Analisi del grado di disturbo della Foresta di Giazza (VR) tramite un modello allometrico e caratterizzazione strutturale tramite metriche LiDAR

Old-growth forests are rare and valuable ecosystems for biodiversity, particularly in Europe, where millennia of anthropogenic management have led to a progressive reduction and fragmentation of these areas. Mapping these ecosystems is essential, as is identifying forest stands that, due to past management and structural characteristics, show potential for evolution toward old-growth status through targeted protection. Currently, there is a lack of effective, large-scale tools for identifying such areas, as traditional forest inventory parameters often fail to objectively reflect the degree of naturalness and management history. The present study aims to compare scaling models (H-model) and remote sensing metrics (LiDAR) to assess the effectiveness of these tools in mapping and evaluating forest maturity. The research focuses on the Giazza Forest (Veneto, IT), where a stand with high old-growth characteristics (OG) and one originating from past coppice management (C) were identified. The techniques used to assess old-growth status included the H-model, its derived Functionality Index, and specific LiDAR-derived metrics (95th percentile height, height coefficient of variation, Pielou’s height evenness, and gap fraction) to verify their reliability as indicators of forest maturity. For the H-model, the study area yielded a scaling exponent of -2.13, consistent with existing literature, while the power law best representing the actual conditions showed exponents of -1.28 (OG) and -0.82 (C). The Functionality Indices were 0.60 (OG) and 0.38 (C), respectively, confirming the H-model's ability to identify the deviation between actual and potential structure while highlighting the legacy of past disturbances. Principal Component Analysis (PCA) revealed that while structural metrics (crown volume evenness among diametric bins, basal area diameter CV, and Gini index) were decisive in discriminating between stands, LiDAR data showed limited effectiveness. Among the remote sensing metrics, only the coefficient of variation of height emerged as a promising indicator, as it is independent of site fertility. The H-model and the Functionality Index proved to be highly effective and precise in assessing old-growth status. Furthermore, they provided critical information on structural surpluses and deficits, enabling the design of ecological restoration actions aimed at accelerating the transition toward old-growth stages where necessary. The use of LiDAR data for mapping forest maturity remains a viable prospect. Through modeling, it may be possible to identify old-growth forests using a limited set of remote sensing data. It is therefore recommended to further test this potential through large-scale studies.

Le foreste vetuste sono ecosistemi rari caratterizzati da un'elevata biodiversità, la cui tutela è prioritaria in Europa a causa della frammentazione indotta da millenni di gestione antropica. Risulta quindi essenziale individuare tali aree, nonché rilevare i popolamenti che, per struttura e storia gestionale, mostrano le potenzialità per evolvere verso la vetustà se sottoposti a protezione integrale. Tale processo è la condizione necessaria per implementare e rafforzare la Rete Nazionale delle Foreste Vetuste. Nonostante le molteplici definizioni e caratterizzazioni delle foreste vetuste non è attualmente presente uno strumento univoco per determinare il grado di vetustà, poiché i parametri tradizionali faticano a rifletterne naturalità e storia gestionale. L’obiettivo di questo lavoro è quello di utilizzare modelli di scaling (H-model) e metriche LiDAR nell’individuazione, caratterizzazione e mappatura della vetustà forestale. È stato utilizzato un caso studio presso la foresta demaniale regionale di Giazza (Veneto, IT), dove sono state individuate due aree, una con elevato grado di vetustà (OG) e una proveniente da una gestione a ceduo (C). Le tecniche utilizzate sono state l’H-model, l’Indice di Funzionalità da esso derivato e alcune metriche da dati LiDAR correlate alla vetustà (altezza del 95° percentile, Coefficiente di variazione dell’altezza, evenness di Pielou dell’altezza e Gap fraction), valutandone la correlazione con il grado di vetustà delle aree di studio. I risultati hanno mostrato un esponente di riferimento di struttura potenziale di H-model di -2.13, in linea con la bibliografia. Le power law che meglio rappresentano la condizione reale per le due aree hanno esponenti di -1.28 (OG) e -0.82 (C). Gli Indici di Funzionalità derivati sono rispettivamente di 0.60 (OG) e 0.38 (C), confermando la capacità dell'H-model di individuare lo scostamento tra la struttura reale e quella potenziale, evidenziando le tracce di disturbi passati. Dalla PCA è emerso che le metriche strutturali (evenness del volume di chioma tra le classi diametriche, CV del diametro e indice di Gini) sono determinanti per distinguere le aree OG e C, mentre i dati LiDAR hanno mostrato un'efficacia limitata, probabilmente a causa del limitato campionamento. Tra le metriche da LiDAR solo il CV delle altezze emerge come indicatore promettente per caratterizzare la vetustà forestale, poiché indipendente dalla fertilità stazionale. L’H-model si conferma come uno strumento valido nel riflettere il grado di disturbo della struttura forestale, sintetizzato dall’Indice di Funzionalità. Sulla base della struttura potenziale predetta è inoltre possibile ipotizzare interventi di restauro ecologico volti ad accelerare l’evoluzione verso la vetustà, dove necessari. L’utilizzo dei dati LiDAR per poter mappare la vetustà forestale non è da escludere. Tuttavia sembra necessario disporre di aree di studio a maggiore estensione al fine di comprendere lo stato di vetustà, tramite la modellistica, sulla base di informazioni telerilevate.