Analisi e valutazione della biomassa riparia con l’ausilio delle tecniche di remote sensing. Caso studio del torrente Orco = Riparian biomass analysis and assessment supported by remote sensing techniques. The case of the Orco river

La vegetazione riparia assume un ruolo chiave nel supportare l’ecosistema in cui si inserisce ed influisce direttamente ed indirettamente sul comportamento morfologico dei corsi d’acqua. L’eco-morfodinamica, cioè la scienza che studia l’interazione fra la vegetazione riparia ed i componenti abiotici dell’ambiente fluviale (es. i sedimenti e l’acqua), ha recentemente iniziato a promuovere il monitoraggio della biomassa ripariale e della distribuzione spaziale delle specie come importante fonte di informazioni per la gestione di questi ecosistemi. Le indagini di campo sono di supporto all’attività di monitoraggio, ma richiedono tempo, strumenti adeguati e non sempre sono facilmente attuabili logisticamente. Il remote sensing si è rivelato negli ultimi anni uno strumento innovativo e indispensabile laddove si necessiti di grandi quantità di dati su aree estese, abbattendo così i tempi ed i costi legati all’acquisizione in campo. Tuttavia, nonostante il grande avanzamento delle tecniche di analisi dei dati di remote sensing per monitorare le foreste e le risorse idriche, l’applicazione di tali tecniche in ambito fluviale deve ancora essere del tutto esplorato. Infatti, le tradizionali tecniche di identificazione di alberi non possono essere applicate dove la frequenza di inondazione è tale da prevenire il raggiungimento di uno stadio maturo da parte delle piante presenti e la vegetazione è principalmente arbustiva. Nel presente lavoro di tesi si propone una metodologia che possa essere di aiuto nella valutazione della biomassa fuori terra in ambito ripariale. Lo studio è stato condotto su un segmento del torrente Orco (in Piemonte). La tecnica remote sensing di riferimento è il Light Detection and Ranging (LiDAR). I dati LiDAR utilizzati sono stati acquisiti con Airborne Laser Scanner (ALS) e Terrestrial Laser Scanner (TLS) con la collaborazione di CNR-IRPI e Politecnico di Torino. Durante il lavoro, sono state effettuate misure dirette in campo grazie alle quali è stata calibrata e testata una tecnica volta alla ricostruzione della geometria di specie arbustive a partire da una nuvola di punti georiferita, come quella fornita dal LiDAR. Comparando i risultati ottenuti considerando sia i dati ALS che TLS, si è osservato come i primi portino ad un’accuratezza minore nella stima della geometria dell’arbusto, ma siano comunque indispensabili per rilievi su ampia scala, mentre i secondi portano a risultati più robusti, ma consentono solamente indagini puntuali. Una volta calibrata la tecnica di ricostruzione del volume di una singola pianta, la metodologia è stata allargata includendo la localizzazione degli individui arborei e il riconoscimento di cluster arbustivi tramite ortofoto, in modo da poter analizzare aree estese. Come esempio applicativo, la metodologia è stata implementata su una barra fluviale all’interno del sito di studio, per il quale sono disponibili dati ALS relativi agli anni 2019 e 2021. Il confronto fra le mappe ottenute per i due diversi anni ha sottolineato il cambiamento subito dalla vegetazione ed i processi antropici e naturali che si sono verificati, difficilmente individuabili tramite le sole osservazioni in campo o l’analisi visiva delle ortofoto disponibili. Nonostante il presente lavoro di tesi si inserisca nell’ambito dell’ecomorfodinamica fluviale, la metodologia sviluppata può trovare applicazione anche in altri ambiti, ad esempio nel monitoraggio delle emissioni di carbonio o nel settore selvicolturale.