GEOmedia_2_2019

FOCUS
ni che possono aver luogo nel
corso del tempo.
La corrispondenza tra le variabili
è stata innanzitutto ricercata
attraverso la sovrapposizione
dei due layers (quello relativo
all’NDVI medio nel periodo
considerato e quello della Carta
EU), utilizzando la piattaforma
ArcGIS10 previa un’operazione
di riclassificazione della Carta
EU in grandi aree omogenee,
supportata dall’analisi dell’istogramma
di frequenza dei
valori di C, per ovviare alla
diversa risoluzione dei due raster,
ma soprattutto agli errori e
deformazioni conseguenti alla
omogeneizzazione dei sistemi di
riferimento adoperati nei due
casi. Le coppie di valori così ottenute
sono state quindi inserite
in diagramma per ricercare la
funzione di interpolazione con
la migliore approssimazione.
È stata prima tentata una relazione
lineare, come il modello
suggerito inizialmente da de
Jong (1994, 1998), ma questa si
è rivelata imprecisa e tendente
a sottostimare il fattore C nella
parte centrale della distribuzione
dei valori e sovrastimarlo
agli estremi di essa. Inoltre, in
base al modello lineare, valori
di NDVI molto prossimi a 1,
cioè al massimo valore teorico,
produrrebbero valori di C
negativi, il che è fisicamente
incongruo, data la definizione
stessa del fattore C il cui valore
minimo teorico approssima lo
zero ma, di fatto, non è mai
nullo. Ad esempio, nella nostra
area di studio, la Carta EU
riporta valori del fattore C, relativi
al vasto bosco ricadente
nel Parco Nazionale del Circeo,
che variano da 0.0006 a 0.002.
Questi risultati hanno suggerito
che un modello non lineare, in
particolare, una curva logistica
sigmoide (Fig. 4), avrebbe approssimato
i valori osservati con
maggior precisione.
La funzione ottenuta è la seguente:
Fig. 4 Diagramma della funzione sigmoide
(linee tratteggiate: intervallo di confidenza al 95%).
La figura mostra l’andamento
della curva di interpolazione in
cui nessuno dei punti osservati
giace al di fuori dell’intervallo
di confidenza. Gli indici statistici
attestano che il modello
è in grado di riprodurre con
buona precisione le relazioni
tra le due variabili (R2 = 0.989,
RMSE = 0.015). La funzione
ottenuta è stata applicata all’intera
area di studio sulla base dei
valori medi 2001-2016 dell’
NDVI, ed il risultato è mostrato
in Figura 5.
I valori del fattore C ottenuti
mediante il modello di previsione
elaborato mostrano una
diffusione di valori più elevati
rispetto alla Carta EU, soprattutto
nelle aree di pianura,
come l’Agro Pontino, la Piana
di Fondi e la valle del Liri, dove
prevalgono i seminativi. Per
contro, in altre aree, si possono
riscontrare valori solo leggermente
più bassi.
In realtà, analizzando in dettaglio
l’andamento dei valori
nei due raster, nell’ambito delle
stesse classi di copertura del
suolo, per esempio in quella relativa
ai seminativi, si può constatare
che intervalli di valori e
valori medi sono molto simili
(da 0.001 a 0.358, con deviazione
standard pari a 0.036,
nella Carta EU, e da 0.001 a
0.344, con deviazione standard
di 0.097, nella carta derivante
dal modello sigmoide). È da
specificare, infatti, che la classe
dei seminativi nella Carta EU
ha un valore fisso assegnato di
0.221 nel 94% delle celle com-
Fig. 3 - Classificazione del NDVI basata sulla presenza di manufatti nell'area.
GEOmedia n°2-2019 9