Stima della biomassa verde in diverse tipologie forestali del Friuli ...

Stima della biomassa verde in diverse tipologie forestali del
Friuli Venezia Giulia attraverso il satellite MODIS e misure
indirette in campo di LAI
Abstract
Rossella Napolitano, a, * Alfredo Altobelli, a Enrico Feoli, a Enrico Bressan a
a Dipartimento di Biologia, Università degli Studi di Trieste, Via E. Weiss 2, 34100 - Trieste, Italia
Per descrivere e predire i cambiamenti climatici è necessario monitorare lo stato della vegetazione, studiandone alcuni
parametri chiave, come ad esempio gli attributi strutturali e funzionali. Essi sono influenzati da molti fattori tra i quali le
condizioni microclimatiche ed edafiche. La quantità di foglie, e di conseguenza l’indice di area fogliare (LAI), è un descrittore
importante degli effetti integrati di questi fattori. Anche l’analisi delle immagini multispettrali è importante per lo studio
fisionomico strutturale della vegetazione e per la stima della quantità di biomassa fotosinteticamente attiva. Lo scopo di
questo lavoro è la stima della biomassa verde nelle tipologie forestali più rappresentative del Friuli Venezia Giulia, ottenuta in
campo con due strumenti non distruttivi per la stima indiretta del LAI (il LAI-2000 Plant Canopy Analyzer e la fotografia
emisferica) e attraverso gli indici spettrali di vegetazione del MODIS: NDVI (Normalized Difference Vegetation Index) ed
EVI (Enhanced Vegetation Index). Oltre 200 misure in campo sono state effettuate tra giugno 2003 e ottobre 2004; nello
stesso periodo sono state scaricate gratuitamente dal sito della NASA le immagini MODIS. Il confronto tra i valori medi degli
indici di verde per le diverse formazioni forestali evidenzia come tali indici possano essere usati per individuare non solo una
maggiore o minore quantità di biomassa verde, ma anche situazioni diverse per quanto riguarda la struttura. © 2004 SItE. All
rights reserved.
Keywords: biomassa verde, LAI-2000, foto emisferica, MODIS, EVI
1. Introduzione
Per avere la possibilità di descrivere e predire gli
effetti dei cambiamenti climatici sul funzionamento
degli ecosistemi a lungo e a breve termine ed anche
per prevedere gli effetti del cambiamento della
copertura del suolo sul clima stesso, è necessario
effettuare un monitoraggio continuo dello stato della
vegetazione. Ciò risulta di particolare importanza
soprattutto con l’entrata in vigore del Protocollo di
———
* Corresponding author. Tel.: +39-040-558-2080; fax: +39-040-558-2011; e-mail: napolita@units.
Kyoto, sottoscritto nel 1997 durante la Conferenza
delle Nazioni Unite sui Cambiamenti Climatici, con
la cui firma i paesi industrializzati si sono impegnati
a ridurre le emissioni di gas ad effetto serra. È
fondamentale quindi valutare in tempi brevi la
capacità di assorbimento della anidride carbonica da
parte della vegetazione (in particolare di quella
forestale).
L’indice di area fogliare (LAI), cioè l’area della
superficie delle foglie proiettata per metro quadrato
di terreno, può essere messo in relazione con la
produzione primaria, quindi con l’assimilazione del

2
Available online at http://www.xvcongresso.societaitalianaecologia.org/articles/
carbonio, con la traspirazione, con gli scambi
energetici e con altri processi. Di conseguenza tale
indice viene utilizzato per una grande varietà di studi
fisiologici, climatici, biogeochimici (Asner et al.
2003) e per la creazione di modelli per il calcolo del
bilancio di carbonio sul territorio (Vidale et al. 2003).
È quindi prioritario individuare dei metodi di
monitoraggio che possano determinare la biomassa
fotosinteticamente attiva in modo accurato, ripetitivo
e senza costi eccessivi (Houghton et al. 2001). Il
telerilevamento può offrire un valido supporto a
questo scopo. Un incentivo alla ricerca sul valore di
LAI in diversi tipi di vegetazione e su scala globale è
stato dato dalla necessità di validare i dati del satellite
MODIS (Tian et al. 2000; Myneni et al. 2002).
Questo studio presenta i risultati ottenuti nel Friuli
Venezia Giulia con due strumenti non distruttivi a
fish-eye per la stima indiretta del LAI (il LAI-2000
Plant Canopy Analyzer e la fotografia emisferica) e la
loro relazione con gli indici spettrali di vegetazione
del MODIS: NDVI (Normalized Difference
Vegetation Index) ed EVI (Enhanced Vegetation
Index). Ciò ha anche l’obiettivo di porre le basi per la
stima della biomassa fotosintetica del Friuli Venezia
Giulia, per offrire un parametro ecologico
indispensabile per gli studi sui bilanci ecologici della
Regione.
2. Area di studio
L’area di studio è la regione Friuli Venezia Giulia
che copre una superficie di 7584 Km 2 ed è compresa
in latitudine tra 45° 35’ e 46° 42’, e in longitudine tra
12° 20’ della chiusa del Vajont e 13° 55’ del Monte
Goli. Il territorio è occupato per il 42.5% da rilievi
montuosi, per il 38.1% da pianura e per il rimanente
19.4% da una fascia collinare che funge da raccordo
graduale tra le altre due unità. Il Friuli Venezia Giulia
presenta un’eterogeneità di substrati litologici, di
paesaggi, di morfologie abbastanza rilevante.
Spostandosi da N a S si osserva una successione
quasi continua di rocce che vanno dal Paleozoico al
Neozoico, coprendo un intervallo di quasi 500
milioni di anni.
Nel 1998 la Direzione Regionale delle foreste e
della caccia ha individuato una realtà forestale molto
articolata con 20 categorie forestali, 105 tipi forestali
e oltre 70 varianti (Del Favero et al. 1998). Poco più
del 25% dei boschi regionali è composto da faggete e
un altro 25% è dato da boschi in cui l’abete rosso
gioca un ruolo predominante. Da non sottovalutare
l’1.60% rappresentato dai boschi di neoformazione
che invadono le aree abbandonate.
3. Materiali e metodi
3.1. Rilievi in campo
Sono state effettuate oltre 200 misure in campo tra
giugno 2003 e ottobre 2004 nelle principali categorie
forestali e per lo stesso periodo sono state acquisite le
immagini MODIS. Per scegliere le stazioni di
campionamento sono stati eliminati innanzitutto i
boschi con ampiezza inferiore a 6.25 ha che
corrisponde alla dimensione del pixel di
un’immagine MODIS.
Categorie Forestali
nome_cat
ACERI-TIGLIETI E ACERI-FRASSINETI
ALNETE
BETULETI E CORILETI
FAGGETE
FORMAZIONI COSTIERE
FORMAZIONI SECONDARIE RECENTI (neocolonizzazioni)
LARICETI
MUGHETE
ORNO-OSTRIETI E OSTRIO-QUERCETI
PECCETE
PICEO-ABIETETI
PICEO-FAGGETI
PINETE DI PINO NERO E PINO SILVESTRE
QUERCO-CARPINETI E CARPINETI
RIMBOSCHIMENTI
ROBINIETI (formazioni antropiche)
ROVERETI E CASTAGNETI
SALICETI ED ALTRE FORMAZIONI PARTICOLARI
Fig. 1. Area di studio con sovrapposti
la mappa delle categorie forestali e i
siti di misurazione del LAI.
Questo si rende necessario per ridurre l’effetto
dell’ombra sull’immagine registrata dal satellite e

15 th Meeting of the Italian Society of Ecology, 12-14 September 2005, Torino 3
l’errore delle misurazioni effettuate in campo, poiché
un terreno molto scosceso ostruisce parte del campo
di vista di un sensore a fish-eye.
In figura 1 è raffigurata la mappa delle categorie
forestali del Friuli Venezia Giulia, con sovrapposti i
siti in cui sono state eseguite le misurazioni.
3.2. LAI-2000 Plant Canopy Analyzer
Il LAI-2000 Plant Canopy Analyzer (LI-COR
1992) si basa sulla teoria secondo la quale la quantità
di foglie di una copertura vegetale può essere dedotta
dalla quantità di radiazione solare attenuata dalla
chioma. Misurando questa attenuazione a diversi
angoli rispetto allo zenit, si possono ottenere
informazioni anche sull’orientamento delle foglie.
Il LAI-2000 è costituito da un sensore ottico a
fish-eye con un angolo visuale di 148° che misura
simultaneamente la radiazione diffusa in 5 angoli
zenitali con ampiezza di 13°, in 5 anelli concentrici.
L’unità di controllo registra i dati provenienti dal
sensore e li utilizza per il calcolo immediato del LAI,
dell’angolo di inclinazione delle foglie, dell’errore
medio e della frazione di cielo visibile dal sensore.
L’accuratezza dei risultati dipende dal grado di
violazione di alcuni presupposti su cui si basa lo
strumento. Normalmente essi possono essere ignorati
grazie alla presenza di un filtro blu che respinge le
radiazioni con lunghezza d’onda superiore ai 490 nm
(le foglie diventano come corpi neri: non riflettono né
trasmettono nessuna radiazione) e effettuando le
misurazioni con cielo coperto o al tramonto o
all’alba. Per le conifere è necessario, invece,
utilizzare dei parametri di correzione (Gower &
Norman 1991).
3.3. La fotografia emisferica
La fotografia emisferica è una tecnica utilizzata
per studiare le caratteristiche della copertura vegetale
mediante fotografie con ampio raggio visivo acquisite
mediante un obiettivo a fish-eye di 180° (lente
SIGMA 8 mm F4). Da tale immagine è possibile
ricavare la geometria della distribuzione delle
aperture, stimare la penetrazione potenziale della
radiazione solare attraverso le aperture stesse e
determinare alcune caratteristiche dell’architettura
della vegetazione (copertura, LAI, distribuzione
angolare delle foglie).
L'attendibilità dei dati dipende dalla qualità della
foto. La macchina fotografica deve essere posizionata
con molta attenzione: va montata su un treppiede,
orientata verso il nord magnetico e livellata
orizzontalmente. Il tempo di esposizione e l'apertura
devono essere quelli più adatti alle condizioni di luce
per ottenere delle fotografie con il maggior contrasto
possibile tra il cielo e le foglie. Le condizioni di luce
ideali, anche in questo caso, sono quelle di giornate
con cielo uniformemente coperto o quelle che si
riscontrano poco prima dell'alba o subito dopo il
tramonto.
Le fotografie devono poi essere elaborate con dei
software dedicati. Per questo studio è stato usato il
software HemiView 2.1 (Rich 1999).
3.4. Il satellite MODIS
Il sensore MODIS (MODerate resolution Imaging
Spectroradiometer) è installato a bordo del satellite
Terra (EOS AM-1), messo in orbita dall'Earth
Observing System il 18 dicembre 1999. Il MODIS
fornisce dati con un'alta sensibilità radiometrica (12
bit) in 36 bande spettrali con lunghezze d'onda da 0.4
fino a 14.4 µm: 11 nel visibile, 9 nell’infrarosso
vicino (NIR), 4 nell’infrarosso medio (MIR), 6
nell’infrarosso termico (TIR) e 6 nel infrarosso
lontano. Le prime due bande (rosso e infrarosso
vicino) sono acquisite alla risoluzione nominale di
250 m, le successive 5 bande alla risoluzione di 500
m ed infine le ultime 29 bande hanno una risoluzione
di 1000 m.
Esistono 44 prodotti distinti in 5 temi scaricabili
gratuitamente al sito http://modis.gsfc.nasa.gov/. Le
immagini scaricate devono essere riproiettate dal
sistema di proiezione sinusoidale di Sanson-
Flamsteed (SIN) con il quale vengono fornite, al
proprio sistema di coordinate (per questo studio il
Gauss-Boaga). Per effettuare questa procedura si
utilizza il MODIS Reprojection Tool (MRT) che è un
software gratuito, scaricabile al sito del USGS EROS
Data Center MODIS Reprojection Tool
(http://ede.usgs.gov/programs/sddm/modisdist/index.
shtml ).
Per questo lavoro sono state utilizzate 7 immagini
diverse del prodotto MOD13 che contiene gli indici

4
Available online at http://www.xvcongresso.societaitalianaecologia.org/articles/
di vegetazione NDVI (Normalized Difference
Vegetation Index) ed EVI (Enhanced Vegetation
Index), calcolati utilizzando i valori massimi di un
periodo di 16 giorni (Maximum Composite Value,
MCV) con una risoluzione spaziale di 250 m.
L’NDVI è dato dalla combinazione tra la banda
del rosso (correlata con l’assorbimento della luce da
parte della clorofilla) e la banda dell’infrarosso vicino
(legata alla densità e struttura della vegetazione).
L’NDVI si ottiene dall’espressione (Rouse et al.
1974):
NIR − red
NDVI =
Per ottimizzare i segnali della vegetazione,
minimizzando il disturbo del background e
dell’aerosol è stato sviluppato l’indice EVI (Liu &
Huete 1995) la cui equazione è la seguente:
dove: L: termine di correzione del background (sottobosco,
lettiera, suolo ecc.)
C1 e C2: coefficienti di correzione dell’aerosol;
G: Gain Factor.
Tali indici hanno lo stesso intervallo di valori,
compresi tra –1 e +1.
3.5. La mappa di LAI
La mappa di LAI è stata ottenuta utilizzando
l’inverso dell’equazione della retta di regressione
lineare tra i valori di LAI misurati (asse x) in campo e
gli indici di vegetazione (asse y), come suggerito da
Chen et al. (2002).
4. Risultati e discussione
NIR + red
NIR − red
EVI =
L + NIR + C ∗ red − C ∗ blue
1
Quando si confrontano dati di LAI bisogna tener
conto, innanzi tutto, della definizione di LAI
utilizzata, del tipo di vegetazione e del metodo
analitico adottato (Martens et al. 1993). In questo
studio sono stati messi a confronto due strumenti a
fish-eye per la misurazione indiretta senza contatto
del LAI, che si basano sulla stessa definizione di LAI
e sull’analisi delle gap fraction (frazione delle
aperture): il LAI-2000 Plant Canopy Analyzer e la
2
foto emisferica. Per rendere le due metodologie il più
confrontabili possibile le misure sono state fatte nei
medesimi punti di campionamento, con i sensori alla
stessa altezza e orientati a nord.
Le misurazioni del LAI sono state effettuate in 11
categorie forestali per un totale di 204 misure
puntuali in 29 siti diversi. Generalmente le
misurazioni con il LAI-2000 sono state fatte lungo
transetti di 50 m, con 10 misure distanti l’una
dall’altra 5 m, mentre le foto sono state scattate ogni
10 m.
I valori medi di LAI con la relativa deviazione
standard per le diverse categorie forestali, sono
riassunti in tabella 1.
Tabella 1
Valori medi di LAI ottenuti con il LAI-2000 Plant Canopy
Analyzer (LC) e con la foto emisferica (FE) con le relative
deviazioni standard.
categoria LAI LC LAI FE
acero-frassineto 3,73±0,78 3,56±1,35
betuleto 3,14±0,76 3.74±0,78
carpineto 5,48±0,38 3,75±0,69
castagneto 4,10±0,51 4,09±0,84
corileto 4,88±0,57 4,73±0,57
faggeta 4,45±0,63 3.95±1,38
ostrio-querceto 3.07±0,40 2,79±0,80
pecceta 3,69±0,70 3,55±0,92
piceo-faggeta 4,26±0,61 3,22±0,66
rimboschimento 2,81±1,36 2,73±1,85
rovereto 2,17±0,12 2,36±0,38
4.1. Correlazione tra le misure di LAI in campo con
i due strumenti
La correlazione lineare tra i valori medi di LAI per
le classi forestali ottenuti con i due strumenti ha dato
un valore di R 2 di 0.59, mentre la correlazione tra le
204 misure puntuali ha dato un valore di R 2 di 0.49
(p=0%). Quindi in entrambi i casi sono altamente
significative (p

15 th Meeting of the Italian Society of Ecology, 12-14 September 2005, Torino 5
valutare quanto la parte legnosa influenza il valore di
LAI misurato in primavera-estate. Il LAI medio
misurato di inverno per l’acero-frassineto è di 0.26,
quello della faggeta di 0.46 con il LAI-2000 e
rispettivamente di 0.43 e 0.50 con la foto emisferica.
6,0
5,0
4,0
3,0
2,0
1,0
6,0
5,0
4,0
3,0
2,0
1,0
RIMBOSCHIMENTO DI PINO NERO
PECCETA
y = 1,3028x - 0,9316
R2 = 0,96 P=0%
y = 0,8505x + 0,4417
R2 = 0,36 p=0%
4.2. Correlazione tra il LAI e gli indici di vegetazione
del MODIS
Dal momento che sono state fatte anche alcune
misure di LAI in inverno e avendo la possibilità di
Fig. 3. La mappa di LAI.
6,0
5,0
4,0
3,0
2,0
1,0
FAGGETA
y = 0,7461x + 0,1708
R 2 = 0,73 p=0%
0,0
0,0
0,0 1,0 2,0 3,0 4,0 5,0 0,0 2,0 4,0 6,0 8,0
ACERO-FRASSINETO
y = 0,9982x - 0,1293
R 2 = 0,92 p=0%
0,0
0,0
0,0 1,0 2,0 3,0 4,0 5,0 0,0 1,0 2,0 3,0 4,0 5,0 6,0
Fig. 2. Correlazione tra le misurazioni di LAI con i due strumenti
per alcune categorie forestali (asse x: LAI-2000, asse y: foto
emisferica):
6,0
5,0
4,0
3,0
2,0
1,0
avere anche le immagini MODIS relative, si è
analizzata la correlazione tra il LAI e gli indici di
vegetazione considerando anche tali punti, in accordo
con gli studi di Tian et al. (2004). Come si può
vedere in tabella 2 tutte le correlazioni sono
significative (p

6
5. Conclusioni
Available online at http://www.xvcongresso.societaitalianaecologia.org/articles/
Con questo studio si è voluto applicare un
metodo indiretto per la stima del LAI, per le
principali categorie forestali della Regione Friuli
Venezia Giulia. Il modello proposto si basa
sull’integrazione dei parametri NDVI ed EVI
ottenuti dal sensore MODIS con delle misure di
campo effettuate con il radiometro LAI-2000 e la
foto emiferica.
È stato dimostrato che esiste una buona
correlazione tra il LAI e l’indice di vegetazione
NDVI e che le tecniche basate sul telerilevamento
hanno grandi potenzialità per quanto riguarda il
monitoraggio delle caratteristiche biofisiche della
vegetazione.
Lo sviluppo futuro prevede di affiancare a questa
metodologia l’analizzatore portatile LCi per la stima
dell’attività fotosintetica; questo permetterà di
calcolare l’assorbimento dell’anidride carbonica e
quindi la produttività, per i diversi ecosistemi
forestali.
Ringraziamenti
Il lavoro è stato finanziato dal COFIN ex 40%
(Validazione di modelli di scambi gassosi e sullo
sviluppo di biomassa vegetale in ambiente
mediterraneo) ed è stato eseguito nell’ambito del
workpackage “Integrated spatial tools for natural
resources assessment and management” del Centro
di Eccellenza per la Ricerca in TeleGeomatica e
Informazione Spaziale, GeoNetLab, Università
degli Studi di Trieste.
6. Bibliografia
Asner, G.P., Scurlock, J.M.O. & Hicke, J.A. (2003) Global
synthesis of leaf area index observations: Implications for
ecological and remote sensing studies. Global Ecology and
Biogeography, 12, 195-205.
Chen, J.M., Pavlic, G., Brown, L., Cihlar, J., Leblanc, S.G.,
White, H.P., Hall, R.J., Peddle, D.R., King, D.J., Trofymo,
J.A, Swift, E., Van der Sanden, J. & Pellikka, P.K.E. (2002)
Derivation and validation of Canada-wide coarse-resolution
leaf area index maps using high-resolution satellite imagery
and ground measurements. Remote Sensing of Environment,
80, 165–184.
Del Favero, R., Poldini, L., Bortoli, P.L., Lasen, C., Dreossi, G.
& Vanone, G. (1998) La vegetazione forestale e la
selvicoltura nella regione Friuli-Venezia Giulia. Vol. I.
Regione Autonoma Friuli-Venezia Giulia, Direzione
Regionale delle Foreste, Servizio della Selvicoltura, Udine.
Fang, H., Liang, S. & Kuusk, A. (2003) Retrieving leaf area
index using a genetic algorithm with a canopy radiative
transfer model. Remote Sensing of Environment, 85, 3, 257-
270.
Gower, S.T. &. Norman, J.M. (1991) Rapid estimation of leaf
area index in conifer and broad-leaf plantations. Ecology,
72, 1896-1900
Houghton, R. A., Lawrence, K.T., Hackler, J.L. & Brown, S.,
(2001) The spatial distribution of forest biomass in the
Brazilian Amazon: A comparison of estimates. Global
Change Biology, 7, 731-746.
LI-COR (1992) LAI-2000 Plant Canopy Analyzer operating
manual. LI-COR, Lincoln, Nebraska.
Martens, S.N., Ustin, S.L. & Rosseau, R.A. (1993) Estimating of
tree canopy leaf area index by gap fraction analysis. Forest
Ecology and Management, 61, 91-108
Myneni, R.B., Knyazikhin, Y., Privette, J.L., Glassy, J., Tian, Y.,
Wang, Y., Hoffman, S., Song, X., Zhang, Y., Smith, G.R.,
Lotsch, A., Friedl, M., Morisette, J.T., Votava, P., Nemani,
R.R. & Running, S.W. (2002) Global products of vegetation
leaf area and fraction absorbed PAR from year one of
MODIS data. Remote Sensing of Environment, 83, 214–
231.
Rich, P.M, Wood, J., Vieglais, D.A., Burek, K. & Webb, N.
(1999) HemiView User Manual Version 2.1. Nick Webb.
Rouse, J.W.Jr., Haas, R.H., Deering, D.W., Schell, J.A. &
Harlan, J.C. (1974) Monitoring the vernal advancement and
retrogradation (green wave effect) of natural vegetation.
NASA/GSFC Type III Final Report, Greenbelt, MD.
Tian, Y., Zhang, Y., Knyazikhin, Y., Myneni, R.B., Glassy J.M.,
Dedieu G. & Running S.W. (2000) Prototyping of MODIS
LAI and FPAR algorithm with LASUR and LANDSAT
data. IEEE transactions on geoscience and remote sensing,
38, 5, 2387-2401.
Tian, Y., Dickinson, R.E., Zhou, L., Zeng, X., Dai, Y.J., Myneni,
R.B., Knyazikhin, Y., Zhang, X., Friedl, M., Yu, H., Wu,
W. & Shaikh, M. (2004) Comparison of seasonal and spatial
variations of leaf area index and fraction of absorbed
photosynthetically active radiation from Moderate
Resolution Imaging Spectroradiometer (MODIS) and
Common Land Model. Journal of Geophysical Research,
109, D0, 1103-1116.
Vidale, M., Scimone, M., Feoli, E. & Manes, F. (2003)
Modelling leaf gas exchanges to predict functional trends in
Mediterranean Q. ilex forest under climatic changes in
temperature. Ecological modelling, 166, 123-134.