La mappa classifica la vegetazione urbana in tre macro-classi, in funzione della copertura prevalente (arborea, arbustiva, erbacea). Inoltre, stima alcuni servizi ecosistemici come la connettività della rete ecologica, la distribuzione spaziale degli spazi verdi, la capacità d’immagazzinamento della CO₂ atmosferica, di rimozione di PM10 dall’aria e per studiare l’effetto della vegetazione sulle isole di calore.
La mappa della vegetazione classifica la copertura del suolo in 4 macro-classi: (0) assenza di vegetazione, (1) alberi, (2) cespugli e arbusti, e (3) copertura erbacea. La mappa della vegetazione, con risoluzione spaziale di 10 m, è stata ottenuta dall’integrazione di diverse fonti di dati provenienti dal programma di osservazione satellitare dell’Agenzia Spaziale Europea (ESA) Copernicus e ISPRA (Istituto Superiore per la Protezione e la Ricerca Ambientale):
Per la realizzazione delle quattro categorie, ciascuna delle mappe di input è stata riclassificata in 0-3 secondo il seguente processo:
OUTPUT | |||||
INPUT | Mappa | Descrizione | (1) alberi | (2) arbusti | (3) erbaceo |
COP | Classificazione di copertura del suolo, maggiori informazioni disponibili [7] | 2111 (Latifoglie) 2112 (Conifere) | 2120 (Arbusteti) | 2211 (Erbaceo periodico) 2212 (Erbaceo permanente) | |
UA | Classificazione di uso/copertura del suolo, maggiori informazioni disponibili a [8] | 31000 (Forests) | 32000 (Herbaceous vegetation associations) 33000 (Open spaces with little or no vegetation) | 21000 (Arable land (annual crops)) 22000 (Permanent crops) 23000 (Pastures) 24000 (Complex and mixed cultivation) | |
STL | Binario (0 assenza di alberature, 1 presenza di alberature) | 1 | – | – | |
TCD | Percentuale di copertura arborea | copertura ≥10% | – | – | |
GR | Binario (0 assenza di vegetazione, 1 presenza di vegetazione) | – | – | 1 | |
SWF | Binario (0 assenza di alberature, 1 presenza di alberature) | 1 | – | – | |
Successivamente, le varie mappe, i cui valori variano da 0 a 3 o da 0 a 1, sono state combinate tramite l’operatore logico OR (||) nel seguente ordine:
Per ciascuna città, la mappa è realizzata sul perimetro evidenziato dalle “città”, come identificato dalla classificazione DEGURBA [9]. In ciascuna delle città in esame viene evidenziato il “centro abitato” identificato da ISTAT (Istituto Nazionale di Statistica) come “aggregato di case contigue o vicine […] che costituiscono una forma autonoma di vita sociale e, generalmente, anche un luogo di raccolta per gli abitanti delle zone limitrofe in modo da manifestare l’esistenza di una forma di vita sociale coordinata dal centro stesso” [10].
Uno dei principali servizi ecosistemici forniti dagli alberi e dalla vegetazione in contesto urbano è il sequestro di carbonio dall’atmosfera e il suo assorbimento. Per monitorare questo aspetto ci siamo serviti dei dati dell’Inventario Forestale nazionale (2015) e dei dati satellitari Sentinel-2 acquisiti tra aprile 2017 – nonché il momento in cui anche il secondo satellite Sentinel-2 è diventato operativo – e marzo 2018, per avere un anno completo di osservazioni. Utilizzando le serie temporali Sentinel-2 e implementando la procedura introdotta da Bozzini et al. [17] abbiamo calcolato una vasta serie di predittori. Quindi, come dimostrato da Chirici et al., [18], Vangi et al., [19] e Giannetti et al., [20], abbiamo utilizzato Random Forests [11] per costruire un modello in grado di stimare il carbonio misurato a terra nell’ambito dell’inventario a partire dai predittori calcolati dalle immagini Sentinel-2.
Più nel dettaglio, la procedura consiste nei seguenti passaggi, replicati inalterati per ogni città analizzata:
La procedura è implementata sulla piattaforma di calcolo in cloud Google Earth Engine [24]. I codici e i dati in grado di replicare l’intera procedura possono essere forniti su richiesta (info@futurodellecitta.it).
Elevate concentrazioni di particolato e di PM10 sono associate a problemi cardiovascolari e respiratori [25]. Gli alberi e l’infrastruttura verde urbana svolgono un ruolo importante nella riduzione dell’inquinamento atmosferico e nell’assorbimento del particolato.
Questo concetto, insieme agli strumenti strategici, tattici e operativi ad esso associati, sta attirando sempre più attenzione nei processi innovativi di pianificazione urbana per le città e le regioni urbane [26]. La presenza di alberi e coperture forestali nelle città, nei centri abitati e nei sobborghi circostanti contribuisce a migliorare la qualità della vita delle comunità urbane e aiuta i governi locali a raggiungere i propri obiettivi di sostenibilità ambientale, sociale ed economica.
Per monitorare questo aspetto, abbiamo implementato la procedura mostrata da Bottalico et al., [27]. Utilizzando dati satellitari è infatti possibile stimare la superficie fogliare degli alberi, la quale è direttamente correlata calla capacità di rimozione di PM10 dall’aria.
Più nel dettaglio, la procedura consiste nei seguenti passaggi, replicati inalterati per ogni città analizzata:
La procedura è implementata sulla piattaforma di calcolo in cloud Google Earth Engine [16]. I codici e i dati in grado di replicare l’intera procedura possono essere forniti su richiesta (info@futurodellecitta.it).
27. Bottalico, F.; Chirici, G.; Giannetti, F.; De Marco, A.; Nocentini, S.; Paoletti, E.; Salbitano, F.; Sanesi, G.; Serenelli, C.; Travaglini, D. Air Pollution Removal by Green Infrastructures and Urban Forests in the City of Florence. Agriculture and Agricultural Science Procedia 2016, 8, 243–251, doi:10.1016/j.aaspro.2016.02.099.
