Tutela ambientale del Lago Trasimeno - ARPA Umbria
Tutela ambientale del Lago Trasimeno - ARPA Umbria
Tutela ambientale del Lago Trasimeno - ARPA Umbria
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
2 . E c o l o g i a<br />
1 1 1<br />
cità di cause interagenti: tra queste, i dati<br />
di letteratura indicano principalmente la<br />
stabilizzazione artificiale dei livelli lacustri,<br />
l’inquinamento <strong>del</strong>le acque e <strong>del</strong><br />
sedimento, i danni indotti da parassiti,<br />
il disturbo meccanico da parte <strong>del</strong> moto<br />
ondoso causato dalla navigazione, il<br />
consumo da parte di erbivori, la scarsa<br />
diversità genetica (si tratta infatti di una<br />
specie a propagazione prevalentemente<br />
vegetativa).<br />
6.3. Analisi condotte al lago<br />
<strong>Trasimeno</strong><br />
A partire dal 2006, i canneti <strong>del</strong> lago<br />
<strong>Trasimeno</strong> sono stati oggetto di un’indagine<br />
finalizzata a formulare una diagnosi<br />
sullo stato di conservazione <strong>del</strong>l’ecosistema<br />
palustre. In particolare, si è cercato<br />
di verificare e quantificare la presenza di<br />
sintomi di declino e la loro affinità con<br />
il fenomeno diffuso in Europa centrosettentrionale,<br />
allo scopo di verificare<br />
l’eventuale presenza di die-back anche in<br />
un contesto bioclimatico mediterraneo.<br />
Lo studio è partito dall’individuazione<br />
di 7 siti rappresentativi <strong>del</strong>la diversità<br />
fitocenotica ed <strong>ambientale</strong> dei canneti<br />
<strong>del</strong> <strong>Trasimeno</strong>, nei quali la vegetazione<br />
palustre avesse superficie sufficientemente<br />
ampia da consentire al suo interno<br />
l’individuazione di punti di campionamento<br />
distanti dalle aree maggiormente<br />
antropizzate. I siti risultano ubicati<br />
nelle seguenti località (tra parentesi la<br />
sigla utilizzata per ciascun sito): La Valle<br />
di S. Savino (OAS), Poggio di Braccio<br />
(BRA), Porto di Panicarola (POR),<br />
Rio Pescia (POM), Castiglione <strong>del</strong> <strong>Lago</strong><br />
(IDR), Borghetto (BOR), Passignano<br />
(PAS) (fig. 1). Nei siti sono quindi stati<br />
individuati, con modalità casuale, 19<br />
plot di superficie pari a 1 m 2 destinati a<br />
monitoraggio periodico, effettuato negli<br />
anni 2006, 2007, 2009 e tuttora in<br />
corso. Sulla base <strong>del</strong>le conoscenze esistenti<br />
è stata selezionata una rosa di plant<br />
traits, sintomatici <strong>del</strong> fenomeno di moria<br />
dei canneti come descritto in letteratura,<br />
sui quali è stata effettuata l’attività di<br />
monitoraggio. Tipologia di parametri e<br />
modalità di monitoraggio sono descritti<br />
nel seguito.<br />
6.3.1. Analisi macromorfologica<br />
I parametri utilizzati nelle indagini<br />
macromorfologiche comprendono: diametro<br />
e altezza dei culmi di cannuccia,<br />
numero di nodi, fenologia <strong>del</strong>la fioritura<br />
e presenza di gemme apicali morte,<br />
monitorati a cadenza quindicinale nel<br />
periodo compreso tra inizio aprile e fine<br />
agosto; densità di culmi, anomalie di<br />
sviluppo <strong>del</strong>l’apparato radicale, presenza<br />
<strong>del</strong>l’habitus di accrescimento per cespi<br />
(clumping), monitorati annualmente alla<br />
fine di agosto. Dai dati precedenti sono<br />
stati calcolati i tassi di accrescimento <strong>del</strong><br />
diametro, <strong>del</strong>l’altezza e <strong>del</strong> numero di<br />
nodi dei culmi.<br />
I dati macromorfologici raccolti nel<br />
periodo 2006-2007 sono stati utilizzati<br />
per costruire una matrice (13 traits x 19<br />
plots) a cui sono state applicate procedure<br />
di analisi multivariata (Gigante et<br />
al., 2011a). La strategia seguita è stata la<br />
seguente: riduzione <strong>del</strong>la dimensionalità<br />
dei dati tramite PCA ed individuazione<br />
<strong>del</strong>le componenti che maggiormente<br />
spiegano la varianza totale; utilizzo di<br />
fuzzy clustering, fuzzy c-means (Bezdek, 1981)<br />
sulle componenti principali selezionate;<br />
identificazione <strong>del</strong>la partizione ottimale<br />
mediante applicazione <strong>del</strong>l’Indice<br />
di Dunn (1974); individuazione <strong>del</strong>la<br />
partizione booleana dei plots indotta<br />
dall’analisi fuzzy; descrizione dei clusters<br />
<strong>del</strong>la partizione ottimale sulla base dei<br />
centroidi <strong>del</strong>le variabili originali, attraverso<br />
la media pesata <strong>del</strong>le singole variabili,<br />
per i gradi di appartenenza <strong>del</strong>le<br />
stazioni al cluster maggiori di 0,39. Per<br />
l’analisi dei dati è stato utilizzato il pacchetto<br />
SYN-TAX 5,0 (Podani, 1993).