gli uccelli da parte di J. E. Gross. Le prime migliorie al metodo sono state poi apportate da
Kelker nel 1945 il quale registrava la distanza di osservazione degli animali dalla strada
percorsa e successivamente valutava visivamente quale fosse la distanza entro la quale era
verosimile aver osservato tutti gli oggetti d’interesse per estrapolare poi i risultati all'intera
area di studio. Il metodo di Kelker non considerava però che alcuni animali vicino alla
strada potevano non essere avvistati. Fu successivamente Hayne ad introdurre il primo
stimatore della probabilità di osservazione di un animale in funzione della sua distanza
dalla linea del transetto. Solo alla fine degli anni '60 furono introdotti i concetti centrali del
Distance Sampling, come la funzione di contattabilità (detection function) che permetteva
di stimare gli intervalli fiduciali della stima di densità. Nello stesso periodo Eberhardt
suggerì alcune migliorie indispensabili per lo sviluppo dell'attuale metodica. Un punto di
svolta fondamentale si ottenne nel 1980 con la pubblicazione della Wildlife Monograph di
Burnham e collaboratori e con lo sviluppo del primo software d'uso pubblico. In seguito,
con il supporto di numerosi autori nonché di Buckland e collaboratori, è avvenuto un
rapido approfondimento delle metodiche statistiche e sono state sviluppate versioni sempre
più innovative del software Distance (Franzetti e Focardi, 2006).
Per l'applicazione della metodica è necessario identificare su mappa l'area occupata dalla
popolazione e disporre successivamente i transetti in modo casuale rispetto alla
distribuzione degli animali. Per i conteggi notturni con termo-camera generalmente i
transetti non sono disposti casualmente ma seguono sentieri o strade per garantire una
sicurezza maggiore dell'operatore. L'intensità di campionamento dipende dalla densità di
animali nell'area di studio. I transetti possono essere percorsi indifferentemente a piedi o su
un automezzo. Per ogni gruppo di animali contattato è necessario rilevare la specie, il
numero di animali, la struttura del gruppo divisa per sesso e classi d'età, la distanza
perpendicolare degli animali rispetto alla linea del transetto o la distanza dell'animale
dall'osservatore unitamente all'angolo che si forma tra il transetto e la linea immaginaria
che unisce osservatore e animale (Fig. 1). Nel caso in cui gli animali siano in gruppo la
distanza da rilevare è quella formata dal baricentro del gruppo (Mayle et al., 1999).
Figura 1. Calcolo della distanza perpendicolare tra l'animale e la linea del transetto
(Tratto da: Mayle et al., 1999).
Per ottenere una stima della densità degli animali nell'area di studio è necessario inserire i
dati raccolti durante il lavoro di campo nel software Distance (Thomas et al., 2010).
Il software produce un istogramma delle distanze perpendicolari posizionando in ascissa la
distanza di osservazione o le classi di distanza mentre in ordinata sono rappresentate le
frequenze di osservazione per ogni classe (Fig. 2).
Figura 2. Istogramma delle frequenze di osservazione assolute suddivise per classi di
distanza (Tratto da: Buckland et al., 1993).
Sulla base dell'istogramma delle distanze perpendicolari viene eseguito un fitting che
produce una funzione di contattabilità g(x) (detection function) la quale modellizza la
probabilità che un oggetto alla distanza x dal transetto venga osservato (Fig. 3).
Figura 3. Istogramma delle frequenze di osservazione suddivise per le
classi di distanza perpendicolare: f(x) è la funzione g(x) con scala
differente, μ rappresenta la larghezza effettiva del transetto, w è la distanza
massima di osservazione (Tratto da: Thomas et al., 2002).
La procedura per ottenere la g(x) e stimare i parametri viene eseguita automaticamente dal
software Distance. I modelli a priori che vengono generalmente utilizzati per il calcolo
della g(x) sono tre: uniforme, seminormale e hazard rate (Franzetti e Focardi, 2006). La
funzione che meglio rappresenta i dati del caso studio viene scelta sulla base del valore di
AIC (Akaike's Information Criterion), un criterio per giudicare la bontà di adattamento di
un modello di rappresentazione matematico ai dati realmente disponibili. L’AIC ottenuto
per un determinato modello non deve essere valutato in funzione del suo valore assoluto
ma ha senso solo se considerato come termine relativo rispetto a valori di AIC ottenuti da
altri modelli. Il modello migliore è quello che ottiene il minor punteggio di AIC, cioè il
modello che presenta la miglior soluzione di compromesso nell’offrire una buona
rappresentazione dei dati e, contemporaneamente, garantire una buona precisione delle
stime (Akaike, 1973).
Dopodichè la densità di animali D viene stimata con l'equazione (Thomas et al., 2002):
̂
̂ n f ( 0)
D=
2L
(eq. 6)
dove n è il numero di aniamli osservato, f(0) è la funzione di contattabilità scalata
all'istogramma delle frequenze di osservazione, L è la lunghezza totale dei transetti.
Nel caso in cui gli animali vengano osservati in gruppi l'equazione 6 deve essere
modificata nella seguente equazione (Thomas et al., 2002):
̂
̂
̂ n f ( 0) E (s )
D=
2L
(eq. 7)
dove Ê(s) è la stima della dimensione media dei gruppi nella popolazione.
La metodologia del Distance Sampling richiede che vengano rispettati quattro assunti
fondamentali per ottenere stime di densità corrette (Buckland et al., 1993):
1) tutti gli oggetti sulla linea del transetto vengono sempre osservati ( g(0) = 1, ovvero
la funzione di contattabilità per valori di distanza di 0 m dalla linea del transetto
assume il valore massimo di 1);
2) l'animale deve essere contattato prima che si muova in risposta alla presenza
dell'osservatore;
3) la misurazione della distanza perpendicolare o radiale dell'oggetto rispetto alla linea
del transetto deve essere eseguita con precisione;
4) le osservazioni sono eventi indipendenti, cioè un gruppo di animali deve essere
considerato come singola osservazione.
La valutazione dell'accuratezza delle stime ottenute, ovvero quanto il valore stimato si
discosta dal valore reale, può essere eseguita utilizzando due approcci differenti:
1) una validazione esterna, cioè un confronto tra la stima ottenuta con il Distance
Sampling e quelle ottenute con metodiche differenti reputate affidabili in
letteratura per la specie considerata;
2) una validazione interna, cioè verificare che gli assunti del metodo siano rispettati.
1.3 – Modelli di Valutazione Ambientale
Negli ultimi anni l'evoluzione e la rapida diffusione di tecniche statistiche e di software
GIS (Geographic Information System) per l'elaborazione dei dati territoriali ha consentito
l'avvento dei Modelli di Valutazione Ambientale nel campo della conservazione faunistica.
I Modelli di Valutazione Ambientale, detti anche modelli di idoneità o modelli di
vocazionalità faunistica, sono analisi territoriali che mettono in relazione la presenza e
l'abbondanza di una specie con le caratteristiche dell'habitat (Morrison et al., 1992).
Vengono utilizzati per classificare l'area di interesse in funzione dell'idoneità ad ospitare
una determinata specie. Permettono la produzione di mappe tematiche di idoneità
ambientale sulla cui base è possibile, ad esempio, identificare gli habitat che necessitano
una maggiore protezione per la conservazione di particolari specie o distinguere territori in
cui la probabilità di contattare una specie è maggiore (Store e Kangas, 2001). In studi volti
a determinare l'abbondanza e distribuzione delle specie su vasti territori possono essere
inoltre utilizzati per individuare le aree dove effettuare i campionamenti (Coletto e
Giupponi, 2004).
I Modelli di Valutazione Ambientale possono essere suddivisi in due categorie:
•
modelli deduttivi o multi-criterio;
•
modelli induttivi o statistici uni e multivariati.
I primi modelli deduttivi che sono stati utilizzati nel campo biologico sono ascrivibili agli
Habitat Suitability Index (HSI) sviluppati a partire da Habitat Evaluation Procedures
(HEP) da parte di United State Fish and Wildlife Service nel 1980. I modelli deduttivi si
basano su conoscenze ecologiche precedentemente note. Le fonti che vengono consultate
per l'elaborazione dei modelli riguardano sia dati di letteratura sia giudizi di tecnici esperti.
Sono modelli deterministici che individuano le aree con caratteristiche idonee per una
determinata specie. I vantaggi di questa tipologia di modello sono la possibilità di lavorare
con scarse quantità di dati (non sono necessari dati di presenza/”assenza” della specie) e di
essere applicabili ad una scala geografica molto ampia. Rispetto ad altre metodiche i
modelli deduttivi presentano lo svantaggio di essere in una certa misura soggettivi dal
momento che le variabili del modello vengono classificate in punteggi di idoneità attribuiti
sulla base delle fonti sopra citate. Inoltre si ottengono mappe di idoneità ambientale e non
mappe di probabilità di presenza (Massolo e Meriggi, 1995).
Questi modelli sono stati applicati con successo per determinare l'idoneità dell'habitat per
numerose classi animali differenti, come mammiferi, uccelli, rettili o pesci. Un esempio
esplicativo è quello utilizzato per il falco codarossa (Buteo jamaicensis Gmelin, 1788). In
questo caso gli autori (USFWS, 1981) hanno inizialmente identificato le variabili
ambientali che influenzano l'idoneità per il falco codarossa (Fig. 4).
Figura 4. Diagramma ad albero che rappresenta la relazione tra variabili ambientali, requisiti vitali e
tipologia di vegetazione per l'HSI per il falco codarossa (Tratto da: USFWS, 1981).
Successivamente hanno attribuito ad ogni variabile un indice di idoneità (Fig. 5), e infine
hanno messo in relazione, tramite adeguate equazioni, tutti gli indici per le singole variabili
ricavando i valori di HSI per la loro area di studio.
Figura 5. Relazione esistente tra una singola variabile
ambientale e l'indice di idoneità per quella variabile (Tratto da:
USFWS, 1981).
I modelli induttivi, sviluppati successivamente agli HSI, rappresentano un'alternativa
all'approccio multi-criterio e prevedono l'utilizzo di tecniche statistiche uni e multivariate.
Si basano su dati raccolti su campo (presenza, presenza/”assenza” o densità) per poter
definire le condizioni ideali della specie e consentono di stimare le variazioni del processo
ecologico oggetto dello studio (variabile dipendente) mediante l’utilizzo di un insieme di
predittori (variabili indipendenti) che misurano le caratteristiche del sistema. I vantaggi
derivanti da questa tipologia di modelli sono la maggior oggettività dei modelli stessi in
quanto si basano su reali dati di presenza raccolti nell'area di studio. Inoltre stimano
statisticamente l'importanza di ciascuna variabile ambientale e generano mappe di presenza
con valori continui di idoneità. Il maggior svantaggio di questa metodica rispetto ai modelli
deduttivi è rappresentato dallo sforzo di campionamento necessario per ottenere i dati di
presenza della specie, inoltre i risultati sono area-specifici e difficilmente generalizzabili
(Massolo e Meriggi, 1995).
Le tecniche statistiche maggiormente utilizzate per generare modelli induttivi sono i
modelli lineari generalizzati (GLM). Si basano su dati di presenza/”assenza” o densità ed
utilizzano questi dati per ricavare il modello di regressione con il miglior fitting. La
regressione logistica è un caso particolare di modello lineare generalizzato applicato nei
casi in cui la variabile dipendente è di tipo dicotomico. Il modello viene descritto
dall'equazione 8:
logit ( p)=b0+b1 x 1+...+bk x k =Xb
(eq. 8)
dove logit è la funzione logit, p è la probabilità che l'evento y si verifichi, bk è il
coefficiente parziale di variazione unitario e xk è il valore assunto dalla k-esima variabile
indipendente (caratteristica ambientale).
Assumendo momentaneamente di disporre di veri dati di presenza/assenza, la stima della
probabilità p (probabilità di presenza) verrebbe quindi effettuata stimando i parametri bk e
successivamente applicando l'equazione 9:
p(x )=
(b 0+b1 x 1+...+bk x k )
e
1+e(b +b
0
1
x1+...+bk x k )
(eq. 9)
dove p(x) è la probabilità che l'evento (idoneità) accada, xk è il valore assunto dalla k-esima
variabile indipendente (caratteristica ambientale), bk è il coefficiente parziale di variazione
unitario (Massolo e Meriggi, 1995).
Una tecnica alternativa ai modelli lineari generalizzati per ottenere mappe di idoneità è la
Ecological Niche Factor Analysis (ENFA). Questi modelli si basano unicamente su dati di
presenza senza considerare i dati relativi all'assenza della specie da un certo territorio. In
questo modo vengono evitati alcuni errori che si genererebbero con l'assegnazione di falsi
dati di assenza, ad esempio la mancata osservazione di individui di una specie, la
temporanea estinzione locale, la presenza di barriere di dispersione o territori idonei ma
troppi piccoli per essere occupati stabilmente. I principi su cui si basa la metodica
dell'ENFA sono: 1) la riduzione di tutte le variabili ad un ristretto numero di fattori non
correlati tra loro, di cui il primo descrive la marginalità della specie mentre i rimanenti
descrivono la specializzazione; 2) la considerazione dei soli dati di presenza; 3) la
comparazione della distribuzione locale della specie con un territorio di maggiori
dimensioni che rappresenta l'area globale di interesse. Per marginalità si intende la
differenza tra la media dei valori assunti dalle variabili nelle celle contenenti dati di
presenza della specie e la media dei valori assunti dalle variabili nelle celle dell'intera area
di studio. La marginalità (M) viene calcolata con l'equazione 10:
M=
∣m g −ms∣
1.96 σ g
(eq. 10)
dove mg è la media globale, ms è la media della specie, σg è la deviazione standard della
distribuzione globale. Per specializzazione si intende il fatto che la varianza delle
distribuzioni dei valori delle variabili per la specie è inferiore rispetto alla varianza globale.
La specializzazione (S) viene calcolata con l'equazione 11:
S=
σg
σs
(eq. 11)
dove σg è la deviazione standard della distribuzione globale, σs è la deviazione standard
della distribuzione della specie. Il software Biomapper permette di eseguire quest'analisi ed
ottenere mappe di idoneità in modo automatico (Hirzel et al., 2002).
In seguito all'elaborazione di un Modello di Valutazione Ambientale, e prima di una sua
applicazione pratica, è necessario eseguire una fase di validazione del modello stesso. Per
validazione si intende un confronto tra i risultati del modello con dati indipendenti sulla
distribuzione della specie ricavati tramite osservazioni all'interno dell'area di studio. Le
metodiche statistiche utilizzate per la validazione sono numerose, le più usate prevedono la
classificazione dei risultati in categorie discrete e la costruzione di una tabella di
contingenza o confusion matrix (Gardner e Urban, 2003). A partire dalle tabelle di
contingenza è possibile ottenere una serie di indici statistici che mi permettono di valutare
l'affidabilità del modello: accuratezza complessiva, sensibilità (proporzione di dati di
presenza osservati che sono stati predetti come tali dal modello), specificità (proporzione
di dati di “assenza” osservati che sono stati predetti come tali dal modello) e la statistica
kappa. L'accuratezza complessiva e la statistica kappa sono stati criticati da alcuni autori
per la loro dipendenza dalla prevalenza (Allouche et al, 2006). Sono stati quindi elaborati
ulteriori indici per la validazione dei modelli non dipendenti dalla prevalenza facendo
variare i valori soglia (valore attribuito per la classificazione in habitat idoneo o non
idoneo) ed ottenendo una serie di tabelle di contingenza dalle quali è possibile ottenere una
curva ROC (Receiver Operating Characteristic), la quale ci fornisce già visivamente
l'affidabilità del modello (Gardner e Urban, 2003). Dalla curva ROC è possibile calcolare
l'area sotto la curva (AUC) e la true skill statistic (TSS), due metodiche utilizzate per
valutare l'affidabilità dei Modelli di Valutazione Ambientale (Allouche et al, 2006).
L'AUC è una misurazione affidabile in quanto è indipendente dalla prevalenza e dal valore
soglia. Valori di area sotto la curva ROC compresi tra 0,5 e 0,7 indicano una scarsa
capacità discriminativa del modello, valori tra 0,7 e 0,9 indicano una buona capacità
discriminativa e valori superiori a 0,9 una ottima capacità discriminativa (La Morgia,
2007).
La TSS si basa sui valori di sensibilità (Se) e specificità (Sp) ricavati dalle matrici di
contingenza e viene calcolata con l'equazione 12:
TSS=Se+Sp−1
(eq. 12)
Valori di TSS prossimi a 0 indicano che i risultati del modello non sono più predittivi
rispetto ad un modello casuale, valori tra 0 e 1 indicano che il modello è in accordo con i
dati campionari, valori tra -1 e 0 indicano invece che i risultati del modello sono meno
predittivi rispetto ad un modello casuale (La Morgia, 2007).
1.3.1 – Habitat del cervo
Mentre per lo sviluppo di MVA induttivi possono essere adottate le tecniche di analisi
esposte, per i modelli deduttivi è anche necessario essere a conoscenza, a priori, degli
ambienti selezionati dalla specie di interesse. Nello specifico l'habitat naturale del cervo è
costituito da aree boscate comprese tra il livello del mare e l'orizzonte alpino, caratterizzate
da modeste aree arbustive e frequenti radure. Di norma vengono occupate stabilmente le
vaste aree forestali costituite da boschi ben strutturati, misti, con percentuali elevate di
latifoglie e privi di un fitto sottobosco. Anche i boschi di sole conifere tipici delle quote più
elevate spesso vengono occupati stabilmente dalla specie (Mustoni et al., 2002).
Stagionalmente il cervo può compiere migrazioni tra le aree di estivazione e quelle di
svernamento. Le aree di estivazione sono generalmente localizzate a quote prossime al
limite del bosco, perché spesso gli animali frequentano i pascoli posti a quote superiori per
alimentarsi. L'esposizione e la pendenza dei territori sono meno limitativi nei mesi estivi
rispetto ai mesi invernali, la specie frequenta molto bene sia versanti meridionali sia
versanti settentrionali con temperature più miti. Importante per le aree di estivazione è la
presenza di acqua per l'abbeverata e per liberarsi dai parassiti per mezzo dei bagni di fango
(Mustoni et al., 2002).
Le aree di svernamento invece possiedono caratteristiche ambientali maggiormente
limitative rispetto alle aree di estivazione. Sono localizzate a quote inferiori, comprese
generalmente tra i 1300 m ed i 1700 m di altitudine. I versanti posti a meridione acquistano
fondamentale importanza per le loro caratteristiche microclimatiche favorevoli, come una
maggiore insolazione, temperature diurne più elevate ed una permanenza del manto nevoso
inferiore rispetto ai versanti settentrionali. I versanti con pendenze elevate (ma poco
rocciosi) vengono selezionati positivamente dalla specie perché la permanenza del manto
nevoso è inferiore rispetto ai versanti con pendenze modeste. Inoltre le aree di svernamento
sono generalmente territori fittamente boscati, dove l'accumulo di neve al suolo è inferiore
e la presenza di alimento viene garantita anche nei mesi invernali (Mustoni et al., 2002).
Il cervo, rispetto ad altri Cervidi come il capriolo, è maggiormente sensibile al disturbo
antropico, vengono quindi evitate le aree fortemente urbanizzate o dotate di rete stradale
con notevole transito di automezzi. Gli impianti di risalita e le stazioni sciistiche provocano
un disturbo alla specie determinando un habitat poco idoneo. La frammentazione e la
riduzione delle aree boscate hanno un impatto negativo per la specie, vengono quindi
selezionati ambienti forestali integri e poco frammentati (La Morgia et al., 2005).
Infine la caccia al cinghiale (Sus scrofa Linnaeus, 1758) con il segugio può avere un effetto
negativo sulla presenza stabile di cervi in una determinata area in quanto questa modalità
di caccia provoca un notevole disturbo alla specie nell'ambiente forestale (Meneguz e
Dematteis, 2000).
2 – Scopo del lavoro
Lo scopo generale di questo lavoro è quello di valutare la consistenza delle popolazioni di
cervo in Valle Varaita, sia nei territori attualmente indagati dal Comprensorio Alpino sia in
aree in cui la specie non è al momento monitorata. Per la realizzazione di questo obiettivo
generale è necessario scomporre il lavoro in molteplici fasi operative, ognuna delle quali
contribuisce in certa misura alla valutazione della consistenza e distribuzione della specie
nell'area di studio.
Nel territorio attualmente monitorato dal Comprensorio Alpino si è voluto testare il
conteggio notturno con termo-camera e la successiva elaborazione statistica mediante la
tecnica del Distance Sampling, metodica di conteggio innovativa non ancora utilizzata sul
territorio della Valle Varaita. I risultati derivanti da questa metodologia verranno poi
confrontati con i risultati di altre metodiche di stima delle consistenze attualmente utilizzati
nell'area di studio per valutarne un futuro impiego nel monitoraggio delle popolazioni di
cervo.
Nelle aree in cui la specie non è attualmente monitorata intendiamo valutarne la presenza e
la consistenza per mezzo del “censimento al bramito”. Vista la notevole estensione dei
territori non monitorati attualmente, la scelta delle aree da campionare sarà effettuata anche
avvalendosi di Modelli di Valutazione Ambientale per discriminare le aree maggiormente
vocate da quelle non idonee alla specie.
Gli obiettivi specifici del lavoro sono:
1) costruzione di due Modelli di Valutazione Ambientale specifici per il cervo in Valle
Varaita, uno per la stagione invernale ed uno per la stagione estiva;
2) esecuzione del “censimento al bramito” nelle aree valutate idonee dai modelli, con
particolare attenzione al territorio non indagato precedentemente;
3) esecuzione del conteggio notturno con termo-camera e Distance Sampling in
parallelo al conteggio notturno con faro e confronto tra le due metodiche nelle aree
attualmente già monitorate dal Comprensorio Alpino.
I risultati ottenuti serviranno, tra l'altro, a valutare l'efficacia conservazionistica
dell'operazione di reintroduzione.
3 – Area di studio
Questo studio è stato realizzato in Valle Varaita, a Nord-Ovest della provincia di Cuneo,
nelle Alpi Cozie (Fig. 6). La valle si estende dal paese di Costigliole Saluzzo fino al
confine con la Francia, per un totale di 45 chilometri in linea d’aria. È delimitata a nord
dalla Valle Po e a sud dalla Valle Maira, collegata ad essa da una strada comunale passante
per il Colle di Sampeyre (2288 m). Lo spartiacque di frontiera separa il bacino del fiume
Varaita da quelli dell’Ubaye e del Guil. La struttura orografica è semplice e ben centrata
sull’asse del Varaita che, a monte di Casteldelfino, si biforca in due rami, trovando il suo
massimo sviluppo nel ramo che scende dall’alto vallone di Sustra.
Figura 6. Localizzazione geografica dell'area di studio.
A partire da Sampeyre il versante sinistro diventa costantemente più roccioso e si innalza
gradualmente verso il massiccio del Monviso. Su questo versante si sviluppa il “Bosco
dell’Alevè”, la cembreta più vasta delle Alpi, formazione forestale che supera gli 8 km 2 di
estensione in purezza. Al di sopra del bosco si sviluppa il complesso montuoso del
Monviso, limite altimetrico superiore dell’area di studio (3841 m). Sullo stesso versante,
proseguendo verso ovest si attraversa il vallone di Vallanta che collega il vasto bacino
orografico superiore di Chianale. Sulla destra orografica le prime formazioni rocciose
imponenti si trovano oltre l’abitato di Casteldelfino con il gruppo dei monti Pelvo e
Marchisa. Tale versante raggiunge l’estremità sud occidentale dell’area di studio in
corrispondenza del monte Maniglia che sovrasta il bacino sommitale di Bellino.
La vegetazione forestale si diversifica molto al variare della quota e dell'esposizione. Sul
piano collinare l'essenza forestale dominante è il castagno (Castanea sativa Miller, 1768),
seguita poi dal faggio (Fagus sylvatica Linnaeus, 1753) e da associazioni di acero (Acer
pseudoplatanus Linnaeus, 1753), tiglio (Tilia cordata Miller, 1768) e frassino (Fraxinus
excelsior Linnaeus, 1753). Sul piano montano sono molto diffuse le conifere come il larice
(Larix decidua Miller, 1768), l'abete bianco (Abies alba Miller, 1768) ed il pino cembro
(Pinus cembra Linnaeus, 1753). Sul piano alpino la vegetazione d'alto fusto lascia spazio
agli arbusteti ed alle prateria d'alta quota. In Fig. 7 sono riportate le estensioni delle
principali superfici occupate dalle diverse tipologie vegetazionali desunte dai Piani
Forestali Territoriali (PFT) della Regione Piemonte nell'area di studio. I PFT sono delle
mappe vettoriali tematiche che suddividono il territorio della Regione Piemonte sulla base
di 43 tipologie di utilizzazione del suolo. Il livello di dettaglio di tale carta è maggiore
rispetto a quella del Corine Land Cover (Coordination de l’Information sur
l’Environnement).
9000
8000
7000
Ettari (ha)
6000
5000
4000
3000
2000
1000
0
Categorie d'uso suolo
Rocce e macereti
Castagneti
Praterie
Faggete
Lariceti e cembrete
Praterie rupicole
Prato-pascoli
Arbusteti subalpini
Acero-tiglio-frassineti
Seminativi
Boscaglie pioniere di invasione
Aree urbanizzate, infrastrutture
Querceti di rovere
Cespuglieti
Frutteti e vigneti
Rimboschimenti
Altro
Figura 7. Estensione globale delle principali categorie d'uso suolo nell'area di studio.
Nell'area della bassa Valle Varaita, ovvero fino all'abitato di Frassino, l'estensione in
percentuale degli ambienti forestali è del 72 %. Al contrario in media ed alta Valle Varaita
si assiste alla naturale diminuzione degli ambienti forestali dove l'estensione in percentuale
di tali aree diminuisce fino al 36 %.
Per quanto riguarda la fauna selvatica la Valle Varaita ospita numerose specie animali. Tra i
grandi mammiferi gli Ungulati sono ben rappresentati nell'area di studio: oltre
naturalmente ai Cervidi, come cervo e capriolo, sono presenti i Bovidi, come camoscio,
stambecco (Capra ibex Linnaeus, 1758) e muflone (Ovis musimon Pallas, 1762 ), e i Suidi,
come il cinghiale. Tra i mammiferi predatori ricordiamo la presenza della Volpe (Vulpes
vulpes Linnaeus, 1758), di alcuni esemplari di lupo (Canis lupus Linnaeus, 1758) e di
molte specie di Mustelidi. Per quanto riguarda l'ordine dei Galliformi tra le specie presenti
ricordiamo il fagiano di monte (Tetrao tetrix Linnaeus, 1758), la pernice bianca (Lagopus
mutus Montin, 1758) e la coturnice (Alectoris graeca Meisner 1804).
L'area di studio considerata corrisponde con i confini amministrativi del Comprensorio
Alpino Cuneo 2 "Valle Varaita". Nè fanno parte i 14 comuni della Comunita Montana Valle
Varaita (Pontechianale, Bellino, Casteldelfino, Sampeyre, Frassino, Melle, Valmala,
Brossasco, Isasca, Venasca, Piasco, Rossana, Costigliole Saluzzo e Verzuolo) e parte dei
comuni di Manta e Busca. La superficie planimetrica totale, intesa come la superficie
ottenuta dalla proiezione su un piano del territorio di riferimento, dell'area di studio è di
478 km2. I modelli di valutazione ambientale sono stati elaborati per tutta la superficie
planimetrica totate, i censimenti sono stati eseguiti invece su aree campione all'interno
dell'area di studio.
4 – Materiali e metodi
4.1 – Elaborazione dei Modelli di Valutazione Ambientale
I Modelli di Valutazione Ambientale sono necessari al fine di questo studio per poter
valutare l'estensione dell'habitat idoneo alla specie e poterlo rapportare alle aree
attualmente occupate da popolazioni stabili per verificare se sia possibile un'incremento
delle attuali popolazioni. Inoltre risultano indispensabili per selezionare all'interno dell'area
di studio delle aree campione in cui effettuare censimenti per verificare se sono stati
colonizzati ulteriori territori.
In questo studio sono stati utilizzati modelli di valutazione ambientale deduttivi per la
maggior rapidità di elaborazione e per l'assenza a priori di un numero elevato di dati di
presenza/"assenza". Dal momento che l'habitat occupato dal cervo varia stagionalmente,
sono stati sviluppati due modelli di valutazione ambientale, uno per il periodo estivo e uno
per il periodo invernale. Tali modelli sono stati sviluppati considerando le caratteristiche
territoriali (quota, pendenza ed esposizione), le caratteristiche vegetazionali (tipologia di
utilizzazione del suolo e frammentazione delle aree boscate) e le caratteristiche antropiche
(superficie urbanizzata, reti stradali, impianti sciistici e pressione venatoria per la caccia al
cinghiale) dell'area di studio.
I modelli sono stati elaborati con il software Esri ArcGis 9.3 con l'estensione Spatial
Analyst ed il software Fragstats 3.3 (McGarigal et al., 2002). Le basi cartografiche di
partenza utilizzate sono: i Piani Forestali Territoriali della Regione Piemonte (mappa
vettoriale tematica delle tipologie di utilizzazione del suolo) (Fig. 8), il modello altimetrico
digitale del terreno (DTM) con risoluzione di 50 metri della Regione Piemonte (Fig. 9), le
mappe vettoriali tematiche della Regione Piemonte (superficie edificata, rete stradale e
corpi idrici) (Fig. 10), la Carta Tecnica Regionale a scala 1:10.000 della Regione Piemonte
(Fig. 11).
Figura 8. Carta delle tipologie di utilizzazione del suolo (PFT Regione Piemonte).
Figura 9. Modello altimetrico digitale del terreno (DTM Regione Piemonte).
Figura 10. Carte vettoriali tematiche della Regione Piemonte.
Figura 11. Carta Tecnica Regionale (CTR Regione Piemonte).
A partire da queste mappe sono state ricavate basi cartografiche secondarie.
Dalla carta delle tipologie d'uso
suolo (Fig. 8) è stata elaborata la mappa della
frammentazione delle aree boscate. Le aree boscate sono territori indispensabili per le
popolazioni di cervi dal momento che gli individui, dopo essersi alimentati nei prati o
pascoli, si rifugiano in queste zone durante il periodo diurno per ruminare. Maggiore è la
frammentazione dell'area boscata, minore sarà l'idoneità ad ospitare i cervi (La Morgia et
al., 2005).
La carta d'uso suolo è stata trasformata in formato raster (a risoluzione di 20 m) e
riclassificata per rappresentare solo le aree boscate idonee alla specie secondo quanto
riportato in letteratura (Mustoni et al., 2002). Sono quindi stati considerati i seguenti
ambienti forestali dei PFT: abetine, acero-tiglio-frassineti, alneti planiziali e montani,
boscaglie pioniere di invasione, castagneti, faggete, lariceti e cembrete, pinete di pino
silvestre, querceti di rovere, querco-carpineti e robinieti. Dopodiché la mappa così ottenuta
è stata esportata nel software Fragstats dove le singole patch di bosco sono state analizzate
con la metrica “FRAC” (Fractal Dimension Index), una semplice misura della complessità
della forma delle patch. Tale metrica si basa sull'equazione 13 (McGarigal et al., 2002):
FRAC =
2 ln (0,25 p ij )
ln (a ij )
(eq. 13)
dove pij è il perimetro della patch ij, aij è l'area della patch ij. La dimensione frattale è un
numero adimensionale che varia da 1 (grado di complessità minimo quindi patch non
frammentate) a 2 (grado di complessità massimo quindi patch frammentate).
Con il software Fragstats sono stati quindi ottenuti due elementi: il primo è una mappa
raster (in formato testo e risoluzione di 20 m) in cui ogni singola patch di bosco è
identificata attraverso un identificativo numerico progressivo; il secondo è una tabella a 2
colonne in cui nella prima colonna è espresso l'identificativo numerico progressivo della
patch, nella seconda colonna il valore dell'indice di frammentazione per quella patch. La
mappa di frammentazione delle aree boscate (Fig. 12) è stata quindi ottenuta
riclassificando la mappa raster contenente gli identificativi numerici progressivi delle patch
con il valore dell'indice di frammentazione espresso nella tabella ottenuta da Fragstats.
Figura 12. Carta della frammentazione delle aree boscate: gradazione dal verde (poco
frammentato) al rosso (molto frammentato).
Dal DTM (Fig. 9) si sono ottenute le mappe di pendenza ed esposizione dei versanti
tramite il comando “Surface analysis” dell'estensione Spatial Analyst (Fig. 13 e 14).
Figura 13. Carta delle pendenze dei versanti.
Figura 14. Carta dell'esposizione dei versanti.
Dalla Carta Tecnica Regionale (Fig. 11) è stato possibile ottenere la mappa vettoriale degli
impianti sciistici (Fig. 15). È stata considerata disturbata dagli impianti di risalita l'area che
circonda gli impianti per un'estensione di 100 metri (buffer di 100 m) dal momento che la
maggior parte delle piste da sci sono entro tale distanza dagli impianti di risalita.
Figura 15. Carta vettoriali dei principali impianti sciistici.
Un ulteriore dato che è stato considerato è la pressione esercitata dall'attività venatoria in
battuta al cinghiale nei diversi comuni della Valle Varaita. Nelle battute al cinghiale
vengono utilizzati cani da seguita che individuano la traccia dell'animale e la seguono
dando voce senza vedere la preda finché non la raggiungono dove essa si è rifugiata. Le
aree in cui viene esercitata questo tipo di caccia sono maggiormente disturbate e quindi
meno idonee ad ospitare popolazioni stabili di cervo (Meneguz e Dematteis, 2000). È stata
creata quindi una carta vettoriale tematica in cui, per ogni comune, sulla base del numero
di cinghiali abbattuti e della superficie venabile, è stato assegnato un indice di pressione
venatoria (Fig. 16).
Figura 16. Carta della pressione venatoria per la caccia al cinghiale.
Tutte le basi cartografiche che devono essere utilizzate per l'elaborazione dei modelli di
valutazione ambientale sono state trasformate in formato raster ad una risoluzione di 50 m.
4.1.1 – Modello estivo
Il modello di valutazione ambientale per le aree di estivazione è stato elaborato
considerando due caratteristiche vegetazionali (uso del suolo e frammentazione delle aree
boscate), tre caratteristiche territoriali (quota, esposizione e pendenza) e due caratteristiche
antropiche (area edificata e rete stradale). Non sono state considerate dal modello le
variabili “impianti sciistici” e “caccia al cinghiale” in quanto non influenti sulla
vocazionalità del territorio nel periodo considerato. Ogni variabile ambientale è stata
riclassificata in sei classi di idoneità (da 0 a 5) sulla base di dati di letteratura e giudizi di
esperti, ottenendo quindi delle carte delle variabili ambientali riclassificate. La classe “0”
indica un'area non vocata, le classi superiori indicano una vocazionalità sempre maggiore
fino alla classe “5” che indica il massimo grado di idoneità.
La riclassificazione utilizzata per le tipologie d'uso suolo è riportata in Tabella 1, quella
della frammentazione delle aree boscate in Tabella 2.
Categorie
Reclass
Categorie
Reclass
Abetine
5
Greti
2
5
Impianti per arboricoltura da legno
2
Acero-tiglio-frassineti
Acque
0
5
Lariceti e cembrete
3
Pinete di Pino silvestre
4
Alneti planiziali e montani
4
Praterie
5
Arbusteti planiziali, collinari, montani
4
Praterie
non
utilizzate
5
Arbusteti subalpini
Aree urbanizzate, infrastrutture
0
Praterie rupicole
3
Aree verdi urbane
0
Prato-pascoli
5
Boscaglie pioniere di invasione
4
Querceti di rovere
5
Castagneti
5
Querceti di roverella
5
Cespuglieti
Querco-carpineti
3
5
Cespuglieti pascolabili
4
Rimboschimenti
3
Coltivi abbandonati
5
Robinieti
2
Faggete
5
0
Rocce e macereti
Formazioni legnose riparie
2
Seminativi
2
Frutteti e vigneti
0
Tabella 1. Riclassificazione delle tipologie d'uso suolo: nella colonna “Categorie” è riportato l'uso suolo,
nella colonna “Reclass” la rispettiva riclassificazione in classi d'idoneità.
Frammentazione aree boscate Reclass
1 - 1.15
5
1.15 - 1.23
4
1.23 - 1.32
3
1.32 - 1.40
2
1.40 - 1.50
1
1.50 - 2
0
Tabella 2. Riclassificazione dell'indice di
frammentazione (FRAC) delle aree boscate.
Le caratteristiche territoriali (quota, pendenza ed esposizione) presentano un andamento
continuo delle variabili e una loro suddivisione netta in classi di idoneità provocherebbe
una grave riduzione dell'informazione ed un errore di riclassificazione. Per questo motivo
le variabili territoriali sono state riclassificate per mezzo di funzioni lineari: ogni variabile
è stata suddivisa nelle sei classi di idoneità, successivamente sono state ricavate le funzioni
lineari per interpolazione tra i limiti delle classi ed infine è stata eseguita la
riclassificazione delle variabili comprese nei limiti di classe con la rispettiva funzione
lineare (Store e Kangas, 2001).
Le variabili territoriali sono stata riclassificata secondo i limiti di classe illustrati in Fig. 17
e per mezzo delle funzioni lineari riportate in Tabella 3.
Classi d'idoneità
5
4
3
2
f(x) Quota
1
0
0
500
1000 1500 2000 2500 3000 3500 4000
Quota
Classi d'idoneità
5
4
3
2
f(x) Esposizione
1
0
0,0
50,0 100,0 150,0 200,0 250,0 300,0 350,0
Esposizione
Classi d'idoneità
5
4
3
2
f(x) Pendenza
1
0
0
10
20
30
40
50
60
70
80
90
Pendenza
Figura 17. Grafici per la riclassificazione delle variabili territoriali. Dall'alto verso il basso: quota,
esposizione e pendenza. La linea blu, ottenuta per interpolazione tra i limiti di classe, indica le
funzioni lineari utilizzate per la riclassificazione.
DTM
funzione
Intervallo
funzione
y=3
2600-2800
y = -0,01x + 30
y = 0,0009x + 2,3636 2800-2900
y = -0,01x + 30
y = 0,0017x + 1
2900-4000
y = -0,0009x + 3,6364
y = -0,005x + 17
ESPOSIZIONE
Intervallo
funzione
Intervallo
funzione
0-22.5
y=4
180-202.5
y = 0,0444x - 5
22.6-67.5
y = 0,0222x + 3,5
202.6-247.5
y = 0,0222x - 0,5
67.6-112.5
y=5
247.6-292.5
y=5
112.6-157.5
y = -0,0222x + 7,5
292.6-337.5
y = -0,0222x + 11,5
157.6-180
y = -0,0444x + 11
337.6-360
y=4
PENDENZA
Intervallo
funzione
Intervallo
funzione
0-10
y = 0,2x + 3
40-45
y = -0,2x + 11
10–30
y=5
45-50
y = -0,4x + 20
30-40
y = -0,2x + 11
50-90
y=0
Tabella 3. Funzioni lineari ricavate dai grafici di figura 17 utilizzate per la riclassificazione
delle variabili territoriali.
Intervallo
100-700
700-1800
1800-2400
2400-2600
Per la rete stradale è stata utilizzata una semplice riclassificazione binaria: è stato attribuito
il valore “0” alle strade asfaltate ed il valore “5” al resto della mappa. Non è stato eseguito
alcun buffer attorno alla rete stradale indicante un'area non idonea alla specie dal momento
che in primavera, durante il ricaccio vegetativo dei prati di bassa quota, i cervi si
alimentano spesso nei prati situati nei pressi della rete stradale.
L'area edificata è stata considerata non idonea ad ospitare la specie quindi e stata
semplicemente sottratta dalla mappa di vocazionalità ambientale.
Il modello di vocazionalità del cervo per il periodo di estivazione è stato ottenuto
combinando tra loro le variabili riclassificate elencate in questo paragrafo secondo una
relazione in cui ad ogni variabile è stata assegnata una percentuale d'influenza relativa.
Maggiore è la percentuale assegnata ad una variabile, maggiore è l'influenza o “peso” che
quella variabile assume sul modello. La relazione tra le variabili è stata elaborata su due
livelli gerarchici dipendenti: il livello generale mette in relazione le tre tipologie di
caratteristiche ambientali (caratteristiche vegetazionali, territoriali ed antropiche), il livello
specifico mette in relazione tutte le variabili coinvolte nel modello. L'equazione 14 riporta
la relazione a livello generale:
HSI estivo =(V ∗0,55)+(T ∗0,35)+( A∗0,10)
(eq. 14)
dove V è il valore complessivo delle caratteristiche vegetazionali, T è il valore complessivo
delle caratteristiche territoriali, A è il valore complessivo delle caratteristiche antropiche.
L'equazione 15 riporta la relazione tra le singole variabili a livello specifico utilizzata per
ottenere il modello di valutazione ambientale definitivo:
HSI estivo =( s∗0,35)+( f ∗0,20)+(q∗0,20)+(e∗0,10)+( p∗0,05)+(r∗0,10) (eq. 15)
dove s è la tipologia d'uso suolo, f è la frammentazione delle aree boscate, q è la quota, e è
l'esposizione, p è la pendenza, r è la rete stradale.
Al modello di vocazionalità così ricavato infine è stato applicato uno stiramento lineare per
normalizzare la mappa di vocazionalità tra il valore minimo di “0” ed un massimo di “1”
secondo l'equazione 16:
w=(
̂
w( x)−wmin
)
w max −w min
(eq. 16)
dove w è il valore assunto dal modello nel punto x, wmin è il valore minimo del modello,
wmax è il valore massimo del modello (Jain et al., 2005).
4.1.2 – Modello invernale
Il modello di valutazione ambientale per le aree di svernamento è stato elaborato
considerando tutte le caratteristiche ambientali descritte finora. Sono state quindi
considerate due caratteristiche vegetazionali (uso del suolo e frammentazione delle aree
boscate), tre caratteristiche territoriali (quota, esposizione e pendenza) e quattro
caratteristiche antropiche (area edificata, rete stradale, impianti sciistici e pressione
venatoria della caccia al cinghiale). Come per il modello estivo le variabili ambientali sono
state riclassificata in sei classi d'idoneità.
La variabile “tipologie d'uso suolo” è stata riclassificata similarmente alla rispettiva
variabile del modello estivo, è stato però assegnato un punteggio di idoneità minore alle
aree adibite a pascolo per la loro minor frequentazione nel periodo invernale (Tabella 4).
Categorie
Reclass
Categorie
Abetine
5
Greti
5
Impianti per arboricoltura da legno
Acero-tiglio-frassineti
Acque
0
Lariceti e cembrete
3
Pinete di Pino silvestre
Alneti planiziali e montani
3
Praterie
Arbusteti planiziali, collinari, montani
3
Praterie non utilizzate
Arbusteti subalpini
Aree urbanizzate, infrastrutture
0
Praterie rupicole
Aree verdi urbane
0
Prato-pascoli
Boscaglie pioniere di invasione
4
Querceti di rovere
Castagneti
5
Querceti di roverella
Cespuglieti
Querco-carpineti
3
Cespuglieti pascolabili
3
Rimboschimenti
Coltivi abbandonati
4
Robinieti
Faggete
5
Rocce e macereti
Formazioni legnose riparie
2
Seminativi
Frutteti e vigneti
0
Tabella 4. Riclassificazione della tipologia d'uso suolo.
Reclass
2
2
5
4
4
4
2
5
5
5
5
3
2
0
2
La mappa della frammentazione delle aree boscate è stata riclassificata in modo analogo a
quella effettuata per il modello estivo (Tabella 2).
Le carte delle caratteristiche territoriali sono state riclassificate, come per l'elaborazione del
modello estivo, per mezzo delle funzioni lineari ricavate tra i limiti di classe seguenti (Fig.
18 e Tabella 5).
Classe d'idoneità
5
4
3
2
f(x) Quota
1
0
0
500
1000
1500
2000
2500
3000
3500
4000
Quota
Classe d'idoneità
5
4
3
2
f(x) Esposizione
1
0
0,0
50,0
100,0 150,0 200,0 250,0 300,0 350,0
Esposizione
Classi d'idoneità
5
4
3
2
f(x) Pendenza
1
0
0
10
20
30
40
50
60
70
80
90
Pendenza
Figura 18. Grafici per la riclassificazione delle variabili territoriali. Dall'alto verso il basso: quota,
esposizione e pendenza. La linea blu, ottenuta per interpolazione tra i limiti di classe, indica le
funzioni lineari utilizzate per la riclassificazione.
DTM
Intervallo
funzione
2000-2100
y = -0,01x + 23
2100-2400
y = -0,0033x + 9
2400-4000
y = -0,0006x + 2,5
ESPOSIZIONE
Intervallo
funzione
Intervallo
funzione
0-22.5
y=0
180-202.5
y = -0,0444x + 13
22.6-67.5
y = 0,0222x - 0,5
202.6-247.5
y = -0,0222x + 8,5
67.6-112.5
y = 0,0444x - 2
247.6-292.5
y = -0,0444x + 14
112.6-157.5
y = 0,0222x + 0,5 292.6-337.5
y = -0,0222x + 7,5
157.6-180
y = 0,0444x - 3
337.6-360
y=0
PENDENZA
Intervallo
funzione
Intervallo
funzione
0-10
y = 0,2x + 3
40-45
y = -0,2x + 11
10–30
y=5
45-50
y = -0,4x + 20
30-40
y = -0,2x + 11
50-90
y=0
Tabella 5. Funzioni lineari ricavate dai grafici di figura 18 utilizzate per la riclassificazione delle
variabili territoriali.
Intervallo
100-1700
1700-1900
1900-2000
funzione
y=5
y = -0,005x+13,5
y = -0,01x + 23
Per quanto riguarda le caratteristiche antropiche le variabile “rete stradale” e “area
edificata” sono state trattate come è avvenuto per il modello estivo. La carta degli impianti
sciistici è stata riclassificata con un metodo binario: è stato attribuito il valore “0” al buffer
di 100 m intorno agli impianti di risalita ed il valore “5” al resto della mappa.
La carta dell'indice di pressione venatoria è stata riclassificata come da Tabella 6.
Reclass
Comune/Località
Pontechianale
4
Bellino/Casteldelfino
5
3
Sampeyre sx
Sampeyre dx
4
Frassino/Melle
3
Gilba/Monforte
2
S. Bernardo Vecchio
2
M. San Bernardo
3
3
M. Pagliano
Tabella 6. Riclassificazione della
carta dell'indice di pressione
venatoria per la caccia al cinghiale.
L'area edificata, come per il modello estivo, è stata considerata non idonea ad ospitare la
specie quindi è stata semplicemente sottratta dalla mappa di vocazionalità ambientale.
Il modello di vocazionalità del cervo per il periodo di svernamento è stato ottenuto
combinando tra loro le variabili riclassificate elencate in questo paragrafo secondo una
relazione in cui ad ogni variabile è stata assegnata una percentuale d'influenza relativa. La
relazione tra le variabili è stata elaborata su due livelli gerarchici dipendenti: il livello
generale mette in relazione le tre tipologie di caratteristiche ambientali (caratteristiche
vegetazionali, territoriali ed antropiche), il livello specifico mette in relazione tutte le
variabili coinvolte nel modello. L'equazione 17 riporta la relazione a livello generale:
HSI invernale =(V ∗0,55)+(T∗0,30)+( A∗0,15)
(eq. 17)
dove V è il valore complessivo delle caratteristiche vegetazionali, T è il valore complessivo
delle caratteristiche territoriali, A è il valore complessivo delle caratteristiche antropiche.
L'equazione 18 riporta la relazione tra le singole variabili a livello specifico utilizzata per
ottenere il modello di valutazione ambientale definitivo:
HSI invernale =(s∗0,35)+( f ∗0,20)+(q∗0,15)+(e∗0,10)+( p∗0,05)+(r∗0,05)
(eq. 18)
+(i∗0,05)+(c∗0,05)
dove s è la tipologia d'uso suolo, f è la frammentazione delle aree boscate, q è la quota, e è
l'esposizione, p è la pendenza, r è la rete stradale, i sono gli impianti sciistici, c è la caccia
al cinghiale.
Al modello di vocazionalità così ottenuto è stato applicato uno stiramento lineare secondo
l'equazione 16 per normalizzare la mappa tra i valori “0” e “1”, come eseguito anche per il
modello di vocazionalità per le aree di estivazione (Jain et al., 2005).
4.1.3 – Validazione dei modelli
La validazione dei Modelli di Vocazionalità Ambientale è stata eseguita confrontando i
risultati dei modelli con dati di presenza e pseudo-assenza della specie nell'area di studio e
verificando se i modelli discriminano correttamente tali dati. La procedura di validazione è
stata eseguita con il software R 2.14.1 ed il pacchetto ROCR (R Development Core Team,
2011).
I dati di presenza utilizzati sono stati ricavati da molteplici fonti: segni di presenza nell'area
di studio, osservazioni durante lo svolgimento delle metodiche di stima delle consistenze,
segnalazioni di animali registrati in un periodo precedente a questo lavoro. I dati di
pseudo-assenza sono stati generati in modo casuale nell'area di studio. Complessivamente
sono stati utilizzati 72 punti di presenza e 200 punti di pseudo-assenza. A tali punti sono
stati attribuiti i valori di idoneità ambientale ipotizzati sia dal modello estivo che invernale
e sono state successivamente costruite tabelle di contingenza variando il valore
discriminativo di idoneità.
Per determinare l'affidabilità dei modelli sono state utilizzate due delle metodiche
statistiche illustrate nel capitolo 1.3: l'area sotto la curva ROC (AUC) e la true skill
statistic (TSS).
Sulla base del valore soglia ottimale ottenuto con la TSS sono inoltre state elaborate, a
partire dalle mappe di vocazionalità ambientale, due ulteriori mappe di idoneità
rappresentanti unicamente le aree con forte vocazionalità (valore soglia discriminante pari
a 0,84) per isolare ed identificare meglio le aree maggiormente vocate su cui porre
particolare attenzione nella scelta delle successive aree da censire.
4.2 – Conteggio al bramito
Dalla data della reintroduzione, le popolazioni di cervo della Valle Varaita sono state
conteggiate con rilevamenti per osservazione diretta da punti fissi e da transetti in
concomitanza con i conteggi al capriolo durante il periodo primaverile da parte del
Comprensorio Alpino CN2 Valle Varaita. Solo a partire dal 2008 viene eseguito un
conteggio specifico per il cervo durante il periodo degli amori. Questo secondo conteggio è
una metodica ibrida tra il conteggio per osservazione diretta ed il “censimento al bramito”
in quanto gli operatori annotano il numero e la direzione dei maschi bramitanti o da poste
fisse o percorrendo dei transetti prestabiliti. L'area indagata da questa metodica corrisponde
al territorio della media ed alta Valle Varaita (AA.VV., 2009a).
Nel territorio della bassa Valle Varaita, area caratterizzata da una maggiore copertura
forestale, non sono mai stati effettuati conteggi della specie nonostante il ritrovamento di
numerosi segni di presenza (fatte, palchi, scortecciamenti) ed al pagamento di alcuni danni
da fauna selvatica (incidenti stradali). Uno degli obiettivi di questo lavoro è dunque quello
di valutare la presenza della specie nel territorio della bassa Valle Varaita, indicativamente
dall'abitato di Piasco a Frassino (Fig. 20).
Per la realizzazione di questo obbiettivo è stato utilizzato il “censimento al bramito” a
causa della vasta copertura forestale dell'area di interesse (Fig.19), per il basso sforzo di
campionamento richiesto dalla metodica e per la disponibilità di un limitato numero di
operatori. La metodologia applicata corrisponde con quella illustrata in bibliografia e
riportata nel capitolo 1.1.4.
Figura 19. Esempio della morfologia del territorio e della copertura forestale
della bassa Valle Varaita.
Il “censimento al bramito” è stato effettuato nella prima settimana di ottobre del 2010.
Sono state individuate 7 postazioni d'ascolto fisse posizionate considerando i segni di
presenza ritrovati durante i precedenti anni, i risultati del modello di vocazionalità
ambientale e la morfologia del territorio (Fig. 20).
Nei giorni precedenti alla data di censimento gli operatori si sono recati nelle postazioni
per verificarne l'idoneità e memorizzare il percorso più agevole per raggiungerle. Il
conteggio è avvenuto in due giornate consecutive per il basso numero di operatori
disponibili: sono state censite all'alba ed al tramonto 3 postazioni il primo giorno e 4
postazioni il secondo giorno. Sono stati eseguiti dei conteggi all'alba dal momento che il
“censimento al bramito” condotto dal Comprensorio Alpino CN2 Valle Varaita nella zona
dell'alta valle viene eseguito secondo questa modalità, si è voluta quindi mantenere
costante la metodologia per confrontare successivamente i risultati tra le due aree. La
suddivisione delle aree da censire in due giornate potrebbe influenzare le stime di densità a
causa dei doppi conteggi ma nel caso specifico non si voleva ottenere una stima di densità
ma valutare la presenza/assenza di cervi durante il periodo degli amori.
L'operatore, raggiunta la postazione d'ascolto, doveva annotare il numero di maschi
bramitanti, la direzione del bramito ed il numero di animali avvistati su apposita scheda di
rilevamento (Appendice 1). Ogni scheda era dotata di mappa dell'area di ascolto, dove
Figura 20. Carta delle postazioni d'ascolto del censimento al bramito: in giallo sono rappresentati i
segni di presenza di cervo in bassa valle, in rosso le postazioni d'ascolto, in verde i confini della
bassa Valle Varaita, in blu le aree altamente vocate alla specie (dal MVA invernale).
dovevano essere riportate le osservazioni e gli eventuali spostamenti degli animali, e di
quadrante goniometrico, per annotare la direzione rispetto al nord dei bramiti. L'operazione
di censimento si è protratta per 1 ora e 30 minuti dopo l'alba e prima del tramonto.
4.3 – Conteggio notturno con termo-camera e conteggio notturno con faro
Dal momento che alcune aree della Valle Varaita sono soggette ad un incremento della
vegetazione e della copertura forestale a causa del progressivo abbandono dei pascoli, uno
degli obiettivi di questo lavoro è il confronto del conteggio notturno con termo-camera con
il conteggio notturno con faro applicato finora per valutare un possibile impiego futuro
della prima metodica nella gestione faunistico-venatoria del territorio in esame in
sostituzione o affiancamento del conteggio notturno con faro, ostacolato dal crescente
aumento della vegetazione lungo i transetti.
Per confrontare direttamente le due metodiche, il conteggio notturno con termo-camera è
stato applicato sui medesimi transetti del conteggio notturno con faro percorsi annualmente
dal Comprensorio Alpino. I transetti, posizionati lungo strade provinciali e comunali della
Valle Varaita, sono così suddivisi: 4 transetti in bassa valle (utilizzati per una prima fase di
collaudo della metodica), 2 transetti in media valle (13 km in totale) e 2 transetti in alta
valle (12 km in totale). I conteggi sono stati ripetuti due volte per ogni transetto per un
totale di 50 km di rete stradale indagata. In Fig. 21 è riportata la localizzazione dei 4
transetti utilizzati per le operazioni di censimento in media ed alta Valle.
I conteggi sono stati eseguiti durante la stagione primaverile, nel corso del ricaccio
vegetativo dei prati e dei pascoli. I transetti della media valle sono stati percorsi nel mese
di aprile, i transetti dell'alta valle nel mese di maggio. Le operazioni si sono svolte durante
le ore notturne, un'ora dopo il tramonto, nel corso della medesima serata. I due conteggi
sono stati eseguiti su due automezzi che procedevano a velocità ridotta: il primo ha svolto
il conteggio con termo-camera per il minor disturbo provocato alla fauna, il secondo, che
manteneva una distanza di 500 metri dalla prima auto, ha svolto il conteggio con il faro.
Figura 21. Carta dei transetti notturni del censimento con termo-camera e faro: in rosso sono
rappresentati i transetti, in verde i confini della media ed alta Valle Varaita.
Il conteggio con termo-camera è stato eseguito da tre operatori a bordo della prima auto:
un guidatore, un addetto alla termo-camera con il compito di individuare gli animali ai lati
del transetto e uno incaricato di rilevare i necessari dati e riportarli su apposita scheda
(Appendice 2). Una volta individuato un gruppo di animali l'automezzo veniva
temporaneamente arrestato e si procedeva con la raccolta dati: identificazione della specie,
dimensioni del gruppo, distanza del gruppo dall'operatore, angolo rispetto al nord,
inclinazione rispetto all'operatore, tipologia di habitat presente, chilometri percorsi rispetto
al punto iniziale del transetto e, quando possibile, distinzione in sesso e classi d'età.
L'identificazione della specie tramite la termo-camera non sempre è di facile esecuzione,
soprattutto quando gli animali sono a grandi distanze o in bosco. Tra gli ungulati l'unica
specie che non ha problemi di identificazione è il cinghiale a causa degli arti corti, del
muso allungato e dell'aspetto robusto (Fig. 22 a). I Cervidi possono generare invece delle
problematiche di identificazione e occorre quindi prestare maggior attenzione ad alcuni
particolari: il cervo ha corporatura decisamente robusta, il profilo del posteriore appare
spigoloso, il collo è più robusto rispetto alle altre specie e nei maschi in inverno risulta
evidente la criniera (Fig. 22 b-c); il capriolo non presenta caratteristiche morfologiche tali
da renderlo univocamente riconoscibile, l'unico aspetto di distinzione dal cervo è la
dimensione del corpo (Fig. 22 d) (Franzetti e Focardi, 2006). Nei casi in cui
l'identificazione della specie non era sicura gli animali venivano illuminati per il più breve
tempo possibile tramite fonte luminosa ed osservati tramite binocolo per l'identificazione.
Nel censimento notturno con termo-camera abbiamo registrato, oltre ai dati di
avvistamento della specie cervo, anche le osservazioni di capriolo e volpe dal momento
che i dati su queste altre due specie venivano registrati durante il censimento notturno con
faro dal comprensorio alpino, quindi è stato possibile confrontare le due metodiche su 3
specie differenti.
Il materiale utilizzato per il censimento con termo-camera è stato il seguente:
•
termo-camera Fluke TiR1;
•
telemetro Bushnell Legend 1200 e bussola di rilevamento Geonaute;
•
faro alogeno Amplilux mm. 170 IDS 75W;
•
binocolo Swarovski SLC 10x42;
•
schede di rilevamento dati.
Va precisato che la termo-camera utilizzata è stata concepita per un uso edilizio
(rilevamento della dispersione termica degli edifici) e non specificatamente per il
monitoraggio di fauna selvatica.
Terminata la fase di rilevamento, i dati raccolti sono stati inseriti nel software Distance ed
analizzati con la metodica del Distance Sampling per ottenere valori di densità (Thomas et
al., 2002; Thomas et al., 2010). Ulteriori analisi sono state eseguite con i software
LibreOffice Calc 3.3.4 e Statistica StatSoft 8.0.
Figura 22. Metodiche per l'identificazione delle specie: a) cinghiale; b) gruppo di cervi a 30 metri; c)
maschio adulto di cervo a 52 metri; d) gruppo di caprioli a 20 metri (Tratto da: Franzetti e Focardi, 2006).
Il conteggio con faro è stato eseguito da tre operatori a bordo della seconda auto: un
guidatore con il compito di riportare gli avvistamenti su apposita scheda (Appendice 3), un
operatore con il compito di individuare gli animali ai lati del transetto con l'ausilio di una
fonte luminosa ed un ultimo operatore che identificava la specie e la composizione del
gruppo. L'automezzo era dotato di tetto apribile cosicché due operatori potevano stare
parzialmente fuori dalla macchina per una maggior facilità nelle operazioni di conteggio.
Una volta individuato un gruppo di animali l'automezzo veniva temporaneamente arrestato
e si procedeva con la raccolta dati: identificazione della specie, dimensioni del gruppo,
tipologia di habitat presente, chilometri percorsi rispetto al punto iniziale del transetto e
distinzione in sesso e classi d'età.
Il materiale utilizzato per il censimento con faro è stato il seguente:
•
faro alogeno Amplilux mm. 170 IDS 75W;
•
binocolo Swarovski SLC 10x42;
•
schede di rilevamento dati.
I dati del censimento sono successivamente stati analizzati con i software LibreOffice Calc
3.3.4 e Statistica StatSoft 8.0. Per poter confrontare i risultati tra le due metodiche è stato
necessario ricavare, oltre un indice chilometrico di abbondanza, una stima dei valori di
densità. Le superfici utilizzate per il calcolo delle densità sono state ricavate sia
indirettamente utilizzando software di elaborazione delle basi cartografiche sia
direttamente con la mappatura delle aree censite.
4.3.1 – Mappatura e calcolo delle aree indagate
In aggiunta alle precedenti metodiche statistiche per la stima delle densità, sono stati
calcolati ulteriormente i valori di densità per i due conteggi notturni con la metodica
illustrata da Tizzani e Dematteis (2009) sulla base di 3 superfici di riferimento differenti ed
i risultati sono poi stati confrontati tra loro e tra le densità ottenute dalle altre metodiche di
censimento.
Le superfici considerate sono le seguenti (Fig. 23):
•
superficie indagata generale;
•
superficie utile alla specie;
•
superficie indagata reale.
La superficie indagata generale è stata ottenuta indirettamente, utilizzando un software di
elaborazione delle basi cartografiche, e applicando un buffer di 250 metri attorno ai
transetti. La dimensione del buffer è stata stabilita sulla base della distanza massima di
osservazione, nel nostro caso 230 metri, approssimando per eccesso alla cinquantina più
vicina.
La superficie utile alla specie è stata calcolata indirettamente a partire dalla superficie
indagata generale per sottrazione delle aree non idonee ad ospitare la specie, come “aree
urbanizzate ed infrastrutture”, “rocce e macereti” ed “acque”.
La superficie indagata reale è stata calcolata direttamente per mezzo di una mappatura dei
prati, delle aree boscate e delle aree urbanizzate attorno ai transetti. La mappatura è stata
eseguita durante le ore diurne, utilizzando un rilevatore GPS (Garmin eTrex Venture HC)
ed un telemetro laser (Bushnell Legend 1200). Ogni prato presente attorno ai transetti,
entro la distanza massima di 250 metri, è stato misurato perpendicolarmente dal transetto
con molteplici misurazioni ad ogni variazione delle dimensioni del prato stesso.
Successivamente i punti GPS sono stati caricati su software di elaborazione delle basi
cartografiche e, utilizzando le misurazioni prese su campo, è stata ottenuta una mappa con
le aree censite attorno ai transetti da cui è stata ricavata la superficie indagata reale. Tale
superficie, che considera solo le aree aperte, è stata utilizzata successivamente per stabilire
la densità unicamente per il conteggio notturno con faro in quanto il conteggio con termocamera è in grado di censire anche aree boscate.
Figura 23. Transetti notturni del censimento con termo-camera e faro con le relative superfici utilizzate per le
analisi: in blu la superficie indagata generale, in giallo la superficie utile alla specie, in verde-azzurro la
superficie indagata reale.
4.4 – Test statistici utilizzati
Nell'analisi dei risultati, oltre alla metodologia statistica del Distance Sampling
precedentemente illustrata, sono stati utilizzati alcuni test statistici come il test di Shapiro
Wilk ed il test di Mann-Whitney. Il test di Shapiro Wilk è stato utilizzato per la verifica
della normalità nella distribuzione dei dati campionari. Il test genera il parametro “W”, che
può assumere valori tra 0 e 1, ed una probabilità “p”. Se tale parametro risulta significativo
allora l'ipotesi nulla che i dati campionari seguono la distribuzione normale deve essere
rigettata. Il test è considerato in letteratura uno dei test più potenti per la verifica della
normalità e può essere utilizzato anche su campioni poco numerosi (Shapiro e Wilk, 1965).
Il test di Mann-Whitney è considerata un'alternativa non parametrica al t-test per campioni
indipendenti ed è stato utilizzato per verificare la presenza di differenze significative tra
due campioni di dati. L'ipotesi nulla del test è quella che tra i due campioni non siano
presenti differenze significative quindi le loro distribuzioni di probabilità siano le stesse. Il
test genera il parametro “U” ed una probabilità “p”, se tale parametro risulta significativo
allora l'ipotesi nulla che non siano presenti differenze tra i due campioni deve essere
rigettata (Mann e Whitney, 1947).
5 – Risultati
5.1 – Modelli di Valutazione Ambientale
Dalla combinazione delle caratteristiche territoriali, vegetazionali ed antropiche della Valle
Varaita abbiamo ottenuto due carte di vocazionalità ambientale per la specie cervo, una
rappresenta l'idoneità ambientale per la specie durante il periodo estivo (Fig. 24), l'altra
l'idoneità ambientale durante il periodo invernale (Fig. 25). I valori prossimi al limite
superiore di 1 (in rosso) rappresentano le aree fortemente vocate, quelli prossimi al limite
inferiore di 0 (in giallo) descrivono le aree meno idonee per il cervo.
Figura 24. Carta della vocazionalità ambientale per il periodo estivo.
Figura 25. Carta della vocazionalità ambientale per il periodo invernale.
I risultati della procedura di validazione del modello estivo sono i seguenti: il valore di
AUC è pari a 0,75, il valore soglia di idoneità che massimizza l'accuratezza della
classificazione è 0,84 con TSS pari a 0,45. Per il modello invernale il valore di AUC è pari
a 0,79, il valore soglia di idoneità che massimizza l'accuratezza della classificazione è 0,84
con TSS pari a 0,48. In Fig. 26 e 27 sono riportati i grafici delle curve ROC
rispettivamente per il modello estivo ed invernale.
Figura 26. Grafico della curva ROC per il modello estivo. La curva
ROC è localizzata sopra la linea diagonale, questo indica una buona
classificazione da parte del modello.
Figura 27. Grafico della curva ROC per il modello invernale. La
curva ROC è localizzata sopra la linea diagonale, questo indica una
buona classificazione da parte del modello.
Dalle mappe di vocazionalità ambientale sono state ricavate due carte che raffigurano
unicamente le aree con forte vocazionalità sulla base del valore soglia che massimizza la
classificazione dei modelli ricavato dall'analisi TSS. Tale valore è identico sia per il
modello estivo sia per quello invernale ed è pari a 0,84 (Fig. 28). Il modello estivo
identifica un'area di 104,41 km2 a forte vocazionalità per il cervo, il modello invernale
classifica come altamente vocata un'area di 95,03 km2.
Figura 28. Rappresentazioni cartografiche delle aree a forte vocazionalità: in alto le aree vocate
secondo il modello estivo (rosso), in basso quelle secondo il modello invernale (blu).
5.2 – Conteggi del C.A. CN 2: metodologie e serie storiche
Di seguito vengono riportati i risultati dei conteggi eseguiti dal Comprensorio Alpino CN2
Valle Varaita tra il 2004 ed il 2010, dati utili per il successivo confronto con i risultati di
questo studio. Tra il 2004 ed il 2007 le popolazioni di cervo sono state conteggiate da
transetti e poste fisse in concomitanza con il censimento primaverile al capriolo in media
ed alta valle. Dal 2008 viene eseguito un conteggio specifico per il cervo sempre nei
territori della media e alta Valle. I risultati di tali conteggi sono riportati in Tabella 7 e la
serie storica in Fig. 29 (AA.VV, 2009; AA.VV, 2011).
Anno Metodica ha/km Cl. 1 F ad M ad Indet TOT
D
2004
15
5
4
24
0,2
2005
13
9
7
29
0,2
2006 transetti 197 Km
26
11
34
71
0,4
2007 transetti 195 Km
5
23
13
6
47
0,3
2008
oss dir
5279
19
29
15
25
88
1,5
2009
oss dir
4992
7
32
23
32
97
1,9
2010
oss dir
4912
22
41
20
21
104
2,1
Tabella 7. Risultati dei conteggi per osservazione diretta. ha/km (superficie
indagata in ettari o chilometri), Cl 1 (classe I), F ad (femmine adulte), M ad
(maschi adulti), Ind (indeterminati), TOT (totale), D (densità).
2,1
100
1,8
80
1,5
1,2
60
0,9
40
Densità
N. Cervi
120
TOT
Densità
0,6
20
0,3
0
0
2004
2005
2006
2007
2008
2009
2010
Anno
Figura 29. Serie storica dei dati di conteggio. In blu è indicato il numero totale di cervi osservato per ogni
anno (con riferimento sull'asse principale Y), in verde è indicata la densità stimata sulla base dell'area
indagata (con riferimento sull'asse secondario Y).
5.3 – Conteggio al bramito
I risultati del “censimento al bramito” sono i seguenti: nel territorio della bassa valle
Varaita sono state indagate 7 postazioni d'ascolto (8,91 km2) in cui sono stati sentiti e
avvistati un totale di 2 animali; nel territorio della media ed alta valle Varaita
tradizionalmente monitorato dal Comprensorio sono state indagate 24 postazioni d'ascolto
(48,1 km2) in cui sono stati sentiti e avvistati un totale di 36 animali. La suddivisione dei
risultati per sesso e classi d'età è riportata in Tabella 8.
Area studio
Pic Fem Ind Ind calvi TOT
Area
MASCHI
Fus Sub Ad
Ind Sent
censita (km2)
Bassa V.
0
0
0
0
1
0
1
0
0
2
8,91
Media e Alta V.
3
2
4
0
12
3
7
4
1
36
48,1
Tabella 8. Risultati del “censimento al bramito”. Fus (fusoni), Sub (sub-adulti), Ad (adulti), Ind
(indeterminati), Sent (solo sentiti), Pic (piccoli), Fem (femmine), TOT (totale).
La proporzione dei maschi adulti nella popolazione, necessaria per il calcolo della densità,
è stata calcolata a partire dalle serie storiche dei dati di censimento (Tabella 7) e
corrisponde al 24 %. L'areale annuo occupato stabilmente della specie ha un'estensione di
298,5 km2 (AA.VV., 2009a). La densità di cervi su tale areale (Tabella 9) è stata calcolata
tramite le equazioni 4 e 5: la densità nell'area della bassa valle Varaita è di 0,01 capi / Km 2,
la densità nella media ed alta valle è di 0,22 capi / Km2.
È stata inoltre calcolata la densità rispetto all'area realmente indagata (Tabella 9) dividendo
la numerosità della popolazione ottenuta dall'equazione 4 per la superficie indagata: la
bassa valle Varaita ha una densità di 0,47 capi / Km 2; la media ed alta valle hanno una
densità di 1,37 capi / Km2.
In Fig. 30 sono riportati i risultati del “censimento al bramito”.
Area studio
D areale dist. D area censita
(capi/km2)
(capi/km2)
Bassa Valle
0,01
0,47
Media e Alta Valle
0,22
1,37
Tabella 9. Densità stimate tramite il “censimento al
bramito”. D areale dist. (densità calcolata sull'areale di
distribuzione), D area censita (densità calcolata sull'area
realmente censita).
18
1,5
16
N. Maschi Ad.
12
0,9
10
8
0,6
6
4
Densità
1,2
14
Maschi censiti
Densità
0,3
2
0
0,0
Bassa Valle
Media e Alta Valle
Area di studio
Figura 30. Risultati del “censimento al bramito”. In blu è indicato il numero di maschi sentiti per area di
studio (con riferimento sull'asse principale Y), in rosso è indicata la densità stimata per area di studio
(con riferimento sull'asse secondario Y).
5.4 – Conteggio notturno con termo-camera
I risultati relativi al numero di animali osservati con il conteggio notturno con termocamera sono riportati in Tabella 10 suddivisi per specie e per settore indagato. Il numero
assoluto di animali osservato durante il collaudo della metodica nella bassa valle Varaita è:
16 caprioli e 1 volpe.
In Fig. 31 sono riportati i valori di IKA per le tre specie stratificati in base all'area di studio
considerata. In Tabella 11 sono riportate le densità animali stimate sulla base delle 2
superfici di riferimento ottenute dalla mappatura delle aree indagate attorno ai transetti.
Non è stata considerata la superficie indagata reale per il conteggio notturno con termocamera dal momento che le aree boscate sono “censibili” dalla termo-camera.
Specie
N° min certo
Media Valle
Alta Valle
Totale
Oss Km IKA Oss Km IKA Oss Km IKA
Cervo
51
26 1,96 22
24 0,92 73
50 1,46
48
Capriolo 63
26 2,42 54
24 2,25 117 50 2,34
41
Volpe
8
26 0,31
7
24 0,29 15
50
0,3
5
Tabella 10. Risultati del conteggio notturno con termo-camera. Oss (numero di animali
avvistati), km (chilometri percorsi), IKA (indice chilometrico di abbondanza), N° min
certo (numero minimo certo di animali nell'area di studio, corrispondente al maggior
conteggio tra tutte le serate di rilevamento).
Sup Buffer 250m
24,88
Sup censita (Km )
2
S.U.S Buffer 250m
22,44
Densità Cervo
2,93
3,25
Densità Capriolo
4,70
5,21
Densità Volpe
0,60
0,67
Tabella 11. Densità stimate per il conteggio con termo-camera
tramite la mappatura delle aree indagate. Le superfici sono
espresse in Km2, le densità in capi/Km2 .
3,00
2,50
IKA
2,00
Cervo
Capriolo
Volpe
1,50
1,00
0,50
0,00
Media valle
Alta Valle
Totale
Area di studio
Figura 31. Valori di IKA per cervo, capriolo e volpe stratificati per la media valle, l'alta valle ed il totale
dell'area di studio.
I parametri ed i modelli utilizzati dall'analisi statistica eseguita con il software Distance
sono riportati in Tabella 12 stratificati per specie animale considerata. Per ogni specie sono
riportati i parametri di due modelli: il modello 1 considera la totalità delle osservazioni
mentre il modello 2 esegue la troncatura dei dati oltre una certa distanza di osservazione.
Parametri
L. tot transetti
n° transetti
Dist max osservazione
n° osservazioni
S.U.S.
Modello utilizzato
Aggiustamento
AIC
CERVO
Modello 1 Modello 2
50 km
50 km
8
8
172 m
110 m
13
12
5147 ha
5147 ha
Half-normal Uniform key
Cosine
35,75
29,12
CAPRIOLO
Modello 1
Modello 2
50 km
50 km
8
8
200 m
141 m
64
62
5147 ha
5147 ha
Uniform key Uniform key
Cosine
Cosine
239,53
214,70
VOLPE
Modello 1
Modello 2
50 km
50 km
8
8
118 m
95 m
14
12
5147 ha
5147 ha
Uniform key Half-normal
Cosine
132,46
29,75
Tabella 12. Parametri utilizzati nell'analisi statistica di Distance per le tre specie animali considerate.
I risultati dell'analisi statistica con Distance vengono illustrati suddividendoli in base ai
dati della specie animale analizzata. Inoltre l'analisi non è stata stratificata per media ed
alta Valle a causa del basso numero di osservazioni, sopratutto per quanto riguarda il cervo.
I risultati relativi al cervo sono riportati in Tabella 13 e le funzioni di contattabilità in Fig.
32.
Estimate %CV
df
Limite inf Limite sup
D_1
0,116
57,72 22,84
0,038
0,354
N
600
57,72 22,84
198
1820
Modello 1
D_100
11,66
3,85
35,36
D_1
0,194
53,59 18,13
0,068
0,559
N
1001
53,59 18,13
349
2875
Modello 2
D_100
19,45
6,77
55,87
Tabella 13. Risultati dell'analisi di Distance per il cervo. D_1 (densità in capi/1
ha), N (numerosità della popolazione), D_100 (densità in capi/100 ha),
Estimate (valori della stima), %CV (coefficiente di variazione), df (gradi di
libertà), Limite inf e sup (limiti inferiori e superiori della stima).
Figura 32. Istogrammi delle distanze perpendicolari e funzioni di contattabilità per il cervo:
grafico superiore, risultati del modello 1 senza troncatura; grafico inferiore, risultati del modello 2
con troncatura.
I risultati relativi al capriolo sono riportati in Tabella 14 e le funzioni di contattabilità in
Fig. 33.
Estimate %CV
df
Limite inf Limite sup
D_1
0,126
25,35 11,01
0,073
0,218
N
649
25,35 11,01
375
1124
Modello 1
D_100
12,61
7,29
21,84
D_1
0,125
24,68 9,87
0,072
0,215
N
642
24,68 9,87
373
1105
Modello 2
D_100
12,47
7,25
21,46
Tabella 14. Risultati dell'analisi di Distance per il capriolo. D_1 (densità in
capi/1 ha), N (numerosità della popolazione), D_100 (densità in capi/100 ha),
Estimate (valori della stima), %CV (coefficiente di variazione), df (gradi di
libertà), Limite inf e sup (limiti inferiori e superiori della stima).
Figura 33. Istogrammi delle distanze perpendicolari e funzioni di contattabilità per il capriolo:
grafico superiore, risultati del modello 1 senza troncatura; grafico inferiore, risultati del modello 2
con troncatura.
I risultati relativi alla volpe sono riportati in Tabella 15 e le funzioni di contattabilità in Fig.
34.
Estimate %CV
df
Limite inf Limite sup
D_1
0,021
32,46 13,55
0,010
0,041
N
106
32,46 13,55
54
209
Modello 1
D_100
2,06
1,05
4,06
D_1
0,029
36,00 17,28
0,014
0,060
N
149
36,00 17,28
71
310
Modello 2
D_100
2,89
1,38
6,02
Tabella 15. Risultati dell'analisi di Distance per la volpe. D_1 (densità in
capi/1 ha), N (numerosità della popolazione), D_100 (densità in capi/100 ha),
Estimate (valori della stima), %CV (coefficiente di variazione), df (gradi di
libertà), Limite inf e sup (limiti inferiori e superiori della stima).
Figura 34. Istogrammi delle distanze perpendicolari e funzioni di contattabilità per la volpe:
grafico superiore, risultati del modello 1 senza troncatura; grafico inferiore, risultati del modello 2
con troncatura.
In Fig. 35 sono riportate alcune immagini di animali fotografati con la termo-camera
durante il conteggio notturno, immagini che verranno utilizzate in seguito nella discussione
per poter valutare alcuni aspetti positivi e negativi nell'uso della termo-camera rispetto al
faro e viceversa.
Figura 35. a) gruppo di cervi in prato; b) gruppo di cervi dietro agli alberi; c) gruppo di cervi in prato a 200
metri di distanza; d) 2 caprioli in prato; e) capriolo dietro agli alberi; f) volpe in prato.
5.5 – Conteggio notturno con faro
I risultati riguardanti il numero di animali osservati con il relativo indice chilometrico di
abbondanza per il conteggio notturno con faro sono riportati in Tabella 16 stratificati per
specie ed area di studio considerata. In Fig. 36 è riportato l'IKA delle 3 specie animali
suddiviso per l'area di studio considerata.
Il numero assoluto di animali osservato durante il collaudo della metodica nella bassa valle
Varaita è: 12 caprioli e 4 volpi.
Specie
N° min certo
Media Valle
Alta Valle
Totale
Oss Km IKA Oss Km IKA Oss Km IKA
Cervo
65
26 2,50 22
24 0,92 87
50 1,74
55
Capriolo 88
26 3,38 74
24 3,08 162 50 3,24
55
Volpe
7
26 0,27
5
24 0,21 12
50 0,24
4
Tabella 16. Risultati del conteggio notturno con faro. Oss (numero di animali avvistati),
km (chilometri percorsi), IKA (indice chilometrico di abbondanza), N° min certo
(numero minimo certo di animali nell'area di studio, corrispondente al maggior
conteggio tra tutte le serate di rilevamento).
4
3,5
3
IKA
2,5
Cervo
Capriolo
Volpe
2
1,5
1
0,5
0
Media Valle
Alta Valle
Totale
Area di studio
Figura 36. Valori di IKA per cervo, capriolo e volpe stratificati per la media valle, l'alta valle ed il totale
dell'area di studio per il conteggio notturno con faro.
Le densità animali stimate sulla base delle 3 superfici di riferimento ottenute dalla
mappatura delle aree indagate attorno ai transetti sono riportate in Tabella 17.
Sup censita (Km2)
Sup Buffer 250m
24,88
S.U.S Buffer 250m
22,44
Sup reale
4,93
Densità Cervo
3,50
3,88
17,65
Densità Capriolo
6,51
7,22
32,86
Densità Volpe
0,48
0,53
2,43
Tabella 17. Densità stimate per il conteggio con faro tramite la mappatura
delle aree indagate. Le superfici sono espresse in Km 2, le densità in capi/
Km2.
5.6 – Confronto tra le metodiche di stima delle consistenze
Un primo paragone tra le metodiche di stima delle consistenze utilizzate è stato eseguito tra
i due conteggi notturni, il conteggio con termo-camera ed il conteggio con faro. In Fig. 37
è paragonato l'indice chilometrico di abbondanza tra le due metodiche stratificato per
specie animale ed area di studio considerata.
Le due metodiche notturne sono state confrontate ulteriormente con analisi di statistica
inferenziale per valutare le differenze nella dimensione media dei gruppi osservati, nel
numero di animali classificati come “indeterminati” e nel numero di animali avvistati in
habitat di prato o bosco.
La dimensione media dei gruppi osservati con il conteggio notturno con termo-camera è di
5,62 individui per il cervo (M min = 1; Mmax = 24; SD = 6,45), 1,83 individui per il capriolo
(Mmin = 1; Mmax = 12; SD = 1,62) e 1,07 individuo per la volpe (M min = 1; Mmax = 2; SD =
0,27). La dimensione media dei gruppi osservati con il conteggio notturno con faro è di
7,25 individui per il cervo (M min = 1; Mmax = 24; SD = 7,76), 1,95 individui per il capriolo
(Mmin = 1; Mmax = 13; SD = 1,69) e 1,09 individuo per la volpe (M min = 1; Mmax = 2; SD =
0,30). La dimensione media dei gruppi osservati con le due metodiche notturne è stata
confrontata per determinare la presenza di differenze significative tra le due metodiche.
L'analisi è stata stratificata per specie animale analizzata. La distribuzione dei dati
campionari per cervo, capriolo e volpe non seguono la distribuzione normale (Shapiro
Wilk Test: p < 0,05) quindi le osservazioni sono state confrontate con il test non
parametrico di Mann-Whitney e le differenze risultano non significative (Tabella 18 e Fig.
38).
3
2,5
IKA Cervo
2
1,5
Termo-camera
Faro
1
0,5
0
IKA Media V.
IKA Alta V.
IKA Tot
Area di studio
4
3,5
IKA Capriolo
3
2,5
2
Termo-camera
Faro
1,5
1
0,5
0
IKA Media V.
IKA Alta V.
IKA Tot
Area di studio
0,35
0,3
IKA Volpe
0,25
0,2
Termo-camera
Faro
0,15
0,1
0,05
0
IKA Media V.
IKA Alta V.
IKA Tot
Area di studio
Figura 37. Confronto tra l'IKA del conteggio notturno con termo-camera e quello del faro. In
alto, confronto sulla specie cervo; al centro, confronto sulla specie capriolo; in basso, confronto
sulla specie volpe.
Specie
Somma ranghi Somma ranghi
U
Z
p
Faro
Termo-camera
Cervo
164,0
161,0
70,0 0,41 0,68
Capriolo
6282,5
4595,5
2515,5 0,55 0,58
Volpe
144,5
180,5
75,5 0,05 0,96
Tabella 18. Risultati del test di Mann-Whitney sul confronto tra la
dimensione media dei gruppi osservati con il conteggio notturno con faro
e termo-camera.
Figura 38. Dimensione media dei gruppi osservati con il conteggio notturno con faro e termo-camera: a)
confronto per il cervo; b) confronto per il capriolo; c) confronto per la volpe.
Il numero medio di animali classificati come indeterminati per il censimento notturno con
termo-camera è di: 4,92 per il cervo (Mmin = 0; Mmax = 22; SD = 6,12) e 1,38 per il capriolo
(Mmin = 0; Mmax = 12; SD = 1,76). Il numero medio di animali classificati come
indeterminati per il censimento notturno con faro è di: 3,83 per il cervo (M min = 0; Mmax =
20; SD = 5,64) e 0,64 per il capriolo (M min = 0; Mmax = 12; SD = 1,51). Il numero di animali
classificati come indeterminati con le due metodiche notturne è stato confrontato per
determinare la presenza di differenze significative. La distribuzione dei dati campionari per
cervo e capriolo non seguono la distribuzione normale (Shapiro Wilk Test: p < 0,05) quindi
le osservazioni sono state confrontate con il test non parametrico di Mann-Whitney. Il test
indica che non sono presenti differenze statisticamente significative per il cervo, mentre
sono presenti differenze significative per il capriolo (Tabella 19 e Fig. 39).
Specie
Somma ranghi Somma ranghi
U
Z
p
Faro
Termo-camera
Cervo
143,50
181,50
65,50 -0,65 0,51
Capriolo
5119,00
5759,00 1633,00 -3,99 0,00
Tabella 19. Risultati del test di Mann-Whitney sul confronto tra il
numero di animali indeterminati osservati con il conteggio notturno con
faro e termo-camera.
Figura 39. Media di animali indeterminati per gruppo osservati con il conteggio notturno con faro e termocamera: a) confronto per il cervo; b) confronto per il capriolo.
Il numero di animali osservati per gruppo con le due metodiche notturne è stato
confrontato stratificando l'analisi sulla base dell'habitat in cui il gruppo è stato osservato
(prato/bosco). Il numero medio di animali osservato con il conteggio notturno con termocamera è di: 2,07 per l'habitat di bosco (M min = 1; Mmax = 5; SD = 1,44) e 2,29 per l'habitat
di prato (Mmin = 1; Mmax = 24; SD = 3,28). Il numero medio di animali osservato con il
conteggio notturno con faro è di: 1,78 per l'habitat di bosco (M min = 1; Mmax = 4; SD = 1,17)
e 2,6 per l'habitat di prato (Mmin = 1; Mmax = 24; SD = 3,68). La distribuzione dei dati
campionari per i due ambienti considerati non seguono la distribuzione normale (Shapiro
Wilk Test: p < 0,05) quindi le osservazioni sono state confrontate con il test non
parametrico di Mann-Whitney e le differenze risultano non significative (Tabella 20 e Fig.
40).
Habitat
Somma ranghi Somma ranghi
U
Z
p
Faro
Termo-camera
Bosco
282,00
246,00
111,00 -0,55 0,58
Prato
7589,00
6106,00 3103,00 0,93 0,35
Tabella 20. Risultati del test di Mann-Whitney sul confronto tra il
numero di animali osservati in bosco e prato con le due metodiche
notturne.
Figura 40. Media di animali per gruppo osservati in habitat di bosco o prato con il conteggio notturno con
faro e termo-camera: a) confronto per habitat di bosco; b) confronto per habitat di prato.
Un secondo paragone tra le metodiche di stima delle consistenze è stato eseguito sulle
densità stimate con le diverse metodiche utilizzate. L'analisi è stata eseguita unicamente
per il territorio della media e alta Valle dal momento che in quest'area sono state applicate
diverse metodiche di stima delle consistenze, mentre per la bassa Valle è stato applicato
unicamente il “censimento al bramito”. Nell'analisi del Distance sampling sono stati
utilizzati i valori di densità stimati dal modello con troncatura dei dati per la maggior
precisione delle stime (valori di CV, AIC e funzioni di contattabilità migliori nel modello 2
rispetto al modello 1). Nell'analisi del “censimento al bramito” è stato utilizzato il valore di
densità stimato sulla base dell'area censita in quanto corrisponde con la metodologia di
stima utilizzata dal Comprensorio Alpino CN 2. I risultati vengono riportati stratificati per
specie animale analizzata.
Per il cervo sono state paragonate le densità stimate attraverso 8 metodiche differenti:
conteggio per osservazione diretta, “censimento al bramito”, conteggio notturno con
termo-camera ed analisi con Distance Sampling, conteggio notturno con termo-camera ed
analisi con la superficie indagata generale, conteggio notturno con termo-camera ed analisi
con la S.U.S., conteggio notturno con faro ed analisi con la superficie indagata generale,
conteggio notturno con faro ed analisi con la S.U.S, conteggio notturno con faro ed analisi
con la superficie indagata reale (Fig. 41).
20
Densità (capi/Km2)
17,5
15
Oss. Diretta
Bramito
Termo-camera e Distance
Termo-camera su Buffer 250m
Termo-camera su SUS
Faro su Buffer 250m
Faro su SUS
Faro su Sup Reale
12,5
10
7,5
5
2,5
0
Metodiche di stima
Figura 41. Confronto tra le densità stimate con le diverse metodiche per il cervo.
Per il capriolo sono state paragonate le densità stimate attraverso 6 metodiche differenti:
conteggio notturno con termo-camera ed analisi con Distance Sampling, conteggio
notturno con termo-camera ed analisi con la superficie indagata generale,
conteggio
notturno con termo-camera ed analisi con la S.U.S., conteggio notturno con faro ed analisi
con la superficie indagata generale, conteggio notturno con faro ed analisi con la S.U.S,
conteggio notturno con faro ed analisi con la superficie indagata reale (Fig. 42).
Per la volpe sono state paragonate le densità stimate attraverso le 6 metodiche utilizzate
anche per il capriolo (Fig. 43).
35
Densità (capi/Km2)
30
25
Termo-camera e Distance
Termo-camera su Buffer 250m
Termo-camera su SUS
Faro su Buffer 250m
Faro su SUS
Faro su Sup Reale
20
15
10
5
0
Metodiche di stima
Figura 42. Confronto tra le densità stimate con le diverse metodiche per il capriolo.
3,5
Densità (capi/Km2)
3
2,5
Termo-camera e Distance
Termo-camera su Buffer 250m
Termo-camera su SUS
Faro su Buffer 250m
Faro su SUS
Faro su Sup Reale
2
1,5
1
0,5
0
Metodiche di stima
Figura 43. Confronto tra le densità stimate con le diverse metodiche per la volpe.
6 – Discussione
La procedura di validazione dei Modelli di Valutazione Ambientale dimostra una buona
capacità da parte dei modelli di discriminare tra condizioni ambientali idonee e non idonee
per il cervo. Sia il modello invernale che quello estivo hanno buone capacità predittive in
quanto le curve ROC di entrambi i modelli (Fig. 26 e Fig. 27) sono posizionate al di sopra
della linea diagonale, in accordo a quanto affermato da Gardner e Urban (2003). Inoltre i
valori di AUC e TSS indicano buone capacità discriminative dei modelli (La Morgia,
2007). Comparando i valori di AUC e TSS tra il modello invernale (AUC = 0,79; TSS =
0,48) e quello estivo (AUC = 0,75; TSS = 0,45) si nota che il primo ha capacità
discriminative migliori rispetto al modello estivo. Questo risultato è spiegato dal fatto che
il cervo, durante il periodo di svernamento, è maggiormente vincolato a determinate
caratteristiche ambientali (quota, esposizione, copertura forestale), quindi la probabilità
che frequenti i territori predetti dal modello è maggiore (Mustoni et al., 2002). Al
contrario, durante la stagione estiva le condizioni ambientali sono meno limitative, di
conseguenza un modello di valutazione ambientale per le aree di estivazione risulterà meno
preciso e l'estensione delle aree vocate sarà maggiore (il territorio vocato per le aree di
estivazione è pari a 104,41 km2, quello per le aree di svernamento è pari a 95,03 km2).
L'analisi TSS ha permesso inoltre, sulla base dei punti utilizzati nella validazione, di
identificare i valori soglia che permettono di classificare nel migliore dei modi il territorio
in habitat idoneo e non idoneo, consentendo la creazione di due mappe binarie (Fig.28).
Paragonando tale rappresentazione alle mappe di vocazionalità (Fig. 24 e Fig. 25) risulta
evidente il vantaggio fornito dalla rappresentazione binaria in quanto permette di
identificare immediatamente il territorio altamente vocato, risultando quindi maggiormente
vantaggiose per un'applicazione pratica in campo conservazionistico e gestionale.
Naturalmente la rappresentazione binaria è stata ottenuta uniformando i valori di idoneità
con una conseguente perdita di dati ed informazioni, né consegue che per analisi
approfondite è necessario utilizzare le mappe di vocazionalità originarie.
Il modello di vocazionalità elaborato da Meneguz e Dematteis (2000) per la reintroduzione
del cervo in Valle Varaita permette un confronto sullo stesso territorio delle mappe di
vocazionalità sviluppate in questo lavoro. Gli autori hanno rilevato una forte vocazionalità
nei distretti della media ed alta valle, più precisamente nei comuni di Pontechianale,
Bellino, Casteldelfino e Sampeyre. Anche il vallone di Gilba, facente parte della porzione
della bassa valle, è stato classificato come altamente vocato. Questi distretti sono
classificati con alti punteggi di vocazionalità sia dai modelli sviluppati nel Piano Faunistico
Venatorio della Regione Piemonte (AA.VV, 2009b) sia dai nostri modelli, confermando
quindi la possibilità di utilizzare le mappe di vocazionalità sviluppate in questo studio per
la gestione e conservazione del cervo in Valle Varaita.
I Modelli di Valutazione Ambientale sono stati quindi utilizzati durante la successiva fase
di lavoro di conteggio al bramito per la scelta delle aree di campionamento nella bassa
valle Varaita, come proposto da Coletto e Giupponi (2004). I risultati del conteggio al
bramito dimostrano la presenza della specie nella zona della bassa valle Varaita, presenza
già comunque accertata dal ritrovamento di numerosi segni di presenza nell'area. Il numero
di cervi contattati risulta tuttavia molto basso rispetto ai risultati del conteggio al bramito in
media ed alta valle (Tabella 8). Anche le densità stimate, che tengono conto del diverso
sforzo di campionamento, evidenziano il minor numero di cervi in bassa valle (densità
bassa valle di 0,47 capi/km2; densità media ed alta valle di 1,37 capi/km 2). Questa
differenza è probabilmente legata al fatto che il sito prescelto per l'intervento di
reintroduzione del 2000-2002 è localizzato tra la media ed alta valle (Meneguz e
Dematteis, 2000) ed il nucleo colonizzatore, avendo trovato habitat idoneo, si è stabilito
prevalentemente attorno al sito di rilascio (Tosco, 2007), determinando densità maggiori in
media ed alta valle rispetto all'area della bassa valle Varaita.
Le densità rilevate con i conteggi al bramito risultano sullo stesso ordine di grandezza
rispetto alla "densità obiettivo indicativa" riportata sulle linee guida di gestione degli
ungulati selvatici ruminanti della Regione Piemonte, che pone 0,5/1 capo/km 2 come buona
densità (AA.VV., 2007). In altre aree della penisola italiana invece, dove il cervo è presente
da molti più anni e le condizioni ambientali sono differenti, le densità rilevate possono
essere anche maggiori. Cicognani et al. (2000) hanno stimato, con il conteggio al bramito,
una densità di 7,3 capi/km2 nell'Appennino Romagnolo nel 1997. In un contesto alpino
differente invece, come il territorio della Foresta di Tarvisio, le densità stimate risultano di
4 capi/km2 mentre la "densità obiettivo indicativa" risulta inferiore, pari a 2 capi/km 2
(AA.VV., 2008).
Il conteggio notturno con termo-camera ed il conteggio notturno con faro hanno permesso
innanzitutto la stima del valore di IKA per le tre specie conteggiate stratificando i risultati
per area indagata. Sia i risultati del conteggio con termo-camera (Tabella 10 e Fig. 31) che
quelli del conteggio con faro (Tabella 16 e Fig. 36) evidenziano una differenza sul numero
di cervi contattati nelle due aree indagate: in media valle il valore di IKA è decisamente
superiore al valore dell'alta valle, risultato che indica un maggior numero di cervi in media
valle. Questi risultati potrebbero in parte essere influenzati dagli spostamenti stagionali
delle popolazioni di cervo: alcuni soggetti, definiti "migratori", occupano territori differenti
in base al periodo annuale considerato (Mustoni et al., 2002). I censimenti notturni sono
stati effettuati nella stagione primaverile, in corrispondenza del ricaccio vegetativo dei
prati, dove le popolazioni di cervo occupano le aree di svernamento. Alcune aree di
estivazione dell'alta valle saranno raggiunte solo nei mesi successivi, il ché comporta una
concentrazione di animali maggiore in media valle e quindi valori di IKA maggiori in
media valle durante il conteggio notturno primaverile.
Per il capriolo e la volpe, al contrario, la differenza nel valore di IKA tra media ed alta
valle non si nota, il ché ci indicherebbe una distribuzione uniforme di queste due specie sul
territorio.
Per un confronto adeguato tra le due metodiche notturne di stima delle abbondanze è
necessario analizzare sia i valori di IKA sia le stime di densità, tenendo in considerazione
anche i vantaggi e gli svantaggi di ciascuna metodica.
Confrontando tra loro i valori di IKA stimati dalle due metodiche di censimento notturne si
nota che il numero di animali contattato in media ed alta Valle, per quanto riguarda cervo e
capriolo, è maggiore con la metodica del conteggio notturno con faro (Fig. 37). Tuttavia
nello studio preliminare condotto in bassa Valle il numero di ungulati contattato è maggiore
tramite il conteggio notturno con termo-camera. Questa differenza potrebbe essere spiegata
dalle condizioni ambientali completamente differenti delle due aree: nel territorio della
bassa Valle Varaita la copertura forestale è decisamente superiore rispetto alla copertura
della media ed alta Valle (percentuale di ambienti forestali: 72 % in bassa Valle, 36 % in
media ed alta Valle). Una maggior copertura forestale ostacola maggiormente il conteggio
notturno con faro rispetto al conteggio notturno con termo-camera in quanto i raggi
luminosi proiettati dal faro alogeno si rinfrangono a contatto degli alberi mentre gli
infrarossi della termo-camera riescono comunque a rilevare la presenza degli animali. Né
deriva quindi, da una valutazione preliminare basata sull'IKA, che in aree fortemente
boscate, come la bassa Valle Varaita, il conteggio notturno con termo-camera potrebbe
rivelarsi maggiormente vantaggioso rispetto al conteggio notturno con faro. Invece dove la
percentuale di copertura forestale è inferiore, come la situazione attuale della media ed alta
Valle Varaita, il conteggio notturno con faro permette di contattare un numero di animali
superiore in quanto le condizioni ambientali al momento sono favorevoli a questa
metodica.
Confrontando la dimensione dei gruppi contattati con le due metodiche non sono state
evidenziate differenze statisticamente significative (Tabella 18 e Fig. 38). Questo vuol dire
che quando un gruppo di animali viene avvistato, il numero di animali che compone tale
gruppo viene identificato allo stesso modo sia dal conteggio con termo-camera sia dal
conteggio con faro.
Dal confronto del numero di animali classificati come indeterminati si evidenzia come
siano presenti differenze statisticamente significative tra le due metodiche per il capriolo
mentre tali differenze non si notano per il cervo (Tabella 19 e Fig. 39). La differenza dei
risultati tra cervo e capriolo è legata non tanto alla difficoltà maggiore nell'identificare
sesso e classi d'età nel cervo ma al differente periodo di caduta dei palchi tra cervo e
capriolo che aumenta le difficoltà di classificazione per il cervo durante il periodo
primaverile (Mustoni et al., 2002). I maschi di capriolo, perdendo i palchi dalla metà di
ottobre alla metà di dicembre, si trovano ad avere il palco in velluto o già pulito durante i
mesi di aprile e maggio, periodo in cui sono stati effettuati i conteggi notturni. La
distinzione tra maschi e femmine di capriolo è quindi facilitata dalla presenza del palco. I
maschi di cervo al contrario perdono il palco dal mese di febbraio fino al mese di maggio,
quindi durante i conteggi primaverili molti cervi maschi sono privi di palco e la difficoltà
nell'identificazione aumenta molto. Inoltre un'identificazione basata sulle dimensioni
corporee e sulla massa muscolare della parte anteriore del corpo risulta spesso
problematica in un conteggio notturno, per questo motivo molti cervi sono stati classificati
come indeterminati. Come riportato anche da Mayle et al. (1999), la capacità di classificare
quindi gli animali in corrette classi di sesso ed età sembra maggiore nel conteggio notturno
con faro rispetto al conteggio con termo-camera, fatta eccezzione per la distinzione del
sesso quando i maschi hanno il palco in velluto. Inoltre nel conteggio notturno con termocamera è presente un'ulteriore problematica nel determinare la struttura di popolazione,
questione che non si pone accoppiando il Distance sampling con il conteggio notturno con
faro. Va comunque preso in considerazione che la termo-camera utilizzata in questo studio
è stata concepita per un'utilizzazione edile mentre in commercio si trovano attualmente
termo-camere ad alta risoluzione specifiche per i conteggi di fauna selvatica che
dovrebbero rendere l'identificazione meno difficoltosa.
Dal confronto del numero di animali avvistati con le due metodiche notturne sulla base
dell'habitat in cui sono avvenuti gli avvistamenti (prato o bosco) non si notano differenze
statisticamente significative (Tabella 20 e Fig. 40). Nelle attuali condizioni ambientali della
media ed alta Valle Varaita il conteggio notturno con faro permette di osservare un numero
di animali nell'habitat di bosco che non differisce da quelli osservati con la termo-camera.
Analizzando i risultati relativi alle stime di densità ottenute con le due metodiche notturne
è possibile effettuare alcune considerazioni. Le stime di densità ottenute con il Distance
Sampling applicato al conteggio con termo-camera sono attendibili per il capriolo in
quanto il coefficiente di variazione è relativamente basso e la funzione di contattabilità
indica una buona stima (Tabella 14 e Fig. 33), come affermato da Buckland et al. (1993).
Per il cervo e la volpe al contrario, a causa del basso numero di osservazioni, il coefficiente
di variazione è elevato e le funzioni di contattabilità indicano stime non accurate (Tabelle
13 e 15, Fig. 32 e 34). Uno dei vantaggi della metodica del Distance Sampling è quindi la
possibilità di valutare l'errore associato alla stima di densità, permettendo una valutazione
sull'affidabilità del conteggio ed il confronto delle stime di densità negli anni (Mayle et al.,
1999). Questo è un notevole vantaggio anche dal punto di vista gestionale, in quanto è
possibile valutare se le variazioni delle stime di densità negli anni sono dovute al caso o ad
un effettivo cambiamento della numerosità della popolazione. Inoltre la metodologia del
Distance Sampling tiene in considerazione gli animali non avvistati durante le operazioni
di conteggio correggendo i valori delle stime di densità.
Con la metodica illustrata da Tizzani e Dematteis (2009) è stato possibile ottenere per il
conteggio notturno con faro, oltre ai valori di IKA, anche tre valori di stima delle densità
(Tabella 17). Tali valori risultano notevolmente differenti in base alla superficie considerata
e, al contrario del Distance Sampling, non è possibile ottenere una valutazione
dell'affidabilità o dell'errore legato alle stime.
Focardi et al. (2001) hanno confrontato il conteggio notturno con termo-camera e
Distance Sampling con il conteggio notturno con faro per diverse specie animali. Hanno
notato una differenza sostanziale a favore della termo-camera per il conteggio del
cinghiale. Per il cervo le due metodiche stimano valori simili con alcune differenze: il
conteggio con termo-camera genera stime migliori durante l'estate e l'autunno mentre il
conteggio con faro è favorito durante la stagione invernale. Nella pubblicazione di
Franzetti e Focardi (2006) sono riportati due casi studio relativi al confronto tra le stime di
densità ricavate con il conteggio notturno con termo-camera abbinato al Distance
Sampling e le densità stimate dal conteggio notturno con faro abbinato alla tecnica di
cattura-marcaggio-ricattura. I risultati stimano un numero di cervi simile nella maggior
parte dei casi ed indicano che non sono presenti differenze significative tra le due
metodiche.
La valutazione dei vantaggi e degli svantaggi di entrambe le metodiche di conteggio
notturne, indipendentemente dalle metodologie statistiche per ottenere valori di densità
come il Distance Sampling, è un aspetto importante che deve essere considerato per la
scelta di una metodica adatta al territorio che si intende "censire". Come riportato anche da
Mayle et al. (1999), nel conteggio notturno con faro la velocità di esecuzione del conteggio
è maggiore ed il conseguente "affaticamento" dell'operatore è minore, il costo
dell'attrezzatura è inferiore, la capacità di avvistare gli animali è favorita dal tapetum
lucidum degli occhi. Tuttavia uno dei principali svantaggi del conteggio con faro è la
presenza di ostacoli o alberi lungo i transetti che rendono difficoltoso il conteggio. Il
conteggio notturno con termo-camera, al contrario, richiede delle tempistiche di esecuzione
maggiori (due volte il tempo necessario al conteggio notturno con faro) con un maggiore
"affaticamento" dell'operatore, il costo dell'attrezzatura è superiore, l'identificazione della
specie a grandi distanze presenta spesso delle problematiche che richiedono l'utilizzo in
contemporanea di un faro alogeno, il calore trattenuto da pietre e tronchi d'albero può
rendere difficoltoso l'avvistamento degli animali. Durante lo svolgimento dello studio si è
potuto
notare
un'uleriore
problematica
a
svantaggio
della
termo-camera:
con
l'inquadramento, anche solo parziale, del cielo si assiste ad una modificazione della scala
delle temperature con un aumento del range di temperature rilevate che rende difficoltoso
la distinzione degli animali rispetto al terreno. In compenso la termo-camera presenta dei
vantaggi rispetto al faro come la possibilità di osservare gli animali all'interno di aree
boscate o rendere meno invasivo il conteggio notturno in quanto gli animali vengono
disturbati di meno (Franzetti e Focardi, 2006).
Considerando quindi i risultati ottenuti, il confronto con altri lavori, i vantaggi e gli
svantaggi relativi alle due metodiche notturne di stima delle abbondanze riteniamo che sia
conveniente mantenere la metodica del conteggio notturno con faro in Valle Varaita dal
momento che le condizioni ambientali attuali sono favorevoli a questa metodica ed i costi
sono maggiormente contenuti. Unitamente a tale tecnica di monitoraggio è possibile
applicare la metodologia del Distance Sampling in quanto permette di ottenere l'errore
della stima di densità ed un confronto negli anni della consistenza della popolazione. Se la
copertura forestale dell'area indagata dai transetti dovesse aumentare ulteriormente e la
densità di cervi nella zona della bassa valle aumentasse tanto da richiedere un gestione
venatoria anche in quest'area, diventerebbe necessario utilizzare una metodica di conteggio
uniforme su tutto il territorio della Valle Varaita in grado di "censire" anche le aree boscate
della bassa valle, come il conteggio notturno con termo-camera.
Come riportato anche da Mayle et al. (1999) molte delle metodiche di stima delle
abbondanze utilizzate in questo studio non permettono di conoscere la precisione e
l'affidabilità delle stime, ad eccezione delle densità ricavate con la metodologia del
Distance Sampling. Inoltre molte metodiche di "censimento" possono generare valori di
densità che sottostimano o sovrastimano la consistenza reale della popolazione. Alcuni
autori affermano ad esempio che le sottostime dei conteggi per il cervo possono
raggiungere valori elevati, fino al 40 % o addirittura al 100 % in determinati contesti
ambientali (Wotchikowski, 1986; Csanyi, 1991). Quindi dal confronto delle densità stimate
dalle diverse metodiche (Fig. 41, Fig. 42, Fig. 43) non è possibile scegliere la metodologia
migliore da applicare in Valle Varaita in quanto non si è a conoscenza nè dell'affidabilità
delle stime ottenute nè delle sottostime delle diverse metodiche nel territorio in esame. Di
conseguenza, come illustrato anche da Imperio et al. (2008), la valutazione dell'andamento
nel tempo delle stime di densità assume un'importanza cruciale per la gestione delle specie
animali in quanto ci permette di valutare l'andamento demografico delle popolazioni anche
se non si conosce l'errore associato alla metodica utilizzata. Occorre però mantenere
costante negli anni la metodica di stima delle abbondanze e la metodologia per il
rilevamento dei dati. Di conseguenza è consigliabile mantenere le attuali metodiche di
stima delle abbondanze nel territorio della Valle Varaita, come il conteggio per
osservazione diretta primaverile ed il conteggio al bramito, per continuare le serie storiche
degli anni precedenti.
6.1 – Conclusioni
Le operazioni di reintroduzione del cervo effettuate sul territorio della Valle Varaita tra il
2000 ed il 2002 (Meneguz e Dematteis, 2000; Tosco, 2007) si sono rivelate indispensabili
per favorire la ricolonizzazione del territorio da parte di questa specie. La popolazione,
avendo trovato condizioni ambientali ottimali, ha subito negli anni un incremento
demografico, con un aumento sia della numerosità della popolazione sia del territorio
occupato (Tosco, 2007; AA.VV, 2011). Attualmente la crescita ed espansione della
popolazione è in costante aumento. I valori di densità maggiori vengono registrati nei
territori della media ed alta valle, dove è anche localizzato il sito di rilascio. La
popolazione ha colonizzato anche territori maggiormente distanziati dal sito di rilascio,
come l'area della bassa valle, ma le densità rimangono inferiori rispetto al resto del
territorio.
I Modelli di Valutazione Ambientali sviluppati in questo lavoro sono conformi con la
distribuzione della specie e possono essere impiegati nella gestione e conservazione
faunistica del cervo sul territorio in esame.
I "censimenti" notturni primaverili risultano essere molto importanti perchè, grazie alla
naturale concentrazione degli animali nei prati del fondovalle, permettono il conteggio di
un numero elevato di individui con un basso sforzo di campionamento ed un controllo
incrociato con i risultati dei conteggi per osservazione diretta e al bramito. Attualmente il
territorio della Valle Varaita risulta essere notevolmente boscato unicamente nella porzione
della bassa valle dove la densità attuale di cervi non giustifica ancora un prelievo
venatorio. Nel territorio dove è in atto una gestione faunistica della specie la superficie
occupata dagli ambienti forestali è ridotta ed è favorita quindi la metodica del conteggio
notturno con faro. Se l'estensione degli ambienti forestali continua ad aumentare come
negli ultimi anni e le densità di cervi in bassa valle aumentano tanto da giustificare un
prelievo è possibile sostituire il conteggio notturno con faro con il conteggio notturno con
termo-camera e Distance Sampling sull'intero territorio della Valle Varaita come
adattamento alle nuove condizioni ambientali del territorio.
Ringraziamenti
La parte dei ringraziamenti è sempre la più bella da scrivere, anche perchè vuol dire che sei
finalmente riuscito ad arrivare alla fine del lavoro, ma anche una delle più difficili, perchè
non puoi permetterti di dimenticare nessuno di quelli che ti hanno aiutato.
Desidero quindi ringraziare:
Omar, per la possibilità che mi hai dato di svolgere la tesi su un argomento che mi
interessava veramente, nonché per la disponibilità e l'aiuto nella parte organizzativa
e pratica di questo lavoro;
Valentina, per l'aiuto sugli aspetti concettuali, sulle analisi e sulle correzzioni del
lavoro;
il Comprensorio Alpino CN 2, per la disponibilità ad effettuare questo lavoro;
Giorgio F., Giorgio, Cinzia, Arianna e tutte le altre persone che hanno partecipato ai
censimenti.
Bibliografia
AA.VV. (1997) Documento sulle immissioni faunistiche: linee guida per le introduzioni, reintroduzioni e
ripopolamenti di Uccelli e Mammiferi. In: M. Spagnesi, S. Toso e P. Genovesi (a cura di), III Convegno
Nazionale dei Biologi della Selvaggina, Suppl. Ric. Biol. Selvaggina, XXVII: 897-905.
AA.VV. (2007) Linee guida per la gestione dei ruminanti selvatici nella Regione Piemonte. Regione
Piemonte, D.G.R. n. 37-6385 del 9 luglio 2007, Allegati 1 e 2.
AA.VV. (2008) Piano Faunistico Venatorio Regionale. Allegato alla DGR 26.06.2008, n. 1264, Regione
Autonoma Friuli Venezia Giulia. Direzione Centrale Risorse Agricole, Naturali, Forestali e Montagna.
AA.VV. (2009a) Piano di Programmazione per la Gestione degli Ungulati selvatici (PPGU) nel quadriennio
2009/2013. Comprensorio Alpino CN2, Provincia di Cuneo. 64 pp.
AA.VV. (2009b) Piano Faunistico Venatorio Regionale. Allegato alla DGR 07.12.2009, n. 46-12760, Regione
Piemonte. Assessorato Agricoltura, Tutela della Fauna e della Flora.
AA.VV. (2011) Osservatorio regionale sulla fauna selvatica. Direzione Agricoltura della Regione Piemonte,
Torino. URL http://www.regione.piemonte.it/agri/osserv_faun/index.htm. Ultimo accesso Febbraio
2011.
Akaike H. (1973) Information theory and an extension of the maximum likelihood principle. In: B. N. Petrov
and F. Csaki, eds. Second International Symposium on Information Theory. Budapest: 267–281.
Allouche O., Tsoar A., Kadmon R. (2006) Assessing the accuracy of species distribution models: prevalence,
kappa and the true skill statistic (TSS). Journal of Applied Ecology, 43, pp. 1223-1232.
Buckland S.T., Anderson D.R., Burnham K.P., Laake J.L. (1993) Distance Sampling: Estimating Abundance
of Biological Populations. Chapman and Hall, London. 446 pp.
Cicognani L., Monti F., Gellini S., Baldassarri F. (2000) Quantitative data on the red deer (Cervus elaphus)
population in the province of Forlì-Cesena. Hystrix, 11 (2): 133-134.
Coletto L. e Giupponi C. (2004) Il re di quaglie (Crex crex L.) nella provincia di Belluno: rilievi sperimentali
e creazione di mappe di “suitability” in ambiente GIS. In: Casagrandi, R. e Melià, P. (Eds.) Ecologia.
Atti del XIII Congresso Nazionale della Società Italiana di Ecologia (Como, 8-10 settembre 2003).
Aracne, Roma. 6 pp.
Croon G.W., McCullough D.R., Olson C.E., Queal L.M. (1968) Infrared Scanning Techniques for Big Game
Censusing. The Journal of Wildlife Management, 32 (4), pp. 751-759.
Csanyi S. (1991) Reed Deer population dynamics in Hungary: management statistics versus modeling. In:
The biology of Deer, R.D. Brown (Ed.), 1992 Springer-Verlag, New York, Inc., pp. 37-42.
Fattorini L., Ferretti F., Pisani C., Sforzi A. (2010) Two-stage estimation of ungulate abundance in
Mediterranean areas using pellet group count. Environmental and ecological statistics, Springer
Netherlands. 24 pp.
Focardi S., De Marinis A.M., Rizzotto M., Pucci A. (2001) Comparative Evaluation of Thermal Infrared
Imaging and Spotlighting to Survey Wildlife. Wildlife Society Bulletin, 29 (1), pp. 133-139.
Franzetti B. e Focardi S. (2006) La stima di popolazione di ungulati mediante distance sampling e
termocamera a infrarossi. Min. Politiche Agricole, Alimentari e Forestali -Ist. Naz. Fauna Selvatica,
Documenti Tecnici, 26: 1-88.
Gardner R.H. E Urban D.L. (2003) Model Validation and Testing: Past Lessons, Present Concerns, Future
Prospects. In: Models in Ecosystem Science, Eds C.D. Canham, J.J. Cole & W.K. Lauenroth. Princeton
University Press, Princeton, NJ, pp. 184-203.
Gregori E. (2006) Valutazione delle potenzialità del territorio nei confronti della fauna ungulata mediante uso
integrato di Landscape Ecology, Sistema Esperto e Sistema Informativo Territoriale. Progetto M.I.P.A.F.,
La fauna selvatica nella valorizzazione delle risorse agricole e territoriali. C.R.A., Istituto Sper. Studio e
Difesa del Suolo, Firenze. 20 pp.
Hirzel A.H., Hausser J., Chessel D., Perrin N. (2002) Ecological-Niche Factor Analysis: How to compute
Habitat-Suitability maps without absence data? Ecology, 83 (7), pp. 2027-2036.
Imperio S., Provenzale A., Santini G., Focardi S. (2008) Analisi delle serie storiche di 5 specie di ungulati in
ambiente mediterraneo: validazione dei dati, dipendenza dalla densità ed effetti climatici. In: Atti del VI
Congresso Italiano di Teriologia, Hystrix, It. J. Mamm., Prigioni C., Meriggi A., Merli E. (Eds.). pp. 14.
Jain A., Nandakumar K., Ross A. (2005) Score normalization in multimodal biometric systems. Pattern
Recognition 38: 2270-2285.
Krebs J.R. e Davies N.B. (2002) Ecologia e comportamento animale, nuova edizione riveduta e ampliata.
Editore Bollati Boringhieri, Torino. 483 pp.
La Morgia V., Isaia M., Bona F. (2005) Sviluppo e applicazione di indici di idoneità dell’habitat per
quantificare l’impatto antropico sulle popolazioni di ungulati selvatici. XV Congresso della Società
Italiana di Ecologia, Torino. 6 pp.
La Morgia V. (2007) Modelling of wildlife-environment relationships: a tool for ungulate conservation. Tesi
di Dottorato in Biologia Evoluzionistica e Conservazione della Biodiversità, Università degli Studi di
Torino, Dipartimento di Biologia Animale e dell'Uomo, Torino, anni accademici 2004-2007, 116 pp.
Mann H.B. e Whitney D.R. (1947) On a Test of Whether one of Two Random Variables is Stochastically
Larger than the Other. Annals of Mathematical Statistics, 18 (1): 50–60.
Massolo A. e Meriggi A. (1995) Modelli di valutazione ambientale nella gestione faunistica. Ecology,
Ethology and Evolution (Supplemento al n° 1) 7, 2-11.
Mayle B.A., Peace A.J., Gill R.M.A. (1999) How many deer? A field guide to estimating deer population
size. Forestry Commission Field book 18. Forestry Commission, Edinburgh. 96 pp.
Mazzarone V., Apollonio M., Lovari C., Mattioli L., Pedone P., Siemoni N. (1989) Censimento di cervo al
bramito in ambiente montano appenninico. Atti del 2” Seminario sui Censimenti Faunistici dei
Vertebrati, Brescia.
McCullough D.R. (1982) Evaluation of Night Spotlighting as a Deer Study Technique. The Journal of
Wildlife Management, Vol. 46 (4): 963-973.
McGarigal K., Cushman S.A., Neel M.C., Ene E. (2002) FRAGSTATS: spatial pattern analysis program for
categorical
maps.
University
of
Massachusetts,
Amherst,
MA.
URL
http://www.umass.edu/landeco/research/fragstats/fragstats.html. Ultimo accesso Febbraio 2011.
Meneguz P.G. e Dematteis A. (2000) Progetto per la reintroduzione del cervo (Cervo elaphus L. 1758) in
Valle Varaita. Università degli Studi di Torino, Facoltà di Medicina Veterinaria, Torino. 60 pp.
Morrison M.L., Marcot B.G. Mannan R.W. (1992) Wildlife-Habitat Relationships. Concepts and
Applications. The University of Wisconsin Press, Madison. 480 pp.
Mustoni A., Pedrotti L., Zanon E., Tosi G. (2002) Ungulati delle Alpi. Nitida Immagine Editrice, Cles,
Trento. 538 pp.
R Development Core Team (2011) R: A language and environment for statistical computing. R Foundation
for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org. Ultimo
accesso Dicembre 2011.
Shapiro S.S. e Wilk M.B. (1965) An analysis of variance test for normality (complete samples). Biometrika,
52 (3-4): 591-611.
Spagnesi M., De Marinis A.M. (2002) Mammiferi d’Italia. Quad. Cons. Natura, 14, Min. Ambiente, Ist. Naz.
Fauna Selvatica. 311 pp.
Stewart L.K. (1976) The Scottish red deer census. Deer, 3 (10): 529-533.
Store R. e Kangas J. (2001) Integrating spatial multi-criteria evaluation and expert knowledge for GIS-based
habitat suitability modelling. Landscape and Urban Planning, 55, 79-93.
Thomas L., Buckland S.T., Burnham K.P., Anderson D.R., Laake J.L., Borchers D.L., Strindberg S. (2002)
Distance sampling. Encyclopedia of Environmetrics. 1, 544-552.
Thomas L., Buckland S.T., Rexstad E.A., Laake J.L., Strindberg S., Hedley S.L., Bishop J.R.B., Marques
T.A., Burnham K.P. (2010) Distance software: design and analysis of distance sampling surveys for
estimating population size. Journal of Applied Ecology 47: 5-14.
Tizzani P. e Dematteis A. (2009) Linee guida per la gestione della lepre europea ( Lepus europaeus).
Conclusioni di dieci anni di studi e sperimentazioni in Provincia di Cuneo. Quaderni Tecnici del Settore
Tutela Flora e Fauna, Parchi. Provincia di Cuneo. 258 pp.
Tosco E. (2007) Analisi della colonizzazione di un nuovo territorio da parte di un nucleo di cervo Cervus
elaphus reintrodotto in Valle Varaita. Tesi di Master di Primo Livello in Ecologia e Gestione dei
Grandi Mammiferi Selvatici sulle Alpi, Università degli Studi di Torino, Facoltà di Medicina Veterinaria,
Torino. 21 pp.
USFWS (1981) Standards for the developments of Habitat Suitability Index Models. Technical document
ESM 103, U.S. Fish and Wildlife Service, Division of Ecological Services, Department of the Interior,
Washington, D.C, USA. 171 pp.
Wotchikowsky U. (1987) Vie nuove per una giusta gestione del Cervo. In: Atti del convegno “Ungulati
selvatici e territorio – Indirizzi di gestione”, Prov. di Torino, Reg. Piemonte, U.N.C.Z.A. (Ed.), pp 49-52.
Appendice
Schede dei conteggi